1.

Average Nearest Neighbor (ANN)

1. Pergi ke ArcToolbox, lalu pilih Spatial Statistics Tools → Analyzing Patterns →
Average Nearest Neighbor.

2. Kemudian muncul kotak dialog Average Nearest Neighbor seperti berikut. Pada Input
Feature Class pilih point shapefile yang akan dianalisis (misal: Data_CH_Poso) lalu
centang bagian Generate Report dan klik OK.

3. Klik tab Geoprocessing lalu klik Result untuk melihat hasil tersebut. Kemudian pada
Current Session pilih Report File.

4. Report File dari tool ANN ditampilkan pada format html seperti berikut.
2. High/Low Clustering (Getis-Ord General G)
1. Pergi ke ArcToolbox, lalu pilih Spatial Statistics Tools → Analyzing Patterns →
High/Low Clustering (Getis-Ord General G).

2. Kemudian muncul kotak dialog High/Low Clustering (Getis-Ord General G) seperti

berikut. Pada Input Feature Class pilih point shapefile yang akan dianalisis (misal:
Data_CH_Poso). Pada Input Field dan lain-lain dipilih seperti pada gambar berikut.
Selanjutnya centang bagian Generate Report dan klik OK.

3. Klik tab Geoprocessing lalu klik Result untuk melihat hasil dari tool High/Low
Clustering (Getis-Ord General G) tersebut. Kemudian pada Current Session pilih
Report File dari tool High/Low Clustering (Getis-Ord General G).
 4. Report File dari tool High/Low Clustering ditampilkan pada format html seperti
berikut.

3. Multi-Distance Spatial Cluster Analysis (Ripleys K Function)

1. Pergi ke ArcToolbox, lalu pilih Spatial Statistics Tools → Analyzing Patterns →
Multi-Distance Spatial Cluster Analysis (Ripleys K Function).

2. Kemudian muncul kotak dialog Multi-Distance Spatial Cluster Analysis (Ripleys K

Function) seperti berikut. Pada Input Feature Class pilih point shapefile yang akan
 dianalisis. Pada Output Table dan lain-lain dipilih seperti pada gambar berikut.
Selanjutnya centang bagian Display Result Graphically dan klik OK.

3. Setelah klik OK diatas, maka muncul hasil dari grafik K Function dari tool Multi-
Distance Spatial Cluster Analysis seperti berikut.

4. Selain grafik K Function diatas, diberikan layer hasil analisis berupa tabel seperti
berikut.
4. Spatial Autocorrelation (Morans I)
1. Pergi ke ArcToolbox, lalu pilih Spatial Statistics Tools → Analyzing Patterns →
Spatial Autocorrelation (Morans I).

2. Kemudian muncul kotak dialog Spatial Autocorrelation (Morans I) seperti berikut.

Pada Input Feature Class pilih point shapefile yang akan dianalisis (Curah Hujan).
Pada Input Field dan lain-lain dipilih seperti pada gambar berikut. Selanjutnya
centang bagian Generate Report dan klik OK.

3. Klik tab Geoprocessing lalu klik Result untuk melihat hasil dari tool Spatial
Autocorrelation (Morans I) tersebut. Kemudian pada Current Session pilih Report File
dari tool Spatial Autocorrelation (Morans I).

4. Report File dari tool Spatial Autocorrelation ditampilkan pada format html seperti
berikut.
5. Cluster and Outlier Analysis (Anselin Local Morans I)
1. Pergi ke ArcToolbox, lalu pilih Spatial Statistics Tools → Analyzing Patterns →
Cluster and Outlier Analysis (Anselin Local Morans I).

2. Kemudian muncul kotak dialog Cluster and Outlier Analysis (Anselin Local Morans
I) seperti berikut. Pada Input Feature Class pilih point shapefile yang akan dianalisis
(misal: Curah Hujan). Pada Input Field dan lain-lain dipilih seperti pada gambar
berikut lalu klik OK.
 3. Setelah klik OK diatas, maka muncul hasil output feature classnya berupa point
seperti gambar berikut.

6. Hot Spot Analysis (Getis-Ord Gi*)

1. Pergi ke ArcToolbox, lalu pilih Spatial Statistics Tools → Analyzing Patterns → Hot
Spot Analysis (Getis-Ord Gi*).

2. Kemudian muncul kotak dialog Hot Spot Analysis (Getis-Ord Gi*) seperti berikut.
Pada Input Feature Class pilih point shapefile yang akan dianalisis (misal: Curah
Hujan). Pada Input Field dan lain-lain dipilih seperti pada gambar berikut.
3. Sebelum klik OK, klik Environments…, lalu pada Processing Extent → Extent →
pilih Same as layer desakotamalang. Dan pada Raster Analysis → Mask → Pilih layer
Batas_Admin_Poso kemudian klik OK.

4. Setelah klik OK diatas, maka muncul hasil output feature classnya berupa point
seperti gambar berikut.
 HASIL DAN ANALISA
HASIL
Berdasarkan praktikum yang telah dilakukan maka diperoleh hasil sebagai berikut:
1. Average Nearest Neighbor (ANN)
Hasil analisis Average Nearest Neighbor ditunjukan pada grafik dibawah ini. Dapat diketahui
bahwa pola Curah Hujan di Kabupaten Poso adalah Random.

2. High/Low Clustering (Getis-Ord General G)

Hasil analisis High-Low Clustering ditunjukan pada grafik di bawah ini. Maka dapat
diketahui bahwa pola point curah hujan di Kabupaten Poso termasuk kategori Random.
3. Multi-Distance Spatial Cluster Analysis (Ripleys K Function)
Berikut merupakan grafik yang dihasilkan dari point pattern analysis dengan Multi-Distance
Spatial Cluster Analysis (Ripleys K Function)

4. Spatial Autocorrelation (Morans I)

Hasil analisis Spatial Autocorrelation (Morans I) ditunjukan pada grafik di bawah ini. Maka
dapat diketahui bahwa pola point curah hujan di Kabupaten Poso termasuk kategori
Dispersed.

5. Cluster and Outlier Analysis (Anselin Local Morans 1)

Berikut merupakan hasil dari proses Clustering dengan tools Cluster and
Outlier Analysis (Anselin Local Morans 1).

6. Hot Spot Analysis (Getis-Ord Gi*)

Berikut merupakan hasil dari proses Hotspot Analysis dengan menggunakan tools Hotspot
Analysis (Getis-Ord Gi*)

ANALISA
Berikut merupakan analisis dari praktikum yang telah dilakukan berdasarkan masing-masing
tools yang digunakan:
1. Average Nearest Neighbor