Anda di halaman 1dari 3

Spatial pattern atau pola spasial adalah sesuatu yang menunjukkan penempatan atau susunan benda-benda di permukaan bumi

(Lee & Wong, 2001). Spatial pattern akan menjelaskan bagaimana fenomena geografis terdistribusi dan bagaimana perbandingannya dengan fenomena-fenomena lainnya. Spasial statistik merupakan alat yang banyak digunakan untuk mendeskripsikan dan menganalisis spatial pattern tersebut, yaitu bagaimana objek-objek geografis terjadi dan berubah di suatu lokasi. Selain itu juga dapat membandingkan pola objek-objek tersebut dengan pola objek-objek yang ditemukan di lokasi lain. Bentuk-bentuk pola spasial

Beberapa metode untuk mendeteksi pola spasial: Quadran Analysis Kernel Density Estimation (K means) Nearest Neighbor Distance.

Metode-metode tersebut hanya menganalisai penyebaran lokasi dari suatu titik namun tidak membedakan titik berdasakan atributnya. Autokorelasi spasial merupakan analisis yang akan menganalisis spatial pattern dari penyebaran titiktitik dengan membedakan lokasinya dan atributnya. Autokorelasi spasial didefinisikan sebagai penilaian korelasi antar pengamatan/lokasi pada suatu variabel Jika pengamatan x1, x2, , xn menunjukkan saling ketergantungan terhadap ruang, maka data tersebut dikatakan terautokorelasi secara spasial

Beberapa metode (Lee&Wong, 2001) : Morans I Gearys C LISA

Pemodelan Spasial Metode regresi sederhana adalah metode yang memodelkan hubungan antara variabel respon (y) dan variabel bebas (x1, x2, ... , xp), dinyatakan: Pada metode penduga parameter OLS, asumsi residual yang harus dipenuhi adalah identik, independen, dan berdistribusi normal. Namun sering terjadi pelanggaran asumsi identik dan independen Ada indikasi pengaruh spasial Berdasarkan Tipe Data spasial Titik: a. Data cross-sectinal Geographically Weighted Regression (GWR) Y ~ N( , 2) Geographically Weighted Poisson Regression (GWPR) Y ~ Poisson ( ) b. Data Time-Series STAR (Space-Time Autoregressive) GSTAR (Generalized Space TimeAutregressive ) Berdasarkan Tipe Data Spasial Area: a. Data cross-sectinal SAR : Spatial Autoregressive Models SEM : Spatial Error Models CAR : Conditional Autoregressive Models SDM : Spatial Durbin Model SARMA: Spatial Autoregressive Moving Average b. Data Time-Series

Panel Data Contoh Pemodelan Spasial Area Autoregressive Model :

y : vektor berukuran p x 1, : koefisien dari variabel dependen spasial lag. u : vektor error, W: matrik terbobot dengan ukuran nxn. : vektor kx1 parameter regresi. X : matrik berukuran nxk variabel prediktor : koefisien dalam struktur spasial autoregressive Pengujian Efek Spasial Spatial Dependence Uji Morans I Uji Lagrange Multiplier (LM): LMerror untuk uji dependensi spasial dalam error dan LMlag untuk uji dependensi spasial dalam lag Spatial Heterogeneity

Uji Breusch-Pagan