Space Time Pattern Mining Tools

Analisis Spasial-Temporal Tingkat Lanjut menggunakan ArcGIS.

Apa itu Space Time Pattern Mining?

Space Time Pattern Mining adalah kumpulan toolset dalam ArcGIS (terutama ArcGIS Pro) yang berisi alat statistik untuk menganalisis distribusi data dan pola tidak hanya berdasarkan ruang (lokasi geografis), tetapi juga dalam konteks waktu.

Di dunia nyata, fenomena tidak hanya terjadi di suatu tempat, tetapi juga berkembang seiring waktu. Misalnya: penyebaran penyakit, tingkat kejahatan, atau perubahan suhu. Tool ini membantu mengidentifikasi tren, anomali (outlier), dan hot spot yang muncul atau menghilang seiring berjalannya waktu.

Mengapa ini penting? Analisis statis tradisional hanya menunjukkan peta pada satu titik waktu. Analisis Space-Time menjawab pertanyaan seperti: "Di mana intensitas kejadian meningkat drastis bulan ini dibanding tahun lalu?"

Konsep Dasar Spasial-Temporal

Space-Time Cube (Kubus Ruang-Waktu)

Struktur data inti dalam analisis ini. Data titik atau poligon diagregasi (dikumpulkan) ke dalam bin (kotak) tiga dimensi. Sumbu X dan Y mewakili lokasi geografis, sedangkan sumbu Z mewakili waktu (Time Step).

Time Step (Langkah Waktu)

Interval waktu yang digunakan untuk membagi data dalam sumbu Z pada Space-Time Cube. Contoh: 1 Hari, 1 Minggu, atau 1 Bulan. Memilih Time Step yang tepat sangat krusial untuk melihat pola.

Hot Spot & Cold Spot

Hot Spot: Area di mana nilai tinggi mengelompok secara spasial dan temporal (signifikan secara statistik).
Cold Spot: Area di mana nilai rendah mengelompok.

Emerging Pattern

Kategori tren dari Hot/Cold spot. Misalnya "New Hot Spot" (lokasi yang baru saja menjadi hot spot) atau "Intensifying Hot Spot" (hot spot yang semakin parah seiring waktu).

Workflow Analisis

Proses melakukan Space Time Pattern Mining umumnya mengikuti alur sistematis berikut:

1. Persiapan Data (Point/Polygon + Field Waktu)

2. Create Space Time Cube

3. Pattern Analysis (Emerging Hot Spot, dll)

4. Visualisasi & Interpretasi (2D/3D)

Penjelasan Langkah

Data Input: Anda harus memiliki data spasial yang memiliki atribut tanggal/waktu.
Pembuatan Cube: Data mentah diubah menjadi struktur kubus NetCDF (Network Common Data Form). Format ini sangat efisien untuk data multidimensi.
Analisis: Tool seperti Emerging Hot Spot dijalankan dengan menggunakan file NetCDF (.nc) sebagai input utamanya.
Visualisasi: Hasilnya dapat dilihat secara 2D pada peta biasa, atau divisualisasikan secara 3D menggunakan scene di ArcGIS Pro.

Detail Tools pada Toolset

Berikut adalah alat utama yang terdapat dalam kotak peralatan Space Time Pattern Mining di ArcGIS.

1. Create Space Time Cube By Aggregating Points

Fungsi: Meringkas data titik ke dalam bin ruang-waktu (struktur NetCDF). Tujuan: Menyiapkan data mentah menjadi format yang bisa dianalisis oleh tool lain dalam toolset ini. Kapan: Langkah pertama yang wajib dilakukan sebelum analisis temporal. Input: Feature Class Titik, Field Waktu. Output: File NetCDF (.nc).

Tips: Pastikan Anda memilih "Time Step Interval" dan "Distance Interval" yang logis sesuai distribusi data Anda agar bin tidak terlalu kosong atau terlalu padat.

2. Emerging Hot Spot Analysis

Fungsi: Mengidentifikasi tren spasial-temporal dalam kluster titik tinggi atau rendah. Tujuan: Menemukan lokasi yang tren kejadiannya meningkat, menurun, baru muncul, atau fluktuatif. Metode: Menggunakan statistik Getis-Ord Gi* dan Mann-Kendall trend test. Input: File Space-Time Cube (.nc). Output: Feature Class 2D dengan atribut kategori (17 kategori seperti New Hot Spot, Persistent Cold Spot, dll).

Kesalahan Umum: Menjalankan tool ini pada cube yang datanya terlalu jarang (banyak bin bernilai nol). Pastikan aggregasi cube valid.

3. Local Outlier Analysis

Fungsi: Mengidentifikasi pencilan (outlier) spasial-temporal yang signifikan. Tujuan: Menemukan lokasi yang memiliki nilai berlawanan dengan sekitarnya pada waktu tertentu. Metode: Anselin Local Moran's I. Input: File Space-Time Cube (.nc). Output: Cluster dan Outlier type (High-High, High-Low, Low-High, Low-Low).

Simulasi Analisis Pattern

Mari kita simulasikan bagaimana nilai pada area tertentu berubah seiring berjalannya waktu (Time Steps) dan membentuk pola.

Time Step: Bulan 1

Rendah

Tinggi (Hot Spot)

SIMULASI EDUKATIF — BUKAN HASIL ANALISIS ARCGIS SEBENARNYA

Interpretasi Simulasi:

Area tengah secara konsisten menunjukkan nilai tinggi seiring berjalannya waktu. Dalam Emerging Hot Spot Analysis, area ini kemungkinan akan diklasifikasikan sebagai Persistent Hot Spot atau Intensifying Hot Spot.

Space Time Pattern Mining