STATI STA TIST STIK IKA A SPAS SPASIA IAL L (SPATIAL STATISTICS) SS09 2216 3 SKS
Sutikno - Jurusan Statistika FMIPA ITS tikno@yahoo.com sutikno@statistika.its.ac.id
TUJUAN
Mengerti dan memahami konsep dasar data spasial, struktur data spasial, eksplorasi data spasial, prediksi dan interpolasi (geostatistika), spatial pattern dan autokorelasi spasial, pemodelan regresi spasial dan pemodelan spatio-temporal , serta kasus yang berkaitan dengan analisis data spasial
MATER MA TERII POKOK (SAP SAP))
Pengertian statistika spasial, Struktur data spasial (titik, area ( lattices), lattices), dan spasial), isotropy dan isotropy dan anisotropy , stasioner dan non stasioner, Eksplorasi data spasial, Prediksi dan interpolasi (geostatistic: ( geostatistic: ordinary kriging, cokriging; variogram, semivariogram ), Spatial pattern dan autokorelasi spasial, Pemodelan regresi spasial dengan basis area dan titik (SAR, SEM, SARMA, SDM, GWR, GWPR, GWLR), Pemodelan spatio-temporal (STAR, GSTAR), Kasus-kasus yang berkaitan dengan analisis spasial (sosial, ekonomi, kesehatan, dan lingkungan)
PUSTAKA (1)
Noel Cressie.1993. Statistic s for Spatial Data.Wiley & Sons. Wackernagel H.1995. Multivariate Geostatistics. An Introduction with Applications. Springer-Verlag. Sandra LA.1996. Practical handbook of Spatial Statistics.CRC Press.Inc.USA. Isaaks EH, Srivastava RH. 1989. Applied Geostatistics. Oxford University Press. Roger et al. 2008. Applied Spatial Data Analysis with R . SpringerVerlag Anselin, L. 1988. S p a t i al Ec o n o m e t r ic s : M et h o d s a n d M o d e l s . K l u w e r Academic Publishers, Dordrecht. Arbia, G. 2006. Spatial Econometrics: Statistical Foundations and pplications to Regional Convergence.Springer, Berlin Arbia G and Baltagi BH.2009. Spatial Econometrics. Method and
PUSTAKA (2)
Gaetan C and Guyon X. 2010. Spatial Statistics and Modelling . Springer Anselin L, Rey SJ. 2010. Perspective on Spatial Data Analysis. Springer Ficher MM and Getis A. 2010. Handbook of Applied Spatial Analysis Software Tools, Methods and Applications. Springer-Verlag Berlin Heidelberg. Fotheringham, A.S., Brundson, C., dan Charlton, M. 2002. G eo g r a p h i c a l l y W ei g h t e d R e g r e s s i o n : t h e a n a l y s i s o f s p a t i al l y v a r y i n g r e la t io n s h i p s . John Wiley & Sons Ltd, England.
Software
ArcviewGIS
G e o D A , Geographic Data Analysis by Luc Anselin Currently (Sp ’05) Beta version (0.9.5i_6) available free Download from: http://www.csiss.org/
S-Plus statistical package has spatial statistics extension
Spatial Statistics Tools now available with ArcGIS 9 for point and polygon analysis GeoStatistical Analyst Tools provide interpolation for surfaces
www.insightful.com
R freeware version of S-Plus. Center for Spatially Integrated Social Science (at U of Illinois) acts as clearinghouse for software of this type. Go to: http://www.csiss.org/ Matlab
EVALUASI
ETS
EAS
TUGAS
REVIEW JURNAL
Pratikum: Software: Arcview, R, Matlab, dan Geoda
Analisis data spasial??
Apakah Statistika spasial? Metode statistik yang digunakan untuk menganalisis data spasial.
Lingkungan
Statistika
Kesehatan
Geografi
Meteorologi Klimatologi Sosial
Statistika Spasial
Ekonomi Geologi
Apakah Data Spasial? Data yang memuat informasi “lokasi”, jadi tidak hanya “apa” yang diukur
PENDAHULUAN Data spasial ???
Data yang berkaitan dengan lokasi: (lokasi geografi: lintang-bujur, wilayah) atau waktu yang berbeda. Analisis data tidak bisa dilakukan secara global, artinya setiap lokasi mempunyai karakteristik sendiri.
Ilmu yang berkembang Geostatistics Spatial Statistic Sebagian besar pendekatan analisisnya merupakan eksplorasi data yang disajikan dalam bentuk peta tematik.
PENDAHULUAN
Hukum pertama tentang geografi dikemukakan oleh W Tobler dalam Anselin (1989) yang berbunyi:“Everything is related to everything else, but near thing are more related than distant things”. Segala sesuatu saling berhubungan satu dengan yang lainnya, tetapi sesuatu yang dekat lebih mempunyai pengaruh daripada sesuatu yang jauh. Hukum itulah yang menjadi pilar tentang kajian sains regional. Adanya efek spasial merupakan hal yang lazim terjadi antara satu region dengan region yang lain. Pada data spasial, seringkali pengamatan di suatu lokasi bergantung pada pengamatan di lokasi lain yang berdekatan (neighboring).
Konsep Analisis Data Spasial
Spatial Dependence Hukum I Tobler : Everything is related to everything else, but near thing are more related than distant things. Segala sesuatu saling berhubungan satu dengan yang lainnya, tetapi sesuatu yang dekat lebih mempunyai pengaruh daripada sesuatu yang jauh.
Spatial Heterogeneity Antar lokasi mempunyai struktur yang berbeda parameter yang berbeda dan bentuk fungsinya untuk setiap lokasi
Penerapan analisis data spasial
Sosial-Ekonomi
Analisis kriminal
Archaeology and Anthropology
Ekonometrika
Perencanaan wilayah
Ilmu Alam
Epidemiology: penyebaran penyakit
Natural Resources: Geologi (penambangan minyak bumi)
Perubahan iklim dan kajian lingkungan
Meteorologi, Klimatologi dan Geofisika
Beberapa Hasil Riset…..
Pembuatan Zona Musim Analisis Angka Kematian Bayi di Jawa Timur dengan Pendekatan Model Regresi Spasial
Prediksi Curah hujan dengan Pendekatan GSTAR
Peringatan dini DBD
Pemodelan Gizi Buruk di Kab. Ngawi
Pemodelan Buta Huruf di Jatim
Interpolasi Polatan CO di Kota Surabaya
Pembuatan ZONA MUSIM………
(A)
(B)
(C)
Metode Ward
Metode Complete
Metode Average
PETA KONTOUR CURAH HUJAN
(a) PC1: 43.7%
(b) PC2: 23.7%
(c) PC3: 16.9%
(d) PC4: 11%
ZOM BMG DAN ZOM REVISI 7 zona
ZOM REVISI
ZOM BMKG 10 zona
SIMPANGAN BAKU DALAM KELOMPOK (SW) DAN ANTAR KELOMPOK (SB)
SB ZPI revisi > ZOM BMKG
2,5
ZPI BMG 2
Sw ZOM revisi > ZOM BMKG
ZPI Revisi
1,5
1
0,5
0
Sw ZOM revisi < ZOM BMKG
PC1
PC2
PC3 Sw
PC4
PC1
PC2
PC3
PC4
SB
Keragaman antar kelompok ZOM revisi > dari ZOM BMG Keragaman dalam kelompok hampir sama
Analisis Angka Kematian Bayi di Jawa Timur dengan Pendekatan Model Regresi Spasial (Deddy Winarno, 2009)
Analisis Angka Kematian Bayi di Jawa Timur dengan Pendekatan Model Regresi Spasial
Analisis Angka Kematian Bayi di Jawa Timur dengan Pendekatan Model Regresi Spasial
Analisis Angka Kematian Bayi di Jawa Timur dengan Pendekatan Model Regresi Spasial
Analisis Angka Kematian Bayi di Jawa Timur dengan Pendekatan Model Regresi Spasial
Pemodelan Curah Hujan dengan GSTAR
Pemodelan Curah Hujan dengan GSTAR
Spatial pattern DBD di Surabaya
Moran’s scatterplot penderita DBD pada bulan Maret Tahun 2006 Maret 1.5 16 17
1.0
20
24
23 25
0.5
27
d t s Z W 0.0
5
30 13
6
3
22
12
11 10
1
7 29
4
21
14 26
15
-0.5
19
8
9 2 18
31
-1.0
28
-1
0
1 Zstd
2
3
Spatial pattern DBD di Surabaya
Spatial pattern DBD di Surabaya
Tegalsari
Simokerto
Jan/2009
Jan/2009 60
60
Variable
Variable Asli
Asli Seragam
50
Seragam
50
Jarak
Jarak
Korelasi
Korelasi
40
a t a D
40
30
a t a D
20 10
30 20 10
0
0
-10 Month
-10 Jan
Jan
Jan
Jan
Jan
Jan
Jan
Jan
Jan
Year 2001 2002 2003 2004 2005 2006 2007 2008 2009
Month
Jan
Jan
Jan
Jan
Jan
Jan
Jan
Jan
Jan
Year 2001 2002 2003 2004 2005 2006 2007 2008 2009
Pemodelan Gizi Buruk di Kab.Ngawi (Ayunin, 2010) .
Estimasi Parameter Variabel
Intercept X1 X2 X3 X4 X5 X6 R 2 SSE
y X1 X2 X3 X4 X5 X6
Kejadian gizi buruk Rasio jumlah sarana kesehatan dengan jumlah balita Bayi mendapat ASI ekslusif Balita mendapat vitamin A Akses air bersih Bayi berat badan lahir rendah (BBLR) Rumah tangga (RT) miskin
Nilai Min
-0,13740 -0,97950 -0,89690 -0,62290 -0,98430 -0,14790 -0,11970 96,79% 0,5784
Max
0,48110 -0,05761 0,76520 -0,15490 0,81470 0,54880 1,38800
Median
0,14950 -0,36230 0,10410 -0,39740 -0,28080 0,39930 0,40020
.
Pemodelan Angka Buta huruf (Bertoto, 2010) Persebaran Angka Buta Huruf di Jatim 2009
Persebaran APM 13-15
Persebaran Rasio Penduduk Miskin
Interpolasi Polutan COdengan Cokriging (Putri, 2013) .
CO 14.6 14.1 13.6 13.1 12.6 12.1 11.6 11.1 10.6 10.1 9.6 9.1 8.6 8.1 7.6
Interpolasi Polutan CO dengan Cokriging (Putri, 2013) .
695807.
CO
x
g n i t s692650. a E
x
14.6 14.1
x x
13.6 13.1 12.6 12.1 11.1 10.6 10.1
x 689493. 9186480.
x
x
xx
11.6
9.6
x 9191160.
9195840. Northing
9.1 8.6
9200520.
8.1 7.6
Interpolasi Polutan NO 2 dengan Cokriging (Putri, 2013) .
NO2 0.0400 0.0372 0.0343 0.0315 0.0287 0.0258 0.0230 0.0202 0.0173 0.0145 0.0116 0.0088 0.0060 0.0031 0.0003
