Pemodelan Robust Mixed Geographically And Temporally Weighted Regression dengan MM-Estimator pada Data Indeks Ketahanan Pangan di Sulawesi Selatan = Robust Mixed Geographically And Temporally Weighted Regression Modeling with MM-Estimator on Food Security Index Data in South Sulawesi

Latar Belakang. Analisis regresi spasial memodelkan hubungan antara variabel respon dan variabel prediktor yang dipengaruhi oleh faktor lokasi geografis. Model Geographically and Temporally Weighted Regression (GTWR) adalah model yang dapat mengakomodasi efek spasial dan temporal, tetapi tidak memperhatikan variabel yang mempunyai pengaruh secara global maupun lokal. Oleh karena itu, model GTWR dikembangkan menjadi model Mixed Geographically and Temporally Weighted Regression (MGTWR). Model MGTWR memberikan interpretasi yang akurat dan informatif. Namun, seperti analisis regresi pada umumnya, terkadang ditemukan permasalahan seperti data pencilan. Regresi robust dengan MM-Estimator merupakan Salah satu metode yang dapat digunakan untuk menangani adanya pencilan karena memiliki efisiensi tinggi dan breakdown point tinggi. Penggabungan metode robust pada model MGTWR kemudian disebut Robust Mixed Geographically and Temporally Weighted Regression (RMGTWR). Tujuan. Penelitian ini bertujuan untuk memperoleh model RMGTWR dengan MM-Estimator dan faktor-faktor yang berpengaruh secara signifikan terhadap Indeks Ketahanan Pangan (IKP) di Sulawesi Selatan tahun 2019-2023. Metode. Penelitian ini dibagi menjadi dua tahap, yaitu 1) melakukan analisis model MGTWR. 2) melakukan analisis model RMGTWR dengan MM-Estimator. Hasil. Model RMGTWR dengan MM-Estimator mampu mengatasi pencilan pada model MGTWR dan dapat menurunkan nilai Root Mean Square Error (RMSE) menjadi 0.773 serta menghasilkan nilai R_adj^2 sebesar 99.142%. Kesimpulan. Model RMGTWR dengan MM-Estimator memberikan hasil estimasi yang lebih baik dari MGTWR. Pengujian secara parsial parameter model RMGTWR dengan MM-Estimator menghasilkan enam variabel prediktor signifikan yang beragam antar kabupaten/kota sehingga faktor yang memengaruhi IKP juga berbeda pada setiap pengamatan.