Penerapan Regresi Logistik Terboboti Geografis pada Data Titik Panas (Studi Kasus : Provinsi Riau 31 Agustus 2015).

Abstract

Kebakaran hutan merupakan suatu permasalahan yang belum dapat di atasi dengan baik. Untuk mengatasi kebakaran hutan dapat dilakukan dengan pendeteksian titik panas yang pada gilirannya menjadi titik api. Titik api memiliki keragaman spasial antara satu titik dengan titik lain. Peubah yang dapat mempengaruhi titik api adalah temperatur dan fire radiative power. Tujuan penelitian ini adalah membandingkan model regresi logistik dan model regresi logitik terboboti geografis dengan fungsi pembobot yaitu fungsi tetap Gaussian, fungsi tetap Bisquare, fungsi adaptif Gaussian, dan fungsi adaptif Bisquare. Hasil kajian menunjukkan bahwa fungsi pembobot terbaik adalah fungsi adaptif Bisquare. Model regresi logistik memiliki nilai AIC sebesar 226.47 dan ketepatan klasifikasi sebesar 76.56%. Model regresi logitik terboboti geografis dengan fungsi adaptif Bisquare memiliki nilai AIC sebesar 212.86 dan ketepatan klasifikasi sebesar 85.35%.