ESDA TOOL Definition Spatial Property Interpretation and Transformations
Analyzed Histogram Univariat plot Distribusi data Hasil interpolaasi terbaik ketika data frekuensi atribut terdistribusi normal. Semakin dekat dalam dataset rata-rata dan median satu sama lain, dan semakin berbentuk lonceng, semakin normal data. Data miring dapat ditransformasikan oleh operasi log atau box-cox
ESDA TOOL Definition Spatial Property Interpretation and Transformations
Analyzed Normal QQ Plot jumlah distribusi Distribusi data Semakin dekat titik yang terplot ke Plot data terhadap garis lurus, semakin normal distribusi. distribusi normal Data miring dapat ditransformasikan standar oleh operasi log atau box-cox
ESDA TOOL Definition Spatial Property Interpretation and Transformations
Analyzed Analisis tren Plot lokasi dan nilai Tren tidak bersifat Garis datar terbaik yang fit (ketinggian) dari acak dari permukaan, mengindikasikan bahwa tidak ada tren. beberapa data titik. yang mana dapat Garis melengkung mengindikasikan Titik-titik dijelaskan oleh adanya tren. Tren konstan, pertama, diproyeksikan ke formula matematika kedua, dan ketiga dapat dihilangkan bidang timur-barat dalam analisis interpolasi dan utara-selatan yang tegak lurus. Garis yang cocok merepresentasikan tren yang ditarik dari titik-titik pada bidang Nama : 1. Septya Dwi Putri (232016xxx) 2. Muhammad Varian Reinaldo Kelas : B
ESDA TOOL Definition Spatial Property Interpretation and Transformations
Analyzed Peta Voronoi Menampilkan Statistik lokal : Membantu memvisualisasikan nilai polygon di antara -Menghaluskan relatif tinggi dan rendah. Daerah titik sampel. Dimana -Variasi dengan deviasi standar yang tinggi dalam setiap lokasi -Outliers (Nilai yang menunjukkan variasi lokal yang tinggi adalah titik-titik yang jauh berbeda dari saling berdekatan nilai yang lainnya) daripada titik-titik -Pengaruh yang lain. Perbandingan dari tetangga, berbagai statistik yang terhitung
ESDA TOOL Definition Spatial Property Interpretation and Transformations
Analyzed Semivariogram/ Plot jarak yang Autokorelasi spasial Covariance memisahkan setiap diasumsikan bahwa cloud pasang titik, hal yang lebih dekat kemudian selisihkan lebih mirip/ sama. kuadrat antar nilai (X-Axis) dan (Y- Axis)