STATISTIK SPASIAL

A.    PENGERTIAN STATISTIK SPASIAL

Statistik Spasial adalah segala teknik analisis untuk mengukur distribusi suatu kejadian berdasarkan keruangan (Scott & Warmerdam, 2006). Keruangan yang dimaksud disini adalah variabel yang ada di permukaan bumi seperti kondisi topografi, vegetasi, perairan, dll. Berbeda dengan statistik non-spasial yang tidak memasukkan unsur keruangan dalam analisisnya.  

Dalam pengukuran distribusi suatu kejadian berdasarkan keruangan dibedakan berdasarkan dua kategori yaitu (Scott & Warmerdam, 2006):

·         Identifikasi karakteristik dari suatu distribusi

·         Kuantifikasi pola geografi dari suatu distribusi.

Pola distribusi spasial secara umum terbagi menjadi tiga (Briggs, 2007):

·         Mengelompok (Clustered) yaitu beberapa 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.

B.     PENGGUNAAN STATISTIK SPASIAL 

Dari sudut pandang geografi suatu penyakit cenderung dibatasi secara geografis. Variasi spasial terbangun dari variasi fisik atau biologis yang mendukung pathogen, reservoir dan vector. Jika kondisi biotik dan abiotik ini dapat di delineasi pada peta dan keduanya dapat dipadukan secara bersamaan, maka dapat digunakan untuk mengetahui penyebab faktor resiko suatu penyakit dan memprediksi penyebarannya di masa yang akan datang (Pavlovsky, 1930). Sebagaimana First Law of Geography (Waldo R.Tobler, 1970) yang menyatakan bahwa "Everything is related to everything else, but near things are more related to each other” atau dapat diterjemahkan sebagai “segala sesuatu terkait satu sama lain, tetapi sesuatu yang berdekatan mempunyai keterkaitan yang lebih”. Sehingga dapat dijelaskan bahwa kejadian suatu penyakit terkait dengan kedekatannya terhadap kondisi geografis tertentu dari suatu wilayah misalnya keterkaitan penyakit dengan sungai, danau, kondisi vegetasi, perumahan, dll.

Apa yang terlihat secara visual pada peta tidak dapat dengan mudah dijelaskan secara kualitatif seperti bagaimana pola distribusinya? Apa yang mempengaruhi distribusi tersebut? Bagaimana trend distribusi tersebut dimasa datang?

Statistik Spasial dapat menggambarkan hal tersebut secara kuantitatif. Spasial statistik membantu kita dalam menilai pola, hubungan dan trend dari suatu distribusi. Kelebihan lain dari statistik spasial menurut Scott & Warmerdam (2006), yaitu :

     a)      Diperolehnya pemahaman yang lebih baik mengenai fenomena goegrafis dari suatu kejadian;

     b)      Diketahuinya dengan tepat penyebab suatu kejadian berdasarkan pola geografis yang spesifik;

     c)      Disimpulkannya distribusi kejadian berdasarkan satuan data;

     d)     Diperolehnya keputusan yang lebih baik dengan tingkat kepercayaan yang lebih tinggi.

C.    KEGUNAAN DAN METODE SPASIAL STATISTIK

Scott (2008) mengatakan analisis statistik spasial memiliki tiga kegunaan, yaitu:

1)      A measure of what’s going on spatially (Pengukuran terhadap suatu distribusi secara keruangan)

2)      Identifying characteristics of a distribution (Identifikasi karakteristik dari suatu distribusi)

3)      Quantifying geographic pattern (Kuantifikasi pola geografis).

Hubungan spasial antara dua distribusi dapat digambarkan secara kuantitatif dengan penghitungan kedekatan jarak antar dua sebaran dengan beberapa metode sebagai berikut:

-Quadrant Count method

-Kernel Density Estimation (Clustering)

-Nearest neighbor distance

D.    TERDIRI DARI APA SAJA ANALISIS STATISTIK SPASIAL? 

Analisis statistik spasial berdasarkan tingkatannya dapat dibedakan menjadi tiga yaitu:

1.      General Spatial Statistics Analysis (Analisis Statistik Spasial Umum)

2.      Intermediate Spatial Statistics Analysis (Analisis Statistik Spasial Menengah)

3.      Expert Spatial Statistics Analysis (Analisis Statistik Spasial Ahli)

E.     ANALISIS STATISTIK SPASIAL UMUM

Analisis Statistik Spasial Umum, sebagaimana halnya statistik non-spasial, memiliki fungsi deskripsi dasar seperti rerata (mean), median, mode dan standar deviasi untuk mendeskripsikan distribusi sebaran di permukaan bumi.

Fungsi Analisis Statistik Spasial Umum antara lain:

-          Density Estimation atau yang lebih tepat diistilahkan sebagai estimasi probability surface yaitu Estimasi Kerapatan pada tipologi titik, dengan menggunakan metode kernel. Setiap kernel mengestimasi tiap titik dalam sebuah grid yang ditumpangsusunkan pada pola persebaran titik

-          Hot Spot Detection Analisis, metode yang digunakan adalah quadrant count, untuk mempresentasikan sebuah pengelompokan dengan membandingkan jumlah kejadian (ponit) dengan sebuah wilayah secara acak. Point dianalisis dengan dibagi menjadi beberapa kelompok sesuai hirarki kepadatannya dengan menggunakan lebih dari sebuah lingkaran elips. Sebagai contoh berikut ini hot spot kasus TB di Kabupaten bantul

-          Uji independensi atau Spatial autocorrelation, 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).

F.     Analisis Statistik Spasial Menengah 

Salah satu fungsi Analisis Statistik Spasial Menengah yaitu Spatial relationship yang digunakan untuk mencari hubungan dua distribusi secara kuantitatif. Caranya dengan menguji kesamaan (similarity) antara dua sebaran. Jika dua distribusi menunjukkan persamaan pola, dapat diduga bahwa dua distribusi tersebut saling berhubungan, baik secara langsung atau tidak.

Adanya kesamaan diantara dua distribusi dapat mengindikasikan:

          1)      Sebuah distribusi menjadi penyebab distibusi lainnya;

          2)      Kedua distribusi memiliki penyebab yang sama

G.    Analisis Statistik Spasial Ahli 

Yaitu Statistik Spasial untuk Aplikasi Pemodelan Spasial:

·         Pada pemodelan spasial Indeks : berfungsi sebagai tools penentu batas kelas sebuah dan besar bobot pada sebuah parameter yang akan digunakan dalam model Indeks

·         Pada pemodelan Regresi spasial : berfungsi sebagai alat proses pemodelan berdasarkan hubungan input dan output, seperti : Y = a+bx 

·         Keuntungan model regresi adalah memiliki kemampuan prediksi secara langsung (dien)