STATISTIK DATA SPASIAL

Statistik Spasial adalah segala teknik analisis untuk mengukur distribusi suatu kejadian
berdasarkan keruangan (Scott & Warmerdam, 2006). Keruangan yang dimaksud disini adalah variabel
yang ada di permukaan bumi seperti kondisi topografi, vegetasi, perairan, dll. Berbeda dengan statistik
non-spasial yang tidak memasukkan unsur keruangan dalam analisisnya.

Dalam pengukuran distribusi suatu kejadian berdasarkan keruangan dibedakan berdasarkan dua
kategori yaitu (Scott & Warmerdam, 2006):
Identifikasi karakteristik dari suatu distribusi
Kuantifikasi pola geografi dari suatu distribusi.

Pola distribusi spasial secara umum terbagi menjadi tiga (Briggs, 2007):
Mengelompok (Clustered) yaitu beberapa titik terkonsentrasi berdekatan satu sama lain dan ada area
besar yang berisi sedikit titik yang sepertinya ada jarak yang tidak bermakna.
Menyebar (Dispersed) yaitu setiap titik berjauhan satu sama lain atau secara jarak tidak dekat secara
bermakna
Acak (Random) yaitu titik-titik muncul pada lokasi yang acak dan posisi satu titik dengan titik
lainnya tidak saling terkait.

MENGAPA MENGGUNAKAN STATISTIK SPASIAL?

Dari sudut pandang geografi suatu penyakit cenderung dibatasi secara geografis. Variasi spasial
terbangun dari variasi fisik atau biologis yang mendukung pathogen, reservoir dan vector. Jika kondisi
biotik dan abiotik ini dapat di delineasi pada peta dan keduanya dapat dipadukan secara bersamaan,
maka dapat digunakan untuk mengetahui penyebab faktor resiko suatu penyakit dan memprediksi
penyebarannya di masa yang akan datang (Pavlovsky, 1930). Sebagaimana First Law of Geography
(Waldo R.Tobler, 1970) yang menyatakan bahwa "Everything is related to everything else, but near
things are more related to each other atau dapat diterjemahkan sebagai segala sesuatu terkait satu
sama lain, tetapi sesuatu yang berdekatan mempunyai keterkaitan yang lebih. Sehingga dapat
dijelaskan bahwa kejadian suatu penyakit terkait dengan kedekatannya terhadap kondisi geografis
tertentu dari suatu wilayah misalnya keterkaitan penyakit dengan sungai, danau, kondisi vegetasi,
perumahan, dll.

Apa yang terlihat secara visual pada peta tidak dapat dengan mudah dijelaskan secara kualitatif seperti
bagaimana pola distribusinya?, Apa yang mempengaruhi distribusi tersebut?, Bagaimana trend
distribusi tersebut dimasa datang?. Statistik Spasial dapat menggambarkan hal tersebut secara
kuantitatif. Spasial statistik membantu kita dalam menilai pola, hubungan dan trend dari suatu
distribusi.

Kelebihan lain dari statistik spasial menurut Scott & Warmerdam (2006) yaitu;
a) Diperolehnya pemahaman yang lebih baik mengenai fenomena goegrafis dari suatu kejadian;
b) Diketahuinya dengan tepat penyebab suatu kejadian berdasarkan pola geografis yang spesifik;
c) Disimpulkannya distribusi kejadian berdasarkan satuan data;
d) Diperolehnya keputusan yang lebih baik dengan tingkat kepercayaan yang lebih tinggi.

Dalam peta tersebut di atas terlihat pola distribusi kasus TB yang terbentuk bersifat implisit. Kita tidak
bisa mengatakan bahwa ada kelompok-kelompok kasus TB berdasarkan faktor risiko lingkungan
dengan hanya melihat peta kasus TB di Kabupaten Bantul tersebut. Dibutuhkan analisa spasial, baik
kualitatif maupun kuantitatif untuk mengetahui keterkaitan distribusi kasus TB dengan kondisi
geografis di Kabupaten Bantul.

APA SAJA KEGUNAAN DAN METODE SPASIAL STATISTIK?

Scott (2008) mengatakan analisis statistik spasial memiliki tiga kegunaan yaitu:
1)A measure of whats going on spatially (Pengukuran terhadap suatu distribusi secara keruangan)
2)Identifying characteristics of a distribution (Identifikasi karakteristik dari suatu distribusi)
3)Quantifying geographic pattern (Kuantifikasi pola geografis).

Hubungan spasial antara dua distribusi dapat digambarkan secara kuantitatif dengan penghitungan
kedekatan jarak antar dua sebaran dengan beberapa metode sebagai berikut:
-Quadrant Count method -Kernel Density Estimation (Clustering)
-Nearest neighbor distance

TERDIRI DARI APA SAJA ANALISIS STATISTIK SPASIAL?

Analisis statistik spasial berdasarkan tingkatannya dapat dibedakan menjadi tiga yaitu:
1.General Spatial Statistics Analysis (Analisis Statistik Spasial Umum)
2.Intermediate Spatial Statistics Analysis (Analisis Statistik Spasial Menengah)
3.Expert Spatial Statistics Analysis (Analisis Statistik Spasial Ahli)

Analisis Statistik Spasial Umum

Analisis Statistik Spasial Umum, sebagaimana halnya statistik non-spasial, memiliki fungsi deskripsi
dasar seperti rerata (mean), median, mode dan standar deviasi untuk mendeskripsikan distribusi
sebaran di permukaan bumi.
-Mean center merupakan pusat gravitasi sebaran kasus TB yaitu pada koordinat X: 430539.07 dan Y:
9137709.98. Sedangkan Median center pada koordinat X: 430511.56 dan Y: 9137708.27.
-Pada gambar diatas ditunjukkan bahwa titik median center, mean center dan center of minimum
distance terletak cukup berdekatan, ini dapat diartikan kasus TB adalah sebaran yang merata dan
mengikuti kurva normal dengan skewness yang tidak terlalu besar
-Sudut rotasi standard deviasi elips sebesar 46.810 searah jarum jam dan luas elips sebesar
14.379.611,17m2. Convex hull menggambarkan luasan sebaran kasus TB yaitu seluas
32.299.432.93m2. -Standard deviational elips sebagai gambaran dari standar deviasi sebaran TB
menunjukkan bahwa panjang sumbu X adalah 4855,24m dan sumbu Y adalah 3770,92, dengan ratio
antara sumbu X dan sumbu Y adalah sebesar 1,2875.
-Arah sumbu standar deviasi elips yang muncul yaitu sebaran yang miring kearah tenggara - barat laut,
mungkin dipengaruhi oleh bentuk administrasi Kota Yogyakarta

Fungsi Analisis Statistik Spasial Umum yang lainnya adalah:

-Density Estimation atau yang lebih tepat diistilahkan sebagai estimasi probability surface yaitu
Estimasi Kerapatan pada tipologi titik, dengan menggunakan metode kernel. Setiap kernel
mengestimasi tiap titik dalam sebuah grid yang ditumpangsusunkan pada pola persebaran titik
-Hot Spot Detection Analisis, metode yang digunakan adalah quadrant count, untuk
mempresentasikan sebuah pengelompokan dengan membandingkan jumlah kejadian (ponit) dengan
sebuah wilayah secara acak. Point dianalisis dengan dibagi menjadi beberapa kelompok sesuai hirarki
kepadatannya dengan menggunakan lebih dari sebuah lingkaran elips. Sebagai contoh berikut ini hot
spot kasus TB di Kabupaten bantul
-Uji independensi atau Spatial autocorrelation, berguna untuk mengetahui apakah sebuah sebaran
kasus memiliki pola tertentu atau sebaran yang acak. Uji independensi dilakukan untuk sebaran titik
yaitu dengan membandingkan jarak tetangga antara sebaran (dNN) terdekat dengan jarak yang
diharapkan (dran).

Analisis Statistik Spasial Menengah

Salah satu fungsi Analisis Statistik Spasial Menengah yaitu Spatial relationship yang digunakan untuk
mencari hubungan dua distribusi secara kuantitatif. Caranya dengan menguji kesamaan (similarity)
antara dua sebaran. Jika dua distribusi menunjukkan persamaan pola, dapat diduga bahwa dua
distribusi tersebut saling berhubungan, baik secara langsung atau tidak.
Adanya kesamaan diantara dua distribusi dapat mengindikasikan:
1) Sebuah distribusi menjadi penyebab distibusi lainnya;
2) Kedua distribusi memiliki penyebab yang sama

Analisis Statistik Spasial Ahli

Yaitu Statistik Spasial untuk Aplikasi Pemodelan Spasial:
Pada pemodelan spasial Indeks : berfungsi sebagai tools penentu batas kelas sebuah dan besar bobot
pada sebuah parameter yang akan digunakan dalam model Indeks
Pada pemodelan Regresi spasial : berfungsi sebagai alat proses pemodelan berdasarkan hubungan
input dan output, seperti : Y = a+bx
Keuntungan model regresi adalah memiliki kemampuan prediksi secara langsung (dien)

Memahami Statistik Ruang dan Geostatistik

Di mana statistik, statistik spasial , dan geostatistik cocok dalam proyek GIS ? Dr
Lauren Scott , seorang insinyur produk di tim geoprocessing ESRI dan ahli dalam
penggunaan statistik dalam konteks geospasial , jawaban pertanyaan itu dan lain-lain
dalam sebuah wawancara yang dilakukan oleh Matt Artz , GIS ESRI dan manajer
pemasaran ilmu pengetahuan dan editor GISandScience . blog com .

Pada Esri , Scott bertanggung jawab untuk dukungan perangkat lunak , pendidikan,
dokumentasi , dan pengembangan alat statistik spasial di ArcGIS . Dia menerima gelar
Ph.D. pada tahun 1999 dari Program Doktor Bersama di San Diego State University dan
University of California , Santa Barbara . Dia memegang sarjana sastra dan B.A. dalam
geografi dari California State University , Fullerton .

Artz : Bagaimana statistik tradisional , statistik spasial , dan geostatistik berbeda satu
sama lain ?

Scott : statistik tradisional atau non - spasial biasanya digunakan dalam dua cara yang
berbeda . Dalam kasus pertama , kita memiliki satu set besar nilai data yang ingin kita
mengerti, dan kita dapat menggunakan statistik deskriptif untuk mencoba untuk
meringkas mereka. Dalam kasus kedua , kita mungkin memiliki satu set sampel dan kita
ingin tahu bagaimana orang- reflektif sampel dari populasi yang lebih luas .
 Artz : mana statistik spasial ikut bermain ?

Scott : statistik spasial dirancang khusus untuk digunakan dengan data spasial dengan
data geografis . Metode ini benar-benar menggunakan ruang- daerah , panjang , jarak ,
arah , orientasi , atau beberapa gagasan tentang bagaimana fitur dalam dataset
berinteraksi satu sama lain - tepat di matematika . Itu benar-benar apa yang membuat
statistik spasial berbeda dari metode statistik tradisional.

Artz : Apakah ada berbagai jenis statistik spasial ?

Scott : Ya , ada banyak jenis yang berbeda . Ada statistik deskriptif spasial mirip dengan
statistik deskriptif tradisional. Sebagai contoh, jika kita memiliki banyak titik-titik pada
peta , kita mungkin ingin tahu di mana titik-titik pusat berada. ( Setara statistik tradisional
akan melibatkan menghitung rata-rata untuk satu set nilai data . ) Kita mungkin juga ingin
tahu bagaimana menyebar titik-titik tersebut sekitar pusat. ( Hal ini mirip dengan
menghitung standar deviasi untuk satu set nilai . )

Metode statistik lainnya menggunakan analisis pola spasial : Kami mencoba untuk
mengidentifikasi apakah ada struktur data yang kita sedang melihat , misalnya , adalah
fitur berkerumun ? Apakah mereka bubar ? Apakah nilai tinggi semua ditemukan
bersama-sama ? Apakah ada " hot spot " di data? Alat analisis pola spasial dapat
membantu kita untuk mengidentifikasi pola pengeluaran anomali atau tidak biasa , tak
terduga menemukan daerah dengan tingkat tinggi penyakit , kejahatan , atau insiden
kebakaran , atau trek difusi beberapa kontaminan lingkungan . Ada benar-benar banyak
aplikasi .

Lalu ada statistik spasial berkaitan dengan mengidentifikasi dan mengukur hubungan
spasial . Bayangkan kita melihat peta hot spot untuk 911 panggilan . Kita mungkin ingin
tahu tentang mengapa kita melihat begitu banyak panggilan , atau hot spot , di lokasi
tertentu . Kita dapat menggunakan regresi dan analisis regresi spasial untuk menguji
hubungan dan untuk mengidentifikasi faktor mempromosikan pola spasial kita
mengamati - faktor yang akan membantu kita menjelaskan mengapa 911 harga sangat
tinggi.

Artz : Dan bagaimana Anda mendefinisikan geostatistik ?

Scott : Geostatistik adalah jenis statistik spasial . Kriging , misalnya, adalah teknik
geostatistik sangat kuat yang melampaui interpolasi , melihat tidak hanya pada fitur
terdekat untuk memprediksi nilai-nilai di mana Anda tidak memiliki data sampel , tapi
benar-benar memanfaatkan hubungan spasial untuk memberikan kuat , prediksi yang
lebih akurat .

Secara tradisional , geostatistik telah digunakan untuk menganalisis geologi dan

lingkungan data misalnya , curah hujan , atau elevasi - tujuan yang membuat permukaan
dari titik data sampel . Metode ini banyak digunakan dalam minyak dan industri
 pertambangan . Tapi geostatistik yang ideal untuk menganalisis dan memprediksi nilai-
nilai yang berhubungan dengan hampir semua jenis spasial fenomena berkelanjutan .

Artz : Bagaimana Esri ditujukan geostatistik dan statistik spasial dalam penawaran
produk ?

Scott : Banyak orang mungkin telah mendengar tentang ArcGIS Geostatistik ekstensi
Analyst , seperangkat khusus alat geostatistik . Hal ini berguna jika Anda bekerja dengan
data sampel yang diambil dari fenomena kontinu seperti curah hujan, suhu , geologi , atau
tanah dan tujuan Anda adalah untuk membuat permukaan - permukaan probabilitas ,
permukaan prediksi , atau permukaan kesalahan. Namun, karena produk tersebut telah
ditingkatkan selama bertahun-tahun , kemampuannya sekarang melampaui menciptakan
permukaan dan alat-alat yang berharga untuk berbagai macam aplikasi .

Semua pengguna ArcGIS juga mendapatkan Statistik Spasial Toolbox dengan alat untuk
menganalisis distribusi spasial , pola , proses , dan hubungan sebagai bagian dari
perangkat lunak inti di semua tingkatan lisensi. Alat-alat statistik membiarkan Anda
melakukan beberapa hal , termasuk menentukan tendensi sentral atau mengidentifikasi
tren arah menyeluruh , mengidentifikasi panas dan dingin bintik-bintik atau outlier
spasial , menilai pola keseluruhan pengelompokan atau dispersi , dan pemodelan
hubungan spasial . Saya sangat senang dengan berapa banyak orang sekarang
menggunakan alat ini ! Ketika saya pertama kali mulai mengembangkan Statistik Spasial
Toolbox sebagai satu set script sampel , saya tidak benar-benar membayangkan seberapa
sukses mereka akan menjadi .

Artz : Apakah ada alat statistik lain yang pengguna dapat memanfaatkan dalam ArcGIS ?

Scott : Tentu saja . Esri Business Analyst memiliki metode statistik untuk
mengidentifikasi pangsa pasar , area layanan , wilayah penjualan , dan pelanggan
potensial . Hal ini juga dilengkapi dengan banyak data untuk digunakan dengan metode-
metode . The ArcGIS ekstensi Spatial Analyst termasuk metode statistik untuk membantu
mengklasifikasikan penginderaan jauh data.so alat statistik yang ditemukan di seluruh
keluarga ArcGIS produk . Dan kerangka geoprocessing di ArcGIS juga sangat
diperpanjang , sehingga cukup mudah untuk menghubungkan ke paket statistik
tradisional. Anda juga dapat menciptakan alat kustom Anda sendiri, alat-alat kustom
bekerja sama seperti out-of -the-box alat geoprocessing lainnya di ArcToolbox .

Bagi orang yang sudah menggunakan perangkat lunak SAS , baik SAS dan ESRI
menyediakan produk disebut Jembatan SAS yang membuatnya mudah untuk bekerja baik
dalam lingkungan perangkat lunak pada saat yang sama . Kami juga memiliki beberapa
contoh skrip yang tersedia untuk orang-orang untuk men-download dari Pusat Sumber
Daya Geoprocessing untuk menggunakan R , sumber paket statistik terbuka , dalam
kerangka ArcGIS .

Artz : Mengapa orang harus mempertimbangkan menggunakan statistik spasial ?

Scott : Ketika kita menganalisis data kami di luar spasial konteks ketika kita menghapus
ruang dan waktu dari data kami - rasanya kita hanya mendapatkan setengah cerita . Hal-
hal terjadi dalam ruang dan waktu , dan jika kita mengabaikan itu, analisis kami akan
menjadi tidak lengkap . Ini merupakan perbedaan penting antara statistik tradisional dan
statistik spasial : statistik tradisional sering membuat asumsi bahwa data bebas dari
sesuatu yang disebut autokorelasi spasial .

Artz : Apa autokorelasi spasial ?

Scott : Ini adalah kata yang besar , tetapi itu adalah konsep yang sangat sederhana :
autokorelasi spasial hanya berarti bahwa ada struktur spasial dalam data Anda . Struktur
yang mungkin clustering, atau beberapa jenis dispersi , tetapi dalam hal apapun ,
distribusi fitur Anda , atau nilai-nilai data yang terkait dengan fitur Anda , tidak acak .
Jobs, rumah , manufaktur , opportunities.these belanja tidak acak ditaburi seluruh lanskap
, mereka berkumpul bersama-sama ke kota dan kabupaten dan zona penggunaan lahan .
Data Spasial autocorrelated melanggar asumsi untuk beberapa metode statistik tradisional
dan sehingga sering dianggap sebagai gangguan oleh para ahli statistik tradisional.

Analis GIS dan statistik spasial , bagaimanapun , merasa senang ketika mereka melihat
autokorelasi spasial dalam data mereka , ketika mereka mengamati pengelompokan
dalam lanskap - karena itu bukti bahwa yang mendasari proses spasial sedang bekerja .
Dan itu menarik ! Sesuatu di luar sana yang menyebabkan pengelompokan ini atau
struktur , adalah mempromosikan berbagai jenis hubungan dan pola spasial , sering
pemahaman bahwa " sesuatu " adalah apa yang kita paling tertarik masuk Mengapa orang
terus-menerus mati di usia muda di bagian negara ? Apa yang mungkin menjadi faktor
menjelaskan mengapa anak-anak di distrik sekolah ini secara konsisten menyerahkan
nilai ujian yang tinggi ?

Proses spasial sering terlihat , tetapi dengan menggunakan alat-alat dalam Statistik
Spasial Toolbox untuk mengukur kekuatan dan skala mereka hasil - spasial
pengelompokan atau dispersi , hot spot , atau spasial outlier - kita belajar lebih banyak
tentang mereka dan kami mendapatkan pemahaman yang lebih baik data kami .

Artz : Anda berbicara dengan banyak orang tentang GIS statistik . Apa yang menurut
Anda paling sering disalahpahami tentang statistik spasial ?

Scott : Dalam komunitas GIS , hal itu mungkin yang paling sering disalahpahami hanya
yang sulit ! Orang mendengar " statistik " dan mereka segera memiliki kenangan buruk
dari kelas mereka mengambil di sekolah tinggi , dan mereka hanya ditutup . Dan saya
pikir itu terlalu buruk , karena bagi saya , sementara statistik tradisional yang menarik ,
statistik spasial benar-benar menarik ! Dan mereka tidak begitu sulit . Beberapa statistik
spasial mencerminkan konsep-konsep yang sangat sederhana , namun tetap saja mereka
dapat digunakan dalam cara yang sangat kuat.

Artz : Bisakah Anda memberi saya contoh alat statistik yang sederhana , namun kuat ?
 Scott : Alat sederhana dalam Statistik Spasial Toolbox adalah alat pusat berarti . Ia
bekerja dengan mengambil semua x- koordinat , dan menghitung rata-rata . Ia kemudian
mengambil semua Anda y - koordinat , dan menghitung rata-rata bagi mereka . Rata-rata
pusat adalah bahwa x dan y koordinat rata-rata lokasi . Berapa banyak lebih sederhana
yang bisa kita dapatkan dari itu ? Tapi Anda dapat menggunakan alat ini dengan cara
yang kuat . Sebagai contoh, kita melihat data penduduk oleh daerah untuk California
selama 100 tahun terakhir . Kami tertarik untuk mencari pusat populasi dan melihat jika
itu berubah dari waktu ke waktu , jadi kami dihitung rata-rata tertimbang pusat . Pada
bagian awal abad ini , pusat populasi berada di dekat San Francisco , sebuah refleksi dari
industri perbankan tumbuh di sana . Setiap dekade pusat penduduk pindah ke selatan ,
pada awalnya sangat cepat , mencerminkan pertumbuhan di California selatan yang
terkait dengan industri minyak , di Hollywood , kedirgantaraan, dan segala sesuatu yang
lain terjadi di sana . The selatan pergeseran pusat populasi melambat , namun, menjelang
akhir abad ini .

Alat sederhana dalam Tata Ruang Statistik Toolbox memungkinkan kita untuk
memvisualisasikan tren kompleks spasial, seberapa cepat rata-rata pusat bergerak , dan di
mana ia bergerak , memberikan informasi menarik tentang proses spasial
mempromosikan pergeseran selatan dalam populasi .

Artz : Tapi beberapa alat yang tidak sesederhana pusat rata-rata ?

Scott : Benar . Kebanyakan alat GIS cukup mudah, Anda hanya mengisi parameter dan
pergi . Untuk beberapa alat statistik spasial , namun, Anda harus berpikir sedikit lebih
banyak tentang hubungan spasial , skala analisis Anda , batas wilayah studi , dan
sebagainya. Tapi kami berusaha sangat keras untuk memasukkan strategi yang baik dalam
dokumentasi ArcGIS yang menjelaskan penggunaan yang tepat dari alat dan membantu
Anda memutuskan parameter yang tepat untuk analisis tertentu .

Artz : Dimana orang dapat mempelajari lebih lanjut tentang menggunakan statistik dalam
proyek-proyek GIS mereka ?

Scott : Dalam buku The ESRI Panduan untuk Analisis GIS , Volume 2 , oleh Andy
Mitchell , setiap bab sesuai dengan alat dalam Statistik Spasial Toolbox . Ini adalah
sumber daya yang besar bagi orang-orang yang mulai dengan sedikit atau tanpa
pengetahuan statistik spasial . Kami juga memiliki beberapa webinar gratis dan tutorial
tersedia melalui Virtual Kampus ESRI dan ArcGIS Geoprocessing Resource Center .
GISandScience.com blog Anda berisi cukup sedikit sumber daya untuk belajar tentang
statistik spasial dan analisis spasial dalam arti yang lebih umum.