Mengukur Presisi Estimasi Luas Lahan KSA: Satu Strata

Salah satu kelebihan KSA dibanding pengumpulan data luas lahan konvensional adalah dihasilkan ukuran akurasi data estimasi luas lahan. Dalam hal ini, ukuran presisi yang digunakan adalah Coefficient of Variation atau CV. Secara sederhana, CV adalah pembagian antara Standard Error (SE) dengan rata-rata proporsi luas lahan (p) dikali 100. Kalau diformulasikan, maka CV dinyatakan sebagai berikut:

di mana indeks h menyatakan strata dan indeks j menyatakan fase tumbuh padi. Pada tulisan kali ini, strata yang dihitung hanya 1. Untuk strata lebih dari satu akan dibahas pada posting lain.

 

Bagaimana menghitung proporsi setiap fase tumbuh padi telah dibahas pada artikel Kalkulasi-luas-lahan-dari-ksa-step-2. Kali ini, kita akan membahas bagaimana memperoleh SE sebagai pembilang dari CV. Di dalam SPSS, SE ini diperoleh dengan mencari akar dari kuadrat standar deviasi dibagi dengan jumlah segmen.

Silahkan membuka syntax window SPSS, kemudian ketikan perintah berikut:

*********************************** STEP 2 *****************************************.
COMPUTE Strata_Akhir = 1.

AGGREGATE
/OUTFILE=* MODE=ADDVARIABLES OVERWRITEVARS=YES
/BREAK=Strata_Akhir
/P1_mean=MEAN(P1)
/P2_mean=MEAN(P2)
/P3_mean=MEAN(P3)
/P4_mean=MEAN(P4)
/P5_mean=MEAN(P5)
/P6_mean=MEAN(P6)
/P7_mean=MEAN(P7)
/P8_mean=MEAN(P8)
/PBERA_mean=MEAN(PBera)
/PPanen2_mean=MEAN(PPanen2)
/PTotal_mean=MEAN(PTotal)
/PSawah_mean=MEAN(PSawah)
/PStanding_Crop_mean=MEAN(PStanding_Crop)
/PTotal_Panen_mean=MEAN(PTotal_Panen).

Bagian ini sesungguhnya telah disampaikan juga pada artikel Kalkulasi-luas-lahan-dari-ksa-step-3. Tetapi disampaikan kembali untuk memastikan rata-rata proporsi setiap fase tumbuh padi sudah didefinisikan.

Adapun penghitungan CV selengkapnya dimulai dengan menghitung variant, standard error dan terakhir CV.

*********************************** STEP 4 ************************************.
****************** Menghitung Coeficient of Variation (CV) *********************.
COMPUTE Strata_Akhir = 1.

AGGREGATE
/OUTFILE=* MODE=ADDVARIABLES OVERWRITEVARS=YES
/BREAK=Strata_Akhir
/P1_sd=SD(P1)
/P2_sd=SD(P2)
/P3_sd=SD(P3)
/P4_sd=SD(P4)
/P5_sd=SD(P5)
/PBera_sd=SD(PBera)
/P6_sd=SD(P6)
/P7_sd=SD(P7)
/P8_sd=SD(P8)
/PTotal_sd=SD(PTotal)
/PSawah_sd=SD(PSawah)
/PStanding_Crop_sd=SD(PStanding_Crop)
/PPanen2_sd=SD(PPanen2)
/PTotal_Panen_sd=SD(PTotal_Panen).

COMPUTE P1_VARIANT=P1_sd*P1_sd.
COMPUTE P2_VARIANT=P2_sd*P2_sd.
COMPUTE P3_VARIANT=P3_sd*P3_sd.
COMPUTE P4_VARIANT=P4_sd*P4_sd.
COMPUTE P5_VARIANT=P5_sd*P5_sd.
COMPUTE PBERA_VARIANT=PBERA_sd*PBERA_sd.
COMPUTE P6_VARIANT=P6_sd*P6_sd.
COMPUTE P7_VARIANT=P7_sd*P7_sd.
COMPUTE P8_VARIANT=P8_sd*P8_sd.
COMPUTE PTotal_VARIANT=PTotal_sd*PTotal_sd.
COMPUTE PSawah_VARIANT=PSawah_sd*PSawah_sd.
COMPUTE PStanding_Crop_VARIANT=PStanding_Crop_sd*PStanding_Crop_sd.
COMPUTE PPanen2_VARIANT=PPanen2_sd*PPanen2_sd.
COMPUTE PTotal_Panen_VARIANT=PTotal_Panen_sd*PTotal_Panen_sd.
EXECUTE.

***** Menghitung Standard Error ******.

AGGREGATE
/OUTFILE=* MODE=ADDVARIABLES OVERWRITE=YES
/BREAK=Strata_Awal
/N_BREAK=N.

COMPUTE n = N_BREAK.

COMPUTE P1_SE2=P1_sd*P1_sd/n.
COMPUTE P2_SE2=P2_sd*P2_sd/n.
COMPUTE P3_SE2=P3_sd*P3_sd/n.
COMPUTE P4_SE2=P4_sd*P4_sd/n.
COMPUTE P5_SE2=P5_sd*P5_sd/n.
COMPUTE PBERA_SE2=PBERA_sd*PBERA_sd/n.
COMPUTE P6_SE2=P6_sd*P6_sd/n.
COMPUTE P7_SE2=P7_sd*P7_sd/n.
COMPUTE P8_SE2=P8_sd*P8_sd/n.
COMPUTE PTotal_SE2=PTotal_sd*PTotal_sd/n.
COMPUTE PSawah_SE2=PSawah_sd*PSawah_sd/n.
COMPUTE PStanding_Crop_SE2=PStanding_Crop_sd*PStanding_Crop_sd/n.
COMPUTE PPanen2_SE2=PPanen2_sd*PPanen2_sd/n.
COMPUTE PTotal_Panen_SE2=PTotal_Panen_sd*PTotal_Panen_sd/n.
EXECUTE.

COMPUTE P1_SE=SQRT(P1_SE2).
COMPUTE P2_SE=SQRT(P2_SE2).
COMPUTE P3_SE=SQRT(P3_SE2).
COMPUTE P4_SE=SQRT(P4_SE2).
COMPUTE P5_SE=SQRT(P5_SE2).
COMPUTE PBERA_SE=SQRT(PBERA_SE2).
COMPUTE P6_SE=SQRT(P6_SE2).
COMPUTE P7_SE=SQRT(P7_SE2).
COMPUTE P8_SE=SQRT(P8_SE2).
COMPUTE PTotal_SE=SQRT(PTotal_SE2).
COMPUTE PSawah_SE=SQRT(PSawah_SE2).
COMPUTE PStanding_Crop_SE=SQRT(PStanding_Crop_SE2).
COMPUTE PPanen2_SE=SQRT(PPanen2_SE2).
COMPUTE PTotal_Panen_SE=SQRT(PTotal_Panen_SE2).
EXECUTE.

*************** Menghitung CV *****************.

COMPUTE P1_CV=P1_SE/P1_mean*100.
COMPUTE P2_CV=P2_SE/P2_mean*100.
COMPUTE P3_CV=P3_SE/P3_mean*100.
COMPUTE P4_CV=P4_SE/P4_mean*100.
COMPUTE P5_CV=P5_SE/P5_mean*100.
COMPUTE PBERA_CV=PBERA_SE/PBERA_mean*100.
COMPUTE P6_CV=P6_SE/P6_mean*100.
COMPUTE P7_CV=P7_SE/P7_mean*100.
COMPUTE P8_CV=P8_SE/P8_mean*100.
COMPUTE PTotal_CV=PTotal_SE/PTotal_mean*100.
COMPUTE PSawah_CV=PSawah_SE/PSawah_mean*100.
COMPUTE PStanding_Crop_CV=PStanding_Crop_SE/PStanding_Crop_mean*100.
COMPUTE PPanen2_CV=PPanen2_SE/PPanen2_mean*100.
COMPUTE PTotal_Panen_CV=PTotal_Panen_SE/PTotal_Panen_mean*100.
EXECUTE.

Untuk menampilkan hasil penghitungan CV dan estimasi luas lahan, berikut sintaks tabulasi sederhana.

* Custom Tables.
CTABLES
/VLABELS VARIABLES=P1_VARIANT P2_VARIANT P3_VARIANT P4_VARIANT P5_VARIANT PBERA_VARIANT
P6_VARIANT P7_VARIANT P8_VARIANT PTotal_VARIANT PSawah_VARIANT PStanding_Crop_VARIANT
PPanen2_VARIANT PTotal_Panen_VARIANT
DISPLAY=LABEL
/TABLE P1_VARIANT [MEAN] + P2_VARIANT [S][MEAN] + P3_VARIANT [S][MEAN] + P4_VARIANT [MEAN] +
P5_VARIANT [MEAN] + PBERA_VARIANT [MEAN] + P6_VARIANT [S][MEAN] + P7_VARIANT [MEAN] + P8_VARIANT
[MEAN] + PTotal_VARIANT [S][MEAN] + PSawah_VARIANT [MEAN] + PStanding_Crop_VARIANT [MEAN] +
PPanen2_VARIANT [MEAN] + PTotal_Panen_VARIANT [MEAN]
/TITLES
TITLE=’Nilai Varian Menurut Fase Tumbuh Padi’.

* Custom Tables.
CTABLES
/VLABELS VARIABLES=P1_sd P2_sd P3_sd P4_sd P5_sd PBera_sd P6_sd P7_sd P8_sd PTotal_sd PSawah_sd
PStanding_Crop_sd PPanen2_sd PTotal_Panen_sd
DISPLAY=LABEL
/TABLE P1_sd [MEAN] + P2_sd [MEAN] + P3_sd [MEAN] + P4_sd [MEAN] + P5_sd [MEAN] + PBera_sd [MEAN]
+ P6_sd [MEAN] + P7_sd [MEAN] + P8_sd [MEAN] + PTotal_sd [MEAN] + PSawah_sd [MEAN] +
PStanding_Crop_sd [MEAN] + PPanen2_sd [MEAN] + PTotal_Panen_sd [MEAN]
/TITLES
TITLE=’Nilai Standard Deviasi Menurut Fase Tumbuh Padi’.

* Custom Tables.
CTABLES
/VLABELS VARIABLES=P1_SE2 P2_SE2 P3_SE2 P4_SE2 P5_SE2 PBERA_SE2 P6_SE2 P7_SE2 P8_SE2 PTotal_SE2
PSawah_SE2 PStanding_Crop_SE2 PPanen2_SE2 PTotal_Panen_SE2
DISPLAY=LABEL
/TABLE P1_SE2 [MEAN] + P2_SE2 [S][MEAN] + P3_SE2 [S][MEAN] + P4_SE2 [MEAN] + P5_SE2 [MEAN] +
PBERA_SE2 [MEAN] + P6_SE2 [S][MEAN] + P7_SE2 [MEAN] + P8_SE2 [MEAN] + PTotal_SE2 [S][MEAN] +
PSawah_SE2 [MEAN] + PStanding_Crop_SE2 [MEAN] + PPanen2_SE2 [MEAN] + PTotal_Panen_SE2 [MEAN]
/TITLES
TITLE=’Nilai Kuadrat Standard Error Menurut Fase Tumbuh Padi’.

* Custom Tables.
CTABLES
/VLABELS VARIABLES=P1_SE P2_SE P3_SE P4_SE P5_SE PBERA_SE P6_SE P7_SE P8_SE PTotal_SE PSawah_SE
PStanding_Crop_SE PPanen2_SE PTotal_Panen_SE
DISPLAY=LABEL
/TABLE P1_SE [MEAN] + P2_SE [S][MEAN] + P3_SE [S][MEAN] + P4_SE [MEAN] + P5_SE [MEAN] + PBERA_SE
[MEAN] + P6_SE [S][MEAN] + P7_SE [MEAN] + P8_SE [MEAN] + PTotal_SE [S][MEAN] + PSawah_SE [MEAN] +
PStanding_Crop_SE [MEAN] + PPanen2_SE [MEAN] + PTotal_Panen_SE [MEAN]
/TITLES
TITLE=’Nilai Standard Error Menurut Fase Tumbuh Padi’.

* Custom Tables.
CTABLES
/VLABELS VARIABLES=P1_CV P2_CV P3_CV P4_CV P5_CV PBERA_CV P6_CV P7_CV P8_CV PTotal_CV PSawah_CV
PStanding_Crop_CV PPanen2_CV PTotal_Panen_CV
DISPLAY=LABEL
/TABLE P1_CV [MEAN] + P2_CV [S][MEAN] + P3_CV [S][MEAN] + P4_CV [MEAN] + P5_CV [MEAN] + PBERA_CV
[MEAN] + P6_CV [S][MEAN] + P7_CV [MEAN] + P8_CV [MEAN] + PTotal_CV [S][MEAN] + PSawah_CV [MEAN] +
PStanding_Crop_CV [MEAN] + PPanen2_CV [MEAN] + PTotal_Panen_CV [MEAN]
/TITLES
TITLE=’Nilai CV Menurut Fase Tumbuh Padi’.

* Custom Tables.
CTABLES
/VLABELS VARIABLES=L_V1 L_V2 L_G L_Standing_Crop L_P L_Panen2 L_PanenKumulatif L_PL L_Bera L_PS
L_SBP L_Sawah L_BS EST_PN2 EST_PN4 PSawah_CV
DISPLAY=LABEL
/TABLE L_V1 [S][MEAN] + L_V2 [S][MEAN] + L_G [S][MEAN] + L_Standing_Crop [S][MEAN] + L_P
[S][MEAN] + L_Panen2 [S][MEAN] + L_PanenKumulatif [S][MEAN] + L_PL [S][MEAN] + L_Bera [S][MEAN] +
L_PS [S][MEAN] + L_SBP [S][MEAN] + L_Sawah [S][MEAN] + L_BS [S][MEAN] + EST_PN2 [S][MEAN] + EST_PN4
[S][MEAN] + PSawah_CV [S][MEAN]
/TITLES
TITLE=’Penghitungan Luas Lahan Dengan Metode KSA’.

Tabel terakhir inilah yang disajikan pada analisis rinci penghitungan estimasi luas lahan KSA di tingkat kecamatan. Screenshoot output tersebut sebagai berikut:

 

Berdasarkan Tabel 1 di atas, estimasi luas lahan sawah di Kecamatan X adalah 795,13 ha dari 825,71 ha luas baku sawah yang ada. Nilai CV sebesar 3,85 menunjukkan akurasi estimasi luas lahan yang sangat baik. Statistik Canada pada 2010 menggunakan ambang batas CV sebesar 16,5 % untuk penggunaan estimasi statistik yang baik. Batas toleransi CV sebesar 33,3 %. Untuk nilai CV di atas 33,3 % data estimasi tidak direkomendasikan untuk digunakan.