Dosen Pengampu :
Hepi Hapsari Handayani, P. hD.
Latar Belakang
01 02 03
Sistem Informasi Geografis Diperlukan analisis hotspot dalam Analisis Hot Spot Statistik Spasial
merupakan sistem informasi yang penentuan area dengan volume menggunakan algoritma Getis-Ord
berbasiskan komputer untuk panggilan tinggi untuk melakukan Gi* dapat digunakan untuk
menyimpan, mengelola, dan antisipasi dan supaya terjadi mengidentifikasi klaster spasial
menganalisis, serta memanggil data penanganan yang baik terhadap yang signifikan secara statistik dari
bereferensi geografis peningkatan kesiapsiagaan situasi panggilan darurat 911 di area studi
darurat di dunia
Tujuan
1. Memahami konsep dasar dari hot spot analysis pada Sistem Informasi Geografis
2. Mengolah dan menganalisis sebaran spasial hot spot analysis
3. Mengolah dan menganalisis hasil perhitungan spatial auto correlation
Dasar Teori
Hot Spot Analysis
Metode analisis dengan mengidentifikasi kelompok spasial yang signifikan secara statistik dari nilai tinggi (hot spot) dan nilai rendah (cold spot), dimana
outputnya berupa z score dan p value pada setiap Kelas Fitur.
Z score dan p value merupakan ukuran signifikansi statistik yang memberi tahu apakah akan menolak hipotesis nol atau tidak, pada setiap fitur demi fitur.
Skor z yang tinggi dan nilai p kecil untuk suatu fitur menunjukkan pengelompokan spasial dengan nilai tinggi. Skor z negatif rendah dan nilai p kecil
menunjukkan pengelompokan spasial nilai rendah. Semakin tinggi (atau lebih rendah) z-score, semakin intens pengelompokan. Z-score mendekati nol
menunjukkan tidak ada pengelompokan spasial yang jelas.
Hot Spot Analysis mengidentifikasi hot spot dan cold spot yang signifikan menggunakan Statistik Getis-Ord Gi* menggunakan serangkaian fitur pembobotan.
Fitur pembobotan didasarkan pada bidang atribut yang dipilih dari layer yang dianalisis. Neightborhood dari setiap fitur dibandingkan dengan area studi untuk
menentukan nilai dari setiap fitur (Santoso & Papilaya, 2019).
Spatial Autocorrelation
Pengukuran hubungan spasial untuk variabel tertentu ini disebut autokorelasi spasial.
Ini mengukur arah hubungan linier antara variabel dan derajat intensitas pola spasial variabel tertentu dengan variabel yang sama, tetapi untuk lingkungan yang
ditentukan (Dubé & Legros, 2014). Autokorelasi spasial didefinisikan sebagai penilaian korelasi antar pengamatan atau lokasi pada suatu variabel. Jika
pengamatan y1, y2, ..., yn menunjukkan saling ketergantungan terhadap ruang, maka data tersebut dikatakan terautokorelasi secara spasial (Asmarani, 2018).
Autokorelasi spasial merupakan salah satu analisis spasial untuk mengetahui pola hubungan atau korelasi antar lokasi (amatan). Beberapa pengujian dalam
spasial autokorelasi spasial adalah Moran’s I, Rasio Geary’s, dan Local Indicator of Spatial Autocorrelation (LISA). Metode ini sangat penting untuk
mendapatkan informasi mengenai pola penyebaran karakteristik suatu wilayah dan keterkaitan antar lokasi didalamnya. Selain itu, metode ini juga digunakan
untuk identifikasi pemodelan spasial (Bekti, 2012).
Lokasi Penelitian
SEBARAN PANGGILAN DARURAT
DAN STASIUN LAYANANNYA
Lokasi untuk Analisis Spasial Persebaran dan
Kepadatan Titik Panggilan Darurat (Emergency
Call 911) menggunakan Hot Spot Analysis yakni
bera di di wilayah Portland, Oregon
Tahapan 1
Projection
Visualize Result
4
Analysis
5
Projection
1. Open Investigating911Calls.mpk 1
2. Cek Proyeksi Data Cells
Visualize Result
4
Analysis
5
Bekti, R. D. (2012). Autokorelasi Spasial untuk Identifikasi Pola Hubungan Kemiskinan di Jawa Timur. ComTech: Computer, Mathematics and Engineering
Applications , 217- 227.
Dubé, J., & Legros, D. (2014). Spatial Autocorrelation. Spatial Econometrics Using Microdata, 59-91.
Santoso, B. A., & Papilaya, F. S. (2019). PERANCANGAN MODEL UNTUK ANALISA DATA CALON MAHASISWA DENGAN MENGGUNAKAN OPTIMIZED
HOT SPOT ANALYSIS DAN KERNEL DENSITY STUDI KASUS: FTI UKSW. PROSIDING SEMINAR NASIONAL GEOTIK 2019 (pp. 2580-8796). Salatiga:
Fakultas Teknologi Informasi UKSW.
Thank You