Anda di halaman 1dari 29

13 3/1/

si la re Ko al si pa S
2012

tl ubti s ster i t Ma d to e Click style

3/1/1 3

Korelasi spasial positif (+)


Korelasi Spasial Negatif (-)

Tidak Berkorelasi Spasial

3/1/1 Dalam konsep geografi, 3

tetangga terdekat lebih berhubungan dibandingkan dengan agak berjauhan Korelasi spasial, yakni korelasi sebuah variabel dalam suatu ruang (Autokorelasi) Jika ada pola sistematik sebuah variabel dalam ruang maka terdapat korelasi spasial Uji independensi (Autokorelasi spasial) 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)

3/1/ 3 Korelasi1spasial positif (+) berarti nilai yang berdekatan lokasinya akan mirip dibandingkan yang berjauhan Jika pola nilai dalam ruang bersifat acak maka dapat dikatakan tidak mempunyai korelasi spasial Korelasi spasial negatif, (-) maka nilai yang berdekatan lokasi lebih tidak mirip dibandingkan dengan nilai yang berjauhan lokasinya. Perhitungan nilai korelasi spasial tergantung bentuk datanya, yakni : a. Data pengamatan nilai suatu titik b. Data yang berbentuk raster

Autokorelasi Spasial 3/1/1 3


Negative Dispersed

Spatial Independence

Spatial Clustering

Positive

3/1/1 Korelasi Spasial DATA TITIK 3

Contoh data yang berasal dari

pengamatan titik, misalkan suhu suatu Titik lokasi Misalkan sepanjang jalan 10 km diukur suhu diatas jalan setiap 1 km, sehingga didapatkan data suhu yakni X(0)= 32, X(1)=31, X(2)=32., X(10)=34 Celsius

Bila data berasal dari data poligon,

Korelasi Spasial DATA 3/1/1 3 POLIGON

misalkan Rata-rata jumlah anak per keluarga pada kabupaten 1, 2, .k

Maka nilai yang ditampilkan merupakan

perwakilan dari masing-masing kabupaten yang berbentuk area

3/1/1 3

Indikator Autokorelasi

Index Moran (Global Moran) keterkaitan Index Moran dipergunakan untuk mengkaji
spasial atau interaksi antar zona serta untuk menguji signifikansinya secara statistik

Gearys C Ripleys K

Indeks Global Moran pengujian hipotesis

3/1/1 3

Hipotesis

dilakukan untuk mengatakan adanya autokorelasi spasial baik positif ataupun negatif dan merupakan suatu pengujian satu arah. Bentuk hipotesis awal (H0) adalah: H0 : I = 0 ; Tidak terdapat autokorelasi spasial. Sementara bentuk hipotesis alternatifnya (H1) ada dua jenis (positif atau negatif). H1 : I > 0 ; Terdapat autokorelasi spasial positif. Artinya area yang berdekatan mirip dan cenderung bergerombol dalam

Pembobot 3/1/1 3 Wij

Penghitungan nilai w menggunakan matrik


contiguity berdasarkan hubungan kebertetanggaan yang bergerak berdasarkan langkah ratu pada permainan catur Matrik contiguity akan memberikan nilai 1 pada daerah yang berbatasan langsung dengan lokasi pengamatan. Sementara sisanya diberikan nilai 0 atau dikosongkan. Selanjutnya setiap pengamatan yang bernilai 1 (berbatasan langsung), diberikan bobot pada setiap daerah (sehingga total

3/1/1 3

Morans I Same Mean & SD, but different spatial configurations

3/1/1 3

3/1/1 3

Moran Scatter Plot

Morans Scatterplot menyediakan suatu

analisis eksplorasi secara visual untuk mendeteksi autokorelasi spasial (Anselin, 1995). Hasil yang ditampilkan adalah data yang telah distandarisasikan dalam z-score, dan bukan menggunakan data aslinya. Perolehan z-score ini merupakan beda nilai antara pengamatan dengan nilai (rataan) harapan dari peubah. Standarisasi mengacu pada simpangan baku. z-score berdistribusi normal dan memiliki

Kuadran I (kanan atas) / High-

3/1/1 3

Moran Scatter Plot

high. Artinya memiliki autokorelasi positif, karena nilai pengamatan lokasi tersebut tinggi dan dikelilingi oleh area sekitar yang juga tinggi. Pola visual yang terbentuk adalah pola gerombol (cluster) antara area bernilai pengamatan tinggi Kuadran II (kanan bawah ) / High-low. Artinya memiliki autokorelasi negatif, karena nilai pengamatan lokasi tersebut tinggi dan dikelilingi oleh area

3/1/1 3

So Paulo
WZ

Q4 =
LH 0

Q1=
HH

Q2=
LL 0

Q3 =
HL

z
Old-aged population

3/1/1 3

Moran Scatter Plot

Morans I can be interpreted as the correlation between variable, X, and the spatial lag of X formed by averaging all the values of X for the neighboring polygons We can then draw a scatter diagram between these two variables (in standardized form): X and lag-X (or W_X) Lag Xi
X i

is average of these

Least squares best fit line to the points. The slope of this regression line is Morans I

3/1/1 3

Moran Scatter Plot


Morans I = 0.49

Scatterplot of X vs.
Lag-X

Lag-X

The slope of the

regression line is Morans I Population density in Puerto Rico

Low surrounded by low

High surrounded by high X

MR) n (V a dr a Ku tode Me ruh


enga rkecil ? p a n a g di p e m agai n yan B adra Ku

13 3/1/

aS ol P tik Ti
2012

an ar eb
e

tl ubti s ster i t Ma d to e Click style

Sebaran Mengelompok (Clustered) yaitu beberapa

Pola Sebaran Titik Spasial Terbagi 3/1/1 Menjadi 3 (Briggs, 2007) 3

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

3/1/1 Sebaran Titik Spasial Acak 3

Sebaran titik spasial acak terjadi saat

seluruh titik tidak membentuk pola sama sekali. Dengan kata lain, jarak antar titik beragam dan rasio ragam dengan nilai tengah sama dengan satu. Sebaran titik spasial acak mengikuti sebaran Poisson (

).

Sebaran Titik Spasial 3/1/1 Regular 3

Sebaran titik

spasial regular terjadi saat jarak antar titik relatif sama dan rasio ragam dengan nilai tengah kurang dari satu. Sebaran titik spasial regular mengikuti sebaran Binom (n,p).

Sebaran Titik Spasial 3/1/1 Gerombol 3

Sebaran titik

spasial gerombol terjadi saat jarak antar titik sangat dekat satu sama lain dan rasio ragam dengan nilai tengah lebih besar dari satu. Sebaran titik spasial gerombol mengikuti sebaran Binom Negatif (r; k,

Quadrat Analysis: Variance/Mean Ratio 3/1/1 3 (VMR)


Where: A = area of region n = # of points

Apply uniform or random grid over

area (A) with width of square given by:

Treat each cell as an observation and count the number of points within it, to create the variable X Calculate variance and mean of X, and create the variance to mean ratio: variance / mean For an uniform distribution, the variance is zero. For a random distribution, the variance and mean
are the same.

Therefore, we expect a variance-mean ratio close to 0 Therefore, we expect a variance-mean ratio around 1

RANDO M

UNIFORM/ DISPERSED

CLUSTERED

random

uniform
2

Clustered Note: N = number of Quadrats = 10 3/1/1 Ratio = Variance/mean 3

Rumus Variance

Berikut ini contoh sebaran titik yang Mempunyai fungsi peluang Poisson (0.5) Yang dianalisis dengan memotong Wilayahnya menjadi (1x1), (2x2)..., 3 (20x20) lalu masing-masing/1/13 dihitung VMR-nya

Gambar berikut VMR hasil sebaran Poisson (0.5) Poisson (1), Poisson (3) yang Kuadrannya dipotong (1x1).. (20x20) Hasil menunjukkan bahwa nilai VMR-nya konvergen menuju 1. Artinya pola sebaran titik menyebar secara Acak
3/1/1 3

Gambar berikut VMR hasil sebaran Binomial(0.2) Binomial(0.5), Binomial(0.7) yang Kuadrannya dipotong (1x1)..(20x20) Hasil menunjukkan bahwa nilai VMR-nya konvergen menuju 0 Artinya pola sebaran titik menyebar secara Regular (uniform) 3/1/1 3

Gambar berikut VMR hasil sebaran Binomial negatif (0.2) Binomial negatif (0.5), Bin omial( negatif (0.7) yang Kuadrannya dipotong (1x1)..(20x20) Hasil menunjukkan bahwa nilai VMR tidak cukup stabil untuk mendeteksi Artinya pola titik menyebar secara 3/1/1 gerombol 3

3/1/1 3

Terima Kasih