2012-2-00988-STIF Bab2001 PDF
2012-2-00988-STIF Bab2001 PDF
LANDASAN TEORI
2.1
Pemodelan Spasial
Pemodelan spasial adalah pemodelan yang berhubungan dengan pendekatan
titik dan area. Tahapan untuk melakukan pemodelan spasial adalah regresi linear
berganda, uji asumsi residual, uji multikolinearitas, model spasial, Spatial
Autoregressive Model (SAR), Spatial Error Model (SEM), dan Uji Lagrange
Multiplier (LM).
2.1.1 Regresi
Regresi adalah persamaan matematik yang menjelaskan hubungan variabel
respon dan variabel prediktor. Dalam analisis regresi terdapat dua variabel, yaitu
variabel respon dan variabel prediktor. Variabel respon disebut juga variabel
dependen yang dipengaruhi oleh variabel lainnya, dinotasikan dengan Y. Variabel
prediktor disebut dengan variabel independen yaitu variabel bebas yang dinotasikan
degan X. Berdasarkan hubungan-hubungan antar variabel bebas, regresi linear
teridiri dari dua, yaitu analisi regresi sederhana dan analisis regresi berganda.
Berdasarkan kelinearan data pada model regresi dikelompokkan menjadi dua
macam, yaitu regresi linear dan regresi non linear. Dikatakan regresi linear apabila
hubungan antara peubah prediktor dan peubah respon adalah linear. Sedangkan
regresi dikatakan non linear apabila hubungan antara peubah prediktor dan peubah
respon
tidak
linear.
y i = 0 + j xij + i
j =1
(2.1)
Keterangan :
yi
: konstanta
Asumsi identik merupakan salah satu asumsi residual yang penting dari model
regresi. Varians residual harus bersifat homoskedastisitas atau varians residual
bersifat identik tidak membentuk pola tertentu. Beberapa uji yang dapat
digunakan untuk menguji asumsi identik adalah uji Glejser, park test, plot of
residual and fit.
Hipotesis untuk uji Glejser adalah sebagai berikut:
H0: residual identik
H1: residual tidak identik
Statistik Uji:
Fhitung =
MSR
MSE
(2.3)
dimana :
n
2
( ei e )
MSR = i =1
k
n
2
( ei ei )
MSE = i =1
n k 1
10
Pengambilan keputusan adalah Fhitung > F(k,
n-k-1)
(e
=
ei 1 )
d hitung
i =1
e
i =1 i
(2.4)
11
Statistik uji:
D = maks F0 ( x) S N ( x)
(2.5)
Dimana F0(x) adalah fungsi distribusi kumulatif teoritis dan SN(x) = i/n,
merupakan fungsi peluang kumulatif pengamatan dari suatu sampel random
dengan i adalah pengamatan dan n adalah banyaknya pengamatan. Pengambilan
keputusan adalah tolak H0 jika |D| > q (1- ), dimana q adalah nilai berdasarkan
tabel Kolmogorov-Smirnov, artinya residual tidak berdistribusi normal dan
asumsi normal tidak terpenuhi. Pengambilan keputusan dapat dilihat dari nilai Pvalue, tolak H0 jika P-value < .
2.1.4 Uji Multikolinearitas
Multikolinearitas artinya ada korelasi yang kuat antara beberapa atau semua
variabel prediktor (Wijaya, 2008: 5). Uji ini bertujuan untuk menguji apakah dalam
model regresi ditemukan adanya korelasi antara variabel prediktor. Cara mendeteksi
adanya multikolinearitas adalah dengan melihat nilai tolerance dan variance inflation
factor (VIF) dari hasil analaisis dengan R language. Apabila nilai VIF lebih kecil
daripada 10 maka dapat disimpulkan tidak terjadi multikolinearitas (Putri, 2013: 38).
2.1.5 Model Spasial
Berdasarkan tipe data, pemodelan spasial dapat dibedakan menjadi
pemodelan dengan pendekatan titik dan area. Jenis pendekatan titik diantaranya
Geographically Weighted Regression (GWR), Geographically Weighted Poisson
Regression (GWPR), Geographically Weighted Logistic Regression (GWLR),
Space-Time Autoregressive (STAR), dan Generalized Space TimeAutregressive
(GSTAR). Menurut LeSage (2011), Jenis pendekatan area diantaranya Mixed
12
Regressive-Autoregressive atau Spatial Autoregressive Models (SAR), Spatial Error
Models (SEM), Spatial Durbin Model (SDM), Conditional Autoregressive Models
(CAR), Spatial Autoregressive Moving Average (SARMA), dan panel data.
Pemodelan spasial sangat erat dengan proses autoregressive, ditunjukkan
dengan adanya hubungan ketergantungan antar sekumpulan pengamatan atau lokasi.
Hubungan tersebut juga dapat dinyatakan dengan nilai suatu lokasi bergantung pada
nilai lokasi lain yang berdekatan atau bertetanggaan (neighboring). Misalnya
terdapat 2 lokasi yang bertetanggaan i=1 dan j=2, maka bentuk modelnya dinyatakan
sebagai berikut (LeSage, 2009: 2) :
yi = i y j + X i + i
y j = j yi + X j + j
i ~ N (0, 2 )
j ~ N (0, 2 )
(2.6)
i ~ N (0, 2 )
j ~ N (0, 2 )
k ~ N (0, 2 )
(2.7)
13
Proses autoregressive dapat dianalogikan pada model umum spatial
autoregressive seperti pada persamaan berikut :
(2.8)
dengan :
;
~ N (0, 2 I )
(2.9)
dimana:
y = vektor variabel respon (n x 1)
X = matrik variabel prediktor (n x (k+1))
u = vektor error pada persamaan (2.8) berukuran n x 1
y 2 ... y n ]
; u = [u1 u2 L un ]
; = [1 2 L n ]
14
1
1
X=
M
x11
x12
x 21
x 22
M
x n1
M
x n2
x ik
L
w11
W1 atau W2 = w 21
M
w n1
x1k
x 2 k
M
x nl
w12
w13
w13
w 23
M
wn 2
M
wn 3
w ij
L
1 0 0 L 0
0 1 0 L 0
I=
M M M O M
0 0 0 L 1
2.1.6
0
1
2
= M
k
M
l
w1n
w 2 n
M
w nn
(2.10)
~ N (0, 2 I )
Model ini adalah pengembangan dari model autoregressive order pertama,
dimana variabel respon selain dipengaruhi oleh lag variabel respon itu sendiri juga
dipengaruhi oleh variabel prediktor. Proses autoregressive juga memiliki kesamaan
dengan analisis deret waktu seperti pada model spasial autoregressive order pertama.
15
Perkembangan dari model SAR itu sendiri adalah model SAC dan SARMA (LeSage,
2009: 32).
Model ini dapat di aplikasikan dalam bidang pendidikan. Salah satu
penelitian yang menggunakan spasial SAR adalah Model Regresi Spasial Untuk
Anak Tidak Bersekolah Usia Kurang 15 Tahun Di Kota Medan (Rati, Nababan, dan
Sutarman, 2013). Penelitian ini dilakukan untuk menentukan model anak tidak
bersekolah usia 15 tahun di Kota Medan menggunakan regresi spasial, menganalisis
faktor-faktor yang mempengaruhinya serta mengkaji efektifitas metode regresi
spasial. Kelebihan dari model Spatial Aoutoregresive adalah model ini tepat
digunakan untuk pola spasial dengan pendekatan area.
Menurut Anselin (1988), Untuk mengetahui model SAR ini konsisten, maka
dikembangkan model estimasi parameter dengan maximum likelihood. Model
maximum likelihood dapat digunakan pada spasial SAR, SEM, SDM, SAC. Rumus
umum dari maximum likelihood adalah sebagai berikut (Ayunin, 2011: 3-4) :
(2.12)
Nilai awal untuk tergantung pada parameter autoregressive . Maka hasil
estimasi untuk nilai adalah sebagai berikut:
(2.13)
16
(2.14)
Selanjutnya estimasi parameter
berikut :
(2.15)
dengan :
dan
2.1.7
terdapat korelasi spasial, model ini dikembangkan oleh Anselin (1988). Model
spasial error terbentuk
mengasumsikan bahwa proses autoregressive hanya pada error model. Model umum
SEM ditunjukan dengan persamaan :
(2.16)
17
~ N (0, 2 I )
Dimana Wu menunjukkan spasial struktur W pada spatially dependent
error (). Model ini dapat dikembangkan ke dalam model lain, contoh model hasil
dari pengembangan spatial error model adalah spatial durbin error model (SDEM).
Pengembangan dari model SEM ini dapat di aplikasikan dalam bidang ekonomi.
Salah satu penelitian dalam bidang ekonomi untuk model SEM adalah Model
Regresi Spasial untuk Deteksi Faktor-faktor Kemiskinan di Provinsi Jawa Timur
(Arisanti, 2011). Penelitian ini dilakukan untuk menentukan faktor-faktor yang
mempengaruhi kemiskinan dengan model regresi spasial. Kelebihan dari model SEM
adalah memberikan model yang lebih baik untuk pengamatan yang saling
berhubungan.
Untuk estimasi parameter maximum likelihood model SEM mempunyai
rumus sebagai berikut:
(2.17)
Untuk menduga parameter diperlukan suatu iterasi numerik untuk
mendapatkan pendugaannya yang memaksimalkan fungsi log likelihood (Arisanti,
2011: 24)
2.1.8
regresi spasial yang sesuai (LeSage, 2009: 156). Tahapan pertama dalam uji ini
adalah melakukan pembuatan model regresi sederhana melalui Ordinary Least
Square (OLS). Kemudian dilakukan identifikasi keberadaan model spasial dengan
menggunakan uji LM. Apabila LMerror signifikan maka model yang sesuai adalah
18
SEM, dan apabila LMlag signifikan maka model yang sesuai adalah SAR. Apabila
keduanya signifikan maka model yang sesuai adalah Spatial Autoregressive Moving
Average (SARMA). Uji Robust Lagrange Multiplier juga dilakukan ketika keduanya
signifikan. Uji ini terdiri dari Robust LMerror dan Robust LMlag.
Uji Lagrange Multiplier terdiri dari LMlag danLMerror. LMlag digunakan untuk
identifikasai model SAR, selain itu dapat juga untuk model SDM.
Hipotesis yang digunakan pada LMlag adalah :
H0: = 0 (tidak ada dependensi spasial lag)
H1: 0 (ada dependensi spasial lag)
Statistik uji :
2
LM
lag
e T W1y
s2
=
T
(W 1 X ) M (W 1 X ) + Ts
s2
)
(2.18)
dimana :
M = I X(XT X)1 X T
((
) )
T = tr W1 + W1 W1
s2 =
eT e
n
Pengambilan keputusan, adalah Ho ditolak jika LMlag > ( ,1) atau P value <
2
19
LM error
e T W2 e
=
T
(2.19)
dimana :
((
) )
T = tr W2 + W2 W2
T
Pengambilan keputusan, adalah Ho ditolak jika LMerror > ( ,1) atau P value <
2
Pola Spasial
Menurut Lee dan Wong (2011), Pola spasial adalah sesuatu yang
20
di suatu lokasi. Selain itu juga dapat membandingkan pola objek-objek yang
ditemukan di lokasi lain.
Pola spasial dapat ditunjukkan dengan autokorelasi spasial. Autokorelasi
spasial adalah penilaian korelasi antar pengamatan pada suatu variabel. Jika
pengamatan X1, X2, , Xn menunjukkan saling ketergantungan terhadap ruang,
maka data tersebut dikatakan terautokorelasi secara spasial. Sehingga autokorelasi
spasial digunakan untuk menganalisis pola spasial dari penyebaran titik-titik dengan
membedakan lokasi dan atributnya atau variabel tertentu. Beberapa pengujian dalam
spasial autokorelasi spasial adalah Morans I, Rasio Gearys, dan Local Indicator of
Spatial Autocorrelation (LISA).
2.2.1
Morans I
Moran's I merupakan pengembangan dari korelasi pearson pada data
univariate series. Korelasi pearson ( ) antara variabel prediktor dan variabel respon
dengan banyak data n dapat dirumuskan sebagai berikut:
n
(x
i, =1
=
n
(x
i, =1
x )( y i y )
x)
(y
i, =1
y)
(2.20)
21
H0:I = 0 (tidak ada autokorelasi antar lokasi)
H1:I 0 (ada autokorelasi antar lokasi)
I - Io
Z hitung =
~ N (0,1)
var(I)
dimana :
n
I=
w ( x
n
n
wij
(x
i =1 j=1
i =1
E(I ) = Io =
var( I ) =
S1 =
ij
i =1 j=1
x )( x j x )
x) 2
1
n 1
n 2 S1 nS 2 + 3S o2
(n 2 1) S o2
1 n
( wji + wij ) 2
2 i j
n
S 2 = ( wio + woi ) 2
i =1
S o = wij
i =1 j=1
wio = wij
j=1
(2.21)
22
n
woi = w ji
j=1
keterangan :
xi
xj
= rata-rata data
I i = z i wij z j
i =1
(2.22)
dimana :
zi =
( xi x )
x
zj =
(x
x)
23
24
Z hitung =
Varians dari
I i - Io
var(I i )
(2.23)
var( I i ) = wi(.2 )
m
n 42
m2
n 1
2w
i ( kh )
(2m
wi ,
/ m22 n
(n 1)(n 2) (n 1)2
4
wi(.2 ) = wij2 , i j
j =1
n
n
w
n
(2.24)
atau P value < .
25
w11
W1 atau W2 = w 21
M
w n1
w12
w13
w13
M
w 23
M
L
w ij
wn 2
wn 3
w1n
w 2 n
M
w nn
(2.25)
Pada kasus ini matrik pembobot spasial yang dapat digunakan adalah matrik
pembobot spasial Queen. Matrik pembobot spasial Queen medefinisikan wij=1 untuk
wilayah yang bersebelahan atau titik sudutnya bertemu dengan wilayah yang menjadi
pusat perhatian, sedangkan wij=0 untuk wilayah lainnya. Menurut Lee dan Wong
(2011), Matrik pembobot spasial merupakan matrik yang bersifat simetris dan
mempunyai diagonal utama yang selalu bernilai nol.
Pemberian kode pembobot adalah dengan kode biner. Rumus pembobot
dalam kode biner sebagai berikut (Thaib, 2008: 3) :
wij =
0 untuk lainnya
Lee dan Wong (2011) menyebutkan pemberian kode pembobot selain dengan
kode biner juga dapat dibuat dalam bentuk Row Standardization. Row
Standardization didasarkan pada jumlah tetangga pada satu baris yang sama pada
matrik pembobot . Rumus dari Row Standardization sebagai berikut:
wij* =
wij
n
w
j=1
2.3
ij
(2.26)
Kejadian Diare
Diare merupakan penyakit yang terjadi ketika terdapat perubahan konsistensi
feses dengan frekuensi buang air besar tiga kali atau lebih (Dinas Kesehatan
26
Kabupaten Bekasi, 2010: 39). Menurut Nugraheni (2012), diare merupakan penyakit
menular yang menjadi masalah kesehatan masyarakat, dan apabila penanganannya
terlambat dilakukan maka akan menyebabkan kematian.
Diare akut akan menyebabkan dehidrasi. Dehidrasi merupakan gejala yang
terjadi akibat pengeluaran cairan tinja yang berulang-ulang yang dapat menyebabkan
kehilangan air dan elektrolit secara cepat (Permatasari, 2012: 29).
Diare dengan gejala buang air besar yang encer kadang disertai dengan gejala
lainnya, seperti muntah, badan lesu atau lemah, panas, tidak nafsu makan, lendir
dalam kotoran, dan rasa mual yang dapat disebabkan oleh infeksi virus (Eswati,
2010: 1).
2.3.1
Penyebab Diare
Penyebab diare dapat diketahui dengan pasti penyebabnya. Dimana penyebab
diare ini dapat dibagi menjadi dua yaitu (Silva, Kumaladewi, Kurniawan, dan
Rahmawansa, 2008: 7):
1.
2.
Penyebab Langsung
Yang termasuk dalam penyebab langsung anatara lain infeksi bakteri virus dan
parasit, malabsorbi, alergi, keracunan bahan kimia maupun keracunan oleh racun
yang diperoduksi oleh jasad renik, ikan, buah dan sayur-sayuran.
2.3.2
27
1.
Faktor Kesehatan
Masalah kesehatan merupakan salah satu faktor yang berperan penting dalam
Faktor Pendidikan
Pendidikan merupakan salah satu kebutuhan dasar yang harus dipenuhi untuk
dari negara yang bersangkutan untuk menyediakan berbagai barang ekonomi kepada
penduduknya (Almulaibari, 2011: 12). Kenaikan kapasitas itu sendiri ditentukan oleh
28
adanya kemajuan atau penyesuaian teknologi, institusional (kelembagaan), dan
ideologi terhadap berbagai tuntutan keadaan yang ada.
Untuk mengejar keterbelakangan ekonomi adalah dengan meningkatkan laju
pertumbuhan ekonomi setinggi-tingginya sehingga dapat melampaui tingkat
pertumbuhan penduduk. Dengan cara tersebut, angka pendapatan per kapita akan
meningkat sehingga secara otomatis terjadi pula peningkatan kemakmuran
masyarakat dan pada akhirnya akan mengurangi jumlah penduduk miskin.
4.
29
Pada masyarakat yang mengalami kejadian diare rerata kondisi jamban, sumber
air bersih, tempat pembuangan sampah sangat berbeda dengan masyarakat yang tidak
mengalami kejadian diare. Kondisi jamban, sumber air bersih, tempat pembuangan
sampah pada masyarakat yang mengalami kejadian diare memiliki rerata lebih
rendah dibanding dengan masyarakat yang tidak diare.
Lingkungan yang memiliki kondisi sanitasi buruk dapat menjadi sumber
berkembangnya penyakit. Hal ini jelas membahayakan kesehatan masyarakat.
Puskesmas memiliki program kesehatan lingkungan dimana berperan besar dalam
mengukur, mengawasi, dan menjaga kesehatan lingkungan masyarakat. Namun
seringkali jumlah tenaga kesehatan di puskesmas sangat terbatas, padahal banyak
penyakit yang berasal dari lingkungan seperti diare, demam berdarah, malaria, TBC,
cacar dan sebagainya.
2.4
informasi
adalah
teknologi
dalam
membuat,
mengubah,
30
1.
Hardware atau perangkat keras, yaitu perangkat yang dapat dilihat dan
disentuh secara fisik seperti keyboard, scanner, monitor, printer, dan CPU
(Central Processing Unit).
2.
Software atau perangkat lunak, yaitu suatu instruksi atau perintah program
komputer yang langsung dioperasikan terhadap perangkat keras. Perangkat
lunak ini melakukan pengolahan data seperti program Microsoft Word,
Windows, SPSS dan sebaginya.
3.
31
2.4.3 R Language
R language berfungsi untuk analisis data dan grafik. R language baik
digunakan untuk komputasi statistik, karena dapat dijalankan pada berbagai sisitem
operasi. R language memiliki open-source yang berbasis bahasa S dan S plus yang
dikembangkan oleh AT&T Bell Laboratories oleh Rick Becker, John Chambers dan
Allan Wilks. Versi R dapat dijalankan untuk Unix, Windows, dan berbagai macam
Macintosh. Selain itu R juga dapat dijalankan di arsitektur komputer seperti Intel,
PowerPC, Alpha sistem dan juga sistem Sparc. Salah satu keuntungan bila
menggunakan R language adalah dapat di akses gratis, sintaksnya pun mudah
dipelajari dan mempunyai banyak sekali fungsi-fungsi statistik. Keterbatasan yang
dimiliki oleh R language adalah dalam penanganan dataset yang besar, karena semua
perhitungan dilakukan dalam memori utama komputer (R Core Team, 2013: 1).
2.4.4 Java Programming
Berbasis komputer yang dimaksud dalam penelitian ini adalah membuat
aplikasi program untuk pengaplikasian statistik dalam pemodelan spasial. Aplikasi
program dibutuhkan untuk mempermudah dalam proses perhitungan dengan
menggunakan komputer. Aplikasi itu sendiri akan dibuat dengan menggunakan
bahasa pemrograman java.
Java dikembangkan pertama kali oleh Sun Microsystem pada tahun 1995
(Tasmawati, 2008: 4). Bahasa pemrograman java awalnya dikususkan untuk aplikasi
berbasis internet, namun sekarang aplikasi java sudah digunakan tidak hanya pada
web saja tetapi dari basis Desktop hingga aplikasi mobile (Liang, 2011 : 26). Pertama
kali pengembangan java dibuat sebagai salah satu bahasa yang bersifat tidak
bergantung pada mesin atau sistem operasi tertentu. Konsep dari java tersebut dapat
32
dijalankan karena java memiliki sistem kompilasi yang berbeda dengan bahasa
pemrograman lain seperti c++ atau visual basic. Java hasil kompilasi ini berupa
bytecode, dimana hasil kompilasi ini memungkinkan suatu program dapat diekskusi
di lingkungan yang berbeda atau (multi platform).
Selain itu java sendiri mempunyai karakteristik yang telah dikembangkan,
dimana karakteristik inilah yang menjadi ciri khas dari bahasa java. Berikut adalah
karakteristik dari bahasa java (Wintari, dan Purnama, 2011: 8-9):
1.
2.
Multi Platform.
3.
4.
5.
Dinamis, program java dapat melakukan suatu tindakan yang ditentukan pada
saat eksekusi program dan bukan pada saat kompilasi.
6.
Java
untuk
8.
semua aspek yang ada di java adalah objek. Hal ini sangat memudahkan pemrogram
untuk merancang, membuat, mengembangkan dan mengalokasikan kesalahan secara
33
cepat, tepat, mudah dan terorganisir. Elemen-elemen dari pemrograman java itu
diantaranya (Andriyanto, 2011: 2):
1.
2.
3.
Inheritance, proses dimana penurunan suatu objek terhadap objek lain yang
menjadi parent.
Pengaplikasian java untuk statistik contohnya dalam bidang ekonomi dan
pendidikan. Beberapa contoh aplikasi java terhadap statistik dalam bidang ekonomi
adalah Analisis Angka Buta Huruf Di Jawa Timur Menggunakan Geographically
Weighted Regression. Penelitian ini membuat aplikasi untuk mengetahui
karakteristik angka buta huruf di Jawa Timur, mengetahui indikator teknologi
informasi dan komunikasi signifikan terhadap angka buta huruf dengan
Geographically Weighted Regression, dan pemetaan angka buta huruf dengan
menggunakan program (Andiyono, 2012). Aplikasi java dalam bidang pendidikan
adalah Analisis Faktor Yang Mempengaruhi Prestasi Murid Menggunakan Metode
Analisis Jalur. Penelitian ini bertujuan untuk mengetahui pengaruh cita-cita, guru,
kemampuan belajar, lingkungan, dan motivasi murid dalam belajar dengan membuat
program (Russiana, 2012).
2.4.5 NetBeans
NetBeans adalah sebuah open-source dengan integrated development
environment (IDE) yang awalnya hanya untuk pemrograman java. Integrated
34
development environment pada NetBeans dapat mendukung bahasa pemrograman
lain seperti C, C++, Ruby dan PHP (Putra, Darwiyanto, dan Hanifa, 2012: 2).
35
4. Desain dialog untuk penutupan
Design penutup dialog dibuat sebagai peringatan bahwa langkah-langkah
yang dilakukan sudah benar dan dipersiapkan langkah selanjutnya.
5. Pencegahan kesalahan yang sederhana
Pengguna dicegah melakukan kesalahan dan jika pengguna melakukan
kesalahan, mereka diberikan informasi instruksi untuk kembali ke kondisi
awal.
6. Pembalikan aksi yang mudah
Diperlukannya pengurangan kecemasan dari pengguna karena kesalahan yang
dibuatnya, dengan cara dapat kembali ke kondisi sebelumnya sehingga
pengguna dapat mengeksplorasi secara leluasa.
7. Mendukung kontrol internal lokus
Pengguna
dapat
mengontrol
sistemnya
sehingga
dapat
merespons
yang
sederhana,
menggabungkan
beberapa
tampilan
dan