ANALISIS POLA SPASIAL SEBARAN PENYANDANG DISABILITAS DENGAN PENDEKATAN MORAN'S I DAN LISA DI KOTA BANJAR
DOI:
https://doi.org/10.36087/jrp.v8i1.219Kata Kunci:
autokorelasi spasial, disabilitas, Moran's I, LISA, Kota BanjarAbstrak
Penelitian ini bertujuan untuk mengkaji pola spasial sebaran penyandang disabilitas di Kota Banjar dengan menggunakan pendekatan Moran's I dan Local Indicator of Spatial Association (LISA). Selain itu, penelitian ini juga menambahkan parameter baru berupa kepadatan penduduk dan lokasi fasilitas kesehatan untuk memperkaya interpretasi spasial. Dengan menggunakan data tahun 2022, analisis dilakukan melalui QGIS dan perangkat lunak statistik spasial. Hasilnya menunjukkan bahwa secara global terdapat autokorelasi spasial positif yang signifikan antara jumlah penyandang disabilitas di tiap kecamatan. Sementara itu, LISA tidak menemukan pola lokal yang signifikan, namun terdapat indikasi yang menarik untuk ditelusuri lebih lanjut, terutama pada wilayah Langensari. Penambahan parameter fasilitas kesehatan dan kepadatan penduduk juga mengungkapkan potensi ketimpangan spasial yang relevan bagi perumusan kebijakan berbasis lokasi.Referensi
Anselin, L. (1995). Local Indicators of Spatial Association-LISA. Geographical Analysis, 27(2), 93–115.
Badan Pusat Statistik. (2023). Profil Penyandang Disabilitas Indonesia 2022. Jakarta: BPS RI. https://www.bps.go.id/publication
Caroline, E. (2020). Aplikasi Ekonometrika Spasial dengan Software STATA. Scopindo Media Pustaka. https://www.who.int/publications/i/item/9789240062883
Cliff, A., & Ord, J. K. (1981). Spatial Processes: Models & Applications. London: Pion.
Emerson, E., Hatton, C., & Baines, S. (2021). People with disabilities and their spatial distribution related to health service inequalities. Journal of Public Health, 43(1), 88–96.
Fang, C., Liu, H., & Li, G. (2018). Spatial heterogeneity of health vulnerability and its influencing factors: A global perspective. International Journal of Environmental Research and Public Health, 15(12), 2756.
Jain, A. K. (2010). Data clustering: 50 years beyond K-means. Pattern Recognition Letters, 31(8), 651–666.
Kementerian PPN/Bappenas. (2021). Rencana Aksi Nasional Disabilitas 2020–2024. Jakarta: Kementerian PPN/Bappenas.
Kementerian Sosial RI. (2020). Rencana Strategis Kementerian Sosial Tahun 2020–2024. Jakarta: Kementerian Sosial Republik Indonesia.
Pemerintah Kota Banjar. (2022). Profil Wilayah dan Statistik Kependudukan Kota Banjar 2022. Dinas Kependudukan dan Catatan Sipil.
Ramadhani, S. (2020). Analisis Spasial Penyebaran Penyakit Tuberkulosis di Sumatera Utara Menggunakan Indeks Moran dan LISA (Skripsi). Universitas Sumatera Utara.
Ramadhani, S. (2020). Analisis Spasial Penyebaran Penyakit Tuberkulosis di Sumatera Utara Menggunakan Indeks Moran dan LISA (Skripsi). Universitas Sumatera Utara.
Rey, S. J., & Anselin, L. (2010). PySAL: A Python library of spatial analytical methods. In Handbook of Applied Spatial Analysis (pp. 175–193). Springer.
Ribeiro, A. I., & Lanza, R. (2019). Spatial inequalities and disability: A geographical analysis of access to health services. Health & Place, 57, 118–126.
Sari, R. P., & Nugroho, H. (2020). Analisis Aksesibilitas Disabilitas di Indonesia Menggunakan Data Susenas. Laporan Penelitian. Jakarta: Kementerian PPN/Bappenas.
Setiadi, R., Wijaya, H., & Putra, A. (2021). Clustering kerentanan sosial berbasis K-Means untuk analisis spasial wilayah perkotaan. Jurnal Geografi, 13(2), 121–134.
Tim Dosen SIG UPI. (2021). Statistik Spasial untuk Kajian Sosial Geografi. Bandung: UPI Press.
WHO. (2022). Global Report on Assistive Technology. Jenewa: World Health Organization.
