Pemodelan kasus deforestasi di Indonesia menggunakan metode Geographically and Temporally Weighted Regression (GTWR)

Hutan Indonesia merupakan salah satu yang terluas di dunia. Kasus eksploitasi terhadap hutan di Indonesia yang menyebabkan kasus deforestasi meningkat dengan tinggi. Kasus deforestasi merupakan peralihan dengan permanen fungsi asli dari hutan yang berdampak meningkatnya suhu permukaan bumi dan atmosfer sehingga dapat mengganggu siklus hidrologi, misalnya deforestasi di Kalimantan yang tiap tahunnya mengalami kasus deforestasi. Deforestasi tiap daerah disebabkan oleh faktor yang berbeda tergantung kondisi geografis. Penelitian ini dilakukan bertujuan memodelan dan menganalisis terhadap faktor-faktor yang diasumsikan menjadi penyebab kasus deforestasi di Indonesia menggunakan metode Geographically And Temporally Weighted Regression (GTWR) dengan fungsi pembobot yaitu fixed Gaussian dan fixed Bisquare. Penelitian menggunakan data deforestasi Indonesia dari tahun 2017 hingga tahun 2020 yang diperoleh dari Badan Pusat Statistik (BPS). Pembentukan model memerlukan parameter awal yaitu τ, λ, μ, d_ij^STdan W_ij yang didapat melalui Cross Validasi minimum. Hasil analisis menunjukkan bahwa model GTWR dengan fungsi pembobot kernel fixed Gaussian didominasi oleh variabel signifikan yaitu luas perkebunan kelapa sawit (X1), PDRB pertambangan (X2), luas hutan (X3), jumlah populasi/penduduk (X5), luas perkrbunan kopi (X6), dan persentase penduduk miskin (X7) dan kernel fixed Bisquare dinominasi oleh luas perkebunan kelapa sawit (X1), PDRB pertambangan (X2), luas hutan (X3) luas perkebunan kopi (X6) . Kebaikan model GTWR dinilai lebih baik dari model Regresi Linear dengan nilai koefisien determinasi (R2) berturut-turut sebesar 79.74% dan 87.85% dan AIC berturut-turut sebesar 573.192 dan 606.8902 sehingga disimpulkan metode GTWR dapat memberikan pemahaman yang lebih baik tentang faktor-faktor yang mempengaruhi kasus deforestasi di Indonesia tahun 2017-2020.