Prediksi Produktivitas Padi (Oryza sativa) Melalui Survei Ubinan Menggunakan Model Linier dan Quantile Regression Forest

Muhlis Ardiansyah, Widyo Pura Purba, Anang Kurnia

Abstract


Data produktivitas padi dibutuhkan untuk mendapatkan informasi tentang capaian target pembangunan berkelanjutan (Sustainable Development Goals - SDGs). Data produktivitas padi diperoleh dari hasil survei ubinan rutin Badan Pusat Statistik (BPS). Permasalahan pada pelaksanaan survei adalah pengukuran bobot gabah pada petak lahan terpilih tidak selalu berhasil, terutama di wilayah dengan aksesibilitas yang sulit. Hal ini menyebabkan beberapa data hilang. Salah satu solusi untuk mengatasi masalah tersebut adalah menduga bobot gabah per plot ubinan berdasarkan peubah yang mudah diperoleh. Penelitian ini dilakukan di Kalimantan Tengah pada tahun 2019, bertujuan untuk mengevaluasi kinerja model Quantile Regression Forest (QRF) dalam menduga berat gabah atau produktivitas padi per 2,5 x 2,5 m2. Metode yang diperbandingkan adalah Model Linier (LM), QRF, Geo-QRF, dan Geo-QRF reparameterisasi. Hasil penelitian menunjukkan peubah varietas, pupuk, dan titik koordinat dapat digunakan untuk menduga bobot gabah pada survei ubinan di Kalimatan Tengah. Model Geo-QRF dengan reparameterisasi peubah pupuk terbukti mampu menduga bobot gabah lebih baik dibanding model linier karena menurunkan RMSE (Root Mean Square Error) dan meningkatkan nilai korelasi antara data aktual dengan data dugaan. Hasil simulasi menunjukkan apabila data hilang tersebar secara acak (data hilang tipe III) maka angka rata-rata gabah yang dihasilkan mirip dengan rata-rata bobot gabah pada tingkat respon survei 100%. Berbeda dengan jenis data hilang tipe I dan II, rata-rata bobot gabah yang dihasilkan dapat menjadi uderestimate atau overestimate jika tidak ditangani. Prediksi bobot gabah menggunakan model Geo-QRF dengan reparameterisasi dapat memperbaiki masalah data hilang dengan hasil yang lebih mirip dengan rata-rata bobot gabah pada tingkat respon 100%. BPS diharapkan mempertimbangkan dan mengkaji solusi yang diajukan dalam penelitian ini. 


Keywords


padi; produktivitas; prediksi; model linier; regresi

Full Text:

pdf (Indonesian)

References


Agresti A. 2015. Foundations of Linear and Generalized Linear Models. New Jersey: John Wiley and Sons.

Ardiansyah M, Djuraidah A, Kurnia A. 2018. Pendugaan Produktivitas Padi di Tingkat Kecamatan Menggunakan Geoadditive Small Area Model. Jurnal Penelitian Pertanian Tanaman Pangan 2 (2): 101-110.

Ardiansyah M dan Tofri Y. 2019. Perbandingan Data Produktivitas Padi Antara Hasil Wawancara Pascapanen dengan Data Survei Ubinan di Kalimantan Tengah. Jurnal Penelitian Pertanian Tanaman Pangan 3 (1): 17-22.

Fang Y, Xu P, Yang J, Qin Y. 2018. A quantile regression forest basedmethod to predict drug response and assess prediction reliability. PLOS ONE 13 (10): 1-16.

Meinshausen N. 2017. An R Package ‘quantregForest’ (Quantile Regression Forests). Version: 1.3-7. Published: 19 December 2017. URL https://CRAN.R-project.org/package=quantregForest. [9 Juni 2020].

Nguyen Thanh T, Huang JZ, Nguyen Thuy T. 2015. Two-level quantile regression forests for bias correction in range prediction. Mach Learn (2015) 101: 325–343.

Park S, Kwon J, Kim J, Oh HS. 2018. Prediction of extremal precipitation by quantile regression forests: from SNU Multiscale Team. Extremes 2018 (21): 463–476.

Taillardat M, Mestre O, Zamo M, Naveau P. 2016. Calibrated Ensemble Forecasts Using Quantile Regression Forests and Ensemble Model Output Statistics. Monthly Weather Review 2016 (144): 2375-2393.




DOI: http://dx.doi.org/10.21082/jpptp.v4n3.2020.p135-144

Refbacks

  • There are currently no refbacks.




Copyright (c) 2020 Jurnal Penelitian Pertanian Tanaman Pangan

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.


P-ISSN: 2541-5166
E-ISSN: 2541-5174
Accredited No.148/M/KPT/2020 by Kemenristek/BRIN


Jurnal Penelitian Pertanian Tanaman Pangan has been indexed by:

       


Editorial Office

Jurnal Penelitian Pertanian Tanaman Pangan

Pusat Penelitian dan Pengembangan Tanaman Pangan
Jln Merdeka no. 147, Bogor 16111, Indonesia
Phone/Fax.: +62-251-8312755 
E-mail: publikasi_puslitbangtan@litbang.pertanian.go.id
Website: http://pangan.litbang.pertanian.go.id

View My Stats