Modul Sip 2 Kelompok 4 Fix

KERNEL DENSITY
MODUL SIP II
Yulian Agnestin Carfalo 1824016

Sylvanillen V W Walau Wila 1824020
Yohanis Kardianus Woda 1824027
Leslie Triningtyas L 1824077
Novantri Agustina B M 1824080
Wida Fatni 1824086
Reza Ekapri Hardianto 1824094
Nuriari Klaudia N 1824095
Sebastianus R Ampur 1824098
Delta Sophia S Abi 1624105
Lalu Gede Mandala N M P T N 1724048
KATA PENGANTAR
Kami panjatkan puji dan syukur kehadirat Tuhan Yang Maha Esa atas berkat,
rahmat dan hidayah-Nya kami dapat menyelesaikan “Modul Sistem Informasi
Perencanaan II”. Modul ini disusun berdasarkan praktikum mata kuliah Sistem
Informasi Perencanaan II tahun akademik 2020. Modul ini berisi tentang praktek atau
teknik analisis dalam perencanaan wilayah dan kota dengan menggunakan aplikasi
ArcGIS.
Terima kasih kami ucapkan kepada semua pihak yang telah membantu dalam
penyelesaian laporan ini terutama kepada:
1. Bapak Widiyanto Hari Subagyo Widodo, ST.,M.Sc dan Ibu Annisa Hamidah
Imaduddina ST.,MSc selaku Dosen Mata Kuliah Sistem Informasi Perencanaan
II yang telah memberikan banyak pengetahuan dan masukan selama
perkuliahan maupun bimbingan asistensi.
2. Teman-teman Planologi 2018 terkhususnya teman-teman kelompok 4 yang
telah saling membantu dalam penyusunan Modul ini, dan pihak yang turut
membantu kami yang belum mampu kami sebutkan satu persatu.
3. Serta Kedua orang tua dan saudara-saudari tercinta yang telah memberikan
nasihat, doa dan dukungan moril maupun materil untuk penulis dalam
menuntut ilmu, sehingga penyusunan modul ini dapat terselesaikan.
Masih banyak kekurangan dan kesalahan dalam penyusunan Modul ini. Oleh
karena itu, kami sangat membutuhkan kritik dan saran yang bersifat membangun
sebagai bahan evaluasi. Semoga modul ini dapat bermanfaat bagi pembaca terutama
mahasiswa/i jurusan Planologi.
Malang, 26 Oktober 2020
Tim Penyusun
PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

FAKULTAS TEKNIK SIPIL & PERENCANAAN
INSTITUT TEKNOLOGI NASIONAL MALANG 2
DAFTAR ISI
KATA PENGANTAR ................................................................................................... 2

DAFTAR ISI.................................................................................................................. 3
BAB I PENDAHULUAN .............................................................................................. 4
1.1 Pengertian Kernel Density ................................................................................ 4
1.2 Penggunaan Kernel Density ............................................................................. 4
BAB II PEMBAHASAN ............................................................................................... 7
2.1 Studi Kasus 1 .................................................................................................... 7
2.2 Langkah Kerja .................................................................................................. 7
2.2.1 Model Builder ............................................................................................ 7
2.3 Interpretasi 1 ................................................................................................... 21
2.4 Studi Kasus 2 .................................................................................................. 22
2.5 Langkah Kerja ................................................................................................ 22
2.6 Interpretasi 2 ................................................................................................... 27
BAB III PENUTUP ..................................................................................................... 28
3.1 Kesimpulan ..................................................................................................... 28
DAFTAR PUSTAKA .................................................................................................. 29

BAB I PENDAHULUAN
1.1 Pengertian Kernel Density

Kernel density adalah model perhitungan untuk mengukur kepadatan secara non-
parametrik. Non – parametik artinya tidak mempertimbangkan jenis sebaran atau
distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dalam statistik
istilah non-parametrik pada umumnya digunakan untuk menjelaskan metode
perhitungan yang bersifat free distribution. Bentuk persebaran data tidak dijadikan
sebagai permasalahan yang perlu dipertimbangkan lebih lanjut.
Pada ArcGIS kalkulasi kernel density menghasilkan gambaran persebaran
kepadatan di sekitar fitur point (titik) ataupun line (garis), dengan demikian bidang
(poligon) yang diketahui sebagai daerah dengan volume tertentu perlu di transformasi
ke dalam bentuk point dan berbasis raster. Pada prinsipnya Kernel Density bertujuan
mengestimasi persebaran intensitas suatu titik dalam bidang dengan radius tertentu
(Silverman, 1986).
1.2 Penggunaan Kernel Density
Kernel Density menghitung kepadatan fitur di lingkungan sekitar fitur
tersebut. Ini dapat dihitung untuk fitur titik dan garis. Kemungkinan penggunaan
termasuk menemukan kepadatan rumah, laporan kejahatan atau kepadatan jalan atau
jalur utilitas yang mempengaruhi kota atau habitat satwa liar. Bidang populasi dapat
digunakan untuk menimbang beberapa fitur lebih berat daripada yang lain, bergantung
pada maknanya, atau untuk memungkinkan satu poin mewakili beberapa pengamatan.
Misalnya, satu alamat mungkin mewakili kondominium dengan enam unit, atau
beberapa kejahatan mungkin dianggap lebih berat daripada yang lain dalam
menentukan tingkat kejahatan secara keseluruhan. Untuk fitur jalur, jalan raya yang
terbagi mungkin memiliki dampak yang lebih besar daripada jalan tanah yang sempit
dan jalur tegangan tinggi memiliki dampak yang lebih besar daripada tiang listrik
standar.
Ø Kernel Density untuk fitur titik
Kernel Density menghitung kepadatan fitur titik di sekitar setiap sel raster
keluaran. Secara konseptual, permukaan yang melengkung dengan mulus dipasang
di setiap titik. Nilai permukaan tertinggi di lokasi titik dan berkurang dengan
bertambahnya jarak dari titik, mencapai nol pada jarak radius Pencarian dari titik
tersebut. Hanya lingkungan melingkar yang memungkinkan. Volume di bawah

permukaan sama dengan nilai bidang Populasi untuk titik tersebut, atau satu jika
TIDAK ADA yang ditentukan. Kepadatan di setiap sel raster keluaran dihitung
dengan menambahkan nilai dari semua permukaan kernel tempat mereka melapisi
pusat sel raster. Fungsi kernel didasarkan pada fungsi kernel kuadrat yang
dijelaskan dalam Silverman (1986, p. 76, persamaan 4.5).
Jika pengaturan bidang populasi selain TIDAK ADA digunakan, nilai setiap
item menentukan berapa kali untuk menghitung titik. Misalnya, nilai tiga akan
menyebabkan poin dihitung sebagai tiga poin. Nilainya dapat berupa integer atau
floating point.
Secara default, sebuah unit dipilih berdasarkan unit linier dari definisi proyeksi
dari data fitur titik input atau sebagaimana ditentukan dalam pengaturan lingkungan
geoprosesing sistem koordinat keluaran. Jika satuan luas dipilih, kerapatan sel yang
dihitung dikalikan dengan faktor yang sesuai sebelum ditulis ke raster keluaran.
Misalnya, jika satuan masukan adalah meter, satuan luas keluaran akan default ke
kilometer persegi. Membandingkan faktor skala satuan meter dengan kilometer
akan menghasilkan nilai yang berbeda dengan pengali 1.000.000 (1.000 meter x
1.000 meter).
Meningkatkan radius tidak akan banyak mengubah nilai kepadatan yang
dihitung. Meskipun lebih banyak titik akan jatuh di lingkungan yang lebih besar,
angka ini akan dibagi dengan area yang lebih besar saat menghitung kepadatan.
Efek utama dari radius yang lebih besar adalah bahwa kepadatan dihitung dengan
mempertimbangkan jumlah titik yang lebih besar, yang bisa lebih jauh dari sel
raster. Ini menghasilkan raster keluaran yang lebih umum.
Ø Kernel Density untuk fitur garis
Kernel Density menghitung kepadatan fitur linier di sekitar setiap sel raster
keluaran. Secara konseptual, permukaan lengkung yang halus dipasang di setiap
garis. Nilainya paling besar di telepon dan berkurang saat Anda menjauh dari garis,
mencapai nol pada radius pencarian dari garis. Permukaan didefinisikan sehingga
volume di bawah permukaan sama dengan hasil kali panjang garis dan nilai bidang
Populasi. Kepadatan di setiap sel raster keluaran dihitung dengan menambahkan
nilai dari semua permukaan kernel tempat mereka melapisi pusat sel raster.
Penggunaan fungsi kernel untuk garis diadaptasi dari fungsi kernel kuadrat untuk
kepadatan titik seperti yang dijelaskan dalam Silverman (1986, p. 76, persamaan
4.5).
Ø Kepadatan kernel untuk fitur garis
Ilustrasi di atas menunjukkan segmen garis dan permukaan kernel dipasang di
atasnya. Kontribusi segmen garis terhadap kerapatan sama dengan nilai permukaan
kernel pada pusat sel raster. Secara default, sebuah unit dipilih berdasarkan unit
linier dari definisi proyeksi data fitur polyline input atau sebagaimana ditentukan
dalam pengaturan lingkungan geoprosesing sistem koordinat keluaran.
Ketika faktor satuan luas keluaran ditentukan, ia mengubah satuan panjang dan
luas. Misalnya, jika satuan linier adalah meter, satuan luas keluaran akan ditetapkan
secara default ke SQUARE_KILOMETERS dan satuan kerapatan garis yang
dihasilkan akan diubah menjadi kilometer per kilometer persegi. Hasil akhirnya,
membandingkan faktor skala area dari meter ke kilometer, adalah nilai kepadatan
yang berbeda dengan pengali 1000. Kontrol atas satuan massa jenis dapat diperoleh
dengan memilih faktor yang sesuai secara manual. Untuk menyetel kepadatan dalam
meter per meter persegi (bukan default kilometer per kilometer persegi), setel satuan
luas ke SQUARE_METERS. Demikian pula, untuk mendapatkan satuan massa jenis
keluaran Anda dalam mil per mil persegi, setel satuan luas ke SQUARE_MILE.Jika
field populasi selain NONE digunakan, panjang garis dianggap sebagai panjang
sebenarnya dikalikan dengan nilai field populasi untuk garis tersebut.

BAB II PEMBAHASAN
2.1 Studi Kasus 1
Kota Malang merupakan kota kedua terbesar di Jawa Timur. Saat ini Kota Malang
sedang mengalami pertumbuhan yang pesat. Tingkat pertumbuhan yang pesat
mempunyai korelasi dengan tingkat kepadatan Kota Malang.
Untuk mengetahui persebaran kepadatan penduduk atau adanya kecenderungan
pola distribusi penduduk Kota Malang, seorang mahasiswa ITN Malang akan
melakukan analisis Kernel Density. Variabel yang digunakan adalah jumlah penduduk
dengan unit Kelurahan Kota Malang 2019.
2.2 Langkah Kerja
2.2.1 Model Builder
1. Buka aplikasi Argis > pada table of conten yang terletak disebelah kiri > klik
layers > klik properties > pilih coordinate system.
2. Setelah klik coordinate system maka akan muncul gambar seperti dibawah ini >
lalu tentukan koordinate sistem > pilih yang WGS 1984.

3. Setelah mengecek WGS pada layers > masukan SHP administrasi kelurahan dan
SHP penggunaan lahan (Landuse kota Malang).
4. Dari kedua SHP penggunaan lahan dan SHP batas administrasi pastikan untuk
mengecek Datum harus yang WGS 1984 (Klik kanan pada data SHP > klik
propertis > pilih menu source).
5. Selanjutnya kembali ke tools arcMap.

6. Klik catalog > pilih folder penyimpanan SHP batas administrasi kelurahan dan
SHP penggunaan lahan kota malang > klik kanan pilih new.
7. Klik kanan pada toolboks > klik new > pilih model.
Maka hasilnya akan muncul gambar seperti dibawah ini
8. Selanjutnya drag kedua data dasar (data shp batas administrasi kelurahan dan data
landuse kota malang) ke dalam model builder.

9. Selanjutnya klik search > search ( select layer by attribute). Fungsi ini berguna
untuk polygon permukiman yang ada di shp pengunaan lahan (landuse).
10. Selanjutnya drag select layer by attribute hasil search tadi ke layar model.
Hasilnya akan tampak seperti pada gambar dibawah ini
11. Selanjutnya gunakan tools conect pada layar model untuk menghubungkan landuse
fix malang dengan fungsi select layer.

12. Klik dobel pada fungsi layar maka akan muncul tabel > pada selestion type pilih
new selection > klik icon SQL.
13. Pada Queri Builder klik dobel pada remark > klik tanda “=” > lalu klik unique
values > klik dobel pada permukiman > klik ok.
14. Klik Run di akhir setiap proses > save (agar terhindar dari eror).

15. Selanjutnya Klik search > search make features layers > lalu drag make feature
layer pada layer model > hubungkan dengan hasil select layer tadi dengan feature
layer menggunakan fungsi connect.
Hasilnya seperti ini
16. Pada make feature layer klik 2x > pada tabel yang muncul perlu untuk centang
TGL/ Remark > ok > Run.

17. Selanjutnya search identity (untuk memberikan identitas permukiman berdasarkan
kelurahan) > pilih identity analist tool > mendrag ke dalam kolom model >
hubungkan dengan hasil make feature layer sebagai input features menggunakan
fungsi connect > lalu connect/hubungkan dari
ADMINISTRASIKELURAHAN_malang sebagai identity features ke identity.
Selanjutnya klik dobel pada identity > pilih tempat penyimpanan pada output >
OK > Run.

(Agar dapat terlihat secara keseluruhan dari proses klik “full exten” pda tools model )
18. Selanjutnya pada tahap Dissolve > cari dissolve pada search > lalu drag dissolve
(data management) ke dalam model > lalu hubungkan dengan hasil identity
menggunakan fungsi connect.
19. Pada hasil disolve klik 2x > centang yang jumlah penduduk dan kelurahan >
simpan outputnya pada folder yang diinginkan > Run.

20. Selanjutnya pada tahap fungsi feature to point > search fungsi feature to point (data
management) > drag ke dalam layar model > hubungkan dengan hasil disolve.
21. Klik dobel pada fungsi feature to point > pilih tempat penyimpanan dan beri nama
> centang inside (untuk memastikan bahwa yang akan di ekstraksi nanti akan
berada di dalam polygon permukiman) > Ok > Run.

22. Selanjutnya jalankan fungsi kernel density > search kernel density > lalu mendrag
ke dalam layar model > lalu hubungkan dengan hasil feature to point ke kernel
density sebagai input point or polyline features > hubungkan dengan administrasi
kelurahan sebagai extent enviroment > pada hasil kernel density klik 2x > pada
kolom populasi field pilih data jumlah penduduk > simpan file pada output >
masukan search radius yaitu 1.500 > klik ok > Run.

23. Selanjutnya adalah tahap memotong hasil Kernel density dengan fungsi clip >
search clip ( data managemen ) > drag ke dalam model builder > hubungkan hasil
kernel density ke dalam clip sebagai input dan hubungkan data administrasi
kelurahan kedalam clip sebagai output extent > klik dua kali pada clip (akan
muncul data) > centang use input features for cliping geometri > pilih tempat
penyimpana pada output > ok > Run.

24. Mengekspor hasil akhir > klik kanan pada hasil akhir kernel density > lalu pilih
add to display > maka pada data managemen akan muncul hasilnya > hilangkan
centang pada SHP administrasi kelurahan dan SHP landuse > lalu simpan hasilnya.

25. Lalu klik kanan pada hasil kernel density > pilih propertis > klik simbologi > klik
klassified > pada halaman kerja klassification klik method > pilih aQual interval >
klasnya pilih 10 (disini tergantung mau pilih clas berapa) > ok.
26. Mengatur gradasi warna

2.3 Interpretasi 1
Berdasarkan hasil analisis kernel density Kota Malang, terdapat sepuluh jenis
klasifikasi penduduk berdasarkan kepadatananya. Dapat dilihat bahwa terdapat
kecenderungan pola distribusi penduduk atau kepadatan penduduk di Kota Malang
yang tidak seimbang. Kepadatan yang tinggi hanya terkonsentrasi di wilayah tertentu
saja. Wilayah yang kepadatan penduduknya rendah dapat berpotensi untuk menjadi
wilayah yang stagnant atau relatif tertinggal. Apabila tidak diantisipasi,
ketidakseimbangan pola distribusi penduduk yang tidak seimbang akan mengarah
kepada bentuk kesenjangan ekonomi yang lebih besar dimasa yang akan datang di Kota
malang. Karena itu upaya untuk merumuskan kebijakan yang lebih berorientasi pada
pemerataan pembangunan di Kota Malang perlu dilakukan.

2.4 Studi Kasus 2
Saat ini Kota Malang sedang mengalami pertumbuhan yang pesat. Tingkat
pertumbuhan yang pesat mempunyai korelasi dengan tingkat kepadatan Kota Malang.
Untuk mengetahui persebaran kepadatan bangunan atau adanya kecenderungan pola
distribusi bangunan Kota Malang, seorang mahasiswa ITN Malang akan melakukan
analisis Kernel Density. SHP yang digunakan adalah SHP Persil Kecamatan
Lowokwari, SHP Administrasi Kecamatan Lowokwaru dan SHP Jalan Kecamatan
Lowokwaru.
2.5 Langkah Kerja
1. Masukan shp batas adminstrasi, persil, dan jalan
2. Pastikan koordinatnya sudah sesuai, apabila belum selesai maka buka

arctoolbox pilih data management Tools > projection and transformations >
define projection. Pada Input Dataset or feature class isi shp yang mau di ubah
koordinat nya.

3. Langkah selanjutnya adalah membuat Feature to point. Buka arctoolbox pilih
data management > features > Feature to point.
4. Pada Input features pilih shp persil yang sudah ada lalu set penyimpanannya,
kemudian centang Inside. > ok.
5. Maka hasilnya seperti di bawah ini.

6. Tahap berikutnya yaitu masuk pada kernel Density. Buka arctoolbox > spatial
Analyst Tools > Density > Kernel Density. Kemudian pada input point or
polyline features pilih shp persil yang sudah di feature to point, pada search
radius isi 1500 > pada Area unit pilih Square_KILOMETERS.
7. Pilih enviroments pada bagian bawah kernel Density > pilih processing extent
> pada Extent ubah menjadi same as layer lowokwaru_polygonToLine
(sesuaikan pada shp administrasi) > ok.

8. Setelah melakukan kernel maka akan muncul seperti gambar dibawah ini.
9. Untuk mengubah hasil warna maka klik kanan pada hasil kernel > pilih
Properties

10. Pada layer properties pilih symbology > classified > warna bisa di ubah pada
color Ramp > klik ok.
11. Maka hasil akan muncul seperti gambar di bawah.

2.6 Interpretasi 2
Saat ini Kota Malang sedang mengalami pertumbuhan yang pesat. Tingkat
pertumbuhan yang pesat mempunyai korelasi dengan tingkat kepadatan Kota Malang.
Untuk mengetahui persebaran kepadatan bangunan atau adanya kecenderungan pola
distribusi bangunan Kota Malang, seorang mahasiswa ITN Malang akan melakukan
analisis Kernel Density. SHP yang digunakan adalah SHP Persil Kecamatan
Lowokwari, SHP Administrasi Kecamatan Lowokwaru dan SHP Jalan Kecamatan
Lowokwaru.

BAB III PENUTUP
3.1 Kesimpulan
Kernel density adalah model perhitungan untuk mengukur kepadatan secara non-
parametrik. Non – parametik artinya tidak mempertimbangkan jenis sebaran atau
distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dalam statistik
istilah non-parametrik pada umumnya digunakan untuk menjelaskan metode
perhitungan yang bersifat free distribution. Bentuk persebaran data tidak dijadikan
sebagai permasalahan yang perlu dipertimbangkan lebih lanjut.
Kernel Density berfungsi untuk menghitung kepadatan fitur di lingkungan sekitar
fitur tersebut. Kernel Density dapat dihitung dengan fitur titik dan garis. Penggunaan
Kernel Density ini digunakan termasuk untuk menemukan kepadatan rumah, laporan
kejahatan atau kepadatan jalan serta jalur utilitas yang mempengaruhi kota atau habitat
satwa liar. Bidang populasi dapat digunakan untuk menimbang beberapa fitur lebih
berat daripada yang lain, bergantung pada maknanya, atau untuk memungkinkan satu
poin mewakili beberapa pengamatan. Misalnya, satu alamat mungkin mewakili
kondominium dengan enam unit, atau beberapa kejahatan mungkin dianggap lebih
berat daripada yang lain dalam menentukan tingkat kejahatan secara keseluruhan.
Untuk fitur jalur, jalan raya yang terbagi mungkin memiliki dampak yang lebih besar
daripada jalan tanah yang sempit dan jalur tegangan tinggi memiliki dampak yang
lebih besar daripada tiang listrik standar.
Berdasarkan hasil analsis Kernel density untuk mengetahui kepadatan penduduk
dan bangunan di Kota Malang ditemukan ketidak seimbangan pola persebaran
kepadatan penduduk maupun bangunan di Kota Malang. Karena itu diperlukan
perencanaan yang baik seperti pemerataan pembangunan di Kota Malang agar pola
persebaran kepadatan penduduk maupun bangunan dapat merata dan tidak
menimbulkan kesenjangan.

DAFTAR PUSTAKA
- Silverman, B.W. Estimasi Kepadatan untuk Statistik dan Analisis Data. New
York: Chapman dan Hall, 1986.
- Jurnal Geodesi Undip : Analisis Tingkat Daerah Rawan Kriminalitas
Menggunakan Metode Kernel Density Di Wilayah Hukum Polrestabes Kota
Semarang oleh Chairunisa Afnidya Nanda *), Arief Laila Nugraha, Hana
Sugiastu Firdaus
- Jurnal Estimasi Densitas Mulus dengan Metode Kernel (Kernel Method in
Smooth Density Estimation) Oleh Suparti1) dan Sudargo2)

- Jurnal Dinamika Persebaran Penduduk Jawa Tengah: Perumusan Kebijakan
Perwilayahan Dengan Metode Kernel Density . Oleh :Wiwandari Handayani 1)
dan Iwan Rudiarto 2)


Modul Sip 2 Kelompok 4 Fix

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modul Sip 2 Kelompok 4 Fix

Diunggah oleh

Hak Cipta:

Format Tersedia

KERNEL DENSITY

Yulian Agnestin Carfalo 1824016

Malang, 26 Oktober 2020

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

KATA PENGANTAR ................................................................................................... 2

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

1.1 Pengertian Kernel Density

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

5. Selanjutnya kembali ke tools arcMap.

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

Maka hasilnya akan muncul gambar seperti dibawah ini

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

Hasilnya seperti ini

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

26. Mengatur gradasi warna

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

1. Masukan shp batas adminstrasi, persil, dan jalan

2. Pastikan koordinatnya sudah sesuai, apabila belum selesai maka buka

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

5. Maka hasilnya seperti di bawah ini.

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

11. Maka hasil akan muncul seperti gambar di bawah.

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

Smooth Density Estimation) Oleh Suparti1) dan Sudargo2)

Perwilayahan Dengan Metode Kernel Density . Oleh :Wiwandari Handayani 1)

dan Iwan Rudiarto 2)

PROGRAM STUDI PERENCANAAN WILAYAH & KOTA

Anda mungkin juga menyukai