Mengukur Segregasi: Indeks Dissimilarity

Menganalisis Data Sensus AS dengan Python

Lee Hachadoorian

Asst. Professor of Instruction, Temple University

Apa itu Segregasi?

Peta kepadatan titik Chicago, menampilkan populasi Kulit Putih, Kulit Hitam, Asia, dan Hispanik dalam empat warna. Titik sewarna mengelompok, menunjukkan lanskap tersegresi berdasarkan ras.

Rumus Indeks Dissimilarity

Untuk dua kelompok A dan B:

Sebuah kotak dibagi empat kuadran, menampilkan populasi A dan B di tiap kuadran.

Rumus Indeks Dissimilarity

Untuk dua kelompok A dan B:

$$\color{white}{D = {\frac{1}{2}\sum_i}\color{white}{\left\lvert \frac{a_i}{A} - \frac{b_i}{B} \right\rvert}}$$

$a_i$ = Jumlah Kelompok A di area kecil
$b_i$ = Jumlah Kelompok B di area kecil

Sebuah kotak dibagi empat kuadran, menampilkan populasi A dan B di tiap kuadran.

Rumus Indeks Dissimilarity

Untuk dua kelompok A dan B:

$$\color{white}{D = {\frac{1}{2}\sum_i}\color{white}{\left\lvert \frac{a_i}{A} - \frac{b_i}{B} \right\rvert}}$$

$a_i$ = Jumlah Kelompok A di area kecil
$b_i$ = Jumlah Kelompok B di area kecil
$A$ = Jumlah Kelompok A di area besar
$B$ = Jumlah Kelompok B di area besar

Sebuah kotak dibagi empat kuadran, menampilkan populasi A dan B di tiap kuadran.

Rumus Indeks Dissimilarity

Untuk dua kelompok A dan B:

$$\color{red}D = \frac{1}{2}\sum_i{\left\lvert \frac{{a_i}}{A} - \frac{b_i}{B} \right\rvert}$$

$a_i$ = Jumlah Kelompok A di area kecil
$b_i$ = Jumlah Kelompok B di area kecil
$A$ = Jumlah Kelompok A di area besar
$B$ = Jumlah Kelompok B di area besar

Sebuah kotak dibagi empat kuadran, menampilkan populasi A dan B di tiap kuadran.

Rumus Indeks Dissimilarity

Untuk dua kelompok A dan B:

$$D = \color{white}{\frac{1}{2}\sum_i}\color{white}{\left\lvert \color{red}{\frac{a_i}{A}} \color{white}{- \frac{b_i}{B}} \right\rvert}$$

$a_i$ = Jumlah Kelompok A di area kecil
$b_i$ = Jumlah Kelompok B di area kecil
$A$ = Jumlah Kelompok A di area besar
$B$ = Jumlah Kelompok B di area besar

Sebuah kotak dibagi empat kuadran, menampilkan populasi A dan B di tiap kuadran.

Rumus Indeks Dissimilarity

Untuk dua kelompok A dan B:

$$D = \color{white}{\frac{1}{2}\sum_i}\color{white}{\left\lvert \frac{a_i}{A} - \color{red}{\frac{b_i}{B}} \right\rvert}$$

$a_i$ = Jumlah Kelompok A di area kecil
$b_i$ = Jumlah Kelompok B di area kecil
$A$ = Jumlah Kelompok A di area besar
$B$ = Jumlah Kelompok B di area besar

Sebuah kotak dibagi empat kuadran, menampilkan populasi A dan B di tiap kuadran.

Rumus Indeks Dissimilarity

Untuk dua kelompok A dan B:

$$D = \color{white}{\frac{1}{2}\sum_i}\color{red}{\left\lvert \frac{a_i}{A} - \frac{b_i}{B} \right\rvert}$$

$a_i$ = Jumlah Kelompok A di area kecil
$b_i$ = Jumlah Kelompok B di area kecil
$A$ = Jumlah Kelompok A di area besar
$B$ = Jumlah Kelompok B di area besar

Sebuah kotak dibagi empat kuadran, menampilkan populasi A dan B di tiap kuadran.

Rumus Indeks Dissimilarity

Untuk dua kelompok A dan B:

$$D = \color{white}{\frac{1}{2}}\color{red}{\sum_i}{\left\lvert \frac{a_i}{A} - \frac{b_i}{B} \right\rvert}$$

$a_i$ = Jumlah Kelompok A di area kecil
$b_i$ = Jumlah Kelompok B di area kecil
$A$ = Jumlah Kelompok A di area besar
$B$ = Jumlah Kelompok B di area besar

Sebuah kotak dibagi empat kuadran, menampilkan populasi A dan B di tiap kuadran.

Rumus Indeks Dissimilarity

Untuk dua kelompok A dan B:

$$D = \color{red}{\frac{1}{2}}\sum_i{\left\lvert \frac{a_i}{A} - \frac{b_i}{B} \right\rvert}$$

$a_i$ = Jumlah Kelompok A di area kecil
$b_i$ = Jumlah Kelompok B di area kecil
$A$ = Jumlah Kelompok A di area besar
$B$ = Jumlah Kelompok B di area besar

Sebuah kotak dibagi empat kuadran, menampilkan populasi A dan B di tiap kuadran.

Rumus Indeks Dissimilarity

Untuk dua kelompok A dan B:

$$D = \frac{1}{2}\sum_i{\left\lvert \frac{a_i}{A} - \frac{b_i}{B} \right\rvert}$$

$a_i$ = Jumlah Kelompok A di area kecil
$b_i$ = Jumlah Kelompok B di area kecil
$A$ = Jumlah Kelompok A di area besar
$B$ = Jumlah Kelompok B di area besar

Sebuah kotak dibagi empat kuadran, menampilkan populasi A dan B di tiap kuadran.

Data yang Sesuai

tracts.head()

  state county   tract  white  black
0    01    001  020100   1601    217
1    01    001  020200    844   1214
2    01    001  020300   2538    647
3    01    001  020400   4030    191
4    01    001  020500   8438   1418

Sumber: Tabel P5 - Sensus Sepuluh Tahunan 2010

white = Populasi kulit putih non-Hispanik
black = Populasi kulit hitam non-Hispanik

Menghitung Indeks Dissimilarity (D)

# Extract California tracts using state FIPS "06"
ca_tracts = tracts[tracts["state"] == "06"]

# Define convenience variables to hold column names
w = "white"
b = "black"

Menghitung Indeks Dissimilarity (D)

# Print the sum of Black population for all tracts in California
print(ca_tracts[b].sum())

# Print the sum of White population for all tracts in California
print(ca_tracts[w].sum())

14956253

Menghitung Indeks Dissimilarity (D)

$$D = \frac{1}{2}\sum_i{\left\lvert \frac{a_i}{A} - \frac{b_i}{B} \right\rvert}$$

# Calculate Index of Dissimilarity
print(0.5 * sum(abs(
  ca_tracts[w] / ca_tracts[w].sum() - ca_tracts[b] / ca_tracts[b].sum()
  )))

0.6033425039167011

Ayo berlatih!

Menganalisis Data Sensus AS dengan Python

Preparing Video For Download...