Evaluasi visual display untuk geovisualisasi. geovisualisasi. 1.
PCP (Parallel Coordinate Plot) a. Apa arti dan berikan contohnya Jenis visualisasi ini digunakan untuk merencanakan data numerik multivariat. Koordinat Koordinat Paralel sangat ideal untuk membandingkan banyak variabel secara bersamaan dan melihat hubungan di antara keduanya. Misalnya, jika Anda harus membandingkan rangkaian produk dengan atribut yang sama (contohnya bandingkan spesifikasi komputer komputer atau mobil di model yang berbeda). berbeda). Contoh : pada perbandingan spesifikasi model mobil yang di tampilkan dengan warna yang berbeda untuk masing-masing model mobil yaitu sbb:
b.
Bagaimana cara membuat
Dalam Plot Koordinat Paralel, masing-masing variabel diberi sumbu tersendiri dan semua sumbu ditempatkan sejajar satu sama lain. Setiap sumbu dapat memiliki skala yang berbeda, karena setiap variabel bekerja dari unit pengukuran yang berbeda, atau semua sumbu dapat dinormalisasi untuk menjaga semua sisik seragam. Nilai diplot sebagai rangkaian garis yang terhubung di semua sumbu. Ini berarti bahwa setiap baris adalah kumpulan titik yang ditempatkan pada setiap sumbu, yang semuanya telah dihubungkan bersama. Urutan sumbu diatur dalam dapat mempengaruhi cara bagaimana pembaca memahami data. Salah satu alasannya adalah bahwa hubungan antara variabel yang berdekatan lebih mudah dipahami, lalu untuk variabel yang tidak berdekatan. Jadi mengurutkan ulang sumbu dapat membantu dalam menemukan pola atau korelasi antar variabel. c.
Kapan paling cocok digunakan PCP cocok untuk menggambarkan hubungan antara satu beberapa produk dalam satu varian dengan spesifikasinya. Hal ini menuntut untuk data yang akan di gambarkan harus memiliki karakteristik dari variabel spesifikasi yang sama atau setidaknya dicari informasi yang behubungan antara beberaa produk dalam satu varian.
d.
Apa kelemahannya Kelemahan dari 1.
2. 3. e.
Parallel Coordinates Plots adalah
bahwa plot yang dihasilkan dapat menjadi terlalu berantakan dan oleh karena itu, tidak terbaca saat data mereka sangat padat. Cara terbaik untuk mengatasi masalah ini adalah melalui interaktivitas dan teknik yang dikenal dengan "Brushing". Variabel yang ditampilkan dapat menjadi dangat membingungkanapabila dalam interpretasi data yang di tamilkan sangat banyak Kurang efektif jika ingin menampilan informasi yang detail dari data
Software yag digunakan
Tools yang di gunakan antara lain: D3, Protovis, Raw Graphs, R Graph Galery, Vega Movie
Genre
Avatar ET: The Extra-Terrestrial Finding Nemo Ghostbusters Iron Man 3 Jurassic Park King Kong Monsters, Inc. Oz the Great and Powerful Pirates of the Caribbean: Dead Man's Chest Quantum of Solace Raiders of the Lost Ark Star Wars Ep. I: The Phantom Menace The Blind Side The Chronicles of Narnia: The Lion, the Witch and the Wardrobe The Dark Knight The Hunger Games The Lion King The Twilight Saga: New Moon The Vow The War of the Worlds Titanic Up X-Men: The Last Stand You've Got Mail
Action Drama Adventure Comedy Action Action Adventure Adventure Adventure
Production Budget (millions) 237 11 94 144 178 53 207 115 160
Adventure Action Adventure
Zookeeper
Box Office (millions)
ROI
Rating IMDB
2784 793 940 229 1215 1030 551 577 493
11.7 75.5 10.0 1.6 6.8 19.4 2.7 5.0 3.1
8.0 7.9 8.1 7.8 7.6 8.0 7.3 8.0 6.6
225 200 18
1066 586 390
4.7 2.9 21.7
7.3 6.7 8.7
Adventure Drama
115 29
1027 309
8.9 10.7
6.5 7.6
Adventure Action Thriller/Suspense Adventure Drama Drama Action Thriller/Suspense Adventure Action Drama Romantic Comedy
180 185 78 45 50 30 132 200 175 210 65
745 1005 649 968 710 196 704 2187 735 459 251
4.1 5.4 8.3 21.5 14.2 6.5 5.3 10.9 4.2 2.2 3.9
6.9 9.0 7.2 8.4 4.5 6.7 6.5 7.6 8.3 6.8 6.3
80
170
2.1
5.0
2.
SOM (Self Organizing Maps) a. Apa arti dan berikan contohnya Self Organizing Map (SOM) oleh Teuvo Kohonen memberikan teknik visualisasi data yang membantu untuk memahami data dimensi tinggi dengan mengurangi dimensi data ke peta. SOM juga merupakan konsep pengelompokan dengan mengelompokkan data serupa secara bersamaan. Oleh karena itu dapat dikatakan bahwa SOM mengurangi dimensi data dan menampilkan kemiripan antar data. Kompetisi semacam itu dapat diinduksi / diimplementasikan dengan memiliki koneksi hambatan lateral (jalur umpan balik negatif) di antara neuron. Jadi SOM adalah mengelompokan data tanpa mengetahui kelasnya keanggotaan data masukan SOM dapat digunakan untuk mendeteksi fitur yang melekat pada masalah dan dengan demikian juga telah disebut SOM, Peta Fitur Self-Organizing. b.
Kapan Paling Cocok digunakan Dapat digunakan untuk data yang beragam dari single-dimensional maupun multi dimensional atau single variat dan multivariat. Cocok untuk mengelompokan data yang ber-referensi geografis. c.
Bagaimana cara menggunakan
Penerapan metode SOM digunakan untuk mengelompokkan data yang berreferensi geografis (geo-referenced) yang mengintegrasikan visualisasi ruang keluaran dalam representasi kartografi melalui pengaturan warna, dan mengeksplorasi penggunaan lebar garis perbatasan antara unsur yang ber-referensi geografis. Penggunaan SOM dalam penganalisaan data dapat mengakomodir data yang beragam mulai dari data dengan single-dimensional mupun multi-dimensional atau data dengan singlevariat maupun data yang bersifat multi-variat. Dengan SOM, clustering dilakukan dengan memiliki beberapa unit bersaing untuk objek saat ini. Begitu data dimasukkan ke dalam sistem, newtwork neuron buatan dilatih dengan memberikan informasi tentang input. Vektor berat unit yang
terdekat dengan objek saat ini menjadi unit yang terpilih atau aktif. Selama tahap pelatihan, nilai untuk variabel input secara bertahap disesuaikan dalam upaya melestarikan hubungan lingkungan yang ada di dalam kumpulan data masukan. Karena semakin mendekati objek input, bobot unit pemenang disesuaikan dan juga tetangganya. Proses self-organization melibatkan empat komponen utama: 1) Inisialisasi: Semua bobot koneksi diinisialisasi dengan nilai acak kecil. 2) Persaingan: Untuk setiap pola masukan, neuron menghitung nilai masingmasing a fungsi diskriminan yang menjadi dasar persaingan. Neuron tertentu dengan nilai terkecil fungsi diskriminan dinyatakan sebagai pemenang. 3) Kerjasama: Neuron pemenang menentukan lokasi spasial topologi lingkungan neuron yang bersemangat, sehingga memberikan dasar untuk kerjasama di antara neuron tetangga. 4) Adaptasi: Neuron yang bersemangat menurunkan nilai individual dari diskriminan berfungsi dalam kaitannya dengan pola input melalui penyesuaian yang sesuai dari yang terkait bobot koneksi, sehingga respon neuron yang menang ke berikutnya Penerapan pola input serupa juga ditingkatkan. Pendekatan kedua yang harus dilakukan dengan kumpulan data yang besar melibatkan penerapan teknik komputasi yang lebih canggih, seperti yang dikembangkan dalam data mining, untuk membuat jenis fitur atau pola semi otomatis dari keseluruhan data sebelum visualisasi. d.
Apa kelemahannya
Untuk data dengan jumlah yang besar memerlukan teknik komputas yang lebih canggih karena memerlukan algoritma dalam pemprosesan data.
e.
3.
Sofware yang digunakan SOM
STC (Space Time Cube) a.
Apa arti dan berikan contohnya
Space time cube adalah representasi model 3 dimensi (3D) dimana koordinat Z merupakan waktu. Dalam operasi pada space time cube memerlukan ojek ruangwaktu dan menghasilkan tampilan visual berupa objek ruang-waktu dalam bentuk lain. Objek ruang-waktu adalah objek geometris dalam sistem koordinat ruang-waktu ( yaitu 2 dimensi ruang dan 1 dimenssi temporal). Benda-benda ruang-waktu yang mungkin termasuk yaitu volume ruang-waktu (yang merupakan space time cube yang lengkap adalah contohnya), permukaan ruang-waktu (planar dan non planar), kurva ruangwaktu, poin, dan juga kumpulan volume yang terputus, permukaan, kurva dan titik. Informasi Periset visualisasi sebelumnya pernah mengemukakan bahwa ruang waktu kubus Representasi bermanfaat dalam mengungkapkan pola spatio temporal yang kompleks dalam sebuah data diatur ke pengguna. Argumennya didasarkan pada fakta
bahwa baik waktu maupun spasial informasi ditampilkan secara bersamaan kepada pengguna.(Bach. 2014) b.
Kapan Paling Cocok digunakan
Dalam STC dapat menampilkan waktu kejadian berdasarkan sudut pandang spasial, menaampilkan atribut informasi yang detail serta menampilkan aspek waktu teporal yang berkaitan dengan kejadian berdasarkan garis waktu dan objek. (Kraak & Kveladze, 2017). Sangat cocok untuk merepresentasikan suatu kejadian berantai yang ada hubungannya antara ruang dan waktu c.
Bagaimana cara menggunakan
Konsep space time cube yang digunakan untuk menggambarkan semua Teknik memiliki tiga sumbu utama: sumbu waktu, dan dua ortogonal sumbu kita sebut sumbu data. informasi 2D dibentuk oleh dua sumbu data disebut sebagai bidang data. Sementara di Ilustrasi asli Haegerstrand sumbu waktu vertikal, pendekirpsian waktu di iluestrasikan dari kiri ke kanan.(Bach.2014) Data yang ditampilkan memiliki hubungan ruang dan waktu. Pendekatan yang dilakukan untuk memodelkan STC yaitu dengan memodifikasi pendekatan penggambaran langsung dengan melibatkan metode untuk agregasi data dan ringkasan sebelum representasi grafis dan visualisasi. Cara lain untuk menampilkan pergerakan data berasal dari data yang di tampilkan secara kontinyu. Metode ini sangat cocok dalam pre-proses gambar yang akan dibuat sebuah animasi. d.
Kelemahanya Kelemahan metode ini yaitu 1. akan menjadi sulit dipahami apabila pengguna tidak mempunyai pengetahuan kartografi 2. teknik ini mungkin tidak efektif bila diterapkan pada kumpulan data yang sangat besar dan kompleks yang semakin umum 3. mungkin mengalami kesulitan untuk memahami, melacak dan memahami banyak elemen visual yang secara bersamaan mencocokkan. atau kecepatan tampilan grafik dan tanggapan terhadap interaksi pengguna dapat menjadi terlalu lambat untuk mengurangi gangguan efisien.(Andrienko et al., 2010) 4. narasi dangat diperlukan dalam interpretasi dari data yang di visualisasi 5. keterbatasan tools untuk memvisualisai
e.
Software yang digunakan Tools yang digunakan dalam memvisualisasikan STC ini adalah ArcGIS, Ilwis dan GeoAnalitics
DIAGRAM a.
Apa arti dan berikan contohnya
Diagram adalah suatu gambaran data yang telah diolah sedemikian rupa menjadi sebuah grafik, garis atau tabel. Diagram merupakan sebuah sarana untuk mempermudah pengguna dalam menganalisis data dengan tampilan yang menarik dan mudah dipahami. Isi dari diagram biasanya berupa nominal, skala ataupun data-data statistik
Andrienko, G., Andrienko, N., Demsar, U., Dransch, D., Dykes, J., Fabrikant, S. I., . . . Tominski, C. (2010). Space, time and visual analytics. International Journal of Geographical Information Science, 24(10), 1577-1600. doi:10.1080/13658816.2010.508043 Kraak, M.-J., & Kveladze, I. (2017). Narrative of the annotated Space –Time Cube – revisiting a historical event. Journal of Maps, 13(1), 56-61. doi:10.1080/17445647.2017.1323034
