Hasil Pencarian  ::  Simpan CSV :: Kembali

"This book provides a cross-section of cutting-edge research areas being pursued by researchers in spatial data handling and geographic information science (GIS). It presents selected papers on the advancement of spatial data handling and GIS in digital cartography, geospatial data integration, geospatial database and data infrastructures, geospatial data modeling, GIS for sustainable development, the interoperability of heterogeneous spatial data systems, location-based services, spatial knowledge discovery and data mining, spatial decision support systems, spatial data structures and algorithms, spatial statistics, spatial data quality and uncertainty, the visualization of spatial data, and web and wireless applications in GIS."

"This book constitutes the refereed proceedings of the 11th International Conference on Intelligent Data Analysis, IDA 2012, held in Helsinki, Finland, in October 2012. The 32 revised full papers presented together with 3 invited papers were carefully reviewed and selected from 88 submissions. All current aspects of intelligent data analysis are addressed, including intelligent support for modeling and analyzing data from complex, dynamical systems. The papers focus on novel applications of IDA techniques to, e.g., networked digital information systems; novel modes of data acquisition and the associated issues; robustness and scalability issues of intelligent data analysis techniques; and visualization and dissemination results."

"Spatial scan statistic adalah suatu metode yang secara luas telah digunakan untuk mendeteksi adanya suatu cluster di daerah yang ingin diteliti berdasarkan tingginya intensitas suatu kejadian. Model yang telah berkembang dalam spatial scan statistik adalah model Poisson dan Bernoulli. Tetapi di lapangan, seringkali diperoleh data spasial berskala ordinal. Tugas akhir ini membahas suatu metode spatial scan statistic yang dapat digunakan untuk mendeteksi cluster yang memiliki relative risk yang semakin tinggi sesuai dengan urutan kategori yang semakin tinggi pada data ordinal. Untuk dapat mendeteksi cluster tersebut, hipotesis yang dibuat harus memperhatikan pembatasan urutan (order) (yaitu likelihood ratio ordering), oleh karena itu untuk mendapatkan rasio likelihood-nya diperlukan reparameterisasi untuk dapat memperhatikan faktor order-nya. Signifikansi cluster diuji dengan menggunakan Monte-Carlo hypotesis testing. Penggunaan metode ini diilustrasikan melalui contoh kasus data pendidikan di Maryland."