Professional Documents
Culture Documents
TERAPAN
Projo Danoedoro
Jurusan Sains Informasi Geografis dan
Pengembangan Wilayah
POKOK-POKOK MATERI
Kuliah ini tidak membahas tentang dasardasar teori statistik, melainkan penerapan
beberapa prinsip statistik dalam analisis
geografis, khususnya dalam kaitannya
dengan penggunaan peta (SIG dan PJ)
Bersifat komplementer dengan Mata
Kuliah Statistik dan Metode Penelitian
SIGPW
50
121
Beberapa catatan
Prinsip yang sama dapat diterapkan untuk
mengevaluasi peta. Bukan hanya citra
Untuk citra dan analisis digital, satuan
perhitungan diberikan dalam piksel, sedangkan
dalam analisis akurasi peta dengan SIG berbasis
vektor, satuan ini bisa dalam satuan luas
Untuk hasil interpretasi visual (misalnya foto
udara) satuan yang biasa digunakan ialah jumlah
satuan pemetaan tetapi metode ini
sebenarnya mensyaratkan perlu-tidaknya
penggabungan klas
Histogram citra
Suatu citra yang tersusun atas sejumlah kolom
dan baris piksel akan mempunyai distribusi
frekuensi (kemunculan) nilai piksel, yang dapat
disajikan dalam bentuk tabel maupun histogram
Evaluasi atas citra dan upaya perbaikan
kenampakannya --dalam hal tertentu-- dapat
dilakukan tanpa melihat citranya, melainkan
hanya dengan menganalisis histogramnya.
Kemencengan:
(skewness)
Kurtosis:
Tendensi
sentral dan
kemencengan
(skewness)
Kovariansi
Interval/rasio
Ordinal
Kendalls tau ()
Ordinal
Biserial (rb)
Nominal
Nominal
Pustaka
Shaw dan Wheeler (Wheeler). 1989
(1995). Statistical Techniques in
Geographical Analysis. NY: John Wiley
and Sons
Watford, N. 1996. Geographical Data
Analysis. NY: John Wiley and Sons
rs = 1 (6D2)/N(N2-1)
rs = 1- (6 x 5.5)/(50x(502-1)
= +0.9997
Koefisien Phi ()
Digunakan untuk data tabel silang
Hanya berlaku untuk dua variabel yang
masing-masing bersifat dikotomis,
disajikan dalam bentuk tabel kontingensi
Rumus:
=
AD BC
[(A+B)(B+C)(A+C)(B+D)]
Atribut
b
Ada/setuju/ya,
dsb.
Tidak ada/
menolak/tidak,
dsb
AD BC
[(A+B)(B+C)(A+C)(B+D)]
Erosi
Ada
Lereng
Tidak ada
Curam
11
13
Tidak
curam
25
12
38
24
26
50
AD BC
= (11x25) (13 x 1)
[(A+B)(B+C)(A+C)(B+D)] (24 x 14 x 12 x 38)
= + 0,4912
480000
490000
500000
510000
Skala 1:180.000
520000 mT
8 Km
N
W
9170000 mU
9170000 mU
KAB. SRAGEN
Kec. Gondangrejo
Kec. Kebakkramat
Legenda
Kec. Jenawi
Kec. Kerjo
Kec. Jaten
Batas Kecamatan
Batas Kabupaten
Kec. Karanganyar
9160000
9160000
E
S
Kec. Ngargoyoso
Kec. Karangpandan
Batas Propinsi
Sungai
Waduk
KAB. SUKOHARJO
Kec. M ates ih
Kec. T aw angm angu
Laut Jawa
Kec. Jumapolo
Kec. Jatiyoso
Kec.Jatipuro
Prop. DIY
9140000 mU
9140000 mU
9150000
9150000
Kec. Jumantono
Samudera Hindia
470000 mT
480000
490000
500000
510000
520000 mT
Analisis Regresi
Mengukur kekuatan hubungan dengan
analisis korelasi
Menerapan bentuk persamaan regresi
yang sesuai
Regresi linier berganda
Beberapa catatan
Menganalisis hubungan:
Beyond statistical consideration
Menilai kekuatan hubungan tidak hanya
bergantung pada observasi atas 2 variabel
(x dan y) saja Perlu memperhatikan
adanya pengaruh variabel lain
Dengan mencoba memecah data ke
dalam 2 kategori, pengamatan
mengenai ada-tidaknya hubungan bisa
dikaji lebih mendalam dan akurat
pendapatan keluarga
R =0,01
R =0,75
pendapatan keluarga
pendapatan keluarga
ukuran rumah
R = -0,15
ukuran rumah
ukuran rumah
Y = variabel terikat
X = variabel bebas
a = intercept pada sumbu Y, yaitu nilai Y ketika X = 0
b = koefisien gradien/slope
e = error
a=
(Y)(X2) (X)(XY)
N X2 - (X)2
b=
N XY - (X)(Y)
N X2 - (X)2
Jumlah
penduduk
(X)
Wilayah A
9.204
84.713.616
95
9.025
874.380
Wilayah B
5.629
31.685.640
94
8.836
529.126
Wilayah C
17.883
.
.
319.801.664
.
.
271
.
.
73.441
.
.
4.846.293
.
.
Wilayah O
14.830
219.928896
233
54.289
3.455.390
125.442
1.453.923.072
2.127
412.911
22.648.580
wil
Jumlah
X2
Jumlah
toko
(Y)
Y2
XY
b=
Y = 41,4 + 0,0120X
= 0,0120
Modifiable
Areal Unit
Problem
(MAUP):
Scale Effect
Modifiable
Areal Unit
Problem
(MAUP):
Zoning Effect
Bentuk umum:
Logaritmik sederhana : Y = a + b.logX
Eksponensial sederhana : Y = a.ebX
Pangkat sederhana: Y = a.Xb
Bentuk umum:
Y = a + b1X1 + b2X2 + b3X3 + + biXi + e
a = nilai intercept
b1 s/d bi = koefisien regresi parsial
e = error
Y = a + b01.2 X1 + b02.1 X2 + e
di mana b01.2 adalah koefisien regresi yang mewakili garis
regresi Y vs X1, dengan asumsi X2 tetap (konstan). Begitu
sebaliknya untuk b02.1.
Bila persamaan di atas hanya digambarkan dengan b1 dan b2,
maka perhitungan b1 dan b2 adalah sbb:
b1 = (Y Y)(X1 X1)(X X1) (X2-X2)2
ANALISIS FAKTOR
Analisis faktor diperlukan ketika dalam suatu
penelitian ada sejumlah besar variabel yang
terlibat; khususnya ketika dalam mengamati
variabel-variabel yang berpengaruh terhadap
suatu fenomena Y, terdapat sejumlah besar Xi
yang harus diperhitungkan kontribusinya
Dalam analisis faktor, diasumsikan bahwa
sejumlah besar variabel Xi tersebut belum tentu
saling independen
ANALISIS FAKTOR
Analisis faktor juga diperlukan karena:
Ada kebutuhan untuk mempelajari hubungan timbal-balik
antar sejumlah besar variabel
Untuk menilai masing-maisng faktor menurut keterkaitan
variabel yang ada di dalam kelompoknya
untuk digunakan sebagai dasar dalam menyisihkan
variabel yang tidak nyata
Tipe pilihan
Terminologi
Matriks korelasi
(a) antar-variabel
R-factoring
Q-factoring
Principle Component
Factor analysis
Ortogonal
(b) Correlated
(berkorelasi)
Condong
Sumbu utama
pertama
Sumbu utama
kedua
Elevasi
Drainase
permukaan
Lereng
1,0
0,6
0,7
Elevasi
0,6
1,0
0,8
Drainase permukaan
0,7
0,8
1,0
Jumlah korelasi=
2,3
2,4
2,5
Bobot faktor
(factor loadings)=
Variabel
Bobot faktor
(factor loading)
Kuadrat bobot
Lereng
2,3/(2,3+2,4+2,5) =
0,85
0,72
Elevasi
2,4/(7,2) =
0,89
0,79
Drainase permukaan
2,5/ (7,2) =
0,93
0,86
2,37
Sumbu utama
pertama
Sumbu utama
kedua
Total variansi:
% faktor
Nilai eigen
GEOSTATISTIK
Concern utama: variabel acak yang terdistribusi
dalam ruang, yang disebut sebagai
teregionalisasi (regionalized)
Geostatistik dapat digunakan untuk melakukan
ekstraksi sifat-sifat spasial dari variabel-variabel
yang teregionalisasi
Manfaat
interpolasi
klasifikasi
Analisis geostatistik
Pioner: Krige (1951), di Afrika Selatan
tambang emas
Matheron dan Ghandin (1971) di Uni
Soviet karakteristik tanah
Konsep fundamental :
PRINSIP AUTOKORELASI SPASIAL
Kriging
Kriging menggunakan bobot berdasarkan
perhitungan statistik data, dan bukan
bersifat a-priori (seperti pada scoring)
menjadi pembeda kunci antara analisis
deterministik (tradisional) dan analisis
geostatistik
Proses Kriging:
Kuantifikasi struktur spasial dari titik-titik data
di sekitar titik yang akan diprediksi
Menghasilkan prediksi pada suatu lokasi baru
Variografi, semivariogram
Variografi proses di mana model spasial
terplotkan secara tepat pada data, dan struktur
spasialnya terkuantifikasi
Semivariogram digunakan untuk mengkaitkan
semivariansi dengan separasi spasial/
autokorelasi yang ada pada sampel
Semivariansi memberikan deskripsi tak bias
mengenai skala dan pola variabilitas spasial di
seluruh wilayah kajian
PENGAMBILAN SAMPEL