PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KETAHANAN PANGAN DENGAN MENGGUNAKAN PENDEKATAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)

Abstract

Multivariate Adaptive Regression Spline (MARS) merupakan analisis regresi dengan pendekatan nonparametrik yang digunakan ketika hubungan antara variabel respon terhadap variabel prediktor tidak membentuk suatu pola tertentu. MARS merupakan perkembangan dari regresi spline truncated linier yang dikombinasikan dengan recursive partitioning regression. Model MARS terbaik adalah model yang memiliki kombinasi basis function (BF), maximum interaction (MI), dan minimum observation (MO) yang menghasilkan nilai Generalized Cross Validation (GCV) yang paling kecil. Tujuan dari adanya penelitian ini untuk mendapatkan model regresi dari faktor-faktor yang mempengaruhi Indeks Ketahanan Pangan (IKP) sehingga dapat mengetahui kontribusi masing-masing faktor dalam nilai IKP. Berdasarkan hasil pemodelan faktor-faktor yang mempengaruhi IKP, dipilih model kombinasi nilai BF=20, MI=3 dan MO=2 yang menghasilkan nilai GCV terkecil yakni sebesar 25,20945 dan nilai R2 sebesar 86,4% menandakan model tersebut baik. Model MARS yang terpilih memiliki 12 fungsi basis termasuk intercept dengan lima variabel termuat didalamnya, dan variabel dengan tingkat kepentingan tertinggi adalah indeks pembangunan desa.