Firman Ghazali, Dian Rahmalia, Choirunnisa Salsabila, Fitria Melinia Dewi
{"title":"基于植被指数、稻谷产量和降雨变化的关系,对农民收入预测的空间回归","authors":"Firman Ghazali, Dian Rahmalia, Choirunnisa Salsabila, Fitria Melinia Dewi","doi":"10.14710/elipsoida.2021.13875","DOIUrl":null,"url":null,"abstract":"Menjadi petani di Negara beriklim tropis seperti Indonesia, kemampuan memahami kondisi iklim sebagai faktor utama yang dapat membantu menentukan keberhasilan budidaya pertanian yang dilakukan. Tidak terkecuali pada petani padi sawah, kondisi iklim berupa pergantian musim berpengaruh pada terjadinya fluktuasi jumlah curah hujan dan menjadi penentu baik atau tidaknya tumbuh tanaman padi. Studi ini fokus untuk mengkaji relasi spasial dari adanya perubahan jumlah hujan yang didapat dari hasil interpolasi inverse distance weighted (IDW) dan perubahan indeks vegetasi dari normalized difference vegetation index (NDVI) dari multi-temporal citra Sentinel 2, terhadap jumlah hasil panen padi petani yang diperoleh dari hasil wawancara. Relasi dari ketiganya akan menghasilkan suatu prediksi pendapatan petani dalam setiap musim tanam berdasarkan model regresi tunggal dan berganda. Hasil dari kajian ini diperoleh adanya variasi nilai akurasi prediksi pendapatan petani yang bertambah baik berdasarkan nilai root mean square error (RMSE), yakni 0.18-0.19 untuk relasi berganda antara hasil panen padi terhadap jumlah curah hujan dan NDVI, dan 0.535-0.659 untuk model regresi tungal terhadap NDVI. Dari nilai RMSE terbaik, diperoleh prediksi pendapatan petani padi berkisar antara Rp. 2.4– 4.7 juta per ¼ hektar di setiap musim tanamnya.","PeriodicalId":190139,"journal":{"name":"Elipsoida : Jurnal Geodesi dan Geomatika","volume":"24 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-11-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"REGRESI SPASIAL UNTUK PREDIKSI PENDAPATAN PETANI BERDASARKAN RELASI INDEKS VEGETASI, HASIL PANEN PADI, DAN PERUBAHAN JUMLAH HUJAN\",\"authors\":\"Firman Ghazali, Dian Rahmalia, Choirunnisa Salsabila, Fitria Melinia Dewi\",\"doi\":\"10.14710/elipsoida.2021.13875\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Menjadi petani di Negara beriklim tropis seperti Indonesia, kemampuan memahami kondisi iklim sebagai faktor utama yang dapat membantu menentukan keberhasilan budidaya pertanian yang dilakukan. Tidak terkecuali pada petani padi sawah, kondisi iklim berupa pergantian musim berpengaruh pada terjadinya fluktuasi jumlah curah hujan dan menjadi penentu baik atau tidaknya tumbuh tanaman padi. Studi ini fokus untuk mengkaji relasi spasial dari adanya perubahan jumlah hujan yang didapat dari hasil interpolasi inverse distance weighted (IDW) dan perubahan indeks vegetasi dari normalized difference vegetation index (NDVI) dari multi-temporal citra Sentinel 2, terhadap jumlah hasil panen padi petani yang diperoleh dari hasil wawancara. Relasi dari ketiganya akan menghasilkan suatu prediksi pendapatan petani dalam setiap musim tanam berdasarkan model regresi tunggal dan berganda. Hasil dari kajian ini diperoleh adanya variasi nilai akurasi prediksi pendapatan petani yang bertambah baik berdasarkan nilai root mean square error (RMSE), yakni 0.18-0.19 untuk relasi berganda antara hasil panen padi terhadap jumlah curah hujan dan NDVI, dan 0.535-0.659 untuk model regresi tungal terhadap NDVI. Dari nilai RMSE terbaik, diperoleh prediksi pendapatan petani padi berkisar antara Rp. 2.4– 4.7 juta per ¼ hektar di setiap musim tanamnya.\",\"PeriodicalId\":190139,\"journal\":{\"name\":\"Elipsoida : Jurnal Geodesi dan Geomatika\",\"volume\":\"24 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-11-22\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Elipsoida : Jurnal Geodesi dan Geomatika\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.14710/elipsoida.2021.13875\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Elipsoida : Jurnal Geodesi dan Geomatika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.14710/elipsoida.2021.13875","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
REGRESI SPASIAL UNTUK PREDIKSI PENDAPATAN PETANI BERDASARKAN RELASI INDEKS VEGETASI, HASIL PANEN PADI, DAN PERUBAHAN JUMLAH HUJAN
Menjadi petani di Negara beriklim tropis seperti Indonesia, kemampuan memahami kondisi iklim sebagai faktor utama yang dapat membantu menentukan keberhasilan budidaya pertanian yang dilakukan. Tidak terkecuali pada petani padi sawah, kondisi iklim berupa pergantian musim berpengaruh pada terjadinya fluktuasi jumlah curah hujan dan menjadi penentu baik atau tidaknya tumbuh tanaman padi. Studi ini fokus untuk mengkaji relasi spasial dari adanya perubahan jumlah hujan yang didapat dari hasil interpolasi inverse distance weighted (IDW) dan perubahan indeks vegetasi dari normalized difference vegetation index (NDVI) dari multi-temporal citra Sentinel 2, terhadap jumlah hasil panen padi petani yang diperoleh dari hasil wawancara. Relasi dari ketiganya akan menghasilkan suatu prediksi pendapatan petani dalam setiap musim tanam berdasarkan model regresi tunggal dan berganda. Hasil dari kajian ini diperoleh adanya variasi nilai akurasi prediksi pendapatan petani yang bertambah baik berdasarkan nilai root mean square error (RMSE), yakni 0.18-0.19 untuk relasi berganda antara hasil panen padi terhadap jumlah curah hujan dan NDVI, dan 0.535-0.659 untuk model regresi tungal terhadap NDVI. Dari nilai RMSE terbaik, diperoleh prediksi pendapatan petani padi berkisar antara Rp. 2.4– 4.7 juta per ¼ hektar di setiap musim tanamnya.