Guru Besar IPB University: Metode Spasial Lebih Powerfull dalam Menggambarkan Permasalahan Lingkungan dan Kesehatan di Indonesia
BOGOR-KITA.com, BOGOR – Menurut Guru Besar Tetap Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) IPB University, Prof Muhammad Nur Aidi, model pendugaan statistika spasial lebih powerfull jika dibandingkan model statistika non spasial. Terutama dalam menggambarkan permasalahan di bidang kemiskinan, penyakit serta lingkungan.
Hal ini ia sampaikan dalam paparan materinya yang berjudul Penggunaan Model Pendugaan Statistika Spasial dalam Rangka Permasalahan Lingkungan dan Kesehatan di Indonesia pada Konferensi Pers Pra Orasi Ilmiah Guru Besar (17/6/2021) secara daring.
“Persoalan (kemiskinan, penyakit dan lingkungan) yang ada di Indonesia selalu berkaitan dengan jumlah serta bagaimana distribusinya pada ruang wilayah Indonesia, serta faktor-faktor yang diperkirakan menjadi penyebabnya. Pencarian faktor penyebab, jumlah kejadian, pola sebaran dan dugaan terjadinya (kemiskinan, penyakit dan pencemaran lingkungan) ini akan lebih powerfull jika menggunakan model pendugaan statistika spasial,” terang Pakar Statistical Modeling IPB University ini.
Model pendugaan statistika spasial ini terbagi dalam tiga bentuk. Yaitu data titik, data latis (lattice data) dan data kontinu. Data titik ini menggambarkan eksistensi obyek dalam ruang, biasanya dihitung dalam nilai cacah. Misalkan, data persebaran penyakit, persebaran penduduk miskin dan lainnya.
Sementara itu, data kontinu dalam ruang adalah data yang pada setiap posisi dalam ruang tersebut selalu didapatkan nilai datanya. Terakhir adalah lattice data yakni data yang berbentuk area-area. Data ini umumnya berupa area batas-batas wilayah. Misalnya, data jumlah penduduk yang terserang Demam Berdarah Dengue (DBD) per kabupaten.
“Model pendugaan statistika spasial untuk obyek titik cukup ampuh untuk mengkaji distribusi penyakit TB, filariasis, DBD dan faktor yang mempengaruhinya. Model pendugaan statistika spasial untuk data kontinu ini mampu menduga nilai-nilai pencemaran, pola pencemaran, lokasi pencemaran, serta volume pencemaran. Dan model pendugaan statistika spasial untuk lattice data mampu menduga faktor-faktor yang mempengaruhi peubah respon, baik secara lokal maupun global dengan tingkat akurasi yang tinggi. Terutama pada kasus malaria, demam berdarah (DBD), TB, stunting, maupun yang terkait lingkungan. Seperti kebakaran hutan, iklim serta kemiskinan,” jelas dosen IPB University di Departemen Statistika ini.
Dari hasil-hasil penelitian ini, Prof Nur Aidi menyimpulkan bahwa model pendugaan statistika spasial dapat digunakan dengan baik untuk menjelaskan prilaku objek dalam ruang spasial. Baik itu data berupa titik, berupa area (lattice data) maupun ruang kontinu.
“Model pendugaan statistika spasial untuk obyek titik dapat digunakan secara efektif untuk mengidentifikasi pola persebaran objek, seperti persebaran penyakit, persebaran penduduk miskin dan lainnya. Model pendugaan statistika spasial untuk data kontinu dalam ruang sangat baik digunakan untuk menduga nilai dan posisi titik dalam suatu ruang, seperti: pencemaran di udara, pencemaran di air, data ketinggian lokasi, data kandungan oksigen di air, tanah dan udara dan lain-lain. Dan model pendugaan statistika spasial untuk data yang berbentuk lattice sangat baik digunakan untuk mencari faktor yang mempengaruhi peubah respon, baik faktor yang bersifat lokal maupun global,” tandasnya. [] Hari
