Analisis Regresi Data Spasial Dengan GWR4

Analisis Regresi Data Spasial Dengan GWR4

Pada kesempatan yang lalu kita sudah banyak membahas kaitannya dengan analisis pengaruh antar variabel. Salah satu yang paling sederhana adalah analisis regresi baik itu sederhana maupun berganda. Seperti telah dijelaskan dalam pembahasan konsepsi dan pemenuhan asumsi klasik pada regresi, utamanya pada bahasan heteroskedastisitas bahwa munculnya varians antar pengamatan dapat dipengaruhi salah satunya adanya pengaruh keruangan atau spasial. Oleh karenanya mucul analisis regresi yang melibatkan konsep keruangan atau spasial sehingga muncul analisis regresi terboboti keruangan atau spasial (GWR).

Pembahasan pada konsepsi regresi spasial sudah kita paparkan pula pada artikel sebelumnya, bagi peneliti yang hendak memahami konsepsi regresi spasial beserta tahapannya bisa melihat pada artikel kita sebelumnya. Pun dengan pengenalan software pembantu dalam analisis regresi data spasial sudah kita perkenalkan secara tampilan menu yang dapat memudahkan peneliti atau data master dalam pengaplikasian data pada software GWR4.

Nah, pada kesempatan kali ini kita akan paparkan pengaplikasian langsung data pada software GWR4. Adapun yang perlu diperhatikan oleh para peneliti ataupun data master adalah pemilihan fungsi kernel (+bandwidth) yang cocok pada data yang dimiliki. Kasus yang muncul pada pengaplikasian data pada GWR4 adalah tidak tuntasnya pemrosesan data oleh GWR4 dikarenakan ketidakcocokan pilihan fungsi kernel (+bandwidth) pada data yang dimiliki oleh peneliti atau data master, sehingga pada output GWR4 tidak memunculkan output analisis secara menyeluruh.

Adapun tahapan pengaplikasian data pada software GWR4 sebagai berikut :

  1. Buka file excel dengan format .csv, pastikan data yang dimiliki memuat titik koordinat keruangan yang menjadi acuan software dalam membentuk model regresi terboboti keruangan atau spasial, seperti tampak pada gambar berikut.

  1. Siapkan software GWR4 yang akan digunakan dalam memprosesan data yang terformat .csv tadi seperti tampak pada gambar berikut. Pada Step 1: Data, untuk memgimport data yang akan digunakan dalam analisis, pada kolom File Path klik Browse dan pilih file yang akan digunakan dalam analisis. Pada menu format pilih Comma (CSV) dan klik Open. Untuk mengecek apakah data yang sudah kita import sudah masuk dalam software GWR4 maka klik View Data maka akan terlihat tampilan seperti gambar berikut.

  1. Setelah memastikan data telah masuk dalam sistem software GWR4, setelahnya klik Step 2 : Model, seperti tampak pada gambar berikut. Pada tahap 2 ini kita mendefinisikan dan menempatkan variabel penelitian pada kolom menu software GWR4 sebagaimana pendefinisian pada maksud dan tujuan penelitian yang telah ditetapkan oleh peneliti. Nama-nama variabel yang tersedia dalam file data dituliskan dalam kotak Variable (Field) list.

  1. Pada tahapan ini, pada grup Regression variables, masukkan variabel respon (Y) ke dalam kotak isian Dependent variable dan semua variabel bebas (X1-Xn) ke dalam grup Independent variables pada kotak isian Local (L). Lalu pada tab Locational Variabel, isikan sebagai berikut: ID Key (optional) yaitu kode identitas dari masing-masing wilayah, X coordinate (Lon) variabel dari koordinat bujur dan Y coordinate (Lat) yaitu variabel dari koordinat lintang. Selanjutnya pilih pilihan Spherical karena kita menggunakan variabel bujur dan lintang sebagai posisi geografis suatu wilayah. Setelahnya pada kotak grup Option centang pada Geographical variability test untuk keperluan uji koefisien model yang didapat dan Standardization of independent variables jika ingin menstandarkan nilai-nilai observasi dari variabel bebas. Dan pilih pilihan Gaussian pada grup Model Type karena kita akan menggunakan model regresi linier GWR.
  2. Setelah kita menentukan variabel dan model yang digunakan dalam pemrosesan data pada tahapan 3 dan 4, langkah selanjutnya klik Step 3 : Kernel, seperti tampak pada gambar berikut. Pada tahap 3 ini kita akan mendefinisikan jenis pembobot (Kernel Type) dan metode pemilihan bandwith optmimum (Bandwidth Selection Method) berdasarkan Selection Criteria yang akan digunakan pada model sesuai dengan teori dan tipe data yang dimiliki oleh peneliti atau data master. (noted : untuk memperjelas pemahaman baca artikel sebelumnya terkait fungsi kernel dan bandwidth)

  1. Setelah pada tahap sebelumnya kita definisikan fungsi pembobot beserta kelengkapan fungsi pembobot pada model regresi spasial (GWR), maka pada tahap selanjutnya Step 4 : Ouput. Pada tahapan ini kita akan mendefinisikan output proses data dengan GWR4 berupa lokasi penyimpanan file output yang kita kehendaki dengan mengklik tombol Browse untuk menentukan lokasi penyimpanan file output, seperti tampak pada gambar berikut. (dua output yang dihasilkan : pada software GWR4 dan microsoft excel)

 

 

  1. Tahapan akhir pada software GWR4 adalah Step : Execute, tahapan untuk memulai pemrosesan data (estimasi model regresi spasial) dengan komponen spasial beserta metode-metode yang telah didefinisikan pada tiap tahapan sebelumnya, dengan mengklik tombol Execute This Session dan untuk melihat hasil berdasarkan titik koordinat klik tombol View The Parameters Estimates seperti tampak pada gambar berikut.

  1. Pada tahapan akhir pemrosesan data oleh GWR4 terdapat beberapa informasi output yang didapatkan diantaranya :

  • Pada menu output utama terdapat hasil yang difungsikan sebagai pembentukan persamaan regresi spasial secara general (nilai koefisien regresi spasial), nilai bandwidth optimum, nilai R square dan uji kebaikan model regresi spasial (model GWR dan dengan model OLS)
  • Pada menu output hasil penyimpanan Step 4, diperoleh persamaan regresi spasial berdasarkan titik koordinat (wilayah) yang terdiri dari intercept, koefisien regresi, nilai standar error koefisien dan nilai t hitung koefisien, seperti tampak pada gambar berikut.

Hal yang perlu diperhatikan oleh peneliti atau data master adalah pemahaman secara utuh tentang analisis regresi dan pengujian asumsi klasik pada regresi, sebelum melangkah pada analisis regresi spasial. Sedangkan pada penggunaan regresi spasial itu sendiri diharapkan peneliti memahami secara utuh pula konsep pembobotan (fungsi kernel dan bandwidth) karena yang membedakan konsepsi regresi OLS dengan GWR terletak pada konsep dan fungsi pembobotannya. Jika peneliti atau data master sudah menguasai konsep-konsep tersebut, dapat membantu memudahkan dalam pengaplikasian pada software GWR4. SEMANGAT MENELITI.

———————————————————————————————————————————————————-

  1. Jika rekan peneliti memerlukan bantuan survey lapangan, data entry ataupun olahdata dapat menghubungi mobilestatistik.com :
  1. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian, aplikasi software statistik ataupun olahdata.
  • “1st Kirim Pertanyaan, Pasti Kami Jawab . . . InsyaAllah”

———————————————————————————————————————————————————-

Leave a Reply

Your email address will not be published. Required fields are marked *