Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Analisis Data Spasial Rokhana Dwi Bekti, M.Si

Presentasi serupa


Presentasi berjudul: "Analisis Data Spasial Rokhana Dwi Bekti, M.Si"— Transcript presentasi:

1 Analisis Data Spasial Rokhana Dwi Bekti, M.Si

2 Agenda  Pendahuluan  Type data spasial  Spatial Pattern  Autokorelasi Spasial  Pembobot Spasial  Pemodelan Data Spasial  Pengujian Efek Spasial  Geostatistika  Referensi  Software

3 Pendahuluan  Hukum pertama tentang geografi dikemukakan oleh Tobler, menyatakan bahwa segala sesuatu saling berhubungan satu dengan yang lainnya, tetapi sesuatu yang dekat lebih mempunyai pengaruh daripada sesuatu yang jauh (Anselin, 1988)  Metode spasial merupakan metode untuk mendapatkan informasi pengamatan yang dipengaruhi efek ruang atau lokasi

4 Type data spasial  Data Titik (Point Pattern Analysis) Menunjukkan lokasi yang berupa titik, misalnya berupa :  Longitude dan latitude  x and y  Data line (Geostatistical Data)  Continuous spatial surface  Data area (Polygons or Lattice Data) Menunjukkan lokasi yang berupa luasan, seperti suatu negara, kabupaten, kota, dan sebagainya.

5 Data Titik

6 Data Line

7 Data Area

8 Spatial Pattern  Spatial pattern atau pola spasial adalah sesuatu yang menunjukkan penempatan atau susunan benda-benda di permukaan bumi (Lee & Wong, 2001).  Spatial pattern akan menjelaskan bagaimana fenomena geografis terdistribusi dan bagaimana perbandingannya dengan fenomena-fenomena lainnya.  Spasial statistik merupakan alat yang banyak digunakan untuk mendeskripsikan dan menganalisis spatial pattern tersebut, yaitu bagaimana objek-objek geografis terjadi dan berubah di suatu lokasi. Selain itu juga dapat membandingkan pola objek-objek tersebut dengan pola objek-objek yang ditemukan di lokasi lain.

9 Spatial Pattern  Bentuk-bentuk pola spasial uniform clustered random uniform clustered random

10 Spatial Pattern  Beberapa metode untuk mendeteksi pola spasial: Quadran Analysis Kernel Density Estimation (K means) Nearest Neighbor Distance.  Metode-metode tersebut hanya menganalisai penyebaran lokasi dari suatu titik namun tidak membedakan titik berdasakan atributnya.  Autokorelasi spasial merupakan analisis yang akan menganalisis spatial pattern dari penyebaran titik-titik dengan membedakan lokasinya dan atributnya.

11 Autokorelasi Spasial  Autokorelasi spasial didefinisikan sebagai penilaian korelasi antar pengamatan/lokasi pada suatu variabel  Jika pengamatan x 1, x 2, …, x n menunjukkan saling ketergantungan terhadap ruang, maka data tersebut dikatakan terautokorelasi secara spasial  Beberapa metode (Lee&Wong, 2001) :  Moran’s I  Geary’s C  LISA

12 Matriks Bobot  Hubungan kedekatan ( neighbouring ) antar lokasi dinyatakan dalam matrik pembobot spasial W  Matriks Bobot Tipe data spasial Point: Inverse jarak Kernel Gaussian Fungsi pembobotan bisquare Binary  Matriks Bobot Tipe data Spasial Area (LeSage, 1999): Rook Contiguity (Persinggungan sisi) Queen Contiguity (Persinggungan sisi-sudut) Linear Contiguity (Persinggungan tepi) Bhisop Contiguity (Persinggungan sudut) Double Linear Contiguity (Persinggungan dua tepi) Double Rook Contiguity (Persinggungan dua sisi)

13  Metode regresi sederhana adalah metode yang memodelkan hubungan antara variabel respon ( y ) dan variabel bebas ( x 1, x 2,..., x p ), dinyatakan:  Pada metode penduga parameter OLS, asumsi residual yang harus dipenuhi adalah identik, independen, dan berdistribusi normal.  Namun sering terjadi pelanggaran asumsi identik dan independen  Ada indikasi pengaruh spasial Pemodelan Spasial

14  Berdasarkan Tipe Data spasial Titik: a. Data cross-sectinal  Geographically Weighted Regression (GWR)  Y ~ N( µ, σ 2 )  Geographically Weighted Poisson Regression (GWPR)  Y ~ Poisson ( ) b. Data Time-Series  STAR ( Space-Time Autoregressive )  GSTAR ( Generalized Space TimeAutregressive )  Berdasarkan Tipe Data Spasial Area: a. Data cross-sectinal  SAR : Spatial Autoregressive Models  SEM : Spatial Error Models  CAR : Conditional Autoregressive Models  SDM : Spatial Durbin Model  SARMA: Spatial Autoregressive Moving Average b. Data Time-Series  Panel Data Pemodelan Spasial

15 Autoregressive Model : y : vektor berukuran p x 1, ρ : koefisien dari variabel dependen spasial lag. u : vektor error, W: matrik terbobot dengan ukuran nxn. β : vektor kx1 parameter regresi. X : matrik berukuran nxk variabel prediktor λ : koefisien dalam struktur spasial autoregressive Contoh Pemodelan Spasial Area

16 Pengujian Efek Spasial  Spatial Dependence Uji Moran’s I Uji Lagrange Multiplier (LM): LM error untuk uji dependensi spasial dalam error dan LM lag untuk uji dependensi spasial dalam lag  Spatial Heterogeneity Uji Breusch-Pagan

17 Geographically Weighted Regression (GWR) Rokhana Dwi Bekti

18 Model Umum :  Model Regresi Linear  Model GWR Menyatakan titik koordinat ( longitude/bujur, latitude/lintang ) lokasi ke- i

19 Model GWR :  Estimasi Parameter

20 Pembobot :  Pada jenis data titik, pembobot untuk setiap lokasi ke-i pada koordinat dinyatakan dengan  Sehingga bobot lokasi j pada lokasi i dinyatakan dengan

21 Pembobot : Jenis-jenis :  Fungsi invers jarak ( inverse distance function ) dengan r adalah radisus dan  Fungsi Kernel Gauss  Bisquareh = bandwitch

22 Pembobot : Jenis-jenis :  Tricube  Adaptif Bisquare Kernel

23 Pembobot :  Bandwidth dapat dianalogikan sebagai radius dari suatu lingkaran, sehingga sebuah titik yang berada di dalam radius lingkaran masih dianggap memiliki pengaruh  Nilai bandwidth yang sangat kecil akan menyebabkan varians menjadi semakin besar, sebaliknya nilai bandwidth yang besar dapat menimbulkan bias yang semakin besar  Metode pemilihan bandwitch : 1. Cross Validation (CV) 2. Akaike Information Criterion (AIC) 3. Generalized Cross Validation (GCV) 4. Bayesian Information Criterion (BIC).

24 Geostatistika: Prediksi dan Interpolasi  Proses estimasi (pendugaan) data pada suatu lokasi yang tidak dapat disampling (data missing) membutuhkan suatu model.  Namun pada beberapa penelitian memiliki permasalahan diantaranya tidak ada model, hanya ada satu sampel data atau tidak ada teknik inferensia yang dapat digunakan untuk mengestimasi data yang tidak dapat disampling.  Geostatistik sangat berperan dalam hal tersebut, yaitu menggunakan metode estimasi dengan tetap didasarkan pada model.  Pendugaan/prediksi data missing: Tetangga terdekat (nearest neighbour) Tetangga terdekat (nearest neighbour) Inverse distance Inverse distance Tri anggulasi Tri anggulasi Tren surface analysis Tren surface analysis Kriging Kriging Co Kriging Co Kriging  Variogram dan Semivariogram  untuk memodelkan data yang akan di diga

25 Referensi  Noel Cressie Statistics for Spatial Data. Wiley & Sons.  Wackernagel H Multivariate Geostatistics, An Introduction with Applications. Springer-Verlag.  Sandra LA Practical handbook of Spatial Statistics. CRC Press.Inc.USA.  Isaaks EH, Srivastava RH Applied Geostatistics.. Oxford University Press.  Roger et al Applied Spatial Data Analysis with R. Springer-Verlag  Anselin, L Spatial Econometrics: Methods and Models”, Kluwer Academic Publishers, Dordrecht.  Arbia, G Spatial Econometrics: Statistical Foundations and pplications to Regional Convergence.S pringer, Berlin  Arbia G and Baltagi BH Spatial Econometrics. Method and Application. Physica- Verlag. Springer, New York USA  Gaetan C and Guyon X Spatial Statistics and Modelling. Springer  Anselin L, Rey SJ Perspective on Spatial Data Analysis. Springer  Ficher MM and Getis A Handbook of Applied Spatial Analysis Software Tools, Methods and Applications. Springer-Verlag Berlin Heidelberg  Lee, J. dan Wong, D. W. S. (2001), Statistical Analysis with Arcview GIS, John Wiley and Sons, New York.  LeSage, J.P. dan Pace, R.K. (2009), Introduction to Spasial Econometrics, R Press, Boca Ration.  Fotheringham, A.S., Brundson, C., dan Charlton, M. (2002) “ Geographically Weighted Regression: the analysis of spatially varying relationships ”, John Wiley & Sons Ltd, England.

26 Software  Arcview  ArcGIS 9  GeoDA  S-Plus  R Software  Matlab  Winbugs  GWR  SAS


Download ppt "Analisis Data Spasial Rokhana Dwi Bekti, M.Si"

Presentasi serupa


Iklan oleh Google