spatial analysis (analisis spasial)

Analisis spasial adalah pendekatan di dalam geografi dan disiplin yang berkaitan dengannya, seperti arkeologi, yang menggunakan metode statistik untuk menyederhanakan pola-pola spasial. Para ahli geografi masih tertarik untuk membangun korelasi antar fenomena yang beragam di atas ruang, seperti hujan yang turun di ladang jagung. Mereka yang melihat hai ini sebagai tujuan utama dari geografi berpendapat bahwa bidang ini seharusnya dikembangkan sebagai ilmu pengetahuan spasial, yang “berhubungan dengan peru-musan hukum-hukum yang mengatur distribusi spasial dari feature tertentu di atas permukaan bumi (Schaefer 1953: 227). Ada banyak per cobaan teknis dan substantif, yang didukung oleh perkembangan teknologi perhitungan, di dalam strategi modeling matematika dan prosedur statistik yang dapat diterapkan untuk menghasilkan generalisasi tersebut (lihat Johnston 1991). Kesulitan utama dari analisis spasial, dan karena itu tantangan yang dihadapkannya kepada sarjana dengan kegemaran intelektual tertentu, mempunyai dua tipe utama.

Pertama, ada kesulitan yang diakibatkan oleh hakikat dari fenomena spasial, yakni pengukuran dan korelasinya. Haggett (1965) memberikan rintisan klasifikasi dari fenomena menjadi pola-pola titik (yang bisa diorganisasikan secara hirarkis atau juga bisa tidak); pola-pola garis; pola-pola areal; pola-pola aliran; dan pola-pola perubahan di dalam keempat pola tersebut. Beberapa di antaranya relatif mudah diukur (misalnya pola-pola titik seperti distribusi toko di kota, stasiun di sepanjang rel kereta api), tetapi yang sedikit lebih sulit, seperti curah hujan di berbagai daerah, yang harus diperkirakan dari pengukuran pada sampel titik (untuk pengantar metode pengukuran ini lihat Unwin 1981).

Korelasi pengukuran dari dua atau lebih pola spasial seringkah sulit karena data yang diperlukan harus dikumpulkan dari daerah spasial yang berbeda-beda. Misalnya, curah hujan dapat diukur dengan sample, dan hasil panen oleh petani: bagaimana kita menghubungkan data yang satu dengan yang lain dan bagaimana memperoleh ukuran dari hubungan mereka? Apa kesalahan yang ada di dalam membangun korelasi melalui prosedur yang mengkombinasikan kerangka kerja yang berbeda? Dalam banyak studi, analisis spasial terpaksa harus menggunakan data agregat untuk unit-unit teritorial seperti desa atau negara padahal yang menjadi minat mereka sebenarnya adalah individu-individunya. Contoh yang bagus diberikan oleh mahasiswa yang mempelajari perilaku migrasi, yang mungkin tertarik dengan hubungan antara jabatan seseorang dan kecenderungan untuk bermigrasi, tetapi hanya dapat melakukan analisa hubungan antara persentase orang di daerah tertentu dengan jabatan tertentu dan persentase dari orang-orang yang sama yang bermigrasi sepanjang periode tertentu. Mereka harus menyimpulkan hubungan individual (antar kelas dan migrasi) dari hubungan agregat, yang mungkin dapat mengandung kesalahan yang sering disebut dengan istilah “ekologis” (Alker 1969). Lebih jauh,hubungan antara dua variabel itu dapat bervariasi menurut skala area yang dipakai (biasanya semakin besar area dan semakin banyak pengumpulannya maka semakin tinggi korelasinya) dan menurut konfigurasi aktual dari area (misalnya, ada ribuan cara di mana duapuluh sembilan distrik dalam sebuah kota dapat dikombinasikan untuk membentuk enam konstituensi parlementer): kesemuanya ini bersama-sama menghasilkan apa yang kini dikenal sebagai “problem unit areal yang dapat dimodifikasi” (Openshaw dan Taylor 1991).

Kemajuan dalam mengatasi masalah ini secara substansial telah didukung oleh perkembangan teknologi “sistem informasi geografi” (SIG) pada pertengahan 1980-an. Sistem ini mengkombinasikan piranti hardware dan sofware yang dapat mengintegrasikan dan menganalisis data pada struktur spasial yang berlainan.

Kesulitan yang kedua menyangkut penggunaan prosedur statistik klasik (parametrik) dalam analisis data spasial. Prosedur ini mempunyai unsur khusus (“autokorelasi spasial”) yang dapat memperkenalkan bias dan kesalahan kepada perkiraan hubungan statistik. Autokorelasi spasial adalah perluasan dua dimensi dari masalah dalam analisis data temporal yang secara luas telah diakui dan dipecahkan dengan baik: nilai dari variabel pada satu waktu dapat dipengaruhi dengan kuat oleh nilai pada waktu sebelumnya, dan karena itu menimbulkan sebuah elemen penghitungan ganda. Dengan data temporal, autokorelasi hanya meluas pada satu arah saja; dengan data spasial autokorelasi meluas ke segala arah. Karena alasan ini beberapa orang berpendapat bahwa prosedur statistik konvensional tidak dapat diterapkan untuk rangkaian data geografis yang banyak dan eksplorasi metode khusus tidak dapat diterapkan untuk analisis spasial (Cliff dan Ord 1981).

Ilmu pengetahuan spasial yang hampir mendekati kedudukan hegemoni di atas praktek geografi di beberapa negara pada era 1960-an dan 1970-an kini mulai ditentang oleh para pengikut pandangan alternatif. Tetapi pengetahuan ini masih menarik para praktisi yang tertarik oleh kemungkinan identifikasi dan penghitungan “tatanan spasial”.

Incoming search terms:

  • analisis spasial
  • pengertian analisis spasial
  • analisis spasial adalah
  • pengertian spasial
  • spasial adalah
  • analisa spasial
  • pengertian spatial
  • spasial
  • pengertian pola spasial
  • analisis data spasial

Filed under : Bikers Pintar, tags:

Incoming search terms:

  • analisis spasial
  • pengertian analisis spasial
  • analisis spasial adalah
  • pengertian spasial
  • spasial adalah
  • analisa spasial
  • pengertian spatial
  • spasial
  • pengertian pola spasial
  • analisis data spasial