b. equal interval
pada metode klasifikasi ini, masing-masing kelas terdiri dari interval data yang sama. Interval
kelas diperoleh dengn cara membagi data rentang (nilai data maksimum dikurangi nilai data
minimum) dibagi dengan banyaknya kelas yang akan dibuat. Persamaan untuk menghitung
banyaknya kelas interval adalah sebagai berikut ( geographic information technology training
alliance, 2006)
range/jumlah kelas = (n max-n min)/jumlah kelas = Kelas interval
setelah itu, tabahkan hasil (kelas interval) ke dalam nilai data terendah sehingga akan didapat
kelas interval pertama. Selanjutnya tambahkan elas interval tersebut ke dalam kelas hingga
mencapai jumlah kelas yang diinginkan. Metode ini cocok diterapkan ketika distribusi data
membentuk persegi panjang pada histogram. Selain itu, metode ini juga berguna ketika
wilayah yang menjadi obyek pemetaan memiliki luas yang relatif sama sehingga kurang
cocok untuk diterapkan pada fenomena geografiss. Kerugian dari metode ini adalah ketika
rentang data yang diklasifikasikan besar dan kelas yang banyak menyebabkan ada
kemungkinan kelas yang datanya tidak ada sehingga kurang bermanfaat pada peta.
c. defined interval
metode klasifikasi ini memungkinkan ditetapkannya interval yang digunakan untuk embagi
rentag ke dalam kelas-kelas. Banyaknya interval ditentukan seperti pada metode equal
interval, dengan skema ini nilai interval ditetapkan oleh pembuat peta. Arcmap secara
otomatis menentukan banyaknya kelas berdasarkan interval.
d. quantilesbreaks
untuk menerapkan metode ini terlebih dahulu harus didefinisikan terlebih dahulu berapa kelas
yang akan digunakan. Kemudian dirangking dengan menempatkan data pengamatan dengan
jumlah yang sama pada masing-masing kelas. Jumlah data pengamatan per kelaas dapat
dihitung dengan persamaan:
jumlah data pengamatan per kelas = jumlah data pengamatan/kelas
jika didapat nilai yang tidak integer untuk jumlah data pengamatan per kelas, maka kelas
yang paling bawah akan memiliki jumlah data pengamatan lebih banyak daripada kelas yang
lain. Keuntungan dari metode quantiles ini terdapat pada kemudahan untuk menghitung, dan
masing-masing kelas memiliki jumlah data yang sama. Kerugian dengan menggunakan
metode ini terletak pada kesenjangan yang mungkin terjadi pada data pengamatan.
Kemungkinan yang terjadi adalah terdapat kekeliruan klasifikasi nilai yang terdapat pada
breakpoint.
e. natural
disebut juga klasifikasi jenks natural breaks adalah metode klasifikasi data yang dirancang
untuk menentukan susunan terbaik dari nilai-nilai kelas yang berbeda. Hal ini dilakukan
dengan perhitungan untuk meminimalkan deviasi rata-rata setiap kelas dari rata-rata kelas,
sedangkan memaksimalkan deviasi antar kelas. Dengan kata lain, metode natural breaks
berusaha untuk mengurangi deviasi dalam kelas dan memaksimalkan variasi antara kelas
(ESRI, 1996). Dalam menerapkan metode klasifikasi ini dibutuhkan subjektifitas dan logika
visual. Tujuan penting dengan menggunakan metode ini adalah meminimalisir perbedaan
nilai data dalam satu kelas. Dalam melakukan analisis semi-kualitatif untuk pemetaan risiko
bencana metode klasifikasi natural breaks memberikan hasil yang memuaskan (aditya, 2010)
f. interval geometris
interval geometris merupakan skema klasifikasi dimana class break berdasarkan interval
kelas yang memiliki seri geometris. Koefisien geometris pada metode ini dapat berganti
sekali untuk optimasi rentang kelas. Algoritma ini menciptakan interval geometris dengan
meminimalkan jumlah kuadrat dari elemen per kelas.
Seri geometric adalah serangkaian pola dimana sebuah koefisien konstanta dikalikan setiap
nilai dalam seri. Sebagai contoh, sebuah urutan (0.1, 0.3, 0.9, 2.7, 8.1) dimana setiap nilai
dikalikan dengan 3. Nilai invers dari 3 akan menjadi 0.33333 (atau 1/3).
g. deviasi standar rata-rata
metode ini memperhitungkan bagaimana data didistribusikan. Untuk menerapkan metode ini,
berulang kali menambahkan (atau mengurangi) deviasi standar dihitung dari rata-rata statistic
dataset. Kelas-kelas yang dihasilkan menjelaskan frekuensi elemen dalam setiap kelas.
Metode deviasi standar rata-rata berguna ketika tujuan dar klasifikasi ini adalah menunjukan
penyimpangan dari rerata data. Namun metode klasifikasi ini harus menggunakanset data
yang menunjukan disdtribusi normal standar. Kendala tersebut adalah kelemahan utama
dari metode ini.