LAPORAN VI

PRAKTIKUM STATISTIKA SPASIAL

“PENENTUAN KLUSTER (CLUSTERING)”
Tanggal Penyerahan : 13 Desember 2018

Disusun Oleh : Prima Cinthya (23-2015-113)

Dosen : Dr. Dewi Kania Sari, Ir., M.T.

Asisten Dosen : 1. Azwardy Putra 23-2014-013

2. Bella Nuraini 23-2017-087

LABORATORIUM SISTEM INFORMASI SPASIAL

JURUSAN TEKNIK GEODESI
FAKULTAS TEKNIK SIPIL DAN PERENCANAAN
INSTITUT TEKNOLOGI NASIONAL
BANDUNG
2018
 Laporan Praktikum Statistika Spasial

DAFTAR ISI

DAFTAR ISI ........................................................................................................... 1

BAB I PENDAHULUAN ...................................................................................... 2

1.1 Maksud dan Tujuan ............................................................................................ 2

1.2 Waktu Pelaksanaan Pekerjaan ............................................................................ 2

BAB II DASAR TEORI ........................................................................................ 3

2.1 Kluster ................................................................................................................ 3

2.2. Metode Penentuan Kluster ................................................................................ 3

2.2.1. Cluster and Outlier Analysis (Anselin Local Moran 1) ......................... 4

2.2.2. Hot spot Analysis (Getis – Ord Gi*) ..................................................... 4

BAB III PELAKSANAAN .................................................................................... 5

3.1 Langkah penentuan Cluster ................................................................................ 5

BAB IV HASIL & PEMBAHASAN ................................................................... 10

4.1 Hasil dan Pembahasan ...................................................................................... 10

4.1.1 Cluster and Outlier Analysis ......................................................................... 10

4.1.2 Hotspot Analysis .......................................................................................... 10

BAB V KESIMPULAN DAN SARAN ............................................................... 12

5.1 Kesimpulan ....................................................................................................... 12

5.2 Saran ................................................................................................................. 12

DAFTAR PUSTAKA ........................................................................................... 13

Kelas C 1
 Laporan Praktikum Statistika Spasial

BAB I
PENDAHULUAN

1.1 Maksud dan Tujuan

Maksud dari praktikum ini adalah meningkatkan pemahaman dan
keterampilan mengenai Pola Spasial, dan tujuan dari praktikum ini adalah
melakukan analisis pola spasial suatu pada data geografis menggunakan metode
Cluster and Outlier Analysis (Anselin Local Moran 1) Hotspot Analysis (Getis -
Ord Gi*)

1.2 Waktu Pelaksanaan Pekerjaan

Waktu : 6 Desember 2018
Tempat : Ruangan 18307 Institut Teknolog Nasional Bandung.

Kelas C 2
 Laporan Praktikum Statistika Spasial

BAB II
DASAR TEORI

2.1 Kluster
Kluster spasial adalah autokorelasi spasial positif ketika ada nilai yang mirip
mengelompokkan menjadi satu, sedangkan kebalikannya jika terdapat nilai yang
terpisahpisah disebut autokorelasi negative (Boots et al.1988). Dengan adanya
kluster spasial dapat membantu pemahaman proses geografis yang mendasari
hubungan dengan fenomena yang diteliti.

Clustering merupakan suatu metode pengelompokan berdasarkan ukuran

kedekatan (kemiripan). Clustering beda dengan group, kalau group berarti
kelompok yang sama, kondisinya kalau tidak ya pasti bukan kelompoknya. Tetapi
kalau cluster tidak harus sama akan tetapi pengelompokannya berdasarkan pada
kedekatan dari suatu karakteristik sample yang ada, salah satunya dengan
menggunakan rumus jarak ecluidean. Aplikasinya cluster ini sangat banyak,
karena hampir dalam mengidentifikasi permasalahan atau pengambilan keputusan
selalu tidak sama persis akan tetapi cenderung memiliki kemiripan saja. Analisis
cluster mempunyai peran penting dalam pembangunan model spasial dan ESDA.
Model Konstruksi yang memerlukan pemahaman tentang pola variasi spasial.
Untuk menentukan cluster spasial harus mempertimbangkan jenis data yang
sedang diteliti.

2.2. Metode Penentuan Kluster

Berbasis Metode Statistik

a. Hirarchical clustering method : pada kasus untuk jumlah kelompok belum

ditentukan terlebih dulu, contoh data-data hasil survey kuisioner.

b. Macam-metode jenis ini : Single Lingkage, Complete Linkage, Average

Linkage dll. b. Non Hirarchical clustering method: Jumlah kelompok telah
ditentukan terlebih dulu.Metode yang digunakan : K-Means.

 Berbasis Fuzzy : Fuzzy C-Means

 Berbasis Neural Network : Kohonen SOM, LVQ

Kelas C 3
 Laporan Praktikum Statistika Spasial

 Metode lain untuk optimasi centroid atau lebar cluster : Genetik Algoritma
(GA)

2.2.1. Cluster and Outlier Analysis (Anselin Local Moran 1)

Indeks I Moran lokal (I) adalah ukuran relatif dan hanya dapat ditafsirkan
dalam konteks z-score dihitung atau p-value. Hasilnya hanya handal jika kelas
fitur masukan, mengandung setidaknya 30 fitur.

Cluster dan alat Analisis Outlier mengidentifikasi kelompok spasial fitur

dengan atribut nilai-nilai yang sama besarnya. Alat ini juga mengidentifikasi
outlier spasial. Untuk melakukan metode ini,dan menghitung nilai. Moran lokal,
skor-z, nilai-p, dan kode mewakili tipe klaster untuk setiap fitur. Z-skor p-nilai
mewakili signifikansi statistik dari nilai indeks dihitung.

Fitur tetangga dengan nilai atribut yang sama tinggi atau rendah,
merupakan bagian dari sebuah cluster. Sebuah nilai negatif untuk menunjukkan
bahwa fitur memiliki fitur tetangga dengan nilai-nilai yang berbeda dan fitur ini
adalah outlier. Dalam kedua contoh, nilai p untuk fitur tersebut harus cukup kecil
untuk cluster atau outlier harus dianggap signifikan secara statistik

2.2.2. Hot spot Analysis (Getis – Ord Gi*)

Hot Spot Analisis yaitu menghitung Getis - Ord Gi *, statistik untuk setiap
fitur dalam dataset. Z skor yang dihasilkan, di mana fitur yang baik nilai-nilai
tinggi atau rendah mengelompok spasial . Alat ini bekerja dengan melihat setiap
fitur dalam konteks fitur tetangga . Sebuah fitur dengan nilai tinggi menarik, dan
tidak menjadi hot spot yang signifikan secara statistik . Untuk menjadi hot spot
yang signifikan secara statistik, fitur akan memiliki nilai yang tinggi dan
dikelilingi oleh fitur-fitur lainnya dengan nilai-nilai yang tinggi juga. Jumlah lokal
untuk fitur dan tetangganya dibandingkan secara proporsional dengan jumlah dari
semua fitur ketika jumlah lokal jauh berbeda dari yang diharapkan, dan perbedaan
yang terlalu besar merupakan hasil dari kesempatan acak , hasil Z skor yang
signifikan secara statistik.

Kelas C 4
 Laporan Praktikum Statistika Spasial

BAB III
PELAKSANAAN

3.1 Langkah penentuan Cluster

Penentuan cluster terbagi menjadi 2 cara yang sebagaimana telah dijelaskan
seperti penjelasan diatas kedua cara tersebut ialah : Cluster dan Outlier Analysis,
Hotspot Analysis.

No Gambar Keterangan

1 Mengadd
data yang
akan
digunakan
sebagai data
praktikum

2 Setelah data
dimasukan
lalu kita klik
kanan lalu
memilih
open
attribute
table.

3 Maka dapat
dilihat dari
open
attribute
table akan
seperti
disamping

Kelas C 5
 Laporan Praktikum Statistika Spasial

4 Memilih
Arctoolbox
lalu
memilih
Statistika
Spasial
tools dan
mengInput
dara feature
class
berdasarkan
area dengan
menggunak
an metode
cluster and
outlier
analysis.

5 Dan
memilih
Cluster and
Outlier
Analysis
maka akan
mendapatka
n hasil
sebagai
berikut
dimana
hasil ini
adalah
bentuk

Kelas C 6
 Laporan Praktikum Statistika Spasial

cluster

6 Hasil
setelah di-
input data
akan seperti
disamping

7 Dan data
yang
memiliki
nilai
tertingg da
nada yaitu
HHseperti
disamping

8 Memilih
arctoolbox
lalu melilih
Statistika
Spasial
tools lalu
memilih
Mapping
Clusters
lalu Cluster
and Outlier
Analysis

Kelas C 7
 Laporan Praktikum Statistika Spasial

9 Hasil dari
Hot Spot
Analisis
akan seperti
disamping

10 Dan hasil
atribut dari
proses Hot
Spot
Analisis

11 Selanjutnya
dengan
menggunak
an HTML
pada
toolsbar di
arcgis maka
kita bisa
melihat
informasi
dari data
spasial yang
tadi kita
kerjakan
sehingga
akan

Kelas C 8
 Laporan Praktikum Statistika Spasial

didapatkan
seperti
disamping.

Kelas C 9
 Laporan Praktikum Statistika Spasial

BAB IV
HASIL & PEMBAHASAN

4.1 Hasil dan Pembahasan

Pada praktikum statistika kali ini mahasiswa diberikan latihan untuk mencoba 2
bentuk dari Pola spasial dimana masing-masing pola tersebut adalah Cluster and
Outlier Analysis dan Hotspot Analysis, dari kedua pola spasial tersebut maka
didapat kesimpulan sebagai berikut.

4.1.1 Cluster and Outlier Analysis

adalah suatu pola spasial dalam statistika spasial yang menunjukkan suatu
penggolongan nilai spasial dengan menyajikan tinggi rendahnya suatu pula spasial
dengan membandingkan tetangganya (HH, LH, LL) sehingga tampilan yang
didapatkan adalah berupa nilai yang menunjukkan area cluster (HH, LH, LL)

4.1.2 Hotspot Analysis

menghitung statistik Getis-Ord Gi * (diucapkan G-i-star) untuk setiap fitur dalam
dataset. Nilai z dan nilai p yang dihasilkan memberi tahu Anda di mana fitur
dengan nilai cluster tinggi atau rendah secara spasial. Alat ini bekerja dengan
melihat setiap fitur dalam konteks fitur tetangga. Sebuah fitur dengan nilai tinggi
sangat menarik namun mungkin bukan hot spot yang signifikan secara statistik.
Untuk menjadi hot spot yang signifikan secara statistik, fitur akan memiliki nilai
tinggi dan dikelilingi oleh fitur lain dengan nilai tinggi juga. Jumlah lokal untuk
fitur dan tetangganya dibandingkan secara proporsional dengan jumlah semua
fitur; ketika jumlah lokal sangat berbeda dari jumlah lokal yang diharapkan, dan
bila perbedaan itu terlalu besar untuk menjadi hasil kesempatan acak, hasil skor z
signifikan secara statistik. Bila koreksi FDR diterapkan, signifikansi statistik
disesuaikan untuk memperhitungkan beberapa pengujian dan ketergantungan
spasial.
Sebagaimana yang tertera pada tampilan berikut.

Kelas C 10
 Laporan Praktikum Statistika Spasial

Kelas C 11
 Laporan Praktikum Statistika Spasial

BAB V
KESIMPULAN DAN SARAN

5.1 Kesimpulan
Pada praktikum statistika kali ini mahasiswa diberikan latihan untuk mencoba
2 bentuk dari Pola spasial dimana masing-masing pola tersebut adalah Cluster and
Outlier Analysis dan Hotspot Analysis, dari kedua pola spasial tersebut maka
didapat kesimpulan sebagai berikut.

 Cluster and Outlier Analysis adalah adalah suatu pola spasial dalam
statistika spasial yang menunjukkan suatu penggolongan nilai spasial
dengan menyajikan tinggi rendahnya suatu pula spasial dengan
membandingkan tetangganya (HH, LH, LL) sehingga tampilan yang
didapatkan adalah berupa nilai yang menunjukkan area cluster (HH, LH,
LL)
 Hotspot Analysis adalah suatu pola spasial yang menunjukkan
penggolongan nilai spasial dengan membandingkan nilai tinggi rendahnya
suatu area dengan tetangganya dari nilai standard deviasinya sehingga
memberikan tampilan berupa nilai atau tingkat.

5.2 Saran
Pada praktikum ini disarankan untuk menggunakan Arcmapp 10.3 karena
pada Arcmap 10.1 hasil dari Hotspot Analysis tidak muncul nilai dari perhitungan
tingkat kepercayaan.

Kelas C 12
 Laporan Praktikum Statistika Spasial

DAFTAR PUSTAKA
“Cluster and Outlier Analysis” ArcGIS feature desktop, [Online]
(https://www.arcgis.com/features/features.html) diakses pada tanggal 10
Desember 2018)

“Hotspot Analysis” Mapping cluster, Arcgis feture desktop, [Online]

(http://desktop.arcgis.com/en/arcmap/10.3/tools/spatial-statistics-
toolbox/incremental-spatialautocorrelation.htm) diakses pada datanggal 10
Desember 2018)

Kelas C 13