Evaluasi visual display untuk geovisualisasi.

1. PCP (Parallel Coordinate Plot)

a. Apa arti dan berikan contohnya

Jenis visualisasi ini digunakan untuk merencanakan data numerik multivariat.

Koordinat Koordinat Paralel sangat ideal untuk membandingkan banyak variabel
secara bersamaan dan melihat hubungan di antara keduanya. Misalnya, jika Anda
harus membandingkan rangkaian produk dengan atribut yang sama (contohnya
bandingkan spesifikasi komputer atau mobil di model yang berbeda).

Contoh : pada perbandingan spesifikasi model mobil yang di tampilkan dengan

warna yang berbeda untuk masing-masing model mobil yaitu sbb:

b. Bagaimana cara membuat

Dalam Plot Koordinat Paralel, masing-masing variabel diberi sumbu tersendiri

dan semua sumbu ditempatkan sejajar satu sama lain. Setiap sumbu dapat memiliki
skala yang berbeda, karena setiap variabel bekerja dari unit pengukuran yang
berbeda, atau semua sumbu dapat dinormalisasi untuk menjaga semua sisik seragam.
Nilai diplot sebagai rangkaian garis yang terhubung di semua sumbu. Ini berarti bahwa
setiap baris adalah kumpulan titik yang ditempatkan pada setiap sumbu, yang
semuanya telah dihubungkan bersama. Urutan sumbu diatur dalam dapat
mempengaruhi cara bagaimana pembaca memahami data. Salah satu alasannya
adalah bahwa hubungan antara variabel yang berdekatan lebih mudah dipahami, lalu
untuk variabel yang tidak berdekatan. Jadi mengurutkan ulang sumbu dapat
membantu dalam menemukan pola atau korelasi antar variabel.

c. Kapan paling cocok digunakan

PCP cocok untuk menggambarkan hubungan antara satu beberapa produk
dalam satu varian dengan spesifikasinya. Hal ini menuntut untuk data yang akan di
gambarkan harus memiliki karakteristik dari variabel spesifikasi yang sama atau
setidaknya dicari informasi yang behubungan antara beberaa produk dalam satu
varian.
 d. Apa kelemahannya

Kelemahan dari Parallel Coordinates Plots adalah

1. bahwa plot yang dihasilkan dapat menjadi terlalu berantakan dan oleh
karena itu, tidak terbaca saat data mereka sangat padat. Cara terbaik
untuk mengatasi masalah ini adalah melalui interaktivitas dan teknik yang
dikenal dengan "Brushing".
2. Variabel yang ditampilkan dapat menjadi dangat membingungkanapabila
dalam interpretasi data yang di tamilkan sangat banyak
3. Kurang efektif jika ingin menampilan informasi yang detail dari data

e. Software yag digunakan

Tools yang di gunakan antara lain: D3, Protovis, Raw Graphs, R Graph Galery, Vega

Production
Box Office Rating
Movie Genre Budget ROI
(millions) IMDB
(millions)
Avatar Action 237 2784 11.7 8.0
ET: The Extra-Terrestrial Drama 11 793 75.5 7.9
Finding Nemo Adventure 94 940 10.0 8.1
Ghostbusters Comedy 144 229 1.6 7.8
Iron Man 3 Action 178 1215 6.8 7.6
Jurassic Park Action 53 1030 19.4 8.0
King Kong Adventure 207 551 2.7 7.3
Monsters, Inc. Adventure 115 577 5.0 8.0
Oz the Great and Powerful Adventure 160 493 3.1 6.6
Pirates of the Caribbean: Dead
Man's Chest Adventure 225 1066 4.7 7.3
Quantum of Solace Action 200 586 2.9 6.7
Raiders of the Lost Ark Adventure 18 390 21.7 8.7
Star Wars Ep. I: The Phantom
Menace Adventure 115 1027 8.9 6.5
The Blind Side Drama 29 309 10.7 7.6
The Chronicles of Narnia: The
Lion, the Witch and the
Wardrobe Adventure 180 745 4.1 6.9
The Dark Knight Action 185 1005 5.4 9.0
The Hunger Games Thriller/Suspense 78 649 8.3 7.2
The Lion King Adventure 45 968 21.5 8.4
The Twilight Saga: New Moon Drama 50 710 14.2 4.5
The Vow Drama 30 196 6.5 6.7
The War of the Worlds Action 132 704 5.3 6.5
Titanic Thriller/Suspense 200 2187 10.9 7.6
Up Adventure 175 735 4.2 8.3
X-Men: The Last Stand Action 210 459 2.2 6.8
You've Got Mail Drama 65 251 3.9 6.3
Romantic
Zookeeper Comedy 80 170 2.1 5.0
2. SOM (Self Organizing Maps)
a. Apa arti dan berikan contohnya

Self Organizing Map (SOM) oleh Teuvo Kohonen memberikan teknik visualisasi
data yang membantu untuk memahami data dimensi tinggi dengan mengurangi
dimensi data ke peta. SOM juga merupakan konsep pengelompokan dengan
mengelompokkan data serupa secara bersamaan. Oleh karena itu dapat dikatakan
bahwa SOM mengurangi dimensi data dan menampilkan kemiripan antar data.
Kompetisi semacam itu dapat diinduksi / diimplementasikan dengan memiliki koneksi
hambatan lateral (jalur umpan balik negatif) di antara neuron. Jadi SOM adalah
mengelompokan data tanpa mengetahui kelasnya keanggotaan data masukan SOM
dapat digunakan untuk mendeteksi fitur yang melekat pada masalah dan dengan
demikian juga telah disebut SOM, Peta Fitur Self-Organizing.

b. Kapan Paling Cocok digunakan

Dapat digunakan untuk data yang beragam dari single-dimensional maupun
multi dimensional atau single variat dan multivariat. Cocok untuk mengelompokan data
yang ber-referensi geografis.

c. Bagaimana cara menggunakan

Penerapan metode SOM digunakan untuk mengelompokkan data yang ber-

referensi geografis (geo-referenced) yang mengintegrasikan visualisasi ruang keluaran
dalam representasi kartografi melalui pengaturan warna, dan mengeksplorasi
penggunaan lebar garis perbatasan antara unsur yang ber-referensi geografis.
Penggunaan SOM dalam penganalisaan data dapat mengakomodir data yang
beragam mulai dari data dengan single-dimensional mupun multi-dimensional atau
data dengan singlevariat maupun data yang bersifat multi-variat.

Dengan SOM, clustering dilakukan dengan memiliki beberapa unit bersaing

untuk objek saat ini. Begitu data dimasukkan ke dalam sistem, newtwork neuron
buatan dilatih dengan memberikan informasi tentang input. Vektor berat unit yang
 terdekat dengan objek saat ini menjadi unit yang terpilih atau aktif. Selama tahap
pelatihan, nilai untuk variabel input secara bertahap disesuaikan dalam upaya
melestarikan hubungan lingkungan yang ada di dalam kumpulan data masukan.
Karena semakin mendekati objek input, bobot unit pemenang disesuaikan dan juga
tetangganya. Proses self-organization melibatkan empat komponen utama:

1) Inisialisasi: Semua bobot koneksi diinisialisasi dengan nilai acak kecil.

2) Persaingan: Untuk setiap pola masukan, neuron menghitung nilai masing-
masing a fungsi diskriminan yang menjadi dasar persaingan. Neuron tertentu
dengan nilai terkecil fungsi diskriminan dinyatakan sebagai pemenang.
3) Kerjasama: Neuron pemenang menentukan lokasi spasial topologi
lingkungan neuron yang bersemangat, sehingga memberikan dasar untuk
kerjasama di antara neuron tetangga.
4) Adaptasi: Neuron yang bersemangat menurunkan nilai individual dari
diskriminan berfungsi dalam kaitannya dengan pola input melalui penyesuaian
yang sesuai dari yang terkait bobot koneksi, sehingga respon neuron yang
menang ke berikutnya Penerapan pola input serupa juga ditingkatkan.

Pendekatan kedua yang harus dilakukan dengan kumpulan data yang besar
melibatkan penerapan teknik komputasi yang lebih canggih, seperti yang
dikembangkan dalam data mining, untuk membuat jenis fitur atau pola semi otomatis
dari keseluruhan data sebelum visualisasi.

d. Apa kelemahannya

Untuk data dengan jumlah yang besar memerlukan teknik komputas yang lebih
canggih karena memerlukan algoritma dalam pemprosesan data.

e. Sofware yang digunakan SOM

3. STC (Space Time Cube)

a. Apa arti dan berikan contohnya

Space time cube adalah representasi model 3 dimensi (3D) dimana koordinat Z
merupakan waktu. Dalam operasi pada space time cube memerlukan ojek ruang-
waktu dan menghasilkan tampilan visual berupa objek ruang-waktu dalam bentuk lain.
Objek ruang-waktu adalah objek geometris dalam sistem koordinat ruang-waktu ( yaitu
2 dimensi ruang dan 1 dimenssi temporal). Benda-benda ruang-waktu yang mungkin
termasuk yaitu volume ruang-waktu (yang merupakan space time cube yang lengkap
adalah contohnya), permukaan ruang-waktu (planar dan non planar), kurva ruang-
waktu, poin, dan juga kumpulan volume yang terputus, permukaan, kurva dan titik.
Informasi Periset visualisasi sebelumnya pernah mengemukakan bahwa ruang waktu
kubus Representasi bermanfaat dalam mengungkapkan pola spatio temporal yang
kompleks dalam sebuah data diatur ke pengguna. Argumennya didasarkan pada fakta
 bahwa baik waktu maupun spasial informasi ditampilkan secara bersamaan kepada
pengguna.(Bach. 2014)

b. Kapan Paling Cocok digunakan

Dalam STC dapat menampilkan waktu kejadian berdasarkan sudut pandang

spasial, menaampilkan atribut informasi yang detail serta menampilkan aspek waktu
teporal yang berkaitan dengan kejadian berdasarkan garis waktu dan objek. (Kraak &
Kveladze, 2017). Sangat cocok untuk merepresentasikan suatu kejadian berantai yang
ada hubungannya antara ruang dan waktu

c. Bagaimana cara menggunakan

Konsep space time cube yang digunakan untuk menggambarkan semua Teknik
memiliki tiga sumbu utama: sumbu waktu, dan dua ortogonal sumbu kita sebut sumbu
data. informasi 2D dibentuk oleh dua sumbu data disebut sebagai bidang data.
Sementara di Ilustrasi asli Haegerstrand sumbu waktu vertikal, pendekirpsian waktu di
iluestrasikan dari kiri ke kanan.(Bach.2014) Data yang ditampilkan memiliki hubungan
ruang dan waktu. Pendekatan yang dilakukan untuk memodelkan STC yaitu dengan
memodifikasi pendekatan penggambaran langsung dengan melibatkan metode untuk
agregasi data dan ringkasan sebelum representasi grafis dan visualisasi. Cara lain
untuk menampilkan pergerakan data berasal dari data yang di tampilkan secara
kontinyu. Metode ini sangat cocok dalam pre-proses gambar yang akan dibuat sebuah
animasi.

d. Kelemahanya
Kelemahan metode ini yaitu
1. akan menjadi sulit dipahami apabila pengguna tidak mempunyai
pengetahuan kartografi
2. teknik ini mungkin tidak efektif bila diterapkan pada kumpulan data yang
sangat besar dan kompleks yang semakin umum
3. mungkin mengalami kesulitan untuk memahami, melacak dan memahami
banyak elemen visual yang secara bersamaan mencocokkan. atau
kecepatan tampilan grafik dan tanggapan terhadap interaksi pengguna
dapat menjadi terlalu lambat untuk mengurangi gangguan
efisien.(Andrienko et al., 2010)
4. narasi dangat diperlukan dalam interpretasi dari data yang di visualisasi
5. keterbatasan tools untuk memvisualisai

e. Software yang digunakan

Tools yang digunakan dalam memvisualisasikan STC ini adalah ArcGIS, Ilwis
dan GeoAnalitics

DIAGRAM

a. Apa arti dan berikan contohnya

 Diagram adalah suatu gambaran data yang telah diolah sedemikian rupa menjadi
sebuah grafik, garis atau tabel. Diagram merupakan sebuah sarana untuk mempermudah
pengguna dalam menganalisis data dengan tampilan yang menarik dan mudah dipahami. Isi
dari diagram biasanya berupa nominal, skala ataupun data-data statistik

Andrienko, G., Andrienko, N., Demsar, U., Dransch, D., Dykes, J., Fabrikant, S. I., . . . Tominski, C.
(2010). Space, time and visual analytics. International Journal of Geographical Information
Science, 24(10), 1577-1600. doi:10.1080/13658816.2010.508043
Kraak, M.-J., & Kveladze, I. (2017). Narrative of the annotated SpaceTime Cube revisiting a
historical event. Journal of Maps, 13(1), 56-61. doi:10.1080/17445647.2017.1323034