Anda di halaman 1dari 33

STATISTIKA SPASIAL (SPATIAL STATISTICS)

SS09 2216 3 SKS

Sutikno - Jurusan Statistika FMIPA ITS tikno@yahoo.com, sutikno@statistika.its.ac.id

TUJUAN
Mengerti dan memahami konsep dasar data spasial, struktur data spasial, eksplorasi data spasial, prediksi dan interpolasi (geostatistika), spatial pattern dan

autokorelasi spasial, pemodelan regresi spasial


dan pemodelan spatio-temporal, serta kasus yang berkaitan dengan analisis data spasial

MATERI POKOK (SAP)


Pengertian statistika spasial, Struktur data spasial (titik, area (lattices), dan spasial), isotropy dan anisotropy, stasioner dan non stasioner, Eksplorasi data spasial, Prediksi dan interpolasi (geostatistic: ordinary kriging, cokriging; variogram, semivariogram), Spatial pattern dan autokorelasi spasial, Pemodelan regresi spasial dengan basis area dan titik (SAR, SEM, SARMA, SDM, GWR, GWPR, GWLR), Pemodelan spatio-temporal (STAR, GSTAR), Kasus-kasus yang berkaitan dengan analisis spasial (sosial, ekonomi, kesehatan, dan lingkungan)

PUSTAKA (1)

Noel Cressie.1993. Statistics for Spatial Data.Wiley & Sons. Wackernagel H.1995. Multivariate Geostatistics. An Introduction with Applications. Springer-Verlag. Sandra LA.1996. Practical handbook of Spatial Statistics.CRC Press.Inc.USA. Isaaks EH, Srivastava RH. 1989. Applied Geostatistics. Oxford University Press. Roger et al. 2008. Applied Spatial Data Analysis with R. SpringerVerlag Anselin, L. 1988.Spatial Econometrics: Methods and Models. Kluwer Academic Publishers, Dordrecht. Arbia, G. 2006. Spatial Econometrics: Statistical Foundations and pplications to Regional Convergence.Springer, Berlin Arbia G and Baltagi BH.2009. Spatial Econometrics. Method and Application. Physica-Verlag. Springer, New York USA

PUSTAKA (2)

Gaetan C and Guyon X. 2010. Spatial Statistics and Modelling. Springer Anselin L, Rey SJ. 2010. Perspective on Spatial Data Analysis. Springer Ficher MM and Getis A. 2010. Handbook of Applied Spatial Analysis Software Tools, Methods and Applications. Springer-Verlag Berlin Heidelberg. Fotheringham, A.S., Brundson, C., dan Charlton, M. 2002. Geographically Weighted Regression: the analysis of spatially varying relationships. John Wiley & Sons Ltd, England.

Software

ArcviewGIS

Spatial Statistics Tools now available with ArcGIS 9 for point and polygon analysis GeoStatistical Analyst Tools provide interpolation for surfaces Currently (Sp 05) Beta version (0.9.5i_6) available free Download from: http://www.csiss.org/ www.insightful.com

GeoDA, Geographic Data Analysis by Luc Anselin


S-Plus statistical package has spatial statistics extension

R freeware version of S-Plus. Center for Spatially Integrated Social Science (at U of Illinois) acts as clearinghouse for software of this type. Go to: http://www.csiss.org/ Matlab

EVALUASI

ETS EAS TUGAS REVIEW JURNAL

Pratikum: Software: Arcview, R, Matlab, dan Geoda

Analisis data spasial??

Apakah Statistika spasial? Metode statistik yang digunakan untuk menganalisis data spasial.
Statistika Geografi

Lingkungan Kesehatan Meteorologi Klimatologi Sosial Ekonomi

Statistika Spasial

Geologi

Apakah Data Spasial? Data yang memuat informasi lokasi, jadi tidak hanya apa yang diukur

PENDAHULUAN
Data spasial ???

Data yang berkaitan dengan lokasi: (lokasi geografi: lintang-bujur, wilayah) atau waktu yang berbeda.
Analisis data tidak bisa dilakukan secara global, artinya setiap lokasi mempunyai karakteristik sendiri.

Ilmu yang berkembang Geostatistics Spatial Statistic


Sebagian besar pendekatan analisisnya merupakan eksplorasi data yang disajikan dalam bentuk peta tematik.

PENDAHULUAN

Hukum pertama tentang geografi dikemukakan oleh W Tobler dalam Anselin (1989) yang berbunyi:Everything is related to everything else, but near thing are more related than distant things. Segala sesuatu saling berhubungan satu dengan yang lainnya, tetapi sesuatu yang dekat lebih mempunyai pengaruh daripada sesuatu yang jauh. Hukum itulah yang menjadi pilar tentang kajian sains regional. Adanya efek spasial merupakan hal yang lazim terjadi antara satu region dengan region yang lain. Pada data spasial, seringkali pengamatan di suatu lokasi bergantung pada pengamatan di lokasi lain yang berdekatan (neighboring).

Konsep Analisis Data Spasial

Spatial Dependence
Hukum I Tobler : Everything is related to everything else, but near thing are more related than distant things. Segala sesuatu saling berhubungan satu dengan yang lainnya, tetapi sesuatu yang dekat lebih mempunyai pengaruh daripada sesuatu yang jauh.

Spatial Heterogeneity
Antar lokasi mempunyai struktur yang berbeda parameter yang berbeda dan bentuk fungsinya untuk setiap lokasi

Penerapan analisis data spasial

Sosial-Ekonomi

Ekonometrika Analisis kriminal Archaeology and Anthropology Perencanaan wilayah

Ilmu Alam

Epidemiology: penyebaran penyakit Natural Resources: Geologi (penambangan minyak bumi) Perubahan iklim dan kajian lingkungan Meteorologi, Klimatologi dan Geofisika

Beberapa Hasil Riset..

Pembuatan Zona Musim Analisis Angka Kematian Bayi di Jawa Timur dengan Pendekatan Model Regresi Spasial Prediksi Curah hujan dengan Pendekatan GSTAR Peringatan dini DBD Pemodelan Gizi Buruk di Kab. Ngawi Pemodelan Buta Huruf di Jatim Interpolasi Polatan CO di Kota Surabaya

Pembuatan ZONA MUSIM


(A)
(B)

(C)

Metode Ward

Metode Complete

Metode Average

PETA KONTOUR CURAH HUJAN

(a) PC1: 43.7%

(b) PC2: 23.7%

(c) PC3: 16.9%

(d) PC4: 11%

ZOM BMG DAN ZOM REVISI


7 zona

ZOM REVISI

ZOM BMKG
10 zona

SIMPANGAN BAKU DALAM KELOMPOK (SW) DAN ANTAR KELOMPOK (SB)

2,5

ZPI BMG
2

ZPI Revisi

SB ZPI revisi > ZOM BMKG

Sw ZOM revisi > ZOM BMKG

1,5 1 0,5 0

Sw ZOM revisi < ZOM BMKG

PC1

PC2 Sw

PC3

PC4

PC1

PC2 SB

PC3

PC4

Keragaman antar kelompok ZOM revisi > dari ZOM BMG Keragaman dalam kelompok hampir sama

Analisis Angka Kematian Bayi di Jawa Timur dengan Pendekatan Model Regresi Spasial (Deddy Winarno, 2009)

Analisis Angka Kematian Bayi di Jawa Timur dengan Pendekatan Model Regresi Spasial

Analisis Angka Kematian Bayi di Jawa Timur dengan Pendekatan Model Regresi Spasial

Analisis Angka Kematian Bayi di Jawa Timur dengan Pendekatan Model Regresi Spasial

Analisis Angka Kematian Bayi di Jawa Timur dengan Pendekatan Model Regresi Spasial

Pemodelan Curah Hujan dengan GSTAR

Pemodelan Curah Hujan dengan GSTAR

Spatial pattern DBD di Surabaya


Morans scatterplot penderita DBD pada bulan Maret Tahun 2006
Maret
1.5
16 17

1.0

24 25 27 3 12 1

20 23 5 6 22 10 7 29 15 26 14 21 30 13 11

0.5
WZstd

0.0
4

-0.5

19 31

9 2 18

-1.0

28

-1

1 Zstd

Spatial pattern DBD di Surabaya

Spatial pattern DBD di Surabaya

Simokerto
60 50 40 30
Da ta

Tegalsari
Jan/2009
Variable Asli Seragam Jarak Korelasi

60 50 40 30 20 10 0 -10

Jan/2009
Variable Asli Seragam Jarak Korelasi

20 10 0 -10 Month Jan Jan Jan Jan Jan Jan Jan Jan Jan

Da ta

Month

Jan

Jan

Jan

Jan

Jan

Jan

Jan

Jan

Jan

Year 2001 2002 2003 2004 2005 2006 2007 2008 2009

Year 2001 2002 2003 2004 2005 2006 2007 2008 2009

Pemodelan Gizi Buruk di Kab.Ngawi (Ayunin, 2010)


.

Estimasi Parameter
Variabel Intercept X1 X2 X3 X4 X5 X6 R2 SSE

Nilai Min -0,13740 -0,97950 -0,89690 -0,62290 -0,98430 -0,14790 -0,11970 96,79% 0,5784

Max 0,48110 -0,05761 0,76520 -0,15490 0,81470 0,54880 1,38800

Median 0,14950 -0,36230 0,10410 -0,39740 -0,28080 0,39930 0,40020

y X1 X2 X3 X4 X5 X6

Kejadian gizi buruk Rasio jumlah sarana kesehatan dengan jumlah balita Bayi mendapat ASI ekslusif Balita mendapat vitamin A Akses air bersih Bayi berat badan lahir rendah (BBLR) Rumah tangga (RT) miskin

Pemodelan Angka Buta huruf (Bertoto, 2010)


Persebaran Angka Buta Huruf di Jatim 2009

Persebaran APM 13-15

Persebaran Rasio Penduduk Miskin

Interpolasi Polutan COdengan Cokriging (Putri, 2013)


.

CO 14.6 14.1 13.6 13.1 12.6 12.1 11.6 11.1 10.6 10.1 9.6 9.1 8.6 8.1 7.6

Interpolasi Polutan CO dengan Cokriging (Putri, 2013)


.

695807.

CO

x xx

Easting

x x x x x

692650.

x
689493. 9186480. 9191160. Northing 9195840.

9200520.

14.6 14.1 13.6 13.1 12.6 12.1 11.6 11.1 10.6 10.1 9.6 9.1 8.6 8.1 7.6

Interpolasi Polutan NO2 dengan Cokriging (Putri, 2013)


.

NO2 0.0400 0.0372 0.0343 0.0315 0.0287 0.0258 0.0230 0.0202 0.0173 0.0145 0.0116 0.0088 0.0060 0.0031 0.0003

Interpolasi Polutan NO2 dengan Cokriging (Putri, 2013)


.

695807.

NO2

x xx

Easting

692650.

x x x x x

x
689493. 9186480. 9191160. Northing 9195840.

9200520.

0.0400 0.0372 0.0343 0.0315 0.0287 0.0258 0.0230 0.0202 0.0173 0.0145 0.0116 0.0088 0.0060 0.0031 0.0003

Anda mungkin juga menyukai