Last Updated on September 22, 2026 by Zona Ekonomi

Cara Uji Dependensi Spasial dengan Moran I di R Studio: Panduan Lengkap Analisis Data Spasial Ekonomi

Dalam analisis ekonomi wilayah, kita sering menghadapi kenyataan bahwa kondisi ekonomi suatu daerah tidak berdiri sendiri. Fenomena seperti konsentrasi kemiskinan, ketimpangan pembangunan, pertumbuhan ekonomi regional, hingga penyebaran inflasi cenderung saling memengaruhi antarwilayah yang bertetangga. Fenomena saling ketergantungan geografis ini dikenal sebagai autokorelasi spasial. Bagi dosen, mahasiswa, dan peneliti ekonomi, memahami cara uji dependensi spasial dengan moran i di r studio merupakan langkah krusial untuk menghasilkan analisis data spasial yang kredibel, akurat, dan bebas dari bias estimasi.

Mengabaikan aspek spasial ketika data Anda memiliki keterkaitan lokasi dapat menyebabkan bias spesifikasi dalam model ekonometrika. Artikel ini dirancang secara mendalam untuk memandu Anda melakukan uji dependensi spasial menggunakan indeks Global Moran’s I di perangkat lunak RStudio, lengkap dengan interpretasi teoretis dan praktisnya.

Baca selengkapnya Panduan Pemodelan Ekonometrika Spasial dan Data Panel Dinamis

Mengapa Dependensi Spasial Penting dalam Analisis Ekonomi Regional?

Secara psikologis dan praktis, pengambil kebijakan tidak bisa merumuskan program pembangunan yang seragam tanpa melihat karakteristik wilayah sekitarnya. Hal ini sejalan dengan Hukum Pertama Geografi Tobler yang menyatakan bahwa segala sesuatu saling berhubungan, tetapi sesuatu yang dekat memiliki pengaruh lebih besar daripada yang jauh. Dalam analisis ekonomi, efek ini disebut sebagai efek limpahan (spillover effects).

Secara statistik, jika terdapat dependensi spasial dalam data Anda, maka asumsi independensi (i.i.d – independent and identically distributed) dalam analisis regresi Ordinary Least Squares (OLS) klasik akan dilanggar. Akibatnya, standar error yang dihasilkan menjadi tidak efisien, dan pengambilan keputusan uji t serta uji F menjadi tidak valid. Oleh karena itu, uji dependensi spasial seperti Moran’s I wajib dilakukan sebagai uji diagnostik sebelum melangkah ke pemodelan regresi spasial.

Memahami Konsep Dasar Indeks Moran (Moran’s I)

Indeks Moran (Moran’s I) adalah salah satu metode statistik tertua dan paling populer untuk mengukur autokorelasi spasial global. Nilai Indeks Moran berkisar antara -1 hingga +1, dengan interpretasi sebagai berikut:

• Nilai Moran’s I Positif (0 hingga +1): Menunjukkan adanya autokorelasi spasial positif. Artinya, wilayah dengan nilai variabel yang tinggi cenderung dikelilingi oleh wilayah yang bernilai tinggi pula (high-high), atau sebaliknya (low-low). Contoh: Kluster daerah industri maju di sekitar ibu kota.
• Nilai Moran’s I Negatif (-1 hingga 0): Menunjukkan adanya autokorelasi spasial negatif. Ini menggambarkan pola menyebar atau kontras (checkerboard pattern), di mana wilayah bernilai tinggi dikelilingi oleh wilayah bernilai rendah (high-low).
• Nilai Moran’s I Mendekati Nol: Menunjukkan tidak ada autokorelasi spasial (pola spasial bersifat acak atau random).

Untuk menghitung Indeks Moran, kita memerlukan dua komponen utama: data atribut wilayah (misalnya data PDRB atau tingkat pengangguran) dan matriks bobot spasial (spatial weight matrix) yang mendefinisikan hubungan ketetanggaan antarwilayah.

Langkah Praktis Uji Dependensi Spasial dengan Moran I di R Studio

Berikut adalah panduan langkah demi langkah untuk melakukan pengujian di RStudio. Pastikan Anda telah menyiapkan data spasial berupa Shapefile (.shp) wilayah kajian Anda dan data atribut ekonomi yang relevan.

1. Menginstal dan Mengaktifkan Library yang Diperlukan

Langkah pertama adalah menyiapkan ekosistem kerja di RStudio dengan menginstal paket sf untuk manipulasi data spasial dan paket spdep untuk analisis dependensi spasial. Jalankan perintah berikut di konsol RStudio Anda:

• install.packages(“sf”)
• install.packages(“spdep”)
• library(sf)
• library(spdep)

2. Mengimpor Data Spasial (Shapefile)

Impor file peta digital Anda ke dalam R. Pastikan file .shp berada dalam satu folder kerja dengan file pendukungnya (.shx, .dbf, .prj). Gunakan fungsi st_read untuk membaca data tersebut:

• peta_ekonomi <- st_read(“jalur/ke/file/peta_anda.shp”)
• head(peta_ekonomi)

Pastikan data atribut ekonomi Anda sudah tergabung di dalam tabel atribut shapefile tersebut agar proses analisis berjalan lancar.

3. Membuat Matriks Bobot Spasial (Spatial Weight Matrix)

Matriks bobot spasial mendefinisikan siapa bertetangga dengan siapa. Pendekatan yang paling umum digunakan adalah Queen Contiguity (berbagi batas wilayah atau titik sudut) atau Rook Contiguity (hanya berbagi batas wilayah).

• tetangga <- poly2nb(peta_ekonomi, queen = TRUE)
• bobot_spasial <- nb2listw(tetangga, style = “W”, zero.policy = TRUE)

Argumen style = “W” digunakan untuk melakukan standarisasi baris (row-standardized), yang sangat direkomendasikan dalam analisis ekonometrika spasial agar hasil estimasi lebih stabil.

4. Menjalankan Uji Global Moran’s I

Setelah bobot spasial terbentuk, kita dapat menguji dependensi spasial variabel ekonomi kita (misalnya variabel bernama “PDRB”) menggunakan fungsi moran.test:

• uji_moran <- moran.test(peta_ekonomi$PDRB, bobot_spasial, zero.policy = TRUE)
• print(uji_moran)

Interpretasi Output Uji Moran’s I

Saat melihat hasil output di konsol RStudio, fokuskan perhatian Anda pada tiga nilai utama berikut untuk menarik kesimpulan ilmiah yang kredibel:

• Moran I Statistic (Nilai Indeks): Jika nilainya positif dan signifikan, berarti terdapat konsentrasi spasial yang searah pada variabel ekonomi Anda di wilayah tersebut.
• Expectation (Harapan): Nilai teoretis jika tidak ada autokorelasi spasial sama sekali. Biasanya bernilai sangat kecil mendekati nol (negatif).
• P-Value (Nilai Signifikansi): Bandingkan nilai p-value dengan taraf signifikansi (alpha) Anda (misalnya 5% atau 0.05). Jika p-value < 0.05, maka Anda menolak Hipotesis Nol (H0). Artinya, terdapat dependensi spasial yang signifikan secara statistik pada data Anda.

Menentukan Langkah Selanjutnya Setelah Uji Dependensi Spasial

Bagi para akademisi dan mahasiswa, menemukan adanya dependensi spasial bukanlah akhir dari analisis, melainkan pintu gerbang menuju pemodelan yang lebih canggih. Jika hasil uji Moran’s I menunjukkan adanya autokorelasi spasial yang signifikan, Anda tidak boleh lagi menggunakan model regresi linier klasik (OLS).

Anda harus beralih ke model ekonometrika spasial, seperti Spatial Autoregressive Model (SAR) jika dependensi terletak pada variabel dependen, atau Spatial Error Model (SEM) jika dependensi berada pada sisaan (error) model. Langkah diagnostik lanjutan seperti uji Lagrange Multiplier (LM Test) dapat digunakan untuk menentukan model spasial mana yang paling cocok untuk data ekonomi Anda.

Kesimpulan

Melakukan uji dependensi spasial merupakan standar emas baru dalam penelitian ekonomi regional modern. Dengan menguasai analisis ini, tulisan, jurnal, maupun skripsi Anda akan memiliki bobot ilmiah yang jauh lebih tinggi dan kredibel di mata penguji maupun reviewer jurnal bereputasi.

Untuk memperdalam pemahaman Anda mengenai analisis data, metodologi penelitian ekonomi, dan perkembangan isu ekonomi global terkini, kunjungi platform edukasi terpercaya di Zona Ekonomi. Temukan berbagai artikel investigatif dan panduan praktis yang dikemas secara objektif untuk mendukung perjalanan akademik dan profesional Anda.

Pertanyaan yang Sering Diajukan (FAQ)

Apakah uji Moran’s I bisa mendeteksi lokasi spesifik di mana kluster itu berada?

Tidak secara langsung. Global Moran’s I hanya memberikan informasi apakah secara keseluruhan wilayah kajian memiliki dependensi spasial atau tidak (global). Untuk mendeteksi lokasi spesifik kluster (hotspot dan coldspot), Anda harus menggunakan analisis Local Indicators of Spatial Association (LISA) atau Local Moran’s I.

Apa yang harus dilakukan jika matriks bobot spasial menghasilkan error karena ada pulau terisolasi?

Jika ada wilayah yang tidak memiliki tetangga fisik (seperti pulau), gunakan argumen zero.policy = TRUE dalam fungsi nb2listw dan moran.test di R. Ini memberi tahu R untuk mengabaikan wilayah terisolasi tersebut tanpa menghentikan proses perhitungan keseluruhan.

Apakah nilai Moran’s I selalu berada di rentang -1 hingga +1?

Secara umum ya, namun secara teknis matematis, batas atas dan batas bawah indeks Moran sangat bergantung pada matriks bobot spasial yang digunakan. Dalam beberapa kasus dengan bobot non-standar, nilainya bisa sedikit melebihi rentang -1 atau +1, meskipun hal tersebut sangat jarang terjadi pada bobot spasial yang terstandarisasi baris (row-standardized).