PRAKTIKUM
N
0,61
1,18 0,57
3,13
0,35
(Kode123) 0,37
0,21
0,37 0,28
0,50
0,69 0,44 0,67
0,42 0,40 2,97
0,30
0,49
0,60 1,05
1,15 0,39
LEGENDA: 0,39
Rendah 0,48
1,13
Sedang 1000 0 1000 2000 Kilometers
Tinggi
Disusun oleh:
Dr. Ernawati Pasaribu, S.Si., M.E.
Dr. Rindang Bangun Prasetyo, S.ST, M.Si.
Edisi Pertama,
Cetakan Pertama: 2021
Penerbit:
Politeknik Statistika STIS
Jl. Otto Iskandardinata No. 64C Jakarta Timur 13330
Telpon. (021) 8508812, 8191437,
Facs (021) 8197577
Hak cipta dilindungi Undang-Undang. Dilarang memperbanyak sebagian atau seluruh isi bahan
ajar ini dalam bentuk apa pun, baik secara elektronik maupun mekanik, termasuk mempotokopi,
merekap, atau menggunakan sistem penyimpanan lainnya, tanpa izin tertulis dari Penerbit.
1. Barang siapa dengan sengaja dan tanpa hak mengumukan atau memperbanyak suatu
ciptaan atau member izin untuk itu, dipidana dengan penjara paling lama 7 (tujuh) tahun
dan atau denda paling banyak Rp. 5.000.000.0000,00 (lima miliar rupiah)
2. Barang siapa dengan sengaja menyiarkan, memamerkan, mengedarkan atau menjual
kepada umum suatu ciptaan atau barang hasil pelanggaran Hak Cipta atau Hak Terkait
sebagaimana dimaksud pada ayat (1), dipidana dengan pidana penjara paling lama 5
(lima) tahun dan atau denda paling banyak Rp. 5.000.000.000,00 (lima miliar rupiah)
i
KATA PENGANTAR
Puji syukur kami panjatkan ke hadirat Tuhan Yang Maha Esa karena dengan rahmat,
karunia, serta taufik dan hidayah-Nya kami dapat menyelesaikan modul Praktikum
Analisis Data Spasial ini dengan baik meskipun banyak kekurangan di dalamnya. Kami
juga mengucapkan terima kasih yang sebesar-besarnya kepada semua pihak yang
telah membantu penyusunan modul ini.
Kami sangat berharap modul ini dapat berguna dalam mengantarkan mahasiswa
Program D-IV Statistika Politeknik Statistika STIS dalam memahami dan menerapkan
mata kuliah Analisis Data Spasial. Kami juga menyadari sepenuhnya bahwa modul ini
terdapat kekurangan dan jauh dari kata sempurna. Oleh sebab itu, kami berharap
adanya kritik, saran dan usulan demi perbaikan modul yang telah kami buat di masa
yang akan datang, mengingat tidak ada sesuatu yang sempurna tanpa saran yang
membangun.
Akhir kata, semoga modul ini dapat bermanfaat dan dipahami bagi siapapun yang
membacanya. Tak lupa kami mohon maaf apabila terdapat kesalahan kata-kata yang
kurang berkenan dan kami memohon kritik dan saran yang membangun dari pembaca
demi perbaikan modul ini di waktu yang akan datang. Terima kasih.
iii
DAFTAR ISI
.
.
.
v
MODUL
PENGENALAN SOFTWARE GEODA
1
Tampilan Windows Langkah
2. Muncul dialog-dialog
informasi installasi Geoda,
tekan tombol Next untuk
melanjutkan.
2
B. Membuka Peta Shapefile
Untuk memastikan program GeoDa sudah terinstal dengan baik kita coba dengan
membuka peta shapefile, dengan cara buka aplikasi GeoDa dengan double click pada
file exe atau shortcutnya, langkah selanjutnya adalah:
3
1.5 Penugasan
1. Buka shapefile peta Indonesia menurut provinsi, kemudian buat peta tematik
dengan 5 kategori menggunakan metode natural breaks dan equal intervals untuk
salah satu variabel yang ada pada peta, bandingkan hasilnya!
2. Buat grafik histogram dan box plot untuk salah satu variabel yang ada, melalui
menu Explore!
4
MODUL
PENGECEKAN KORELASI/ HETEROGENITAS SPASIAL
Dengan menggunakan file peta (shapefile) yang diperoleh dari tahapan sebelumnya,
pengecekan korelasi/heterogenitas spasial dilakukan dengan terlebih dahulu
menentukan matriks penimbang spasial (Spatial Weight Matrix) yang akan digunakan.
Pengujian terhadap adanya pengaruh spasial sangat dipengaruhi oleh penentuan
matriks penimbang ini. Oleh karena itu proses yang pertama kali harus dilakukan
adalah menentukan matriks penimbang yang tepat. Pembuatan matriks serta
pengujian adanya pengaruh spasial dalam contoh ini dilakukan dengan menggunakan
perangkat lunak Geoda. Indeks Global Moran’s I dari variabel respon dan juga diagnosa
dari residual model regresi yang sudah tersedia dalam Geoda dapat dimanfaatkan
untuk keperluan pengecekan adanya pengaruh spasial pada variabel yang sedang
diteliti.
5
3.2 Tujuan Praktikum
Modul ketiga ini bertujuan untuk memberikan latihan pengecekan efek spasial
baik korelasi spasial maupun heterogenitas spasial. Mahasiswa diharapkan
mempunyai kompetensi dalam pendeteksian ada atau tidaknya efek spasial pada
data yang sedang diamati.
6
TIPS Untuk Pilihan Weight, Geoda menyediakan beberapa jenis penimbang
(Queen Contiguity, Rook Contiguity, Threshold Distance, k-Nearest
Neighbors). Pemilihan jenis penimbang ditentukan bisa berdasarkan
teori dan/ atau pertimbangan peneliti.
Statistik Global Moran’s I mengukur besarnya korelasi antara satu wilayah dengan
wilayah tetangganya berdasarkan matriks penimbang spasial yang telah ditentukan
pada proses sebelumnya.
7
Tampilan Windows Langkah
3. Geoda akan menghitung nilai indeks
Global Moran’s I dan menampilkannya
dalam bentuk grafik di sebelah kiri.
Untuk menampilkan uji signifikansi dari
nilai indeks tersebut klik kanan pada
area sekitar grafik kemudian klik
“Display Statistics”.
8
RLS = Rata-rata Lama Sekolah
Kemudian lakukan langkah-langkah sebagai berikut:
Tampilan Windows Langkah
1. Klik menu Methods → Regression
Berikut ini adalah contoh output hasil proses estimasi Geoda. Beberapa hal yang
perlu diperhatikan dalam membaca output terutama terkait diagnosa residual adalah
sebagai berikut:
9
SUMMARY OF OUTPUT: ORDINARY LEAST SQUARES ESTIMATION
-----------------------------------------------------------------------
Variable Coefficient Std.Error t-Statistic Probability
-----------------------------------------------------------------------
CONSTANT 1423.364 349.5325 4.072194 0.0002740
AHH -11.17795 4.392218 -2.544945 0.0157895
PERSALINAN -5.129694 2.201771 -2.329804 0.0260816
FE13 -1.060372 1.549327 -0.684408 0.4984964
RLS 7.206579 5.692519 1.265974 0.2143871
-----------------------------------------------------------------------
REGRESSION DIAGNOSTICS
MULTICOLLINEARITY CONDITION NUMBER 167.740180
TEST ON NORMALITY OF ERRORS
TEST DF VALUE PROB
Jarque-Bera 2 19.03234 0.0000737
1. Berdasarkan hasil regresi clasik, Nilai R-squared yang diperoleh yaitu 0,329
dan nilai AIC sebesar 387,22. Dua variabel bebas (AHH dan PERSALINAN)
yang memberikan pengaruh nyata terhadap variabel respon pada tingkat
kepercayaan 95%. Pada akhirnya model yang dihasilkan yaitu:
AKI i = 1423, 4 − 11, 2 AHH i − 5,13PERSALINANi − 1, 06 FE13i + 7, 21RLSi
10
2. Adanya pengaruh spasial dalam variabel yang diteliti dapat diamati dari
output dibawah judul “Diagnostic for heteroskedasticity” yang menguji
permasalahan heteroskedastisitas (varians residual yang tidak konstan dan
diduga terkait dengan heterogenitas spasial). Nilai PROB Breusch–Pagan test
di bawah 0,05 menunjukkan adanya pengaruh heterogenitas spasial dalam
model.
3. Hasil Diagnostic for spatial dependence digunakan untuk mengetahui
permasalahan korelasi spasial. Nilai PROB 0,05 untuk Uji Lagrange Multiplier
(error) dan Robust LM (error) menunjukkan bukti yang signifikan bahwa
terdapat pengaruh korelasi spasial dalam error model yang diteliti.
Berdasarkan hasil diagnosa residual model regresi diketahui bahwa terdapat efek
korelasi spasial (error). Oleh karena itu penyelesaian yang akan dilakukan yaitu
memodelkan dengan Spatial Error Model (SEM) untuk menangani efek korelasi spasial.
Untuk pengolahan model SEM akan digunakan software Geoda.
3.5 Penugasan
1. Dengan menggunakan peta Indonesia per provinsi buat matriks penimbang
spasial dengan fasilitas Weights Manager gunakan contiguity weight dan
distance weight, amati perbedaannya.
2. Hitung indeks Moran’s I untuk variabel Y (kemiskinan) dan lakukan pengecekan
efek spasial untuk model faktor-faktor yang mempengaruhi kemiskinan!
11
12
DAFTAR PUSTAKA
Anselin Luc, 2005, Exploring Spatial Data with GeoDaTM: A Workbook, Spatial Analysis
Laboratory Department of Geography University of Illinois, Urbana.
Chen Daoyi, Shams Shahriar, Moreno C.C., Leone Andrea, 2010, Assessment of
opensource GIS software for water resources management in developing
countries, Journal of Hydro-environment, Research 4 (2010) 253-264.
13