Ma'rifah, Gema Khusnul (2025) Pemodelan Deforestasi di Kalimantan melalui GUI Menggunakan Metode Geographically and Temporally Weighted Regression (GTWR). Undergraduate thesis, UPN Veteran Jawa Timur.
![[img]](https://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (Cover)
21083010034_COVER.pdf Download (4MB) |
|
Text (Bab 1)
21083010034_BAB 1.pdf Download (225kB) |
|
Text (Bab 2)
21083010034_BAB 2.pdf Restricted to Registered users only until 18 June 2028. Download (693kB) |
|
Text (Bab 3)
21083010034_BAB 3.pdf Restricted to Registered users only until 18 June 2028. Download (887kB) |
|
Text (Bab 4)
21083010034_BAB 4.pdf Restricted to Registered users only until 18 June 2028. Download (3MB) |
|
Text (Bab 5)
21083010034_BAB 5.pdf Download (237kB) |
|
Text (Daftar Pustaka)
21083010034_DAFTAR PUSTAKA.pdf Download (204kB) |
|
Text (Lampiran)
21083010034_LAMPIRAN.pdf Restricted to Registered users only until 18 June 2028. Download (392kB) |
Abstract
Deforestasi di Indonesia menjadi salah satu polemik yang mendapatkan sorotan di tingkat nasional hingga internasional sehingga perlu adanya tindakan serius untuk menangani permasalahan ini. Kalimantan sebagai salah satu wilayah di Indonesia yang terus mengalami deforestasi dengan kemungkinan peningkatan laju deforestasi yang signifikan dipicu oleh berbagai faktor salah satunya dengan adanya perpindahan ibu kota negara. Faktor-faktor penyebab terjadinya deforestasi dapat berbeda antara satu wilayah dengan wilayah lainnya dan cenderung berubah seiring waktu sehingga berdampak terhadap laju deforestasi di Kawasan tersebut. Metode Geographically and Temporally Weighted Regression (GTWR) digunakan dalam penelitian ini untuk menangkap variasi spasial dan temporal dalam analisis deforestasi. Urgensi yang terbentuk yaitu melakukan analisis secara mendalam untuk memahami pola deforestasi dengan pendekatan yang mempertimbangkan perubahan secara spasial dan temporal. Penelitian ini menerapkan perbedaan dalam menentukan bandwidth optimum menggunakan metode Cross Validation (CV) dan Generalized Cross Validation (GCV) serta mengeksplorasi perbandingan penggunaan empat fungsi pembobot yang berbeda yaitu Fixed Gaussian Kernel, Adaptive Gaussian Kernel, Fixed Bisquare Kernel, dan Adaptive Bisquare Kernel. Tujuan dari penelitian ini adalah menghasilkan Graphical User interface (GUI) yang dapat mempermudah dalam memodelkan dan memahami hasil pemodelan deforestasi. Hasil penelitian menunjukkan bahwa model GTWR dengan kernel Adaptive Bisquare menghasilkan kinerja terbaik dengan nilai R2 sebesar 0,504 dan AIC terendah sebesar 103,7305. Model ini menangkap variasi lokal spasial dan temporal yang berbeda setiap tahunnya terutama pada rentang tahun 2019 hingga 2022 yang menunjukkan perubahan signifikan pada variabel penyebab deforestasi yaitu variabel kepadatan penduduk dan kebakaran hutan pada masing-masing provinsi dengan perbedaan dominasi di beberapa wilayah dan tahun.
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | H Social Sciences > H Social Sciences (General) H Social Sciences > HA Statistics Q Science > Q Science (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA76.6 Computer Programming |
||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Data Science | ||||||||||||
| Depositing User: | Ma'rifah Gema Khusnul | ||||||||||||
| Date Deposited: | 19 Jun 2025 03:43 | ||||||||||||
| Last Modified: | 19 Jun 2025 03:43 | ||||||||||||
| URI: | https://repository.upnjatim.ac.id/id/eprint/38380 |
Actions (login required)
 |
View Item |