Penerapan model Mixed Geographically Weighted Regression pada kasus bencana banjir di Kalimantan Selatan

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Nurfadila, Monika Refiana (2023) Penerapan model Mixed Geographically Weighted Regression pada kasus bencana banjir di Kalimantan Selatan. Undergraduate thesis, UIN Sunan Ampel Surabaya.

[img] Text
Monika Refiana Nurfadila_H02219013 OK.pdf

Download (1MB)

Abstract

Bencana banjir menjadi salah satu permasalahan krusial yang dihadapi beberapa Provinsi di Indonesia, salah satunya Provinsi Kalimantan Selatan. Penelitian ini dilakukan untuk mengetahui faktor-faktor yang berpengaruh atas kejadian banjir sebagai upaya dalam meminimalisir kerugian. Penelitian ini menggunakan metode statistika spasial yaitu Mixed Geographically Weighted Regression (MGWR). Metode MGWR merupakan model gabungan antara model regresi linear dan model regresi terboboti Geographically Weighted Regression. Pembobot yang digunakan yaitu Adaptive Gaussian dan Adaptive Bisquare. Dengan variabel independen yang dipakai yaitu kepadatan penduduk (x1), curah hujan (x2), luas wilayah permukiman (x3) dan luas wilayah hutan (x4). Penerapan model MGWR dalam menganalisis penyebab banjir di Kalimantan Selatan menghasilkan dua kelompok berdasarkan variabel yang berpengaruh pada setiap wilayahnya. Terdapat 8 wilayah Kabupaten/Kota terjadinya banjir disebabkan oleh luas permukiman (x3) yaitu Kabupaten Banjar, Kota Banjarbaru, Kota banjarmasin, Kabupaten Barito Kuala, Kabupaten Hulu Sungai Selatan, Kabupaten Hulu Sungai Utara, Kabupaten Kotabaru dan Kabupaten Tapin. Wilayah lain yaitu Kabupaten Balangan, Kabupaten Hulu Sungai Tengah, Kabupaten Tabalong, Kabupaten Tanah Bumbu dan Kabupaten Tanah Laut terjadinya banjir dipengaruhi oleh curah hujan (x2), luas permukiman (x3) dan luas hutan (x4). Hasil R2 model MGWR dalam menentukan faktor-faktor penyebab banjir pada setiap wilayah di Kalimantan sebesar 88,57%.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type: Thesis (Undergraduate)
Creators:
CreatorsEmailNIM
Nurfadila, Monika Refianamonikarefiana00@gmail.comUNSPECIFIED
Contributors:
ContributionNameEmailNIDN
Thesis advisorFarida, Yuniar--2027057901
Thesis advisorIntan, Putroue Keumala--0728058802
Subjects: Bencana alam
Matematika
Statistik
Keywords: Banjir; Mixed Geographically Weighted Regression; Pemetaan
Divisions: Fakultas Sains dan Teknologi > Studi Matematika
Depositing User: Monika Refiana Nurfadila
Date Deposited: 19 Jul 2023 14:24
Last Modified: 19 Jul 2023 14:24
URI: http://digilib.uinsa.ac.id/id/eprint/63487

Actions (login required)

View Item View Item