Tugas Kelompok METODE ANALISIS KUANTITATIF GEOGRAFI

TUGAS KELOMPOK 1

METODE ANALISIS KUANTITATIF GEOGRAFI

ANALISIS TETANGGA TERDEKAT (NEAREST NEIGHBOUR ANALYSIS) STUDI KASUS:

1. Sebaran Puskesmas di Semarang Tahun 2015 2. Sebaran Hotspot di Sumatera Selatan Tahun 2016

LADY HAFIDATY RAHMA KAUTSAR (1606840935) DIANOVITA (1606840922)

DEPARTEMEN GEOGRAFI

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS INDONESIA

1. Analisis Tetangga Terdekat

Titik, garis dan area merupakan “model” data keruangan dalam ilmu geografi. Ketidakpuasan orang mengkaji pola persebaran “model” obyek berupa titik (baik obyek fisik, seperti hotspot;

maupuan obyek non fisik, seperti pemukiman, puskesmas, perkantoran, sumber air, dll) secara deskriptif menimbulkan gagasan untuk mengkaji secara kuantitatif.

Umumnya, pola persebaran titik dibagi menjadi seragam (uniform), menyebar (random), mengelompok (clustered), diberi ukuran secara kuantitatif, melalui pendekatan Analisa Tetangga Terdekat (Nearest-neighbour Analysis). Analisa ini membandingkan antara pola titik (misalnya pola puskesmas) dapat dilakukan lebih baik, bukan saja dari segi waktu, tapi juga dari segi ruang (space).

Analisa Tetangga Terdekat memerlukan jarak antara satu titik dan titik lain (misalnya titik dari puskesmas). Puskesmas diplotting dalam bentuk titik (dalam ruang) sebagai sebuah model dalam peta.

Melalui Analisis Tetangga Terdekat kita dapat memperoleh sebuah indeks yang menyatakan pola persebaran. Nilai indeks yang dihasilkan antara 0 – 2,15 dengan klasifikasi sebagai berikut:

a. 0 – 0,70 Pola Mengelompok /Bergerombol (Clustered Pattern) b. 0,70 – 1,40 Pola Menyebar /Tidak Merata (Random Pattern) c. 1,40 – 2,1491 Pola Seragam (Reguler/Uniform)

Rumus yang dipergunakan ialah: 𝑅_𝑛= 2𝐷√^𝑛

𝐴 , dimana 𝐷 = ∑^𝑑

𝑛

Rn = Nearest neighbour index (nilai indeks yang diperoleh berkisar antara nilai 0 – 2,15 ) D = Rata-rata jarak antar titik terdekat

d = Jarak antartitik terdekat n = jumlah titik

A = Luas

Tujuan dilakukannya Analisis Tetangga Terdekat adalah:

a. Untuk mengetahui pola sebaran suatu obyek (fisik atau nonfisik) dalam suatu ruang melalui analisis tetangga terdekat

b. Untuk merencanakan letak pusat titik dalam ruang

Gambar 1.1 Sebaran Puskesmas di Semarang

Studi Kasus I (Gambar 1.1): Persebaran Fasilitas Kesehatan (Puskesmas di Semarang) Guna mengetahui pola sebaran puskesmas di beberapa Kecamatan Semarang, Kabupaten Semarang, Jawa Tengah, diperlukan data sebagai berikut:

Peta Administrasi Kabupaten Semarang Tahun 2014 (didapatkan skala 1:225.000) Data spasial persebaran puskesmas (didigitasi dalam titik)

Luas geomer atau wilayah Kabupaten Semarang (didapatkan luas 378,77 km

²

) Jumlah Lokasi Puskesmas di Kabupaten Semarang (didapatkan sebanyak 36 titik)

Tahapan-tahapan:

Langkah 1.

Tentukan titik yang terdekat pada Peta Persebaran Puskesmas, serta ukur dan tarik garis pada peta persebaran puskesmas skala 1:225.000. (lihat Peta kedua). Penarikan garis dilakukan dalam cm, lalu dikonversi sesuai skala sehingga menjadi satuan kilometer (lihat hasil pada tabel)

Tabel 1. Titik terdekat, Jarak (cm dan km) Titik Titik Terdekat Jarak

(cm)

Jarak (Km) Titik Titik Terdekat

Jarak (cm)

Jarak (Km)

0 1 2,3 5,16 19 18 0,4 0,82

1 2 1,2 2,75 20 18 0,6 1,32

2 4 0,4 0,93 21 15 0,6 1,38

3 2 0,7 1,60 22 23 0,5 1,17

4 2 0,4 0,93 23 22 0,5 1,17

5 6 0,7 1,61 24 27 0,8 1,75

6 7 0,7 1,54 25 26 1,3 2,99

7 6 0,7 1,54 26 25 1,3 2,99

8 7 0,7 1,55 27 24 0,8 1,75

9 10 0,4 1,00 28 22 1,5 3,42

10 11 0,4 1,00 29 19 0,5 1,13

11 10 0,4 1,00 30 28 2,2 5,06

12 11 0,9 1,96 31 32 0,9 2,04

13 14 0,4 0,93 32 31 0,9 2,04

14 13 0,4 0,93 33 31 1,0 2,18

15 21 0,6 1,38 34 35 1,8 4,05

16 8 1,4 3,04 35 34 1,8 4,05

17 21 1,1 2,37 36 35 2,0 4,58

18 19 0,4 0,82 JUMLAH (N=37) 75,94

Ď =∑ d / n Langkah 2. Hitung Indeks NNA

CARA 1.

✓

Index NNA

Keterangan :

R = Indeks persebaran tetangga terdekat

Dobs = Jarak rata- rata yang diukur antara atu titik dengan titik tetangga terdekat (jarak observasi)

Dran = Jarak rata- rata yang diperoleh andaikata semua titik mempunyai pola random (jarak harapan)

N = Jumlah Titik A = Luas Geomer

CARA 2.

Rn = 2Ď a n

Keterangan:

Rn = Nearest Neighbour Index.

D = Rata-rata jarak antar titik terdekat d = Jarak antar titik terdekat

n = Jumlah titik a = Luas

Dran

= Dobs

R ₌

 

Titik Jarak Dimana : Dobs

P 2 Dran= 1

A

= N P

2,05 37 75,94

Dobs

=

=

=

 

Titik Jarak

1,599 378,77

,

2 37 1

2 1

2 Dran 1

=

=

=

=

A N P

1,2

1,599 2,05

R

=

=

= Dran Dobs

Hasil Index NNA (R) = 1,2 → Random

Index NNA Puskesmas di Kota Semarang Ď

=

^75,94

37 =2,05

R

n

= 2 x 2,05 x

77 , 378

37

= 2 x 2,05 x 0,31

= 1,2

Jadi, dengan menggunakan cara 1 atau cara 2 bahwa:

Nilai Index NNA adalah sebesar 1,2 Artinya pola persebaran puskesmas adalah random (acak).

Langkah 3. Uji Nilai Z

Dilakukan untuk menguji kebenaran dari indeks R

Keterangan : Z = Uji Z

Dobs = Jarak rata- rata yang diukur antara atu titik dengan titik tetangga terdekat (jarak observasi)

Dran = Jarak rata- rata yang diperoleh andaikata semua titik mempunyai pola random (jarak harapan)

Penentuan Hipotesis

Ho : Pola sebaran puskesmas di Semarang Tahun 2015 random

Ha : Pola sebaran puskesmas di Semarang Tahun 2015 tidak random (cluster atau uniform) Signifikan Level (Besarnya batas toleransi dalam menerima kesalahan hasil hipotesi terhadap nilai parameter populasi )→ 95%

Pengambilan Keputusan

▪ Ho diterima Ha ditolak jika Zhitung < ZTabel

▪ Ho ditolak Ha diterima jika Zhitung > ZTabel

Dran Dran Dobs



= −

z Dimana :

NxP

Dran

26136

6 ,

=

0



3,46

,

13

, 0

1,599

,

2,05

,

Z

= − =



= −

Dran Dran

Dobs 0,13

,097 0 37

26136 , 0 26136 ,

0

= =

=



x NxP

Dran

Z

hitung

> Z

tabel

3,46 > 0,9997

^{-0.9997 0.9997}

: Daerah Zhitung

✓

Kesimpulan

Pernyataan H

0

ditolak dan pernyataan H

1

diterima. Artinya sebaran lokasi puskesmas di Semarang Tahun 2015 adalah random (acak), sehingga dapat dikatakan bahwa pola persebarannya tidak merata untuk puskesmas di Kabupaten Semarang.

Langkah 4. Faktor berpengaruh pada pola persebaran puskesmas di Kabupaten Semarang

Berdasarkan tabel dibawah, besaran kuantitas titik puskesmas tidak berhubungan dengan kepadatan penduduk di Kabupaten Semarang. Hal ini dikarenakan data kuantitas titik puskesmas tidak berkorelasi positif (meningkat) seiring bertambahnya kepadatan penduduk berdasarkan interval di Kabupaten Semarang.

Asumsi kami, terdapat faktor historis mengenai penyakit yang berhubungan dengan penentuan lokasi pembangunan Puskesmas. Perlu penelitian mendalam mengenai penyebab penentuan lokasi, berupa:

- Waktu (minimal data tahun) didirikannya masing-masing Puskesmas - Jumlah penduduk rentan penyakit sebelum didirikan puskesmas - Jaringan jalan pada tahun sebelum didirikan masing-masing puskesmas Klasifikasi Berdasarkan Kepadatan Penduduk

No Klasifikasi/Interval Kepadatan Penduduk Kuantitas Titik Puskesmas

1 0-3000 6

2 3000-6000 14

3 6000-9000 8

4 9000-12000 8

5 12000-15000 1

TOTAL 37

Data Rincian Kepadatan dan Klasifikasi Interval dari Kepadatan Penduduk di Kabupaten Semarang

Nama Titik Kecamatan Kepadatan Interval Nama Titik

Kecamatan Kepadatan Interval

0 Tugu 972 0-3000 19 Genuk 3342 3000-6000

1 Tugu 972 0-3000 20 Gayamsari 11913 9000-12000

2 Tugu 972 0-3000 21 Tembalang 3234 3000-6000

3 Ngaliyan 3183 3000-6000 22 Pedurungan 8483 6000-9000 4 Semarang Barat 7313 6000-9000 23 Pedurungan 8483 6000-9000 5 Semarang Barat 7313 6000-9000 24 Genuk 3342 3000-6000 6 Semarang Barat 7313 6000-9000 25 Genuk 3342 3000-6000 7 Semarang

Selatan

13990 12000- 15000

26 Genuk 3342 3000-6000 8 Gajahmungkur 6993 6000-9000 27 Genuk 3342 3000-6000 9 Semarang Utara 11661 9000-12000 28 Pedurungan 8483 6000-9000

Nama Titik Kecamatan Kepadatan Interval Nama Titik

Kecamatan Kepadatan Interval 10 Semarang Utara 11661 9000-12000 29 Genuk 3342 3000-6000 11 Semarang Utara 11661 9000-12000 30 Tembalang 3234 3000-6000 12 Semarang Utara 11661 9000-12000 31 Bayumanik 4991 3000-6000 13 Semarang Timur 10245 9000-12000 32 Bayumanik 4991 3000-6000 14 Semarang

Tengah

11673 9000-12000 33 Bayumanik 4991 3000-6000 15 Semarang

Selatan

13990 9000-12000 34 Gunung Pati 1387 0-3000

16 Gunung Pati 1387 3000-6000 35 Mijen 983 0-3000

17 Tembalang 3234 3000-6000 36 Mijen 983 0-3000

18 Pedurungan 8483 6000-9000

Studi Kasus II (Gambar 2.1): Persebaran HotSpot di Propinsi Sumatera Selatan

Wilayah Propinsi Sumatera Selatan terdapat informasi hotspot yang diperoleh dari data NPP dan AVHRR bulan Agustus tahun 2016, diambil data dengan confidence level 80 keatas disajikan pada peta dibawah ini. Lakukanlah analisa geografi dengan menggunakan metode nearest neighbour untuk mengetahui pola sebaran hotspot diwilayah Sumatera Selatan.

Gambar 2.1 Sebaran Titik Hotspot Tahun 2016

Langkah Penyelesaian

1. Mengukur jarak terdekat yaitu jarak pada garis lurus antara satu titik dengan titik yang lain yang merupakan tetangga terdekatnya dan catatlah ukuran jarak tersebut.

Hasil perhitungan jarak terdekat disajikan pada tabel dibawah ini:

No Obyek NEAR_FID NEAR_DIST

0 43 6902.128

1 9 26622.818

2 10 7301.418

3 4 1279.495

4 3 1279.495

5 31 16369.495

6 26 5697.315

7 39 15200.792

8 37 33487.620

9 35 6337.049

10 43 4320.014

11 0 8556.920

12 25 11738.415

13 26 4030.752

14 15 11436.183

15 16 1016.471

16 15 1016.471

17 41 6016.431

18 19 898.877

19 18 898.877

20 18 1058.612

21 22 1086.026

22 21 1086.026

23 38 10129.126

24 29 41588.519

25 13 6503.111

26 13 4030.752

27 40 14507.291

28 35 6357.114

29 30 19043.081

30 29 19043.081

31 5 16369.495

32 22 42651.235

33 34 1053.891

34 33 1053.891

35 36 1069.733

36 35 1069.733

37 27 32191.699

38 23 10129.126

39 7 15200.792

40 27 14507.291

41 17 6016.431

42 41 6138.209

43 10 4320.014

44 30 69492.593

516103.907 11468.976

2. Menghitung Nilai NNA ∑d = 516103.907

n = 45

a = 86606878079.6 km² D = ∑d/n

= 516103.907/45 = 11468.976 Rn = D/(0.5*√ a/n)

= 11468.976 x √(45/86606878079.6) = 0.523

3. Membuat Grafik Z

Grafik Z di buat menggunakan aplikasi software GIS

4. Analisis

Titik Hotspot yang diambil dari data 2016 yaitu titik hotspot dari citra satelit Terra Aqua dan NPP, dengan tingkat keyakinan (confidence level 80 ke atas)

Gambar. 2 .2 Sebaran Hotspot di overlaykan dg data satelit SPOT tahun 2016

Indeks nearest neighbour untuk sebaran hotspot di Wilayah Sumsel bernilai 0,5, hal ini menunjuk kan bahwa pola sebaran clustered. Terlihat pada gambar2.2 hotspot mengelompok di wilayah Kab.

Musi Rawas Utara dan Kab. Penukalabab Lematang Ilir. Pola titik hotspot mengclustered pada tutupan lahan perkebunan dari interpretasi tutupan lahan data SPOT 6/7 tahun 2016 baik di kabupaten Musi rawas utara dengan kabupaten Penukalabab lematang ilir. Untuk lebih Jelas Wilayah dalam Citra satelit di Zoom menjadi dua area seperti tampak pada Gambar 2.3 dan 2.4

I

II

Zoom Area I

Gambar. 2 .3 Sebaran Hotspot di overlaykan dg data satelit SPOT tahun 2016 Kab. Musi Rawas Utara

Pada Kabupaten Musi Rawas Utara ada 9 Hotspot dengan tingkat keyakinan 80%

Zoom Area II

Gambar. 2 .4 Sebaran Hotspot di overlaykan dg data satelit SPOT tahun 2016 Kab.

Penungkalabab Lematang Ilir

Pada Kabupaten Penungkalabab Lematang Ilir ada 8 Hotspot dengan tingkat keyakinan 80%

Apabila diamati pada skala lebih besar (Gambar 2.5), pengelompokan hotspot pada kab, Penukalabab lematang ilir, berada pada perkebunan rakyat, jika dikaitakan dengan aktivitas sosial penduduk setempat, hal ini dikarenakan pada perkebunan rakyat, penduduk membuka lahan dengan cara dibakar, hal ini dikarenaka jika memakai alat berat tentunya membutuhkan biaya yang besar, bila dilakukan, akan mungkin dilakukan pada perkebuan yg dikelolah perusahan yang besar.

Sehingga pengelompokan hotspot pada wilayah perkebunan rakyat terjadi karena petani sengaja membakar untuk membuka lahan.

Zoom Area II dengan sekala lebih besar

Gambar. 2 .5 Sebaran Hotspot di overlaykan dg data satelit SPOT tahun 2016 Kab.

Penungkalabab Lematang Ilir dengan skala besar

Perkebunan Rakyat

Perkebunan

Milik Perusahaan