Identifikasi Lokasi Pemusatan Kegiatan Sosial Ekonomi (Pemanfaatan Data Podes 2008)

Identifikasi Lokasi Pemusatan Kegiatan Sosial Ekonomi

(Pemanfaatan Data Podes 2008)

Uzair [email protected]

[email protected] Statistik Ketahanan Sosial

Badan Pusat Statistik

9 Desember 2010 1

BADAN PUSAT STATISTIK

9 Desember 2010 2

Latar Belakang• (Ada) Variasi intensitas kegiatan sosial ekonomi (antar kawasan

wilayah)

– (kecenderungan) Pemusatan di suatu wilayah (tertentu)

– Ketimpangan (tingkat pemusatan) antar wilayah

• (Perlu) Pemetaan lokasi kegiatan sosial ekonomi

– Identifikasi lokasi pemusatan dan ketimpangan

– Visualisasi dalam bentuk pemetaan tematik

• Implikasi kebijakan (dari Pata)

– (Basis untuk) Alokasi sumber daya dan program berbasis lokasi geografis (atau wilayah)

– Pentingnya perhatian terhadap interaksi sosial (u/ lokasi pemusatan/non-pemusatan)

9 Desember 2010 3

Kegiatan Sosial Ekonomi ?

• Kegiatan ekonomi penduduk (dilihat dari lapangan usaha dan jenis produksi)

• (Indikasi kegiatan dilihat dari) Ketersediaan fasilitas ekonomi

• (Indikasi kegiatan dilihat dari) Ketersediaan fasilitas sosial dasar

9 Desember 2010 4

Pembentukan Pemusatan

• Relokasi kegiatan sosial ekonomi – Ketersediaan faktor produksi

– Ketersediaan sarana penunjang

– Minimalkan biaya produksi dan transportasi

• Pemusatan membentuk klaster – Knowledge spillovers: diseminasi informasi dan pengetahuan

– Spillover effects: infrastruktur untuk mobilitas antar wilayah

9 Desember 2010 5

Pengguna Potensial dan Manfaat

• Pemerintah pusat dan daerahMenentukan lokasi prioritas pembangunan ekonomi, sosial, dan

infrastruktur,dsb

• Dunia usaha dan masyarakat umum (Membanu dunia usaha dalam) Menentukan lokasi: target investasi,

pengembangan jejaring usaha dan kerja sama, perluasan wilayah pemasaran, dsb

• Akademisi dan peneliti – (Membantu akademisi dan peneliti dalam studi lanjut untuk)

Menentukan zonasi wilayah: perencanaan wilayah dan tata ruang, pengembangan kawasan, pembangunan regional, dsb

9 Desember 2010 6

Metodologi

• Sumber data– Podes 2008

– Peta elektronik

• Variabel dan tema – Variabel berskala ukur interval/rasio

– Jumlah peta tematik sebanyak 52 tema (yang dihitung secara nasional tetapi disajikan per pulau/kepulauan utama)

• Penyajian peta tematik: smaller is better – (Kawasan yang dibangun dengan unit analisis) Desa (prioritas utama)

– Kecamatan (prioritas kedua)

9 Desember 20107

Exploratory Spatial Data Analysis• Metode ESDA:

– (Untuk men-) Deskripsi(kan) dan (mem)visualisasi(kan) sebaran/asosiasi spasial (“relatif” terhadap “tetangga”)

– (Untuk meng) Identifikasi lokasi pemusatan (cluster/hot spot) dan pencilan (outlier)

• Teknik ESDA – Global Spatial Autocorrelation (Global Moran’s I): (Untuk men-)

Deteksi ada tidaknya kecenderungan pemusatan (clustering)

– Local Indicators for Spatial Association (LISA):

(Untuk meng-)Identifikasi lokasi dan anggota pemusatan/pencilan (cluster/outlier)

9 Desember 2010 8

Tahapan Analisis• Kalkulasi Global Moran’s I:

– Jika nilai Standardized I positif autokorelasi positif (tendensi pemusatan)

– Jika nilai Standardized I negatif autokorelasi negatif (tendensi pencilan atau random)

• Kalkulasi LISA dan signifikansinya – Setiap unit analisis memiliki skor LISA (Zxi dan WZxi)

– Setiap unit analisis memiliki nilai siginifikansi

• Visualisasi dalam Moran Scatterplot

9 Desember 2010 9

Global Moran’s I

Interpretasi: Rata-rata teoritis = -1/(n-1)

– Jika I ≥ rata-rata teoritis tendensi pemusatan (tinggi maupun rendah)

– Jika I < rata-rata teoritis tendensi random atau pencilan (ketimpangan)

ii

i jjiij

i jij x

xxw

w

nI

2

Formula

Keterangan:µ = rata-rata variabel x, wij = elemen spatial weight matrix, n = jumlah wilayah,xi = nilai unit analisis i, xj = nilai unit analisis tetangga

9 Desember 2010 10

LISA

Interpretasi: – Setiap unit analisis memiliki nilai koordinat (Zxi , WZxi)

– Zxi adalah nilai standardized skor I utk unit analisis ke-i

– WZxi adalah nilai standardized skor I tetangga unit analisis ke-i

– Seluruh koordinat (Zxi , WZxi) divisualisasi dalam Moran Scatterplot

Formula

Keterangan:µ = rata-rata variabel x, wij = elemen spatial weight matrix, n = jumlah wilayah,xi = nilai unit analisis i, xj = nilai unit analisis tetangga

jjjij

iii

iii xW

nx

xI

2

-1 ≤ Ii ≤ 1

9 Desember 2010 11

Moran Scatterplot

• Kuadran I dan III indikasi lokasi klaster (cluster) atau pemusatan.

• Kuadran II dan IV indikasi lokasi pencilan (outlier).

Kuadran II(LH)

Kuadran I(HH)(0,0)

Kuadran III(LL)

Kuadran IV(HL)

Interpretasi:

• Kuadran I (HH) = wilayah tinggi dikelilingi tetangga yang tinggi

• Kuadran II (LH) = wilayah rendah dikelilingi tetangga yang tinggi

• Kuadran III (LL) = wilayah rendah dikelilingi tetangga yang rendah

• Kuadran IV (HL) = wilayah tinggi dikelilingi tetangga yang rendah

Moran Scatterplot Diagram

ZX

WZX

9 Desember 201012

Spatial Weight Matrix• ESDA memerlukan matriks penimbang spasial (representasi

tetangga bagi setiap wilayah)

• Tobler’s Law (1970) "everything is related to everything else, but near things are more related than distant things."

• Tetangga adalah unit analisis lain yang berbatasan langsung atau memiliki keterkaitan/hubungan atas dasar kriteria/skenario tertentu

• Pilihan skenario: • Simple Contiguity: Rook, Bishop, Queen• Distance Criterion: Distance metric, K-nearest neighbor• Based on economic or social network structure

• Skenario Spatial Weight Matrix yang dipilih adalah Queen

9 Desember 201013

Format Publikasi Intensitas kegiatan sosial ekonomi:

Diukur secara nasional Bisa diperbandingan antar unit analisis dan antar

wilayah (apple to apple).

Peta tematik disusun ke dalam 7 wilayah meliputi: Sumatera Jawa dan Bali Nusa Tenggara Kalimantan Sulawesi Maluku Papua

9 Desember 201014

Interpretasi Peta Tematik

Indikator asosiasi spasial hasil penghitungan statistik LISA: Merah lokasi pemusatan (cluster) tinggi (HH) Biru lokasi pemusatan (cluster) rendah (LL) Hijau lokasi pencilan (outlier) tinggi (HL) Kuning lokasi pencilan (outlier) rendah (LH)

Lokasi pemusatan maupun pencilan dibedakan menjadi dua kategori: Signifikan (pseudo alpha ≤ 5%.) unit analisis diyakini sbg

anggota kuadran Tidak signifikan (pseudo alpha > 5%) unit analisis menjadi

anggota kuadran tetapi keterkaitan dengan tetangga: tidak setara/searah (untuk wilayah pemusatan) tidak berpola atau acak (untuk wilayah pencilan)

9 Desember 201015

Implikasi Peta Tematik

Cakupan dan kedalaman informasi pada level desa atau kecamatan

Makna lokasi pemusatan atau pencilan Pemusatan (cluster): intensitas kegiatan searah/setara: sama-sama

tinggi (klaster tinggi) atau sama-sama rendah (klaster rendah) Pencilan (outlier): intensitas kegiatan berbeda secara ekstrim:

berbeda sangat tinggi (pencilan tinggi) ataupun sangat rendah (pencilan rendah)

Implikasi pelaksanaan program pembangunan tertentu: Pada lokasi pemusatan tinggi akan berimbas secara luas Pada lokasi pemusatan rendah akan berimbas sangat lamban atau

sangat terbatas Pada lokasi pencilan tidak akan berimbas kepada unit-unit analisis

lain sekitarnya

10 Desember 2010

KECAMATAN DI JAWA DAN BALI MENURUT TINGKAT PEMUSATAN TANAMAN PADI

10 Desember 2010

Kecamatan-kecamatan yang terjadi pemusatan tinggi dalam inset :

PROVINSI KABUPATEN KECAMATAN

JAWA BARAT KUNINGAN CIBINGBIN

JAWA BARAT KUNINGAN CIMAHI

JAWA BARAT CIREBON GEBANG

JAWA TENGAH BREBES LARANGAN

JAWA TENGAH BREBES KETANGGUNGAN

JAWA TENGAH BREBES LOSARI

JAWA TENGAH BREBES TANJUNG

10 Desember 2010

KECAMATAN DI PAPUA MENURUT TINGKAT PEMUSATAN PALAWIJA

10 Desember 2010

KECAMATAN DI SUMATERA MENURUT KONVERSI LAHAN PERTANIAN

10 Desember 2010

DESA DI KALIMANTAN MENURUT PERSENTASE KELUARGA PENGGUNA LISTRIK NON-PLN

10 Desember 2010

KECAMATAN DI NUSA TENGGARA MENURUT PERSENTASE DESA YANG TERDAPAT PENJUAL LPG

10 Desember 2010

KECAMATAN DI SULAWESI MENURUT PERSENTASE DESA YANG TERDAPAT PANGKALAN / AGEN MINYAK TANAH

10 Desember 2010

DESA DI WILAYAH MALUKU MENURUT KEJADIAN PENCEMARAN LINGKUNGAN HIDUP

9 Desember 2010 24

TERIMA KASIH