Metode & Analisis GWR

hasil analisis geographically weighted regression (gwr) untuk karakterisasi hubungan faktor terhadap distribusi kejadian tanah longsor di kecamatan basse sangtempe utara. data pada halaman ini disesuaikan dengan hasil penelitian bab iv.

dasar analisis

model menggunakan data kejadian longsor per desa sebagai variabel dependen. hasil penelitian membahas enam parameter: curah hujan, jenis tanah, kemiringan lereng, penggunaan lahan, geologi, dan infrastruktur. koefisien gwr dibaca sebagai hubungan lokal per desa, sedangkan r² lokal menunjukkan kemampuan model menjelaskan variasi kejadian longsor. bandwidth yang digunakan adalah 5.000 m dengan kernel gaussian.

12desa

5.000 mbandwidth

0,3259r² tertinggi

0,1809r² terendah

catatan: naskah penelitian menyatakan seluruh enam parameter memiliki hubungan positif dan signifikan. nilai p-value yang dituliskan secara eksplisit hanya untuk penggunaan lahan (0,018) dan infrastruktur (0,024). karena itu, p-value parameter lainnya tidak dibuat-buat pada webgis.

ringkasan hubungan parameter terhadap kejadian longsor

curah hujan (β₁)

0,176 – 0,447

arah hubungan: positif
status: signifikan
koefisien tertinggi di dampan (0,447).

jenis tanah (β₂)

0,213 – 0,428

arah hubungan: positif
status: signifikan
koefisien tertinggi di dampan (0,428).

kemiringan lereng (β₃)

0,218 – 0,521

arah hubungan: positif
status: signifikan
koefisien tertinggi di dampan (0,521).

penggunaan lahan (β₄)

0,207 – 0,463

arah hubungan: positif
status: signifikan
p-value 0,018, sehingga < 0,05.

geologi (β₅)

0,198 – 0,447

arah hubungan: positif
status: signifikan
koefisien tertinggi di dampan (0,447).

infrastruktur (β₆)

0,198 – 0,427

arah hubungan: positif
status: signifikan
p-value 0,024, sehingga < 0,05.

nilai gwr lengkap per desa

tabel berikut menampilkan seluruh koefisien lokal yang tercantum dalam hasil penelitian, jumlah kejadian longsor, nilai r² lokal, kelas r², serta arah hubungan masing-masing parameter.

desa	kejadian	β₁ curah hujan	β₂ jenis tanah	β₃ kemiringan	β₄ penggunaan lahan	β₅ geologi	β₆ infrastruktur	r² lokal	kelas	hubungan
memuat...

interpretasi korelasi/hubungan

pada penelitian ini istilah hubungan digunakan berdasarkan tanda dan signifikansi koefisien GWR. seluruh enam parameter memiliki arah positif, artinya peningkatan nilai indeks parameter dalam model berkaitan dengan peningkatan prediksi kejadian longsor pada lokasi yang bersangkutan. kekuatan hubungan tidak sama di setiap desa karena nilai koefisien lokal berbeda.

ini berbeda dengan koefisien korelasi pearson (r). naskah hasil penelitian yang diberikan tidak mencantumkan angka korelasi pearson untuk keenam parameter, sehingga webgis tidak menampilkan angka r yang tidak ada di sumber penelitian.