Praktisi harus tampil rapi dan bersih, lengkap dengan kemeja berkerah, sepatu tertutup, dan memakai atau menggunakan aksesoris yang sesuai.
PENGENALAN ARCVIEW GIS 3.3
Pengertian
File Proyek ArcView (*.apr) berisi serangkaian perintah yang menjelaskan bagaimana data ArcView harus ditampilkan dan bagaimana data tersebut harus ditampilkan. Istilah Aktif, Terlihat, dan Terpilih adalah tiga istilah dalam ArcView yang terkadang membingungkan pengguna. Untuk mengaktifkan suatu topik, cukup pilih (klik) nama topik di daftar isi.
Suatu tema bisa terlihat (visible) dan tidak terlihat (invisible), untuk membuat tema terlihat cukup memberi tanda centang pada kotak kecil di samping nama tema yang akan ditampilkan. Shapefile adalah format data yang menyimpan lokasi geometris dan informasi fitur fitur geografis. Tombol dan alat di ArcView berbeda untuk setiap komponen proyek ArcView (tampilan, tabel, bagan, tata letak, dan skrip).
Berikut gambaran tombol dan toolbar pada masing-masing bagian Proyek ArcView (Esri, 2004).
Pengenalan Program
- Memulai Aplikasi
- Menambahkan Data
- Menambahkan Label dan Degradasi Warna
- Memotong Peta
- Menampilkan Data dengan Kompas
Jika kita memilih salah satu menu atau tombol maka ArcView akan langsung merespon perintah kita, namun jika kita memilih salah satu tools maka kursor kita akan berubah fungsinya dan ArcView akan merespon perintah kita secara interaktif. Kemudian akan muncul jendela berikut sorot file .shp maka akan memuat lebih banyak file .shp peta siap diedit. Klik menu Edit Tambah Bidang ubah nama field sesuai dengan nama, jenis, panjang data dan data desimal yang dibutuhkanOK.
Pilih kolom Klasifikasi klik Klasifikasi untuk memilih pengelompokan (sesuai keinginan, penurunan pangkat akan dilakukan sesuai pilihan kita) OK Terapkan.
Latihan Soal
INDEKS MORAN DAN LISA
- Materi
- Indeks Moran
- Local Indicator of Spatial Autocorrelation (LISA)
- Contoh Kasus
- Pembahasan
- Indeks Moran
- Local Indicator of Spatial Autocorrelation (LISA)
- Latihan Soal
Pengujian autokorelasi spasial lokal biasa disebut LISA (Local Indicators of Spatial Association) dengan ukuran Moran Ii. Tujuan dari analisis autokorelasi spasial global adalah untuk merangkum kekuatan ketergantungan spasial dengan statistik, informasi rinci mengenai pengelompokan spasial dapat diperoleh dari Indikator Lokal Konektivitas Spasial (LISA). Statistik lokal Moran digunakan untuk dua tujuan, yaitu untuk menemukan indikator cluster spasial lokal dan untuk mendiagnosis penyimpangan pola spasial global.
Berdasarkan tabel diatas terlihat bahwa seluruh lokasi Kabupaten/Kota di Provinsi Papua Barat tidak terdapat autokorelasi spasial, hal ini menunjukkan tidak adanya hubungan antara lokasi i dengan lokasi yang berdekatan. Analisis data untuk melihat apakah terdapat autokorelasi antar kecamatan di Kota Samarinda dengan menggunakan indeks Moran dan mengetahui lokasi mana yang berkorelasi dengan lokasi lainnya menggunakan LISA.
KRIGING
- Materi
- Contoh Kasus
- Pembahasan
- Latihan Soal
Metode kriging terbagi menjadi beberapa jenis, antara lain kriging sederhana, kriging biasa, kriging tren, kriging kokoh, dan kriging regresi. Salah satu metode kriging yang akan kita bahas adalah plain kriging, plain kriging merupakan metode kriging yang paling sederhana dalam ilmu geostatistik. Metode ini mengasumsikan bahwa mean populasi tidak diketahui namun konstan (stasioner).
Data spasial yang digunakan pada metode kriging biasa tidak boleh mengandung outlier, sedangkan metode kriging strong merupakan pengembangan dari metode kriging biasa dimana data yang digunakan mengandung outlier. Salah satu tujuan metode kriging adalah menghasilkan estimator yang merupakan estimator linier tak bias (BLU) terbaik. Demikian pula, kriging biasa menghasilkan penduga linier yang tidak bias dan meminimalkan varian penduga.
Kriging dataran merupakan salah satu metode yang terdapat pada metode kriging yang banyak digunakan dalam ilmu geostatistik. Dalam kriging konvensional, pendugaan nilai suatu variabel pada suatu titik tertentu dilakukan dengan mengamati data serupa di daerah lain. Untuk memperkirakan nilai pada suatu titik dengan menggunakan kriging biasa, dibuat suatu model yaitu fungsi acak stasioner yang terdiri dari beberapa peubah acak V x V x V x V xn.
Misalnya, jika nilai yang akan diestimasi adalah V x( )0, dan masing-masing variabel acak tersebut mempunyai distribusi probabilitas yang sama di semua lokasi dan nilai yang diharapkan dari variabel acak tersebut adalah E V( ), maka estimasinya adalah sebagai berikut. Dalam proses estimasi data spasial, semivariogram teoritis hasil analisis struktur dengan nilai mean square error (MSE) terkecil akan digunakan untuk menentukan bobot lokasi sampel untuk lokasi yang akan diestimasi. Berdasarkan Tabel 3.2 diketahui mean data sebesar 74.4444 dan mempunyai variance sebesar 3.527778, nilai terkecil atau minimum data sebesar 72 dan nilai terbesar atau maksimum sebesar 78.
Berdasarkan Gambar 3.1 terlihat bahwa data ketebalan batubara pada setiap titik lokasi tidak mempunyai trend tertentu, sehingga dapat dikatakan data ketebalan batubara tersebut stasioner. Nilai MSE terkecil terdapat pada model spherical, sehingga model semivariogram teoritis terbaik adalah model spherical.
REGRESI LINIER BERGANDA
Contoh Kasus
Dilakukan penelitian untuk mengetahui faktor-faktor yang mempengaruhi besaran IPM di kabupaten/kota Kalimantan Timur. Faktor-faktor yang diteliti meliputi angka partisipasi sekolah (X1), persentase penduduk yang tamat sekolah menengah pertama (X2), jumlah fasilitas kesehatan (X3), kepadatan penduduk (X4), persentase penduduk miskin (X5), dan tingkat pengangguran terbuka. (X6).
Pembahasan
Berdasarkan Tabel 4.5 nilai koefisien determinasi sebesar 0,5665 yang menunjukkan bahwa 56,65% variasi IPM kabupaten/kota Kalimantan Timur dipengaruhi oleh Angka Partisipasi Sekolah (SMP), persentase penduduk tamat SMP, jumlah fasilitas kesehatan, kepadatan penduduk, persentase penduduk miskin. , dan pengangguran terbuka, sedangkan sisanya sebesar 43,35% dipengaruhi oleh faktor lain yang belum diteliti. Berdasarkan subtes diketahui bahwa variabel bebas yang mempengaruhi variabel terikat adalah konstanta, variabel X1 dan X5. Berdasarkan model regresi terlihat konstanta sebesar 22,5289 menunjukkan bahwa jika tidak ada angka partisipasi sekolah (SMP) dan persentase penduduk miskin maka IPM kabupaten/kota Kalimantan Timur adalah sebesar 22,5289.
Koefisien regresi Angka Partisipasi Sekolah (SMP) sebesar 0,5775 menunjukkan bahwa setiap penambahan satuan Angka Partisipasi Sekolah (SMP) akan meningkatkan IPM sebesar 0,5775 satuan. Koefisien regresi persentase penduduk miskin sebesar -1,1423 yang berarti setiap penambahan 1% penduduk miskin maka IPM akan mengalami penurunan sebesar 1,1423 satuan.
Latihan Soal
GEOGRAPHICALLY WEIGHTED REGRESSION
Materi
- Spatial Dependence
- Spatial Heterogenity
- Model Geographically Weighted Regression (GWR)
- Penaksiran Parameter Geographically Weighted Regression
- Pengujian Simultan Model GWR
- Pengujian Signifikansi Parameter Model GWR
- Pembobot Model GWR
- Penentuan Bandwidth Optimum
Ketergantungan spasial dapat diartikan sebagai adanya hubungan fungsional antara apa yang terjadi pada suatu lokasi pengamatan dengan apa yang terjadi pada lokasi pengamatan lainnya. Model GWR akan menghasilkan estimasi parameter lokal, dimana setiap daerah penelitian akan mempunyai nilai parameter yang berbeda-beda. Pada model GWR, variabel terikat (y) diprediksi oleh variabel bebas (x) yang koefisien regresinya masing-masing bergantung pada lokasi pengamatan data.
Salah satu metode untuk memperkirakan parameter persamaan model GWR (5.2) adalah metode kuadrat terkecil tertimbang atau metode WLS. Pengujian simultan atau goodness of fit dilakukan untuk mengetahui apakah terdapat perbedaan antara model regresi linier dengan model GWR. Dengan pengujian simultan dapat diketahui apakah model GWR lebih baik digunakan dibandingkan regresi linier, sehingga dapat dirumuskan hipotesis sebagai berikut :.
S merupakan matriks proyeksi model GWR, yaitu matriks yang memproyeksikan nilai y ke yˆ pada lokasi (u , v )i i. 5.13) adalah matriks nxn dan I adalah matriks identitas berorde n. Pengujian parameter model GWR dilakukan untuk mengetahui parameter mana yang berpengaruh signifikan terhadap variabel independen dengan hipotesis sebagai berikut. Fungsi dari pembobotan adalah untuk memberikan hasil estimasi parameter yang berbeda pada tempat yang berbeda.
Fungsi kernel tricube akan memberikan bobot nol ketika lokasi j berada di dalam atau di luar radius q dari lokasi i, sedangkan jika lokasi j berada dalam radius q maka akan mendapat bobot yang mengikuti fungsi tricube. Beberapa dengan fungsi kernel tetap, fungsi kernel adaptif memiliki bandwidth yang berbeda-beda di setiap lokasi pengamatan. Secara teoritis bandwidth merupakan lingkaran berjari-jari q dari pusat lokasi yang dijadikan dasar penentuan bobot setiap observasi pada model regresi di lokasi tersebut.
Untuk pengamatan yang dekat dengan lokasi i akan lebih berpengaruh terhadap pembentukan parameter model di lokasi i. Oleh karena itu, observasi yang terletak dalam radius q masih diasumsikan mempengaruhi model di lokasi tersebut. Oleh karena itu, mereka diberi bobot yang bergantung pada fungsi yang digunakan.
Contoh Kasus
Pembahasan
Berdasarkan sintaks di atas, nilai JKE GWR sebesar 191.5147 dengan nilai df (degree of freedom) atau derajat kebebasan kedua sebesar 14. Berikut sintaks lanjutan untuk mencari nilai model fit, pengujian simultan, dan pengujian parsial. Pengujian parameter model digunakan untuk memperjelas apakah model GWR berbeda dengan model regresi linier (model global) atau tidak.
Nilai GCV GWR yang lebih kecil dibandingkan dengan Global GCV menunjukkan bahwa model GWR layak digunakan. Model GWR sama dengan model regresi 2. Sedangkan variabel independen mempunyai pengaruh terhadap variabel dependen). Uji parsial digunakan untuk mengetahui pengaruh masing-masing variabel independen terhadap variabel dependen.
Variabel bebas dalam hal ini adalah peningkatan partisipasi sekolah pada jenjang sekolah menengah, persentase penduduk tamat sekolah menengah, jumlah fasilitas kesehatan, kepadatan penduduk, persentase penduduk miskin dan penduduk terbuka. tingkat pengangguran relatif terhadap IPM pada kabupaten/kota di Pulau Kalimantan. Tolak H0 jika p-value < tingkat signifikansi (0,05) atau T-value > T(α,df) menunjukkan bahwa variabel independen mempunyai pengaruh terhadap variabel dependen. Di bawah ini adalah sebagian kuis untuk setiap lokasi kabupaten/kota di Pulau Kalimantan yang ditampilkan dengan menggunakan tanda.
Apabila terdapat tanda () pada sel variabel maka menunjukkan bahwa variabel independen berpengaruh signifikan terhadap variabel respon kabupaten/kota dengan derajat kebebasan sebesar 2,571 dan nilai T terlihat pada lampiran (materi 5 ). . Berdasarkan hasil pemaparan subtest di atas terlihat bahwa setiap kabupaten/kota mempunyai faktor yang berbeda-beda dalam hal mempengaruhi Indeks Pembangunan Manusia di kota tersebut. Berikut bentuk model GWR pada lokasi Kabupaten Paser Pulau Kalimantan.
Berdasarkan model GWR diatas menunjukkan bahwa setiap penambahan satu satuan persentase angka partisipasi sekolah (SMP) akan menurunkan tingkat persentase IPM sebesar 0,0233 dan setiap penambahan satu satuan jumlah penduduk akan meningkatkan tingkat persentase IPM Kabupaten Paser sebesar 0,0009. Berdasarkan model GWR diatas diketahui konstanta sebesar 0,5223 yang menunjukkan bahwa jika ada penambahan satu satuan Angka Partisipasi Sekolah (SMP) maka akan meningkatkan persentase IPM kabupaten/kota sebesar 0,5223 akan meningkat dan konstanta sebesar 0,0011.
Latihan Soal
Perbandingan Model Pertumbuhan Ekonomi di Jawa Tengah Menggunakan Regresi Linier Berganda dan Regresi Tertimbang Geografis Gaussian Journal Vol. Perbandingan Regresi Ordinary Least Squares, Autoregresi Spasial dan Regresi Tertimbang Geografis untuk Pemodelan Atribut Struktur Hutan Menggunakan Sistem Informasi Geografis (GIS)/Penginderaan Jauh (RS).
