Penerapan Gstat berbasis r untuk geostatistika dengan pendekatan spasial data mining

Deskripsi Buku

Buku ini merupakan rangkuman materi kuliah Geostatistika atau Statistika Kebumian yang dapat digunakan sebagai referensi mahasiswa program studi Matematika Teknik Informatika Statistika Geofi sika Geologi Perminyakan dan Pertambangan serta program studi lainya Referensi Geostatistika dirasakan masih kurang usaha penulisan buku ini disambut praktisi Geostatistika Dalam bidang Geostatistika sering kali ditemui data dalam ukuran besar dikenal dengan istilah big data atau data science Data dalam Geostatistika merupakan data spasial atau data yang terdistribusi dalam ruang atau data ber indeks lokasi baik dalam 2D maupun 3D Data mining merupakan suatu proses ekstraksi pengetahuan secara otomatis dari database besar untuk memperoleh pola pola yang menarik yang sebelumnya tidak diketahui sehingga terbentuk suatu knowledge Pada buku ini diperkenalkan pendekatan Spasial Data Mining menggunakan Metode Knowledge Discovery in Database KDD untuk data spasial yang meliputi tiga tahapan Tahapan pertama adalah data preprocessing meliputi pembersihan data transformasi penggabungan dan seleksi data Tahapan kedua proses data mining meliputi penggunaan model model matematika dan statistika untuk memproses dan mengolah data serta ketiga postprocessing terdiri dari visualisasi dan interpretasi hasil pengolahan data untuk menghasilkan suatu knowledge Pengolahan data Geostatistika didukung berbagai perangkat lunak menggunakan berbagai pendekatan seperti R dalam bidang Statistika yang bersifat open source Pada buku ini dibahas pengembangan Program GStat berbasis R dalam mengkaji model Semivariogram untuk deskripsi daerah pengaruh suatu fenomena kebumian dan berbagai Metode Kriging untuk prediksi pengamatan di lokasilokasi tidak tersampel Model Semivariogram yang dibahas terdiri dari tiga model yang umum digunakan yaitu model spherical eksponensial dan gaussian Adapun Metode Kriging yang disajikan meliputi Metode Ordinary Point Kriging Ordinary Block Kriging Simple Kriging dan Universal Kriging Berbagai metode tersebut telah diterapkan pada data sekunder yang ada pada R maupun data lapangan dan telah menghasilkan skripsi serta paper yang disajikan pada seminar nasional maupun publikasi jurnal Buku ini merupakan rangkuman materi kuliah Geostatistika atau Statistika Kebumian yang dapat digunakan sebagai referensi mahasiswa program studi Matematika Teknik Informatika Statistika Geofi sika Geologi Perminyakan dan Pertambangan serta program studi lainya Referensi Geostatistika dirasakan masih kurang usaha penulisan buku ini disambut praktisi Geostatistika Dalam bidang Geostatistika sering kali ditemui data ...dalam ukuran besar dikenal dengan istilah big data atau data science Data dalam Geostatistika merupakan data spasial atau data yang terdistribusi dalam ruang atau data ber indeks lokasi baik dalam 2D maupun 3D Data mining merupakan suatu proses ekstraksi pengetahuan secara otomatis dari database besar untuk memperoleh pola pola yang menarik yang sebelumnya tidak diketahui sehingga terbentuk suatu knowledge Pada buku ini diperkenalkan pendekatan Spasial Data Mining menggunakan Metode Knowledge Discovery in Database KDD untuk data spasial yang meliputi tiga tahapan Tahapan pertama adalah data preprocessing meliputi pembersihan data transformasi penggabungan dan seleksi data Tahapan kedua proses data mining meliputi penggunaan model model matematika dan statistika untuk memproses dan mengolah data serta ketiga postprocessing terdiri dari visualisasi dan interpretasi hasil pengolahan data untuk menghasilkan suatu knowledge Pengolahan data Geostatistika didukung berbagai perangkat lunak menggunakan berbagai pendekatan seperti R dalam bidang Statistika yang bersifat open source Pada buku ini dibahas pengembangan Program GStat berbasis R dalam mengkaji model Semivariogram untuk deskripsi daerah pengaruh suatu fenomena kebumian dan berbagai Metode Kriging untuk prediksi pengamatan di lokasilokasi tidak tersampel Model Semivariogram yang dibahas terdiri dari tiga model yang umum digunakan yaitu model spherical eksponensial dan gaussian Adapun Metode Kriging yang disajikan meliputi Metode Ordinary Point Kriging Ordinary Block Kriging Simple Kriging dan Universal Kriging Berbagai metode tersebut telah diterapkan pada data sekunder yang ada pada R maupun data lapangan dan telah menghasilkan skripsi serta paper yang disajikan pada seminar nasional maupun publikasi jurnal

Style

Detail Buku