Penerapan metode geographically weighted regression (GWR) untuk pemodelan lahan pertanian di Indonesia

Ketersediaan lahan pertanian berhubungan erat dengan pertumbuhan penduduk disuatu wilayah. Populasi yang terus bertambah mengakibatkan lahan pertanian menyempiit karena beralih menjadi lahan non-pertanian seperti perumahan dan kawasan industri. Penelitian ini dilakukan untuk mengetahui variabel-variabel yang memengaruhi luas lahan pertanian di Indonesia menggunakan metode Geographically Weighted Regression (GWR) dengan kernel paling optimal, sehingga didapatkan parameter regresi pada setiap titik pengamatan untuk mengidentifikasi variabel yang memiliki dampak yang berbeda-beda di berbagai wilayah provinsi di Indonesia. Variabel yang dianalisis terdiri dari Kepadatan Penduduk (X1), Produktivitas Padi (X2), Jumlah Industri (X3) Laju Pertumbuhan Penduduk (X4) dan PDRB (X5) sebagai variabel independen, dengan variabel dependen berupa Luas Lahan Pertanian (Y). Berdasarkan hasil analisis, didapat model GWR dengan pembobot Adaptive Bisquare merupakan model terbaik yang menghasilkan nilai Koefisien Determinasi (R^{2}) sebesar 97.52\% dan AIC sebesar -7.97. Model GWR menghasilkan 17 kelompok variabel yang berpengaruh secara signifikan terhadap luas lahan pertanian di Indonesia.