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 Kelebihan

- Hasil analisis berupa garis-garis hubung antar - Menampilkan informasi multi data
data yang kurang informatif. - Membandingkan banyak variabel bersama dan melihat
- Tidak semua data dapat ditampilkan. Data yang keterhubungan antar data
ditampilkan harus memiliki karakteristik dan - Dapat menampilkan informasi spasial, dengan catatan
variabel spesifikasi yang sama. terdapat informasi lokasi administrasi.
- Plot dan garis hasil PCP akan menjadi
berantakan apabila variabel yang dianalsis
banyak.
- Kurang efektif jika menampilkan informasi yang
detail
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 Kelebihan

- Proses analisis membutuhkan komputasi - Proses perhitungan dan visualisasi dapat dibuat secara
dengan menggunakan R Studio. otomatis dengan melibatkan proses komputasi
- Apabila data diolah berulang-ulang akan - Hasil mudah dipahami dengan memasukan beberapa
menghasilkan data yang berbeda-beda. variabel baik variabel numerik atau string.
- Perbedaan tersebut diakibatkan oleh proses
iterasi pengolahan data dengan melibatkan
neuron.
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 Kelebihan

- Kurang informatif apabila tidak dilengkapi - Penggambaran langsung dengan melibatkan metode
dengan narasi atau keterangan agregasi data yang divisualisasikan dalam 3D
- Tidak efektif apabila diterapkan pada jumlah - Model yang ditampilkan sangat cocok sebagai animasi
data yang besar dan banyak Geo Visualisasi