Analisis Produktivitas Tanaman Padi Berbasis Indeks Vegetasi dari Citra Landsat 8 OLI Menggunakan Geographically Weighted Regression (GWR) di Kabupaten Jember
Tahun 2026 · Penulis: Nasya Zabrina Amanda
Faculty of Agriculture, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/15537
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Analisis Produktivitas Tanaman Padi Berbasis Indeks Vegetasi dari Citra Landsat 8 OLI Menggunakan Geographically Weighted Regression (GWR) di Kabupaten Jember
Produktivitas beras adalah indikator penting untuk mendukung keamanan pangan dan dipengaruhi oleh faktor-faktor biofisika yang hubungannya mungkin bervariasi di berbagai lokasi. Penelitian atas produktivitas sejalan dengan SDG Gol 2, yang menekankan pentingnya mencapai keamanan makanan. Penelitian ini bertujuan untuk menganalisis distribusi spasial produktivitas padi dan mengevaluasi kinerja alun-alun Biasa (OLS) dan model Regresi Berat Secara Geografis (GWR) dalam menjelaskan variasi produktivitas padi dalam Kabupaten. Penelitian menggunakan data sekunder dari 31 sub-distrikt pada tahun 2025. Variabel penjelasan terdiri dari daerah yang dipanen, curah hujan, ketinggian, dan Indeks Vegetation Perbedaan Hijau (GNDVI), yang berasal dari Gambaran Landsat 8 OLI. Analisis ini mencakup pemrosesan gambar satelit, analisis data spasial, pengujian multicollinearitas, modeling OLS, model GWR, dan pemetaan spasial. Tes multicollinearity menunjukkan bahwa NDVI dan SAVI dikeluarkan dari model akhir; oleh karena itu, daerah yang dipanen, curah hujan, ketinggian, dan GNDVI dipertahankan sebagai variabel penjelasan. Model OLS menghasilkan nilai R2 0.3170, R2 yang disesuaikan dengan 0.2119, dan AICC dari 138.1168. Sementara itu, model GWR menghasilkan nilai R2 yang lebih tinggi dari 0.6953 dan R2 R2 dari 0.3539, yang menunjukkan kemampuan yang lebih besar untuk menjelaskan variasi lokal dalam produktivitas beras. Namun, model GWR memiliki nilai AICC yang lebih tinggi dari 151.1917, yang menunjukkan kompleksitas model yang lebih besar. Produktivitas padi yang diprediksi berkisar dari 57.58 hingga 63.82 kw/ha, dengan produktivitas yang relatif lebih tinggi terkonsentrasi di bagian barat dan selatan Kabupaten Jember, sementara produktivitas yang lebih rendah umumnya ditemukan di daerah utara dan tengah. Hasilnya menunjukkan hubungan antara daerah panen, curah hujan, ketinggian, GNDVI, dan produktivitas beras bervariasi di seluruh sub-distrik. Oleh karena itu, GWR berguna untuk mengidentifikasi variasi spasial lokal, meskipun hasilnya harus ditafsirkan bersama model-kompleks pertimbangan.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,898
Tahun 2026 · Penulis: Yohana Dwi Falupi
Prediksi Produktivitas Padi Menggunakan Geographically Weighted Regression (GWR) di Kabupaten Jember
Produktivitas beras sangat berperan dalam mendukung keamanan pangan dan pengembangan pertanian yang berkelanjutan, selaras dengan Tujuan Pembangunan yang Sustainable 2 (SDGs 2), khususnya tujuan mengakhiri kelaparan, meningkatkan keamanan pangan, dan meningkat
- Cosine 0,857
Tahun 2025 · Penulis: Ardana Jalu Bima Kelana
Estimasi Produksi Padi Ramah Lingkungan Menggunakan Kombinasi Indeks Vegetasi dari Citra Sentinel-2
Peningkatan metode penanaman padi yang ramah lingkungan telah menandaskan perlunya model hasil yang efisien dan akurat untuk mendukung praktek pertanian yang berkelanjutan. Penelitian ini bertujuan untuk mengembangkan model prediktif untuk memperkirakan hasil
- Cosine 0,846
Tahun 2026 · Penulis: Ikmal Maulana Muhammad
Pengembangan Model Penentuan Produksi Padi Berbasis Data Indeks Vegetasi dan Data Iklim Menggunakan Algoritma Random Forest
Kabupaten Jember, salah satu pusat produksi padi utama di Jawa Timur, terus menghadapi fluktuasi produksi yang didorong oleh tumbuhan dan faktor iklim. Metode pengumpulan data konvensional, seperti bentuk survei Statistik Agricultural dan pendekatan perkiraan