spasial method

Upload: yusrianti-hanike

Post on 10-Oct-2015

53 views

Category:

Documents


1 download

DESCRIPTION

tugas spasial statiska 2013

TRANSCRIPT

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