Kelompok 29

Voronoi Diagrams and Spatial Analysis of Crime ​
( Diagram Voronoi dan Analisis Spasial Kejahatan)​

ABSTRACT

Berbagai analisis spasial yang digunakan dalam sebuah pemetaan kejahatan, seperti kepadatan estimasi Kernel, K-fungsi Ripley, dan autokorelasi spasial, tetapi ada penggunaan Voronoi diagram (VDS) yang terbatas. Tujuan dari artikel ini adalah untuk memberikan kontribusi pada analisis spasial kejahatan melalui penggunaan VDS. Kami menggunakan data empat tahun perampokan komersial dari Campinas, Brazil, dan mempekerjakan beberapa pekerja teknik VD: (1) kita menganalisis konsentrasi kejahatan melalui sifat-sifat VDS - wilayah dan jumlah simpul - dan kurva cakupan; (2) kami memperkenalkan geovisualization kejahatan baru dengan VD dalam tiga dimensi; dan (3) kita menerapkan teknik jaringan VD untuk analisis kejahatan. Hasil penelitian menunjukkan hubungan antara teknik VD ini dan kemampuan peneliti untuk mengenali pola kejahatan yang berhubungan dengan konsentrasi kejahatan, kejahatan sepanjang jalur, dan distribusi yang sangat regularized kejahatan di daerah terbatas spasial. Kata kunci: konsentrasi kejahatan, lokasi kejahatan, analisis spasial, diagram Voronoi.​

PENDAHULUAN

Pemetaan Kejahatan telah meningkat dalam beberapa tahun terakhir di berbagai bidang, seperti dalam pengembangan perangkat lunak, teknik geovisualisasi, akurasi dalam kejahatan geocoding, dan regresi spasial dengan variabel waktu. ​

Kejahatan terjadi di lokasi geografis tertentu dan salah satu cara spasial terbaik untuk mewakili pola kejahatan di suatu ruang adalah kerangka kerja berbasis titik. Ketika kita melakukan kerangka kerja berbasis wilayah untuk menganalisis kejahatan, kita juga menyadari keterbatasan metodologi ini bila dibandingkan dengan analisis point lainnya. ​

Voronoi Diagram(VDS) adalah suatu diagram yang lazim dalam pembuatan suatu peta dan objek spasial lainnya karena diagram ini mewakili hubungan spasial antar objek yang ada. VDS membagi area ruang ke dalam bentuk daerah, yang disebut sel Voronoi, yang berisi semua ruang yang paling dekat dengan objek (lokasi kejahatan). Ukuran sel-sel ini memberikan indikasi tentang seberapa padat daerah pada obyek tertentu atau seberapa besar sebuah benda.

​

​TUJUAN

Tujuan dari penelitian ini adalah untuk berkontribusi melalui analisis sparsial menggunakan Voronoi diagram untuk menganalisis kejahatan. Penggunaan visualisasi VD membuat kita lebih mudah untuk "melihat" kelompok kejahatan serta dapat meningkatkan alat analisis kejahatan utama melalui pemetaan.​

METODE​

Area dan jumlah veriks adalah dua properti sel VD yang dapat digunakan untuk mengidentifikasi hot spot menggunakan sistem informasi geografis (SIG). ​

Peta Estimasi Voronoi Cells and Kens Density ​

 

KD dikembangkan secara matematis untuk memperkirakan variabel kontinu di atas suatu permukaan, tetapi ketika digunakan untuk data titik, permukaan halus KD menunjukkan bahwa kejahatan terjadi di daerah di mana tidak ada kejahatan yang dilaporkan.​

Kejahatan Geovisualisasi melalui VDs ​

Meskipun dengan hasil yang lebih baik secara kuantitatif, VDmaps menunjukkan keterbatasan kualitatif bila dibandingkan dengan peta KD dalam dua dimensi. Namun, pada bagian ini, kami mengusulkan perwakilan kejahatan tiga dimensi (3D) melalui penggunaan VD.​

HASIL
   

  

KESIMPULAN

Pertama, sel Voronoi dibuat berdasarkan hanya satu generator titik per lokasi, artinya mengulangi kesalahan sekaligus lokasi tidak diperhitungkan. Sebisa mungkin solusi untuk visualisasi dua dimensi, masing-masing lokasi kejahatan dapat dengan sengaja dipindahkan oleh beberapa meter, tetapi perlu untuk memeriksa kualitas representasi ini dan hasilnya bentuk kartografi. ​

Kedua, dalam perbandingan formal antara peta KD dan peta VD, kami hanya menggunakan tiga metode interval — kuantil, Jenks atau istirahat alami, dan interval geometris. Penting untuk menilai mereka dengan metode lain seperti standar deviasi. ​

Ketiga, elemen warna dalam peta 3D terkait dengan hanya satu titik generator, yang berarti bahwa periode setiap perampokan komersial tidak dapat ditafsirkan dengan benar. Pembatasan ini dapat dengan mudah diatasi dengan data set dengan informasi lebih lanjut, seperti dengan sensus. Batasan ini dibiarkan untuk pekerjaan di masa depan.​