spasial method
DESCRIPTION
tugas spasial statiska 2013TRANSCRIPT
SOAL UJIAN STATISTIKA SPASIAL WAKTU 4 JAMOPEN BOOK, CAN USE COMPUTERRESULT FROM COMPUTER MUST BE MOVED TO THIS PAPER
1. Penderita Diare pada umumnya mengelompok. Hal ini disebabkan sumber penyebabnya terlokalisasi pada suatu tempat tertentu. Pada kasus berikut apakah pernyataan di atas benar atau salah. Tolong analisis data berikut dengan menggunakan teknik yang anda kuasai.
BujurLintangJumlah Penderita Diare
106.759826.845289
106.770976.8699411
106.739276.8472122
106.761896.834215
106.76216.8210913
106.769756.8157815
106.751786.8315527
106.760366.8094316
106.726966.7728654
106.739596.7940826
106.744546.8005427
106.75256.7987819
106.744526.7911214
106.766986.7947326
106.745866.7804613
JAWAB:Hipotesis:H0: sebaran Penderita Diare menyebar acak (VMR = 1)H0: sebaran Penderita Diare cenderung mengelompok (VMR >1)Statistik uji: = (m-1)VMR = = = 20.466667= = 123.55238VMR = = = 6.0367613 = (m-1)VMR= 14*6.0367613= 84.51466= 23.68479 > Kesimpulan :Karena = 84.51466 lebih besar dari = 23.68479, maka tolak H0. Artinya, pada taraf nyata 5%, sebaran jumlah penderita diare umumnya mengelompok. Dengan demikian Pernyataan di atas benar.
2. Indeks moran menunjukkan korelasi spasial sarana dan prasarana pada suatu wilayah. Berikut ini menunjukkan jumlah puskesmas dalam kecamatan (ada 5 kecamatan) dari suatu kabupaten. Bagaimana indeks moran jumlah puskesmas tersebut? Dan artikan..
A=6
D=15E=13C=9B=10 Gunakan matriks W sebagai Bernilai 1 bila berdampingan dan Berdampingan.
Statistik uji:I =
Matriks x: A6
B10
C9
D15
N= 4Matriks w:ABCD
A0100
B1010
C0101
D0010
Martiks w yang sudah di boboti:ABCD
A0100
B0.500.50
C00.500.5
D0010
I = I = I= -0.178571
Hipotesis:H0 : I = 0H1 : I < 0 ; Terdapat autokorelasi spasial negatif. Artinya area yang berdekatan tidak mirip dan membentuk pola visual seperti papan catur.
E = - = - =-
0.7958224Dengan demikian
Z0.05 = - 1,645Karena Z(I) > Z0.05 maka terima H0 artinya pada taraf nyata 5%, korelasi spasial sarana dan prasarana pada suatu wilayah tidaklah nyata atau dapat dikatakan tidak ada korelasi spasial untuk sarana dan prasarana pada suatu wilayah.
Nama: Leni MarlenaJumat, 2 November 2012NRP: G1511200081
22
3. Data berikut menunjukkan sebaran banyaknya anak dan ibu yang kurang gizi di masing-masing desa.
DesaJumlah anak kurang GiziJumlah Ibu kurang GiziDesaJumlah anak kurang GiziJumlah Ibu kurang Gizi
A10P31
B11Q10
C11R30
D10S21
E32T21
F00U20
G21V00
H40W20
I00X00
J31Y22
K31Z21
L12AA00
M20AB12
N52AC11
O22AD00
Pertanyaan :a. Apakah ada korelasi antara banyaknya Anak kurang gizi dengan banyak ibu kurang gizib. Apakah ada asosiasi secara spasial antara banyaknya Anak kurang gizi dengan banyak ibu kurang gizi.
JAWAB :a. H0: tidak ada korelasi antara banyaknya Anak kurang gizi dengan banyak ibu kurang giziH1: Ada korelasi antara banyaknya Anak kurang gizi dengan banyak ibu kurang gizianak kurang giziibu kurang gizi
anak kurang giziPearson Correlation1.392*
Sig. (2-tailed).032
N3030
Dengan menggunakan Minitab diperoleh Nilai korelasi Pearson antara banyaknya Anak kurang gizi dengan banyak ibu kurang gizi sebesar 0.392 dengan P-Value = 0.032.Karena P value < taraf nyata 5%, maka tolak H0. Artinya pada taraf nyata 5% banyaknya Anak kurang gizi dengan banyak ibu kurang gizi berkorelasi dengan nilai korelasi pearson sebesar 0.,392. Banyaknya Anak kurang gizi dengan banyak ibu kurang gizi berkorelasi positif, artinya semakin banyak jumlah Anak kurang gizi, semakin banyak pula jumlah ibu kurang gizi, begitu pula sebaliknya.
Jawaban b. Ada di halaman berikutnya.
Jawaban no 3 b.:H0: tidak ada asosiasi antara banyaknya Anak kurang gizi dengan banyak ibu kurang gizi H1: ada asosiasi antara banyaknya Anak kurang gizi dengan banyak ibu kurang giziStatistik uji: ANAK KURANG GIZI
IBU KURANG GIZITidak adaAdaTotal
Tidak ada6 (a)8 (b)14
ada0 (c)16 (d)16
Total62430
8.57142857 p-val = 0.003 atau 3.841459149Karena P value < taraf nyata 5%, maka tolak H0. Artinya pada taraf nyata 5% ada asosiasi antara banyaknya Anak kurang gizi dengan banyak ibu kurang gizi dengan nilai asosiasi sebesar 8.571.
4. Apa yang anda ketahui tentang cluster dendrogram. Jelaskan. Lalu buatlah Cluster Dendrogram pada data berikutNama KabupatenPersen Keluarga Pra-Sejahtera dan Sejahtera IPersen Penduduk yang berpendidikan SMA ke atasPersen Keluarga PetaniKepadatan Penduduk (jiwa per km2)
Cianjur31,848,6822,3910,38
Sukabumi40,049,0714,632,59
Bandung38,5918,1514,7315,54
Cirebon42,523,4925,3428,8
Tegal29,1710,0818,425,08
Cilacap28,9310,4410,638,03
Jepara33,7817,7217,3212,35
Kudus21,729,1219,047,33
Rembang42,641820,5218,98
Mojokerto39,4317,4913,4330,93
Ngawi40,513,4219,4930,03
Madiun35,129,4911,5315,56
Ponorogo37,6120,2712,724,12
Pacitan32,957,1921,2821,39
Tulungagung31,078,6215,8512,19
Analisis Cluster digunakan untuk menggabungkan obyek ke dalam gerombol-gerombol berdasarkan sifat kemiripannya. Penggerombolan diatur sedemikian hingga obyek di dalam gerombol lebih mirip dibandingkan obyek antar gerombol. Ketidakmiripan antar obyek diukur dengan jarak tertentu.Adapun metode pengelompokan dalam analisis cluster meliputi :a. Metode Hirarkis b. Metode tak berhirarkiMemulai pengelompokan dengan dua atau lebih obyek yang mempunyai kesamaan paling dekat. Kemudian diteruskan pada obyek yang lain dan seterusnya hingga cluster akan membentuk semacam pohon dimana terdapat tingkatan (hirarki) yang jelas antar obyek, dari yang paling mirip hingga yang paling tidak mirip. Alat yang membantu untuk memperjelas proses hirarki ini disebut dendogram.Jadi dapat disimpulkan bahwa cluster dendogram adalah suatu pengelompokkan/pengklusteran yang diperoleh dengan menggunakan metode hirarkis.Sebelum menginputkan data ke dalam minitab, terlebih dahulu bakukan data tersebut. Data ini perlu dibakukan karena satuan pada variabel Kepadatan Penduduk berbeda dengan 3 variabel lain.Dengan menggunakan Minitab dengan Pautan Lengkap dan jarak euclid diperoleh dendogram sebagai berikut:
IIIIIIBerdasarkan dendogram di atas dengan memotong di similarity terpanjang yaitu dari kelompok I ke III maka diperoleh 2 kelompok, yaitu: Kelompok I: Cianjur, Kudus, Cilacap, Madiun, dan TulungagungKelompok II: Sukabumi, Ngawi, Tegal, Pacitan, Bandungn Jepara, Rembang, Mojokerto, Ponorogo, Cirebon
5. Buatlah Model Logit pada data berikut dan artikan hasilnyaPenderita DBDykepadatan (jiwa/km2) (x1)persen mobilitas penduduk (x2)persentase kk tinggal di pemukiman kumuh (x3)
12.00149.000.053510.00
15.00160.000.038030.02
16.001149.000.032400.01
32.00185.000.033150.00
19.00155.000.027980.04
26.00172.000.019110.01
27.001133.000.039400.02
31.00196.000.015200.00
37.00145.000.004340.00
1.00120.000.018730.00
15.00169.000.000950.00
1.00134.000.008950.00
7.00138.000.028820.00
34.001243.000.011690.00
7.001126.000.031560.00
22.00153.000.026300.02
6.00034.000.002960.00
9.00048.000.001410.00
9.00088.000.002540.23
0.00045.000.000780.06
0.00015.000.002410.00
0.00033.000.000330.00
0.00041.000.000980.00
3.00090.000.002660.00
1.00066.000.000890.00
2.00056.000.006880.00
4.00055.000.005530.03
31.001134.000.003800.00
6.000138.000.004280.03
19.000211.000.004390.05
21.001222.000.002500.01
15.000102.000.000950.00
91.001144.000.000000.00
71.001149.000.000000.00
38.00196.000.000000.00
15.00038.000.000000.00
15.00066.000.000000.00
12.000104.000.000000.00
31.001102.000.004020.00
26.001144.000.000000.00
14.00178.000.000000.00
5.001240.000.000000.00
19.001241.000.000000.00
31.001157.000.011710.01
48.00192.000.000000.00
28.001154.000.000000.00
15.00150.000.000000.00
7.001178.000.000000.00
23.001277.000.000000.00
26.001246.000.000000.00
12.001144.000.000000.00
37.001162.000.000000.00
27.001173.000.086820.09
49.001267.000.006630.01
30.00194.000.000000.00
49.001143.000.003240.00
10.000116.000.118870.12
15.000121.000.021850.02
16.00043.000.000000.00
14.00052.000.000000.00
12.00049.000.000000.00
7.00053.000.000000.00
4.00194.000.000000.00
5.001129.000.012550.01
15.001180.000.239090.24
18.00150.000.014250.01
63.001117.000.000000.00
27.001249.000.020830.02
JAWABAN NO. 5:Berdasarkan hasil analisis dengan menggunakan SPSS, didapatkan hasil sbb:
Case Processing Summary
Unweighted CasesaNPercent
Selected CasesIncluded in Analysis68100,0
Missing Cases0,0
Total68100,0
Unselected Cases0,0
Total68100,0
a. If weight is in effect, see classification table for the total number of cases.
a. Menilai Model Fit :Ho : Model yang di hipotesakan fit dengan dataH1 : Model yag di hipotesakan tidak fit dengan data
Model Summary
Step-2 Log likelihoodCox & Snell R SquareNagelkerke R Square
148,825,430,595
Berdasarkan hasil analisa, didapatkan :nilai likelihood rasio Chi Square Statistics (-2LogL) sebesar 48.825 Nilai Chi Square Tabel(db=68-1=67) = 87,10807Karena nilai Chi Square Statistics lebih kecil dari nilai Chi Square tabelnya maka tidak cukup bukti untuk menolah Ho. Artinya Ho diterima. Sehingga dapat kisa simpulkan bahwa Model yang di hipotesakan sudah fit dengan data.Nilai Nagelkerke R Square = 0,595= 59,5%Artinya variabilitas variable dependen yang dapat di jelaskan oleh variabilitas variable independen sebesar 59,5%
Hosmer and Lemeshow Test
StepChi-squaredfSig.
14,7768,781
Ho : model fit H1: model tidak fitKarena nilai Signifikansi dari Hosmer and Lemeshow test = 0,781 > alpha=0.05 maka Ho tidak dapat di tolak. Artinya Model fit., cocok dengan data observasinya.
Classification Tablea
ObservedPredicted
YPercentage Correct
01
Step 1Y017673,9
154088,9
Overall Percentage83,8
a. The cut value is ,500
Berdasarkan Classification Tabel di atas, didapatkan bahwa nilai Correct Classification Rate total sebesar 83.8 %. Nilai ini cukup bagus, sehingga dapat kita simpulkan sebesar 83,8% data mampu diprediksi dengan tepat.Estimasi ParameterVariables in the Equation
BS.E.WalddfSig.Exp(B)
Step 1aX1,034,01010,7971,0011,034
X2185,58873,5746,3631,0123,980E80
X3-191,09174,3556,6051,010,000
Constant-2,573,8998,1901,004,076
a. Variable(s) entered on step 1: X1, X2, X3.
Berdasarkan Tabel di atas, dapat kita simpulkan bahwa :Persamaannya :Ln = -2,573 + 0,34 X1 + 185,588 X2 191,091 X3Nilai signifikansi dari X1, X2, dan X3 lebih kecil dari p-value =0,05 semuanya. Maka dapat disimpulkan bahwa ketiga variable X1, X2, dan X3 signifikan pengaruhnya terhadap nilai logit peluang masuk ke kelompok 1 di banding peluang masuk ke kelompok 0 .
6. Tempat Hidup beberapa jenis ikan dipetakan pada data berikutLokasiPatinGurameBandengSapu-2BelutKoi
1110001
2110001
3111111
4001110
5101110
6110000
7001111
8000111
9110110
10010101
11101010
12001011
13110001
14111111
15001110
16110000
17001111
Tentukan Struktur kedekatan antar jenis ikan tersebut
JAWAB:Nilai khi-kuadrat ():PatinGurameBandengSapu-2BelutKoi
Patin07.1373021.632543.5526532.2997840.780612
Gurame7.13730207.244021.632548.2424240.485714
Bandeng1.632547.2440202.83670610.431820.084325
Sapu-23.5526531.632542.83670606.803680.013878
Belut2.2997848.24242410.431826.8036800.235498
Koi0.7806120.4857140.0843250.0138780.2354980
15.4028924.74222.2294114.8394628.01321.600027
Nilai khi-kuadrat () terbesar adalah pada spesies belut, maka spesies belut digunakan untuk membagi lokasi menjadi dua bagian, yaitu:
KelompokAnggota
I belut ada3 4 5 7 8 9 11 12 14 15 17
II belut tidak ada1 2 6 10 13 16
Kelompok I (ada belut)LokasiPatinGurameBandengSapu-2Koi
311111
400110
510110
700111
800011
911010
1110100
1200101
1411111
1500110
1700111
Nilai khi-kuadrat ():PatinGurameBandengSapu-2Koi
Patin04.950.020370.020370.782222
Gurame4.9500.6365740.9166670.244444
Bandeng0.020370.63657400.543210.02037
Sapu-20.020370.9166670.5432100.02037
Koi0.7822220.2444440.020370.020370
5.7729636.7476851.2205251.5006171.067407
Nilai khi-kuadrat () terbesar adalah pada spesies gurame, maka spesies gurame digunakan untuk membagi lokasi menjadi dua bagian, yaitu:KelompokAnggota
III belut ada, gurame ada3 9 14
IV belut ada, gurame tidak ada4 5 7 8 11 12 15 17
Kelompok II (tidak ada belut)LokasiPatinGurameBandengSapu-2Koi
111001
211001
611000
1001011
1311001
1611000
Nilai khi-kuadrat ():PatinGurameBandengSapu-2Koi
Patin00060.6
Gurame00000
Bandeng00000
Sapu-260000.6
Koi0.6000.60
6.6006.61.2
Nilai khi-kuadrat () terbesar adalah pada spesies patin dan sapu-sapu maka spesies tersebut digunakan untuk membagi lokasi menjadi dua bagian, yaitu:KelompokAnggota
III belut tidak ada, patin ada, sapu-sapu tidak ada1 2 6 13 16
IV belut ada, patin tidak ada, sapu-sapu ada10
Kelompok III (ada belut, ada gurame)LokasiPatinBandengSapu-2Koi
31111
91010
141111
Nilai khi-kuadrat ():PatinBandengSapu-2Koi
Patin0000
Bandeng0003
Sapu-20000
Koi0300
0303
Nilai khi-kuadrat () terbesar adalah pada spesies bandeng dan koi maka spesies tersebut digunakan untuk membagi lokasi menjadi dua bagian, yaitu:KelompokAnggota
III belut ada, gurame ada, bandeng ada, koi ada3 14
IV belut ada, gurame ada, bandeng tidak ada, koi tidak ada9
Kelompok IV (ada belut, tidak ada gurame)LokasiPatinBandengSapu-2Koi
40110
51110
70111
80011
111100
120101
150110
170111
Nilai khi-kuadrat ():PatinBandengSapu-2Koi
Patin00.3809520.8888892.666667
Bandeng0.38095200.3809521.142857
Sapu-20.8888890.38095200
Koi2.6666671.14285700
3.9365081.9047621.2698413.809524
Nilai khi-kuadrat () terbesar adalah pada spesies patin, maka spesies patin digunakan untuk membagi lokasi menjadi dua bagian, yaitu:KelompokAnggota
III belut ada, gurame tidak ada, ada patin5 11
IV belut ada, gurame tidak ada, tidak ada patin4 7 8 12 15 17
Kelompok V (ada belut, tidak ada gurame, ada patin)LokasiBandengSapu-2Koi
5110
11100
Nilai khi-kuadrat ():BandengSapu-2Koi
Bandeng000
Sapu-2000
Koi000
000
Seluruh hasil perhitungan khi-kuadrat () bernilai 0, hal ini berarti bahwa tidak ada lagi spesies yang digunakan untuk membagi lokasi menjadi dua bagian, maka diperoleh asosiasi yang pertama yaitu asosiasi antara adanya spesies ada belut, tidak ada gurame, ada patin yang terjadi di daerah 5 dan 11. Kelompok VI (ada belut, tidak ada gurame, tidak ada patin)LokasiBandengSapu-2Koi
4110
7111
8011
12101
15110
17111
Nilai khi-kuadrat ():BandengSapu-2Koi
Bandeng00.240.6
Sapu-20.2400.6
Koi0.60.60
0.840.841.2
Nilai khi-kuadrat () terbesar adalah pada spesies bandeng dan sapu-sapu Kelompok VII (tidak ada belut, ada patin, tidak ada sapu-sapu)LokasiGurameBandengKoi
1101
2101
6100
13101
16100
Nilai khi-kuadrat ():GurameBandengKoi
Gurame000
Bandeng000
Koi000
000
Seluruh hasil perhitungan khi-kuadrat () bernilai 0, hal ini berarti bahwa tidak ada lagi spesies yang digunakan untuk membagi lokasi menjadi dua bagian, maka diperoleh asosiasi yang pertama yaitu asosiasi antara tidak adanya spesies belut, ada patin, tidak ada sapu-sapu yang terjadi di daerah 1, 2, 6, 13, 16. Kelompok VIII (tidak ada belut, tidak ada patin, ada sapu-sapu)LokasiGurameBandengKoi
10101
Nilai khi-kuadrat ():GurameBandengKoi
Gurame000
Bandeng000
Koi000
000
Seluruh hasil perhitungan khi-kuadrat () bernilai 0, hal ini berarti bahwa tidak ada lagi spesies yang digunakan untuk membagi lokasi menjadi dua bagian, maka diperoleh asosiasi yang pertama yaitu asosiasi antara tidak adanya spesies belut, ada patin, ada sapu-sapu yang terjadi di daerah 10.
Kelompok VIII (ada belut, ada gurame, ada bandeng, ada koi)LokasiPatinSapu-2
311
1411
Nilai khi-kuadrat ():PatinSapu-2
Patin00
Sapu-200
00
Seluruh hasil perhitungan khi-kuadrat () bernilai 0, hal ini berarti bahwa tidak ada lagi spesies yang digunakan untuk membagi lokasi menjadi dua bagian, maka diperoleh asosiasi yang pertama yaitu asosiasi antara tidak adanya spesies belut, ada gurame, ada bandeng, ada koi yang terjadi di daerah 3 dan 14. Kelompok IX (ada belut, tidak ada gurame, tidak ada patin, ada bandeng)LokasiSapu-2Koi
410
711
1201
1510
1711
Nilai khi-kuadrat ():Sapu-2Koi
Sapu-200.83333
Koi0.833330
0.833330.83333
Kelompok X (ada belut, tidak ada gurame, tidak ada patin, tidak ada bandeng)LokasiSapu-2Koi
811
Nilai khi-kuadrat ():Sapu-2Koi
Sapu-200
Koi00
00
Seluruh hasil perhitungan khi-kuadrat () bernilai 0, hal ini berarti bahwa tidak ada lagi spesies yang digunakan untuk membagi lokasi menjadi dua bagian, maka diperoleh asosiasi yang pertama yaitu asosiasi antara ada belut, tidak ada gurame, tidak ada patin, tidak ada bandeng yang terjadi di daerah 8. Kelompok X (ada belut, tidak ada gurame, tidak ada patin, ada sapu-2)LokasiBandengKoi
410
711
801
1510
1711
Nilai khi-kuadrat ():BandengKoi
Bandeng00.83333
Koi0.833330
0.833330.83333
Kelompok X (ada belut. tidak ada gurame. tidak ada patin. tidak ada sapu-2)LokasiBandengKoi
1211
Nilai khi-kuadrat ():BandengKoi
Bandeng00
Koi00
00
Gambar Struktur kedekatan antar jenis ikan tersebut adalah sebagai berikut:
Keterangan :Pa = PatinGu = GurameBa = BandengSa = Sapu-2Be = BelutKo = Koi