Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Identifikasi Lokasi Pemusatan Kegiatan Sosial Ekonomi (Pemanfaatan Data Podes 2008) Uzair Suhaimi Direktur Statistik.

Presentasi serupa


Presentasi berjudul: "Identifikasi Lokasi Pemusatan Kegiatan Sosial Ekonomi (Pemanfaatan Data Podes 2008) Uzair Suhaimi Direktur Statistik."— Transcript presentasi:

1 Identifikasi Lokasi Pemusatan Kegiatan Sosial Ekonomi (Pemanfaatan Data Podes 2008) Uzair Suhaimi Direktur Statistik Ketahanan Sosial Badan Pusat Statistik 9 Desember BADAN PUSAT STATISTIK

2 9 Desember Latar Belakang (Ada) Variasi intensitas kegiatan sosial ekonomi (antar kawasan wilayah) –(kecenderungan) Pemusatan di suatu wilayah (tertentu) –Ketimpangan (tingkat pemusatan) antar wilayah (Perlu) Pemetaan lokasi kegiatan sosial ekonomi –Identifikasi lokasi pemusatan dan ketimpangan –Visualisasi dalam bentuk pemetaan tematik Implikasi kebijakan (dari Pata) –(Basis untuk) Alokasi sumber daya dan program berbasis lokasi geografis (atau wilayah) –Pentingnya perhatian terhadap interaksi sosial (u/ lokasi pemusatan/non-pemusatan)

3 9 Desember Kegiatan Sosial Ekonomi ? Kegiatan ekonomi penduduk (dilihat dari lapangan usaha dan jenis produksi) (Indikasi kegiatan dilihat dari) Ketersediaan fasilitas ekonomi (Indikasi kegiatan dilihat dari) Ketersediaan fasilitas sosial dasar

4 9 Desember Pembentukan Pemusatan Relokasi kegiatan sosial ekonomi –Ketersediaan faktor produksi –Ketersediaan sarana penunjang –Minimalkan biaya produksi dan transportasi Pemusatan membentuk klaster –Knowledge spillovers: diseminasi informasi dan pengetahuan –Spillover effects: infrastruktur untuk mobilitas antar wilayah

5 9 Desember Pengguna Potensial dan Manfaat Pemerintah pusat dan daerah Menentukan lokasi prioritas pembangunan ekonomi, sosial, dan infrastruktur,dsb Dunia usaha dan masyarakat umum (Membanu dunia usaha dalam) Menentukan lokasi: target investasi, pengembangan jejaring usaha dan kerja sama, perluasan wilayah pemasaran, dsb Akademisi dan peneliti –(Membantu akademisi dan peneliti dalam studi lanjut untuk) Menentukan zonasi wilayah: perencanaan wilayah dan tata ruang, pengembangan kawasan, pembangunan regional, dsb

6 9 Desember Metodologi Sumber data –Podes 2008 –Peta elektronik Variabel dan tema –Variabel berskala ukur interval/rasio –Jumlah peta tematik sebanyak 52 tema (yang dihitung secara nasional tetapi disajikan per pulau/kepulauan utama) Penyajian peta tematik: smaller is better –(Kawasan yang dibangun dengan unit analisis) Desa (prioritas utama) –Kecamatan (prioritas kedua)

7 9 Desember Exploratory Spatial Data Analysis Metode ESDA: –(Untuk men-) Deskripsi(kan) dan (mem)visualisasi(kan) sebaran/asosiasi spasial (“relatif” terhadap “tetangga”) –(Untuk meng) Identifikasi lokasi pemusatan (cluster/hot spot) dan pencilan (outlier) Teknik ESDA –Global Spatial Autocorrelation (Global Moran’s I): (Untuk men-) Deteksi ada tidaknya kecenderungan pemusatan (clustering) –Local Indicators for Spatial Association (LISA): (Untuk meng-)Identifikasi lokasi dan anggota pemusatan/pencilan (cluster/outlier)

8 9 Desember Tahapan Analisis Kalkulasi Global Moran’s I: –Jika nilai Standardized I positif  autokorelasi positif (tendensi pemusatan) –Jika nilai Standardized I negatif  autokorelasi negatif (tendensi pencilan atau random) Kalkulasi LISA dan signifikansinya –Setiap unit analisis memiliki skor LISA (Zxi dan WZxi) –Setiap unit analisis memiliki nilai siginifikansi Visualisasi dalam Moran Scatterplot

9 9 Desember Global Moran’s I Interpretasi: Rata-rata teoritis = -1/(n-1) –Jika I ≥ rata-rata teoritis  tendensi pemusatan (tinggi maupun rendah) –Jika I < rata-rata teoritis  tendensi random atau pencilan (ketimpangan) Formula Keterangan: µ = rata-rata variabel x, w ij = elemen spatial weight matrix, n = jumlah wilayah, x i = nilai unit analisis i, x j = nilai unit analisis tetangga

10 9 Desember LISA Interpretasi: –Setiap unit analisis memiliki nilai koordinat (Zxi, WZxi) –Zxi adalah nilai standardized skor I utk unit analisis ke-i –WZxi adalah nilai standardized skor I tetangga unit analisis ke-i –Seluruh koordinat (Zxi, WZxi) divisualisasi dalam Moran Scatterplot Formula Keterangan: µ = rata-rata variabel x, w ij = elemen spatial weight matrix, n = jumlah wilayah, x i = nilai unit analisis i, x j = nilai unit analisis tetangga -1 ≤ I i ≤ 1

11 9 Desember Moran Scatterplot Kuadran I dan III  indikasi lokasi klaster (cluster) atau pemusatan. Kuadran II dan IV  indikasi lokasi pencilan (outlier). Kuadran II (LH) Kuadran I (HH) (0,0) Kuadran III (LL) Kuadran IV (HL) Interpretasi: Kuadran I (HH) = wilayah tinggi dikelilingi tetangga yang tinggi Kuadran II (LH) = wilayah rendah dikelilingi tetangga yang tinggi Kuadran III (LL) = wilayah rendah dikelilingi tetangga yang rendah Kuadran IV (HL) = wilayah tinggi dikelilingi tetangga yang rendah Moran Scatterplot Diagram ZXZX WZ X

12 9 Desember Spatial Weight Matrix ESDA memerlukan matriks penimbang spasial (representasi tetangga bagi setiap wilayah) Tobler’s Law (1970) "everything is related to everything else, but near things are more related than distant things." Tetangga adalah unit analisis lain yang berbatasan langsung atau memiliki keterkaitan/hubungan atas dasar kriteria/skenario tertentu Pilihan skenario: Simple Contiguity: Rook, Bishop, Queen Distance Criterion: Distance metric, K-nearest neighbor Based on economic or social network structure Skenario Spatial Weight Matrix yang dipilih adalah Queen

13 9 Desember Format Publikasi  Intensitas kegiatan sosial ekonomi:  Diukur secara nasional  Bisa diperbandingan antar unit analisis dan antar wilayah (apple to apple).  Peta tematik disusun ke dalam 7 wilayah meliputi:  Sumatera  Jawa dan Bali  Nusa Tenggara  Kalimantan  Sulawesi  Maluku  Papua

14 9 Desember Interpretasi Peta Tematik  Indikator asosiasi spasial hasil penghitungan statistik LISA: Merah  lokasi pemusatan (cluster) tinggi (HH) Biru  lokasi pemusatan (cluster) rendah (LL) Hijau  lokasi pencilan (outlier) tinggi (HL) Kuning  lokasi pencilan (outlier) rendah (LH)  Lokasi pemusatan maupun pencilan dibedakan menjadi dua kategori: Signifikan (pseudo alpha ≤ 5%.)  unit analisis diyakini sbg anggota kuadran Tidak signifikan (pseudo alpha > 5%)  unit analisis menjadi anggota kuadran tetapi keterkaitan dengan tetangga:  tidak setara/searah (untuk wilayah pemusatan)  tidak berpola atau acak (untuk wilayah pencilan)

15 9 Desember Implikasi Peta Tematik  Cakupan dan kedalaman informasi pada level desa atau kecamatan  Makna lokasi pemusatan atau pencilan  Pemusatan (cluster): intensitas kegiatan searah/setara: sama-sama tinggi (klaster tinggi) atau sama-sama rendah (klaster rendah)  Pencilan (outlier): intensitas kegiatan berbeda secara ekstrim: berbeda sangat tinggi (pencilan tinggi) ataupun sangat rendah (pencilan rendah)  Implikasi pelaksanaan program pembangunan tertentu:  Pada lokasi pemusatan tinggi akan berimbas secara luas  Pada lokasi pemusatan rendah akan berimbas sangat lamban atau sangat terbatas  Pada lokasi pencilan tidak akan berimbas kepada unit-unit analisis lain sekitarnya

16 10 Desember 2010 KECAMATAN DI JAWA DAN BALI MENURUT TINGKAT PEMUSATAN TANAMAN PADI

17 10 Desember 2010 Kecamatan-kecamatan yang terjadi pemusatan tinggi dalam inset : PROVINSIKABUPATENKECAMATAN JAWA BARATKUNINGANCIBINGBIN JAWA BARATKUNINGANCIMAHI JAWA BARATCIREBONGEBANG JAWA TENGAHBREBESLARANGAN JAWA TENGAHBREBESKETANGGUNGAN JAWA TENGAHBREBESLOSARI JAWA TENGAHBREBESTANJUNG

18 10 Desember 2010 KECAMATAN DI PAPUA MENURUT TINGKAT PEMUSATAN PALAWIJA

19 10 Desember 2010 KECAMATAN DI SUMATERA MENURUT KONVERSI LAHAN PERTANIAN

20 10 Desember 2010 DESA DI KALIMANTAN MENURUT PERSENTASE KELUARGA PENGGUNA LISTRIK NON-PLN

21 10 Desember 2010 KECAMATAN DI NUSA TENGGARA MENURUT PERSENTASE DESA YANG TERDAPAT PENJUAL LPG

22 10 Desember 2010 KECAMATAN DI SULAWESI MENURUT PERSENTASE DESA YANG TERDAPAT PANGKALAN / AGEN MINYAK TANAH

23 10 Desember 2010 DESA DI WILAYAH MALUKU MENURUT KEJADIAN PENCEMARAN LINGKUNGAN HIDUP

24 9 Desember TERIMA KASIH


Download ppt "Identifikasi Lokasi Pemusatan Kegiatan Sosial Ekonomi (Pemanfaatan Data Podes 2008) Uzair Suhaimi Direktur Statistik."

Presentasi serupa


Iklan oleh Google