DAFTAR ISI
BAB I
PENDAHULUAN
BAB II
DASAR TEORI
dimana x i adalah atribut untuk fitur i; X adalah mean dari atribut yang sesuai,
dan ω i , j adalah berat spasial antara fitur i dan j . Nilai-nilai positif untuk Anselin
Moran lokal 's indeks saya menunjukkan bahwa fitur memiliki fitur tetangga dengan
nilai atribut yang sama tinggi atau rendah; suasana ini adalah bagian dari sebuah
kelompok. Nilai negatif untuk indeks ini, di sisi lain, menunjukkan nilai yang tidak
sama dari fitur yang berdekatan, yang dianggap sebagai outlier. Dalam kedua kasus,
nilai p untuk acara harus cukup kecil ( p <0,05) untuk cluster atau outlier dianggap
signifikan secara statistik.
dimana x j adalah nilai atribut untuk fitur, j , dan ω i , j adalah berat spasial antara
fitur i dan j untuk n fitur. Gi * menggunakan lingkungan berdasarkan fitur yang
berdekatan atau pada jarak tertentu dan mengembalikan skor Z. Untuk skor Z positif
yang signifikan secara statistik , semakin besar skor Z , semakin tinggi
pengelompokan nilai tinggi (yaitu, titik panas). Untuk skor Z negatif yang
signifikan secara statistik , semakin kecil skor Z , semakin kuat pengelompokan
nilai rendah (yaitu, titik dingin). Nilai Gi * mendekati nol menunjukkan tidak
adanya pengelompokan nilai tinggi atau rendah di sekitar fitur target. Ini terjadi
ketika nilai sekitarnya mendekati mean, atau ketika fitur target dikelilingi oleh
campuran nilai tinggi dan rendah.
BAB III
PELAKSANAAN PRAKTIKUM
3. Jika berhasil maka akan muncul tampilan seperti pada tampilan gambar
di bawah. Yaitu tampilan poligon Desa Tanggamus.
3. Untuk melihat hasil dari identifikasi yang sudah dilakukan dengan cara
klik menu Geoprocessing Result seperti gambar pertama pada
halaman selanjutnya.
4. Hasil dari identifikasi akan menjadi atribut, hasil tersebut dapat dibuka
dengan cara klik kanan pada layer hasil output kemudian pilih Open
Attribute Table seperti pada gambar di bawah.
6. Untuk melihat hasil dari identifikasi yang sudah dilakukan dengan cara
klik menu Geoprocessing Result seperti gambar pertama pada
halaman selanjutnya.
7. Hasil dari identifikasi akan menjadi atribut, hasil tersebut dapat dibuka
dengan cara klik kanan pada layer hasil output kemudian pilih Open
Attribute Table seperti pada gambar di bawah.
3. Hidukan layer hasil peng-cluster-an Hot Spot Analysis (Getis – Ord Gi*)
kemudian klik icon HTML Popup seperti gambar dibawah.
BAB IV
HASIL DAN ANALISIS
BAB V
KESIMPULAN
5.1. Kesimpulan
Kesimpulan dari praktikum ini adalah dapat ditentukan suatu kluster tempat
dengan beberapa metode, yaitu metode Cluster and Outlier Analysis dan Hot Spot
Analysis (Getis – Ord Gi*). Semakin tinggi nilai z-score (+) maka nilai hot spot
yang tinggi akan semakin mengklaster, sebaliknya semakin rendah nilai z-score (-)
maka nilai clod spot yang rendah akan semakin mengklaster.
5.2. Saran
-
DAFTAR PUSTAKA