Font size
WorksheetsUAS Geokomputasi
Total questions: 45
Worksheet time: 1hrs 5mins
Tujuan utama ESDA adalah
Menetapkan model kausal sebelum eksplorasi
Mengidentifikasi pola spasial (autokorelasi/heterogenitas) secara interaktif tanpa asumsi kuat
Menormalisasi seluruh variabel ke z-score
Memilih proyeksi peta equal-area
Melakukan uji hipotesis parametrik penuh
Pernyataan paling tepat tentang perbedaan EDA dan ESDA adalah
ESDA menggantikan seluruh prosedur EDA klasik
ESDA menambahkan struktur lokasi & ketetanggaan pada eksplorasi yang sama-sama minim asumsi
ESDA hanya berlaku untuk data kategorik
ESDA menolak penggunaan grafik dinamis
ESDA mensyaratkan model deterministik terlebih dahulu
‘Spatial autocorrelation’ bermakna
Hubungan dua variabel independen tanpa komponen geografi
Kemiripan nilai di lokasi yang berdekatan secara geografis karena proses spasial
Perbedaan rata-rata antar wilayah dari satu variabel
Korelasi waktu-ke-waktu pada satu titik pengamatan yang diamati secara geografis
Hubungan nilai terhadap jarak Euclidean saja
‘Spatial heterogeneity’ mengacu pada
Keseragaman pola di setiap zona kajian
Adanya cluster lokasi yang menunjukkan hubungan berbeda
Variasi musiman semata pada satu titik ukur
Bias proyeksi peta terhadap bentuk poligon
Noise acak dalam pengukuran sensor pada setiap zona kajian
Yang paling menggambarkan geostatistical data adalah
Poligon administratif dengan matriks bobot tetangga
Titik sampel atas proses kontinu yang dianalisis berbasis jarak
Raster DEM dengan LDD
Layer vektor jalan dan bangunan
Kategori kelas penggunaan lahan
Ciri lattice data ialah
Observasi titik acak dari medan kontinu tanpa tetangga
Unit diskret dengan relasi ketetanggaan terdefinisi dalam spatial weights
Hanya data citra resolusi tinggi
Grid selalu berbentuk bujur sangkar
Kumpulan koordinat GPS tanpa atribut
SCDF (Spatial Cumulative Distribution Function) dipakai untuk
Mengukur kemiripan nilai terhadap jarak (variogram)
Memeriksa bagaimana nilai tersebar kumulatif di ruang dan apakah terkonsentrasi
Menentukan jenis bobot queen/rook
Mengganti datum ke WGS84
Menaksir koefisien Moran secara global
‘Spatial box plot/box map’ bermanfaat untuk
Memilih proyeksi konformal
Menggabungkan ringkasan kuartil/outlier dengan peta untuk menemukan lokasi menyimpang
Menghitung jarak murni antara centroids
Menentukan bandwidth kernel adaptif
Menguji hipotesis kausal lintas variabel
Pertanyaan utama yang dijawab variogram cloud plot adalah
Apakah jarak yang lebih dekat cenderung memiliki nilai lebih mirip
Apakah kategori poligon membentuk klaster
Apakah bobot queen selalu lebih baik dari rook
Apakah autokorelasi hilang bila bobot dinolkan
Apakah proyeksi UTM mengubah nilai numerik dari suatu data
Moran scatterplot memvisualisasikan
Nilai suatu lokasi terhadap lag spasial
Dua variabel kategorik pada wilayah yang sama
Nilai suatu lokasi terhadap jarak Euclidean
Residual terhadap prediktor regresi
Nilai terhadap waktu untuk musiman
Fungsi LISA ialah
Mengukur autokorelasi global semata
Mengidentifikasi pola lokal yang mungkin tertutup pola global
Menstandardkan proyeksi peta agar equal-area
Menentukan ukuran sampel minimum
Membersihkan noise otomatis tanpa inspeksi
Multivariate spatial association berfokus pada
Hubungan satu variabel dengan waktu
Keterkaitan spasial simultan antara dua atau lebih variabel dalam ruang
Kausalitas deterministik antar variabel terhadap ruang dan waktu
Pemilihan proyeksi equal area
Penaksiran median global semata
Cross-variogram digunakan untuk
Mendeskripsikan keterkaitan spasial antara dua variabel sebagai fungsi jarak
Menaksir parameter SAR pada lattice
Menentukan bobot binary untuk queen
Mengukur autokorelasi global saja
Memilih kernel Gaussian
Karakteristik ‘loose coupling’ ESDA–GIS adalah
Komunikasi real-time antar aplikasi dengan RPC
Pertukaran file manual antar sistem terpisah
Scripting internal penuh di GIS
Tanpa data geospasial
Berbasis cloud wajib
‘Close coupling’ ESDA–GIS berarti
Tidak ada integrasi antarsistem
Koneksi langsung/remote procedure calls untuk linked views responsif
Ekspor–impor file saja
Visualisasi statis tanpa brushing
Spreadsheet offline
Pendekatan ‘encompassing’ (scripting) menandakan
ESDA diimplementasi sebagai skrip di dalam GIS sehingga fungsi tersedia native
ESDA berdiri di luar GIS tanpa integrasi sehingga fungsi tidak tersedia secara native
ESDA tanpa peta sama sekali
ESDA hanya tabel numerik
ESDA berbasis kertas
Tantangan utama Spatial Weights Matrix (W) untuk big data adalah
Ukuran matriks selalu sangat kecil sehingga analisis dapat berjalan dengan sangat efisien
Ukuran dapat sangat besar sehingga memerlukan representasi sparse dan algoritma efisien
Tidak memiliki simetri
Tidak dapat dibobotkan
Tidak memengaruhi perhitungan Moran
Kompleksitas menghitung distance matrix penuh untuk n titik adalah
O(n)
O(logn)
O(n2)
‘Linked views’ & ‘brushing’ menunjukkan bahwa
Highlight di satu grafik tidak mempengaruhi tampilan lain
Subset yang disorot pada satu tampilan otomatis ditandai pada tampilan lain, termasuk peta
Hanya bekerja di tabel non-spasial
Memerlukan raster saja
Tidak kompatibel dengan LISA
Arsitektur client–server dalam GIS web, pernyataan yang benar
Client menyimpan & memproses semua data, server berfokus pada antarmuka dan interaksi pengguna
Server menyimpan/memproses, client berfokus pada antarmuka dan interaksi pengguna
Keduanya harus offline
Server hanya menampilkan peta statis
Client selalu perangkat mobile
OOP dalam GIS bermanfaat karena
Kode menjadi kurang modular
Objek memberi modularitas
Menghapus konsep pewarisan
Menghilangkan kelas turunan
Tidak cocok untuk data spasial
Distributed computing relevan ketika
Rendering ringan single-thread
Analisis spasial besar perlu diparalelkan ke banyak node
Jaringan tidak digunakan sama sekali
Hanya menyimpan metadata
Menghapus file log
Definisi tepat Virtual Environments (VE) ialah
Peta 2D statis tanpa interaksi
Simulasi digital yang memungkinkan partisipasi & navigasi pengguna
Daftar layer GIS
Antarmuka spreadsheet untuk spatial join
Pustaka simbol kartografi
Tiga aktivitas kunci VE adalah
Rasterisasi–Vektorisasi–Proyeksi
Representasi–Pemodelan–Koneksi
Input–Output–Storage
Scan–Digitize–Plot
Cetak–Publikasi–Arsip
Jenis VE menurut koneksi/penggunaan mencakup
Hanya immersive dengan headset
Immersive, semi-immersive, dan web
Hanya 2D tanpa audio
Hanya mobile AR
Single-user lokal saja
‘Navigasi’ dalam VE mencakup
Rotasi 3D semata
Urutan akses informasi, gerak dalam scene, & peta mental pengguna
Pengaturan proyeksi saja
Pengubahan warna layer
Penamaan file
Kolaborasi multi-pengguna efektif bila
Tidak ada aturan interaksi
Ada protokol terkait tugas VE & keputusan bersama
Avatar memiliki konteks tugas yang jelas dan interaktif
Komunikasi pasif tanpa log
Voting dihilangkan
Fungsi analitik dalam VE berarti
VE hanya visual tanpa kalkulasi dan proses analitik dilakukan diluar VE saja
Integrasi analitik GIS sebagai bagian dari lingkungan
Analitik dilakukan di luar VE saja
Hanya ekspor CSV
Tambah label semata
‘Manipulasi & desain’ di VE mengacu pada
Mengubah tema warna
Mengendalikan parameter model, eksplorasi sensitivitas/optimisasi, & visualisasi ruang solusi
Mengunci layer permanen
Editing metadata saja
Membekukan kamera
GIS statis vs dinamis; pernyataan yang tepat
Statis selalu 3D; dinamis selalu 2D
Statis memberi ‘snapshot’; dinamis merangkai operasi yang didorong time series
Dinamis tidak menerima raster
Keduanya identik dalam eksekusi
Statis tidak bisa divisualkan
PCRaster berperan sebagai
Pengganti basisdata relasional
Bahasa pemodelan dinamis berbasis raster yang menjembatani GIS komersial & model off-line
Editor vektor topologi
Engine rendering 3D
Modul simbolisasi
Komponen PCRaster yang mengatur iterasi waktu adalah
Binding
Areamap
Timer
Dynamic
Initial
Contoh ‘neighbourhood interactions’ raster mencakup
Perubahan datum geodesi
Interpolasi dari sel tetangga
Penamaan layer
Ekspor PDF
Styling legenda
Operasi topologi untuk hidrologi meliputi
Reklasifikasi warna poligon
Derivasi jaringan aliran & LDD dari DEM agar aliran terarah dan konservasi massa
Penghapusan label
Penambahan gradien warna
Penggabungan tabel atribut
‘Time-driven processes’ umumnya dibagi menjadi
Statis vs dinamis
Proses titik lokal vs proses spasial 2D/3D dengan interaksi
Raster vs vektor
Grid vs TIN
Harian vs musiman
Pernyataan benar terkait deterministik, stokastik, empiris adalah
Deterministik tanpa parameter; stokastik selalu normal
Deterministik: parameter terdefinisi; stokastik: variasi kompleks; empiris: tren+noise
Empiris tidak memerlukan data
Stokastik selalu white-noise
Deterministik: parameter tidak terdefinisi; stokastik: variasi sederhana; empiris: tren+noise
Konsep REA (Representative Elementary Area) menandakan
Skala mikro paling stabil untuk semua proses
Pada skala tertentu variabilitas respon menurun sehingga model lebih stabil
REA hanya berlaku untuk sungai tropis
REA menghapus ketidakpastian parameter sehingga model lebih akurat
REA identik dengan ukuran grid
‘Equifinality’ dalam geomorfologi berarti…
Satu parameter menghasilkan banyak keluaran berbeda
Banyak kombinasi parameter memberi keluaran serupa
Semua solusi unik
Parameter harus tunggal
Tidak ada variabilitas
Validasi ‘multiple response’ berarti…
Menguji satu indikator keluaran saja
Menguji beberapa keluaran dan variabel proses internal
Mengandalkan RMSE global semata
Mengabaikan variabel proses
Visualisasi peta saja
TOPMODEL berfokus pada…
Evolusi bentuk lahan tektonik jangka panjang untuk memahami model perubahan
Area jenuh berbasis indeks topografi untuk respon hidrologi DAS
Rheologi debris flow
Isostasi elastik
Difusi vegetasi
Jelaskan apa yang dimaksud dengan EDA dan ESDA, serta apa yang membedakan antara keduanya. Sertakan contoh untuk masing2 minimal satu.
Buatlah skenario VE kolaboratif untuk perencanaan kota: paparkan representation–modelling–connection, protokol navigasi/kolaborasi (chat/voting), dan fungsi analitik/kontrol model di VE.
Jelaskan struktur program dari PCRaster serta prinsip yang digunakan sebagai acuan good modelling oleh Casti (1997)!
Jelaskan apa yang dimaksud dengan ubiquitous computing dan
hyperinteractivity, serta berikan contoh pemanfaatannya!
Jelaskan apa yang anda ketahui tentang LISA (Local Indicators of Spatial Association) meliputi makna, tujuan, alasan pemanfaatan, dan sertakan satu contoh!
