METODE KUANTITATIF GEOGRAFI

Oleh : M.H.Dewi Susilowati

PENGANTAR
• Penelitian ilmiah sangat penting dilakukan, terutama untuk mendapatkan kebenaran ilmiah dalam berbagai bidang, termasuk bidang geografi. Penelitian atau riset dilakukan jika jika ingin tahu atau ada masalah (problem) yang akan dipecahkan (to be solved). Dalam suatu penelitian, tidak dapat lepas dari analisis data, baik itu analisis kuantitatif atau kualitatif, yang masing-masing mempunyai kelemahan maupun kelebihan. Kedua analisis tetap diperlukan dan keduanya dapat saling melengkapi ataupun mengoreksi sampai sejauh mana ketepatan analisisnya. Namun pada kuliah ini ditekankan pada analisis kuantitatif, terutama untuk analisis data geografi, baik fisik maupun non fisik. Kuliah ini akan memberikan contoh teori atau analisis kuantitatif yang dapat digunakan dan contoh pengolahan data dengan menggunakan Software SPSS (Statistical Product and Service Solutions).

Metode kuantitatif telah banyak digunakan dalam barbagai penelitian, termasuk geografi. Kuliah ini adalah memberikan pemahaman teknik kuantitatif untuk membantu mahasiswa dalam proses belajar maupun penerapan dalam penellitian Garis besar teknik atau metode kuantitatif dibagi dalam dua ketegori yaitu; teknik diskriptif dan teknik inferensial. Teknik diskriptif (descriptive techniques); menjelaskan atau menggambarkan berbagai karakteristik data. Teknik inferensial (Inferential techniques); membuat berbagai inferensi terhadap sekumpulan data yang berasal dari suatu sampel. Tindakan inferensi tersebut seperti, melakukan perkiraan pengambilan keputusan dan sebagainya. Dalam penelitian, kedua teknik tersebut digunakan bersama-sama, biasanya dimulai dengan statistik deskriptif dan dilanjutkan dengan dberbagai analisis statistik untuk inferensi. Teknik inferensial dibagi menjadi dua yaitu; statistik parametrik dan statistik non parametrik. Statistik parametrik digunakan untuk data berdistribusi normal atau mendekati normal. Statistik non paramertrik digunakan untuk data tidak berdistribusi normal atau jauh dari kriteria normal.

Dalam pengolahan berbagai jenis data, diperlukan ketelitian maupun ketepatan dalam perhitungan. Namun dengan kemajuan teknologi komputer, muncul berbagai program komputer yang dibuat khusus untuk membantu pengolahan data statistik. Pengolahan data statistik menjadi lebih mudah tanpa mengurangi ketepatan hasil (output). Statistical Product and Service Solutions (SPSS) adalah suatu program komputer statistik yang mampu memproses data statistik secara cepat dan tepat, menjadi berbagai output yang dikehendaki. Sistematika kuliah: I. Analisis keruangan (Spatial Analysis) meliputi ; Analisis Tetangga Terdekat (Nearest Neigbour Analysis), Analisis Graf (Graph Analysis), Model Gravitasi (Gravity Model). II. Analisis dua variabel (Bivariate Analysis) meliputi; Chi Kuadrat (Chi Square), Pearson Product Moment, Analisis Regresi Linear Sederhana (Simple Linear Regression), III. Analisis multi variabel (Multivariate Analysis) meliputi empat kegiatan belajar yaitu; Analisis Regresi Linear Berganda (Multiple Linear Regression), Analisis Diskriminan (Discriminant Analysis), Analisis Faktor (Factor Analysis).

POSISI METKUAN DALAM PENELITIAN Memilih masalah Studi pendahuluan Merumuskan masalah Merumuskan anggapan dasar Hipotesis Memilih pendekatan Menentukan variabel Menentukan sumber data Menentukan & menyusun instrumen Mengumpulkan data Analiis data Menarik kesimpulan Menyusun laporan

TUJUAN MK METKUAN • TUJUAN UMUM : MAHASISWA MAMPU MENERAPKAN METODE KUANTITATIF DALAM KEGIATAN ANALISIS PERMASALAHAN GEOGRAFI • TUJUAN KHUSUS : * MAHASISWA DAPAT MEMBEDAKAN FILOSOFI METODE KUALITATIF DAN METODE KUANTITATIF DALAM PENELITIAN GEOGRAFI * MAHASISWA DAPAT MENERAPKAN METODE KUANTITATIF DALAM PENELITIAN GEOGRAFI FISIK DAN GEOGRAFI MANUSIA * MAHASISWA DAPAT MENGEMBANGKAN MODEL KUANTITATIF DARI PERMASALAHAN GEOGRAFI * MAHASISWA DAPAT MENINGKATKAN KUALITAS HASIL PENELITIAN GEOGRAFI .

The Gravity Model THE CHI SQUARE (X2) TEST PEARSON PRODUCT MOMENT ONE-WAY ANALYSIS OF VARIANCE MULTI-WAY ANALYSIS OF VARIANCE LINEAR REGRESSION ANALYSIS LOGISTIC REGRESSION DISCRIMINANT ANALYSIS FACTOR ANALYSIS .POKOK BAHASAN • • • • • • • • • SPATIAL ANALYSIS : -The Nearest Neighbour Index .Network .

QUANTITATIVE GEOGRAPHY. UK. GEOGRAPHIC MEASUREMENT AND QUANTITATIVE ANALYSIS. Aplikasi Statistik Praktis Dengan SPSS. QUANTITATIVE TECHNIQUES IN GEOGRAPHY. HUGGETT. MULTIVARIATE STATISTICAL ANALYSIS IN GEOGRAPHY. ANALISIS MULTIVARIAT. PETER J. CRC PRESS. JOHN WILEY & SONS Alhusin. LONDONG. AN INTRODUCTION TO SPATIAL ANALYSIS. BAMES & NOBLE BOOBS. Riset Pemasaran. LONDON HOUGHTON MIFFLIN COMPANY BOSTON WALFORD.RJ. JAKARTA. J. ARTI DAN INTERPRETASI. USA. GEOGRAPHICAL DATA ANALYSIS. Syahri. MODELLING IN GEOGRAPHY. THOMAS. LONDON: LONGMAN GROUP • • SUPRANTO. Konsep dan Aplikasi Dengan SPSS. USA COLE & KING.BUKU ACUAN • • • • • ARLINGHAUS. PRACTICAL HANDBOOK OF SPATIAL STATISTICS. A. Singgih & Fandy Tjiptono. Yogyakarta: Graha Ilmu Santoso. MATHEMATICAL APPROACH. NIGEL. SANDRA LACN. QUANTITATIVE METHODS IN GEOGRAPHY. JOHN WILWY & SONS LTD EARICSON R & JOHN HARLIN. LONDON JOHNSTON.MACMILLAN COLLEGE HAMON R & MC GULLAGH. RW & RJ. RINEKA CIPTA. Jakarta: Gramedia • • • • . NEW JERSEY TAYLOR.

SEPERTI RATA-RATANYA. • STATISTIK INFERENSI (INFERENTIAL STATISTICS): MEMBUAT BERBAGAI INFERENSI TERHADAP SEKUMPULAN DATA YANG BERASAL DARI SUATU SAMPEL. TINDAKAN INFERENSI TERSEBUT SEPERTI MELAKUKAN PERKIRAAN.STATISTIK APLIKASI ILMU STATISTIK DAPAT DIBAGI DALAM 2 BAGIAN : • STATISTIK DESKRIPTIF (DESCRIPTIVE STATISTICS): MENJELASKAN ATAU MENGGAMBARKAN BERBAGAI KARAKTERISTIK DATA. PENGAMBILAN KEPUTUSAN DAN SEBAGAINYA UNTUK INFERENSI ADA 2 METODE STATISTIK : • STATISTIK PARAMETRIK: UNTUK DATA BERDISTRIBUSI NORMAL ATAU MENDEKATI NORMAL • STATISTIK NON PARAMETRIK: UNTUK DATA TIDAK BERDISTRIBUSI NORMAL ATAU JAUH DARI KRITERIA NORMAL NORMAL DATA DISTRIBUSI TIDAK NORMAL STATISTIK NON PARAMETRIK STATISTIK PARAMETRIK . SEBERAPA JAUH DATA BERVARIASI DAN SEBAGAINYA.

ALTERNATIF METODE STATISTIK APLIKASI DUA SAMPEL SALING BERHUBUNGAN (TWO DEPENDENT SAMPLES) DUA SAMPEL TIDAK BERHUBUNGAN (TWO INDEPENDENT SAMPLE) TEST PARAMETRIK T TEST Z TEST TEST NON PARAMETRIK SIGN TEST WILCOXON SIGNED-RANK ME NEMAR CHANGE TEST MANN-WHITNEY U TEST MOSES EXTREME REACTIONS CHI-SQUARE TEST KOLMOGOROV-SMIRNOV TEST WALT-WOLFOWITZRUNS FRIEDMAN TEST KENDALL W TEST COCHRAN’S Q T TEST Z TEST BEBERAPA SAMPEL BERHUBUNGAN (SEVERAL DEPENDENT SAMPLE) BEBERAPA SAMPEL TIDAK BERHUBUNGAN (SEVERAL INDEPENDENT SAMPLES) ANOVA TEST (F TEST) KRUSKAL-WALLIS TEST CHI SQUARE TEST MEDIAN TEST .

RASIO. PERBANDINGAN SUATU HARGA TIDAK MEMPUNYAI ARTI YG SEBENARNYA. PADA UKURAN INTERVAL. MISAL. • ORDINAL: SUATU UKURAN DARI UNSUR DENGAN UKURAN TERTENTU. YG MEMPUNYAI TINGKATAN. INTERVAL • • . MASJID. YG TERMASUK DISKRIT (MENURUT JENISNYA) ADALAH UKURAN NOMINAL DAN KONTINUM (MENURUT TINGKATAN) ADALAH ORDINAL. DLL. PUSKESMAS.DATA GEOGRAFI PENGERTIAN UKURAN DATA • DATA NOMINAL: SUATU UKURAN DARI UNSUR DENGAN ATURAN TERTENTU YG TIDAK MEMPUNYAI TINGKATAN (RANKING). DALAM STATISTIK TERDAPAT UKURAN DISKRIT DAN KONTINUM. PADA UKURAN RASIO. TETAPI JUGA DIBAGI ATAS KELAS-KELAS TERTENTU DENGAN HARGA YG SEBENARNYA. TITIK PERMULAAN DIAMBIL SEMBARANG. INTERVAL & RASIO: UKURAN UNSUR YG TIDAK HANYA DENGAN ATAU UKURAN TERTENTU SAJA. GEREJA. SEKOLAH. TITIK PERMULAAN ADALAH HARGA SEBENARNYA. JADI UNSUR-UNSUR TERSEBUT DIKENAL DENGAN NAMA SAJA.

MENUNJUKKAN KORELASI NEGATIF 0. . ORDINAL. TIDAK BERKORELASI KOEFISIEN KORELASI:ANGKA YG MENUNJUKKAN BESAR KECILNYA HUBUNGAN KK BESARNYA BERKISAR : 0. POSISTIF.1. MENUNJUKKAN KORELASI POSITIF KORELASI ANTAR BERJENIS-JENIS VARIABEL: DISKRIT NOMINAL VARIABEL KONTINUM INTERVAL. • . + 1. RASIO.KORELASI (CORRELATION) • • • • • FENOMENA/ KENAMPAKAN/ GEJALA: SEMUA OBYEK YG MENJADI SASARAN PENYELIDIKAN VARIABEL: GEJALA/ FENOMENA YG MENUNJUKKAN VARIASI (BAIK DALAM JENISNYA MAUPUN TINGKATANNYA) KORELASI: HUBUNGAN ANTARA DUA ATAU LEBIH VARIABEL/ HUBUNGAN TIMBAL BALIK (BELUM TENTU SEBAB AKIBAT) ARAH KORELASI:DUA VARIABEL YG BERJALAN SEJAJAR/ ASSOSIASI. NEGATIF.

0 sampai sampai sampai sampai sampai 1.4 0.8 0.INTERPRETASI DARI KORELASI MENURUT UKURAN YG KONSERVATIF : r 0.4 0.00 0.8 0.6 0.2 Interpretasi Tinggi cukup agak rendah rendah sangat rendah (tak berkorelasi) KORELASI TERSEBUT SUDAH DITINGGALKAN DIGANTI INTERPRETASI BERDASARKAN ATAS TABEL NILAI r (PROBABILITAS) .6 0.2 0.

LANGKAH-LANGKAH PENGUJIAN HIPOTESIS. • HO : θ HA : θ HA : θ HA : θ = θ0 > θ0 < θ0 ≠ θ0 .HIPOTESIS • • HIPOTESIS: DUGAAN MENGENAI KEADAAN POPULASI YANG SIFATNYA MASIH SEMENTARA (KEBENARANNYA PERLU DIUJI). PENGUJIAN HIPOTESIS: SUATU PROSEDUR YANG AKAN MENGHASILKAN SUATU KEPUTUSAN.MENENTUKAN TARAF NYATA (SIGNIFICANT LEVEL). YAITU KEPUTUSAN MENERIMA ATAU MENOLAK HIPOTESIS ITU. BESARNYA BATAS TOLERANSI DALAM MENERIMA KESALAHAN HASIL HIPOTESIS TERHADAP NILAI PARAMETER POPULASI .MENENTUKAN FORMULASI HIPOTESIS ( HO DAN HA) SECARA UMUM FORMULASI HIPOTESIS DPT DITULIS. .

01 (TERGANTUNG TARAF NYATA) TOLAK HO : JIKA PROB ≤ 0.05 ATAU 0.MENENTUKAN KRITERIA PENGUJIAN DAN KEPUTUSAN.. * BERDASARKAN NILAI UJI STATISTIK TERIMA H0 : JIKA NILAI HITUNG < NILAI TABEL (NILAI HITUNG BERADA DI LUAR NILAI KRITIS) TOLAK H0 : JIKA NILAI HITUNG > NILAI TABEL (NILAI HITUNG BERADA DI DALAM NILAI KRITIS) * BERDASARKAN PROBABILITAS TERIMA HO : JIKA PROB > 0.01 (TERGANTUNG TARAF NYATA) .05 ATAU 0.MENENTUKAN NILAI UJI STATISTIK YANG SESUAI .

KOEFISIEN KONTINGENSI THE CHI SQUARE (X2) TEST Koefisien Kontingensi digunakan apabila 2 variabel yang dikorelasikan berukuran nominal atau satu variabel nominal dan satu variabel ordinal X2 CC = √ ----------X2 + N ( O – E)2 X2 = ∑ ----------E Total baris E = --------------.1 Untuk Tabel Lebih dari 1 kol dan 1 baris: df = (b-1)(k-1) .(Total kolom) N Ketengan: CC : Koefisien Korelasi X2 : Chi Square O : frekuensi observasi E : frekuensi harapan N : Total Sobyek Untuk Tabel Satu Kolom : df= b .

tekstil di berbagai wilayah pedesaan. perkotaan.makanan dan minuman.Data pada tabel 1. menunjukkan jumlah lokasi industri Baja. peralihan. Tabel 1. Buatlah analisisnya dengan menggunakan metode yang paling tepat dan berikan kesimpulan selengkapnya serta gunakan program SPSS. Lokasi kejadian kecelakaan Status Wilayah Lokasi Makanan & Industri Baja Pedesaan Peralihan Perkotaan Jumlah 15 10 2 27 minuman 7 15 24 46 Tekstil 8 30 10 48 .

.

db(df) = k – 1. k adalah banyaknya petak pada kolom. k adalah banyaknya petak dalam kolom fh (E) . db = (b-1)(k-1). tidak termasuk petak jumlah Untuk tabek b x k. . Petak total tidak idihitung. b adalah banyaknya petak pada baris.Untuk tabel 1xk.

PEARSON PRODUCT MOMENT CORRELATION .

.

.

ONE-WAY ANALYSIS OF VARIANCE • menguji perbedaan rata-rata dua populasi menggunakan uji t test dan menguji rata-rata lebih dua populasi menggunakan uji F test. Perumusan hipotesis statistik (H0) dan hipotesis alternatif (H1): H0 : µ1 = µ2 = µ3 H1 : paling sedikit ada satu rata-rata yang berbeda • .

Anava satu arah ini dapat digunakan untuk menguji perbedaan rata-rata lebih dari dua populasi.Analisis varian dibedakan menjadi dua. (b) Varians dari populasi-populasi tersebut adalah sama. Uji rata-rata tersebut juga mengandung makna hubungan dua variabel yaitu variabel ukuran nominal dengan variabel interval atau rasio. Contoh Perumusan hipotesis statistik (Ho) dan hipotesis alternatif (Ha): Ho : µ1 = µ2 = µ3 = µ4 Ha : paling sedikit ada satu rata-rata yang berbeda atau Ha : µ1 ± µ2 ± µ3 = µ4 Ha : µ1 ± µ2 = µ3 = µ4 Ha : µ1 = µ2 = µ3 ± µ4 Ha : µ1 = µ2 ± µ3 ± µ4 . yaitu analisis varian satu arah (One Way Analysis of Variance) dan analisis varian lebih dari satu arah atau multi arah (Multi Way Analysis of Variance). Asumsi yang digunaka yaitu: (a) Populasi yang akan diuji berdistribusi normal. (c) Sampel tidak berhubungan satu dengan yang lain.

Tabel Anova untuk uji rata-rata Sumber Variasi Jumlah Kuadrat2 db Mean Square Variance F test Between group Within group Total variation SSB SSW SST k–1 N–k N– 1 MSB MSW MSB/MSW .

.

.

untuk mengetahui perbedaan rata-rata produksi padi pada jenis tanah yang mana .

LINEAR REGRESSION ANALYSIS .

Compute Regression Coefficients 5. Explain Correlation 6. Explain Least Squares 4. Predict Response Variable . Describe the Linear Regression Model 2.Learning Objectives 1. State the Regression Modeling Steps 3.

Models • • • • Representation of some phenomenon Mathematical model is a mathematical expression of some phenomenon Often describe relationships between variables Types – Deterministic models – Probabilistic models .

Deterministic Models • • • Hypothesize exact relationships Suitable when prediction error is negligible (ditolak/dilupakan) Y=bo +b1X Example: force is exactly mass times acceleration – F = m·a – Model Gravitasi .

Types of Probabilistic Models Probabilistic Models Regression Models Correlation Models .

Regression Models • • Answers ‘What is the relationship between the variables?’ Equation used – One numerical dependent (response) variable  What is to be predicted – One or more numerical or categorical independent (explanatory) variables • Used mainly for prediction and estimation .

Use model for prediction and estimation .Regression Modeling Steps 1. Estimate unknown model parameters 3. Specify probability distribution of random error term • Estimate standard deviation of error 4. Evaluate model 5. Hypothesize deterministic component 2.

Types of Regression Models 1 Explanatory Variable Regression Models 2+ Explanatory Variables Simple Multiple Linear NonLinear Linear Non- Linear .

Linear Regression Model Relationship between variables is a linear function Population y-intercept Population Slope Random Error y   0  1x   Dependent (Response) Variable Independent (Explanatory) Variable .

Line of Means y Change β1 = Slope in y Change in x β0 = y-intercept x .

Population Linear Regression Model y yi   0   1xi   i Observed value i = Random error E  y    0  1x x Observed value .

Sample Linear Regression Model y ^ y i  ˆ 0  ˆ1 x i  ˆ i i = Random error Unsampled observation ˆ i  ˆ 0  ˆ1 x i y Observed value x .

Regresi berganda. untuk satu variabel dependent dan lebih dari satu variabel independent. Regresi ordinal. Regresi polynomial. untuk data variabel independent yang berukuran ordinal. untuk data variabel dependent yang berukuran nominal. analisis regresi telah menjadi sangat bervariasi: • • • Regresi sederhana. Regresi dengan dummy variabel. • • • . yaitu model regresi yang tidak berbentuk linier. untuk satu variabel dependent dan satu variabel independent.Sejalan dengan perkembangan ilmu dan teknologi. terutama di bidang computer statistic. yaitu jika data variabel independent ada yang berukuran nominal. Log regression. Alat ini hampir mirip dengan dengan analisis discriminant yang biasa dimasukkan dalam kelompok uji interdependensi.

Analisis regresi linear sederhana hanya dilakukan untuk dua variabel.• Dalam analisis regresi akan dibedakan dua jenis variabel yaitu variabel bebas (independent) dan variabel tidak bebas (dependent). kewajaran masalah yang dihadapi dan pengalaman. Bentuk persamaan regresi linear sederhana adalah: Ŷ = bo + b1 X • . perlu studi yang cermat dengan berbagai pertimbangan. variabel bebas dinyatakan dengan X dan variabel tidak bebas dinyatakan dengan Y. Untuk keperluan analisis. Penentuan variabel bebas dan tidak bebas tidak mudah.

.Y) b1 = -----------------------_ ∑ (X – X)2 _ _ bo = Y – bX Rumus: Regresi Berganda (lebih dari dua variabel) Y = θ + θ X1 + X2 + X3 + ………………. + Xn . Penentuan variabel bebas dan tidak bebas tidak mudah.LINEAR REGRESSION ANALYSIS • Dalam analisis regresi akan dibedakan dua jenis variabel yaitu variabel bebas ( independent) dan variabel tidak bebas (dependent).. variabel bebas dinyatakan dengan X dan variabel tidak bebas dinyatakan dengan Y. Untuk keperluan analisis. kewajaran masalah yang dihadapi dan pengalaman. Rumus: Regresi Sederhana (dua variabel) Y= θ + θX Ŷ = bo + b1 X _ _ ∑ (X . + Xn Ŷ = bo + b1 X1 + b2 X2 + b3 X3 + ……………….X)( Y . perlu studi yang cermat dengan berbagai pertimbangan.

maka dapat diduga persamaan garis itu bukan linear. Sebaliknya. jika titik-titik itu membentuk garis lain. Jika letak titik-titik dalam diagram pencar sekitar garis lurus. seperti garis lengkung. Contoh: . maka dapat diperkirakan persamaan yang dibentuk oleh data variabel bebas X dan data variabel terikat Y adalah linear. Metode Diagram Pencar Metode diagram pencar merupakan metode perkiraan berdasarkan data penelitian yang digambarkan dalam sumbu mendatar (absis) menyatakan X atau variabel bebas dan sumbu tegak (ordinat) menyatakan Y atau variabel terikat.A1.

Cara ini dapat menunjukkan bahwa jumlah pangkat dua (kuadrat) dari jarak antara titik-titik dengan garis regresi yang sedang dicari harus sekecil mungkin. Metode Kuadrat Terkecil Metode diagram pencar dapat dipakai untuk menolong menentukan dugaan bentuk regresi apakah linear atau tidak. Contoh: Ŷ = bo + b1 X . Metode kuadrat terkecil lebih memperjelas dugaan tersebut.A2.

2.4. Biaya Transportasi dari Kota ZZ menuju Berbagai Wilayah Biaya Transportasi (1000Rp) 10 13 11 8 20 27 31 18 22 25 21 13 14 11 19 22 Biaya Transportasi (1000Rp) 23 2 6 30 33 12 3 25 21 33 10 2 6 19 6 Region A B C 8 D E F G H I J K L M N O Jarak (10km) 9 17 13 10 22 29 30 18 25 29 26 16 15 11 18 19 Region P Q R S T U V W X Y Z AA BB CC DD Jarak (10km) 31 8 12 33 40 15 7 28 20 35 12 6 14 22 10 .Tabel 2.

40 35 30 Biaya Transportasi (1000 rupiah) 25 20 15 10 5 0 0 5 10 15 20 25 30 35 40 45 Jarak (10 km) .

.

Sumber Variasi Regresi Linear Residu (Error) Total Jumlah Kuadrat2 RSS ESS TSS db 1 n–2 n–1 Varian Estimasi MSR MSE F test MSR/MSE .

Keterangan : RSS : Jumlah kuadrat2 Regresi ESS : Jumlah kuadrat2 Residu _ RSS = ∑ ( Ŷ – Y)2 ESS = ∑ (Y .Ŷ)2 .Ŷ)2 TSS = ∑ ( Ŷ – Y)2 + ∑ (Y .

.

Output ketiga Variableas Entered/Removed fungsinya untuk .

.

: .

Sign up to vote on this title
UsefulNot useful