Inovasi di bidang statistika khususnya pemodelan statistika perlu ada agar perolehan model bisa semakin akurat. Salah satunya adalah pengembangan model spatio temporal yang menggabungkan informasi geografis dan deret waktu secara bersamaan. Model tersebut dapat mengatasi masalah heterogenitas spasial dan efek spasial. Model spasial temporal yang digunakan adalah model Geographically Weighted Panel Regression (GWPR). Jika dikembangan, maka model ini mungkin bisa mengatasi permasalahan ketahanan pangan Indonesia.
Dalam penerapannya, perlu ada bobot geografis terbaik dengan nilai bandwidth optimal dan Cross Validation (CV) terendah. Bobot geografis yang ada adalah fungsi kernel Gaussian, fungsi kernel Bisquare dan fungsi kernel eksponensial. Estimasi parameter model spatio-temporal menggunakan Weighted Least Square (WLS). Model GWPR perlu ada pada data indeks ketahanan pangan di 34 provinsi di Indonesia.
Indonesia merupakan salah satu negara berkembang di dunia yang menduduki peringkat ke-69 pada tahun 2017 hingga 2021 dari 113 negara dengan indeks ketahanan pangan global sebesar 59,2. Permasalahan ketahanan pangan merupakan permasalahan yang penting untuk dipecahkan di Indonesia. Salah satu caranya adalah dengan mencari faktor-faktor yang mempengaruhi indeks ketahanan pangan melalui pemodelan spatio-temporal. Penelitian tersebut terdiri dari eksplorasi data, statistik deskriptif, sebaran pemetaan spasial, pemilihan bobot geografis dan pemodelan GWPR. Hasil penelitian menunjukkan bahwa model statistik spatio temporal GWPR lebih akurat dengan model baik sebesar 92,78% dan nilai Root mean Square Error sebesar 3,41.
Kesimpulan
Hasil penelitian ini menunjukkan penentuan bobot geografis terbaik pada model GWPR untuk pemodelan indeks ketahanan pangan nasional dengan nilai bandwidth dan CV optimal adalah fungsi pembobotan Gaussian. Selain itu, model GWPR lebih baik daripada model Regresi Panel FEM. Faktor yang mempengaruhi indeks ketahanan pangan nasional adalah produksi cabai merah, bawang merah, kelapa sawit, daging ayam petelur, rata-rata pengeluaran pangan per kapita per bulan, persentase penduduk miskin, persentase penduduk menurut status konsumsi pangan tidak mencukupi, dan persentase penduduk yang rawan pangan. Lebih lanjut, Sulawesi Barat, Kalimantan Barat, dan Sulawesi Selatan merupakan provinsi yang paling terkena dampak variabel signifikan, hal ini sesuai dengan hasil analisis dan klasifikasi model GWPR. Hasil penelitian ini adalah sesuai dengan kondisi daerah yang merupakan pemasok pangan terbesar di Indonesia.
Informasi detail dari riset ini terdapat pada artikel ilmiah berikut:
Determination of the best geographic weighted function and estimation of spatio temporal model “ Geographically weighted panel regression using weighted least square, published in Methods 12, 102605 (2024).
Authors: Sifriyani, I Nyoman Budiantara, M. Fariz Fadillah Mardianto, Asnita.
Link:
