TUGAS I

STATISTIKA SPASIAL

Diajukan sebagai salah satu tugas mata kuliah Statistika Spasial

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

Tanggal Penyerahan : Rabu, 11 September 2018

Disusun Oleh :

Febi Shabrina Jamil / 232016072

Kelas A

JURUSAN TEKNIK GEODESI

FAKULTAS TEKNIK SIPIL DAN PERENCANAAN

INSTITUT TEKNOLOGI NASIONAL

BANDUNG

2019
 Understanding Spatial Statistics And Geostatistics

Laurent Scott, Ph.D merupakan seorang insinyur suatu produk dalam tim geoprocessing
ESRI dalam penggunaan statistik geospasial. Beliau bertanggung jawab perangkat lunak,
Pendidikan, dokumentasi, dan pengembangan alat ststistik spasial di ArcGis. Pada tahun 1999
beliau menerima gelar Ph.D dari program doktor gabungan di San Diego State University of
California, Santa Barbara serta mendapat gelar MA dan BA dalam geografi dari California State
University, Fullerton.

Statistik tradisional atau non-spasial terbagi menjadi dua cara dalam penggunaannya.
Pertama dengan jumlah besaran nilai data lalu menggunakan statistic deskriptif untuk
meringkasnya. Kedua, dengan sampel lalu diuji sampel tersebut seberapa tingkat relevan dari
populasi yang lebih luas.

Statistik Spasial menggunakan data spasial dan data geografis. Metode yang digunakan
pada umumnya tentang spasial/ keruangan seperti ruang-area, Panjang, jarak, arah, orientasi serta
data dalam matematika.

Statistik Spasial terbagi menjadi beberapa jenis, salah satunya yaitu statistic spasial
deskriptif hampir sama dengan statistic tradisional deskriptif. Hampir sama karena melibatkan
perhitungan rata-rata untuk satu set nilai data dan menghitung standar deviasi untuk satu set nilai
untuk mengetahui sebaran titik di sekitar pusat pada suatu peta.

Metode statistik juga melibatkan analisis pola spasial, karena alat analisis pola spasial dapat
membantu kita mengidentifikasi suatu data (contoh: titik hot spot). Menemukan area yang terdapat
tingkat penyakit yang tinggi, kejahatan, atau bahkan insiden kebakaran dengan menggunakan
banyak sekali fitur dan aplikasi yang dapat digunakan.

Dengan adanya statistik spasial yang berkaitan dengan mengidentifikasi dan mengukur
hubungan spasial, sebagai contoh kita melihat hot spot 911 panggilan, lalu kita ingin mengetahui
hot sot di suatu lokasi, maka kita dapat menggunakan analisis regresi spasial atau regresi untuk
menguji hubungan dan untuk mengidentifikasi factor-faktor yang mempromosikan pola spasial
yang kita amati serta mengetahui mengapa factor hot spot 911 begitu tinggi.

Geostatistik adalah jenis statistik spasial. Sebagai salah satunya yaitu kriging. Kriging
merupakan Teknik geostatistik yang sangat kuat yang melampaui interpolasi, tidak hanya melihat
fitur terdekat untuk memprediksi nilai yang tidak memiliki data sampel, tetapi menggunakan
hubungan spasial untuk memprediksi lebih kuat dan lebih akurat.

Secara tradisional, geostatistik telah digunakan untuk menganalisis data geologi dan
lingkungan, misalnya curah hujan, atau ketinggian. Tujuannya adalah untuk menciptakan
permukaan dari titik data sampel. Padahal sebenarnya geostatistik ideal untuk menganalisis dan
memprediksi nilai-nilai yang terkait dengan hampir semua fenomena kontinu secara spasial.

Cara Esri membahas geostatistik dan statistik spasial dalam penawaran produk yaitu
dengan meningkatkan ekstensi tools nya, sebagai salah satu contohnya yaitu, analis Arcostat
ArcGis, merupakan satu set khusus alat geostatistik yang berguna untuk menciptakan permukaan-
probabilitas, permukaan prediksi atau permukaan kesalahan pada suatu data sampel yang diambil
dari fenomena berkelanjutan, seperti curah hujan, suhu, geologi, atau tanah. Karena produk ini
telah ditingkatkan selama bertahun-tahun, kemampuannya pun sekarang telah melampaui
pembuatan permukaan dan alat-alat yang berharga untuk berbagai macam aplikasi.

Semua pengguna ArcGis juga mendapat kotak statistik spasial dengan alat untuk
menganalisis distribusi spasial,pola, proses dan hubungan sebagai bagian dari perangkat lunak di
semua tingkat lisensi. Alat statistik ini memungkinkan Anda melakukan sejumlah hal, termasuk
menentukan kecenderungan sentral atau mengidentifikasi tren arah menyeluruh, mengidentifikasi
titik panas dan dingin atau pencilan spasial, menilai pola keseluruhan pengelompokan atau
dispersi, dan memodelkan hubungan spasial.

Lalu ada pula alat statistik lain yang dapat dimanfaatkan pengguna di dalam ArcGis, pihak
Esri Business Analyst memiliki metode statistic untuk mengidentifikasi pangsa pasar, area
layanan, wilayah penjualan, dan pelanggan potensial. Itu juga dilengkapi dengan banyak data
untuk digunakan dengan metode-metode itu. Ekstensi ArcGIS Spatial Analyst mencakup metode
statistik untuk membantu mengklasifikasikan data penginderaan jauh. Jadi, alat statistik dapat
ditemukan di seluruh rangkaian produk ArcGIS. Dan kerangka kerja geoproses di ArcGIS juga
sangat dapat diperpanjang, sehingga cukup mudah untuk terhubung ke paket statistik
tradisional. Anda juga dapat membuat alat kustom Anda sendiri; alat kustom ini berfungsi sama
seperti alat geoprocessing out-of-the-box lainnya di ArcToolbox.

Bagi orang-orang yang sudah menggunakan perangkat lunak SAS, baik SAS maupun Esri
menyediakan produk yang disebut SAS Bridge yang membuatnya mudah untuk bekerja di kedua
lingkungan perangkat lunak secara bersamaan. Kami juga memiliki beberapa skrip sampel yang
tersedia untuk diunduh dari Pusat Sumber Daya Geoproses untuk menggunakan R, paket statistik
sumber terbuka, dalam kerangka kerja ArcGIS.

Kita juga harus mempertimbangkan untuk menggunakan statistik spasial. Karena ketika
sedang menganalisis data di luar konteks spasial akan mengakibatkan analisis statistika spasial
yang kurang lengkap. Ini membuat perbedaan penting antara statistik tradisional dan statistik
spasial. Statistik tradisional sering membuat asumsi bahwa data bebas dari sesuatu yang disebut
autokorelasi spasial.

Autokorelasi spasial merupakan struktur spasial pada data. Struktur ini berupa
pengelompokan atau semacam dispersi, distribusi, atau nilai data yang terkait dengan fitur yang
digunakan, tidak acak. Sehingga data yang terkait secara spasial autokorelasi melanggar asumsi
untuk beberapa metode statistik tradisional sehingga sering dianggap sebagai gangguan oleh ahli
statistik tradisional.

Akan tetapi para analis dan ahli statistik spasial melihat autokorelasi spasial dalam data
terdapat pengelompokan dalam lanskap, karena data tersebut bukti bahwa proses spasial sedang
bekerja. Oleh sebab itu pengelompokan atau struktur ini mempromosikan berbagai jenis hubungan
dan pola spasial.

Proses spasial sering tidak terlihat, akan tetapi dengan menggunakan alat dalam Kotak
Statistik Spasial untuk mengukur kekuatan dan skala hasil-pengelompokan atau penyebaran
spasial, hot spot, atau outlier spasial belajar mendapat pemahaman yang lebih baik tentang data
tersebut.

Hal yang mungkin paling sering disalahpahami adalah kesulitan, padahal itu terlalu buruk,
karena bagi saya sementara statistik tradisional menarik, statistik spasial benar-benar
menarik. Beberapa statistik spasial mencerminkan konsep yang sangat sederhana, tetapi masih
dapat digunakan dengan cara yang sangat kuat.

Alat statistik yang sederhana, namun kuat, dalam Kotak Statistik Spasial adalah alat tengah
rata-rata. Alat ini bekerja dengan mengambil semua koordinat x dan menghitung rata-rata.
Kemudian alat ini mengambil semua koordinat y, dan menghitung rata-rata . Pusat rata-rata adalah
lokasi koordinat x dan y rata-rata itu.Seberapa jauh lebih sederhana yang bisa didapatkan dari
itu? Tetapi data tersebut dapat menggunakan alat ini dengan cara yang kuat. Sebagai contoh,
melihat data populasi berdasarkan wilayah untuk California selama 100 tahun terakhir. Dari data
tersebut dapat ditemukan pusat populasi dan melihat apakah itu berubah dari waktu ke waktu, lalu
data tersebut dapat menghitung pusat rata-rata tertimbang. Pada awal abad ini, pusat populasi
berada di dekat San Francisco, cerminan dari pertumbuhan industri perbankan di sana. Setiap
dekade pusat populasi bergerak ke selatan, pada awalnya sangat cepat, mencerminkan
pertumbuhan di California selatan yang terkait dengan industri minyak, dengan Hollywood,
aerospace, dan segala sesuatu yang terjadi di sana.Pergeseran ke selatan di pusat populasi
melambat, namun, menjelang akhir abad ini.

Alat paling sederhana dalam Kotak Statistik Spasial memungkinkan untuk

memvisualisasikan tren spasial yang kompleks; seberapa cepat pusat rata-rata bergerak, dan ke
mana ia bergerak, memberikan informasi menarik tentang proses spasial yang mendorong
pergeseran populasi selatan ini.

Akan tetapi beberapa alat tidak sesederhana pusat kejam, karena sebagian besar alat SIG
cukup mudah dan hanya cukup untuk mengisi parameter dan pergi. Namun, untuk beberapa alat
statistik spasial, seharusnya harus diproses sedikit lebih banyak tentang hubungan spasial, skala
analisis, batas-batas wilayah studi, dan sebagainya. Akan tetapi Esri berusaha sangat keras untuk
memasukkan strategi yang baik dalam dokumentasi ArcGIS yang menjelaskan penggunaan alat
yang tepat dan membantu memutuskan parameter yang tepat untuk analisis khusus.
 Dalam buku The Esri Guide to GIS Analysis, Volume 2 , oleh Andy Mitchell, setiap bab
berhubungan dengan sebuah alat dalam Kotak Statistik Spasial. Ini adalah sumber yang bagus
untuk orang-orang yang mulai dengan sedikit atau tanpa pengetahuan tentang statistik
spasial. Kami juga memiliki beberapa webinar dan tutorial gratis yang tersedia melalui Esri Virtual
Campus dan ArcGIS Geoprocessing Resource Center. Blog Anda GISandScience.com berisi
beberapa sumber untuk mempelajari statistik spasial dan analisis spasial dalam pengertian yang
lebih umum.
 DAFTAR PUSTAKA

https://www.esri.com/news/arcwatch/0410/lauren-scott.html