Kartografi Dan Geo Visualisasi Pcp, Som Dan Stc

Tugas Kartografi dan GeoVisualisasi Geo Visualisasi PCP (Parallel Coordinate Plot), SOM (Self Organising Maps) , dan STC (Space Time Cube)

Dosen Pengampu : Trias Aditya K.M., ST., M.Sc., Ph.D

Syaiful Muflichin Purnama

18/434762/PTK/12325

PCP (Parallel Coordinate Plot) • Definisi PCP adalah salah satu jenis Geo Visualisasi untuk melakukan plot data multivarian numerik. Plot koordinat paralel ideal digunakan untuk membandingkan banyak variabel bersama dan melihat keterhubungan antar data. • PCP menghubungkan plot koordinat parallel mempunyai kemampuan utuk menayangkan data multi dimensi di dalam sebuah sajian tunggal (Inselbergh,1985). • Nilai atribut untuk setiap objek di-plot sebagai titik pada setiap sumbu koordinat yang berhubungan dan titik-titik dihubungkan dengan garis • Kemudian, setiap objek direpresentasikan sebagai garis yang merepresentasikan kelas berbeda dari group objek bersama, paling tidak untuk beberapa atribut.

Data Produksi Kelapa Sawit Afdeling 1 Adolina - Medan

• Data yang digunakan merupakan data produktifitas kelapa sawit pada afdeling 1 Adolina. • RAW data berupa data format *.shp kemudian dikonversi kedalam format *.csv. • Software yang digunakan yaitu software Tableau • Konversi format data bertujuan untuk mempermudah pembacaan oleh software Tableau

• Grafik PCP menunjukkan tingkat produksi tiap blok kebun sawit pada Afdeling Adolina. • Lingkaran merah menunjukan distribusi data pada blok AO dengan luas 8Ha, memiliki tingkat produksi 1.000 Ton/Ha

Kelebihan dan Kelemahan PCP (Parallel Coordinate Plot)

Kelemahan -

-

-

Hasil analisis berupa garis-garis hubung antar data yang kurang informatif. Tidak semua data dapat ditampilkan. Data yang ditampilkan harus memiliki karakteristik dan variabel spesifikasi yang sama. Plot dan garis hasil PCP akan menjadi berantakan apabila variabel yang dianalsis banyak. Kurang efektif jika menampilkan informasi yang detail

Kelebihan -

Menampilkan informasi multi data Membandingkan banyak variabel bersama dan melihat keterhubungan antar data Dapat menampilkan informasi spasial, dengan catatan terdapat informasi lokasi administrasi.

SOM (Self Organising Maps) • Self Organizing Map (SOM) dikembangkan oleh Teuvo Kohonen sebagai Teknik Geo Visualisasi data untuk memahami data dimensi tinggi. • SOM dapat mengelompokan data serupa secara bersamaan, dimana SOM mampu mengurangi dimensi data dan menampilkan kemiripan data. • SOM mengelompokan data tanpa mengetahui kelas keanggotaan data input .

• Analisis SOM menggunakan data produksi kelapa sawit sama dengan data yang digunakan pada PCP • Dari hasil ini menunjukan nilai cluster tertinggi dengan nilai 4 mengelompok dengan ditunjukan (lingkaran merah) dengan jumlah 4. • Kelas 4 ditunjukan dengan warna merah menunjukan vector berat unit yang terdekat dan membentuk suatu kelas tersendiri.

• Dalam proses Geo Visualisasi SOM melibatkan empat komponen : 1.

Inisialisasi = Semua bobot koneksi diinisialisasi dengan nilai acak

2.

Persaingan = Neuron menghitung masing-masing fungsi diskriminan yang menjadi dasar persaingan. Nilai terkecil dakan menjadi nilai pemenang persaingan.

3.

Kerjasama = Hasil dari persaingan yang dipengaruhi neuron membentuk suatu kelompok yang memiliki kedekatan nilai antar neuron tetangga.

4.

Adaptasi = Neuron yang aktif menurunkan nilai individu diskriminan

Kelebihan dan Kelemahan SOM (Self Organising Maps)

Kelemahan -

Proses analisis membutuhkan komputasi dengan menggunakan R Studio. Apabila data diolah berulang-ulang akan menghasilkan data yang berbeda-beda. Perbedaan tersebut diakibatkan oleh proses iterasi pengolahan data dengan melibatkan neuron.

Kelebihan -

Proses perhitungan dan visualisasi dapat dibuat secara otomatis dengan melibatkan proses komputasi Hasil mudah dipahami dengan memasukan beberapa variabel baik variabel numerik atau string.

STC (Space Time Cube) • STC adalah representasi model 3D dimana koordinat Z merupakan waktu. • Objek ruang dan waktu merupakan objek geografis dalam bentuk sistem koordinat ruang – waktu yaitu 2 dimensi ruang 1 dimensi temporal. • Invormasi periset visualisasi menggambarkan ruang waktu dalam bentuk kubus representasi bermanfaat dalam menggunakan pola spastio temporal yang kompleks. • Argumennya didasarkan pada fakta bahwa baik waktu maupun spasial informasi ditampilkan secara bersamaan kepada pengguna.(Bach. 2014)

• Analsisi STC menggunakan data AIS (automatic identification system) Negara Republik Dominika • Data menunjukan pergerakan kapal dalam tiap jam. • Secara bentuk 3D data masih kurang ideal dikarenakan padatnya data dan jarak waktu yang terlalu dekat.

Kelebihan dan Kelemahan STC (Space Time Cube)

Kelemahan -

Kurang informatif apabila tidak dilengkapi dengan narasi atau keterangan Tidak efektif apabila diterapkan pada jumlah data yang besar dan banyak

Kelebihan -

Penggambaran langsung dengan melibatkan metode agregasi data yang divisualisasikan dalam 3D Model yang ditampilkan sangat cocok sebagai animasi Geo Visualisasi