Pada kesempatan sebelumnya kita sudah membahas dan menguraikan salah satu asumsi data pada analisis regresi spasial yaitu terkait dengan identifikasi ada atau tidaknya autokorelasi spasial pada data yang kita miliki. Salah satu statistik yang kita ukur adalah Indeks Moran, baik itu dalam konsepsi Global (keseluruhan data) maupun yang bersifat lokal.
Nah pada kesempatan kali ini kita akan coba ulas pengaplikasiannya dengan menggunakan software Geoda. Selain pada software ArcGis, pada software Geoda pun difasilitasi perhitungan Indeks Moran dan cenderung lebih mudah tahapannya dibandingkan proses pada ArcGis. Jadi untuk peneliti yang tidak mempunyai basic penguasaan aplikasi ArcGis (aplikasi pembuatan peta), untuk mengidentifikasi autokorelasi spasial pada data sangat disarankan untuk menggunakan software Geoda.
Berikut kita uraikan tahapan pada software Geoda untuk mencari atau mengindentifikasi efek spasial pada data dengan menggunakan statistik Indeks Moran.
1. Pastikan file yang kita siapkan untuk diolah dengan sofware Geoda salah satunya adalah dalam format .shp. Perlu diperhatikan juga jika data yang akan diolah dengan software Geoda sudah termasuk didalamnya data yang akan di analisis. Jika antara file peta .shp dan data masih terpisah (format .xls), untuk menyatukan antar 2 (dua) file yang berbeda format dapat menggunakan software OpenJump.
2. Jika file yang akan dianalisis sudah siap, buka sofware Geoda yang sudah terinstall seperti tampak pada gambar berikut.
3. Setelahnya klik folder pada kolom Input File, lalu pilih file yang akan digunakan dalam penelitian yang sudah mengandung data penelitian yang akan di analisis dalam bentuk format .shp, seperti tampak pada gambar berikut.
4. Jika sudah kita masukan file penelitian kita pada software Geoda dengan klik OK, maka akan muncul gambar peta penelitian yang akan dianalisis seperti tampak pada gambar berikut.
5. Untuk melihat data apa saja yang tekandung dalam peta data yang sudah dimasukan kedalam software Geoda, pada tool bar menu dapat meng-klik simbol tabel (disamping simbol weight – W). Jika data .shp yang kita masukan ke software Geoda merupakan peta tematik pada umumnya, umumnya tabel akan berisi informasi umum wilayah sesuai dengan lokasi peta (desa, kabupaten/kota, provinsi, koordinat dll). Jika peta yang dinputkan sesuai dengan poin 1 (satu) maka pada tabel akan muncul tambahan data penelitian yang akan dianalisis lebih lanjut.
6. Langkah selanjutnya adalah menentukan dan mendefinisikan nilai pembobot. Pada tahap ini kita akan mendefinisikan jenis pembobot berdasarkan input data kewilayahan dan tipe pembobot (silahkan baca artikel kita tentang “Autokorelasi Spasial’), seperti tampak pada gambar berikut,
Menu Pendefinisian Pembobot “Weights Manager”
Jendela Input Pembobotan
7. Setelah muncul tampilan software Geoda seperti pada poin sebelumnya, kita klik menu “Creat” untuk membentuk fungsi pembobot baru (jika belum ada) dan “Load” untuk menampilkan fungsi pembobot yang sudah kita buat sebelumnya. Dengan klik menu “Creat” maka akan muncul jendela pendefinisian sebagai berikut,
8. Isi kolom “Weight File ID Variabel” dengan nama file primary key pada data penelitian yang kita miliki, biasanya variabel yang dimaksudkan disini adalah kode wilayah (base data kependudukan atau penomoran wilayah secara lokal maupun nasional). Lalu masukan tipe pembobot kewilayahan yang kita konsepkan pada wilayah penelitian yang akan kita analisis. (silahkan baca artikel kita tentang “Autokorelasi Spasial’). Setelahnya klik Create maka akan diarahkan untuk menyimpan file output hasil dan akan tampak gambar seperti berikut,
Pendefinisian Variabel ID dan Tipe Pembobotan Wilayah
Pembobot Kewilayahan Berhasil Dibuat
9. Setelah proses pendefinisian variabel dan pembobot selesai kita buat berdasarkan pada poin sebelumnya. Langkah selanjutnya adalah pengujian autokorelasi spasial dengan menggunakan Moran’s I Global dan Lokal (LISA). Bagi peneliti yang baru menemukan artikel ini silahkan pelajari artikel kita tentang “Autokorelasi Spasial”. Kita dapat melakukan kedua analisis tersebut pada menu “Space” klik “Univariate Moran’s I” untuk mengujikan autokorelasi spasial Global untuk variabel tunggal dan “Univariate Local Moran’s I” untuk mengujikan autokorelasi spasial Lokal. Seperti tampak pada gambar berikut.
10. Setelah meng-klik “Univariate Moran’s I” untuk menguji nilai Moran’s I Global maka langkah selanjutnya adalah memilih variabel yang akan kita ujikan keterkaitan (autokorelasi) kewilayahannya. Pada umumnya dalam konsep regresi spasial yang diujikan autokorelasinya cukup pada variabel dependen (Y), akan tetapi jika diperlukan pembuktian untuk variabel independen peneliti dapat melakukan pengujian dengan tahapan yang sama dan akan tampak seperti gambar berikut.
11. Setelah klik “OK” maka software Geoda akan memproses pencarian nilai Moran’s I Global. Dan akan menghasilkan output seperti tampak pada gambar berikut.
Output Moran’s I Global
12. Dengan tahapan yang sama dengan memilih analisis “Univariate Local Moran’s I” maka akan dihasilkan output Moran’s I Lokal (LISA) seperti tampak pada gambar berikut.
Peta Klaster Wilayah Berdasarkan Kuadran
Peta Klaster Wilayah Berdasarkan Signifikansi Nilai Moran’s I Lokal
Hal yang perlu diperhatikan oleh peneliti atau data master adalah pemahaman secara utuh tentang penggunaan autokorelasi spasial itu sendiri. SEMANGAT MENELITI.
—————————————————————————————————————————————————————————
1. Jika rekan peneliti memerlukan bantuan Survey Lapangan, Survey Online ataupun Olah Data dapat menghubungi mobilestatistik.com di :
- WhatsApp : 081321709749
- Email : welcome@mobilestatistik.com
2. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian.
- “1st Kirim Pertanyaan, Kami Jawab . . . InsyaAllah”
—————————————————————————————————————————————————————————
