Memahami Faktor Lompatan Ketika Melakukan Kalkulasi Statistik

Apa yang terjadi ketika kita menggunakan faktor lompatan untuk menghitung statistik?

Faktor lompat digunakan untuk mempercepat waktu yang dibutuhkan untuk mengkalkulasi statistik dari suatu dataset raster. Ini sangat berguna jika mempunyai file raster yang banyak, atau ketika bekerja secara remote/jarak jauh. Kenyataan yang sering terjadi adalah bahwa kadang kita tidak membutuhkan semua piksel untuk mengkalkulasi statistik, tetapi kita mungkin tidak mendapat nilai minimal dan maksimal yang sesungguhnya yang mungkin berguna untuk analisis. (PErhitungan statistik digunakan untuk menentukan bagaimana citra ditampilkan, dan ini penting kecuali kita menggunakan fungsi uluran/regangan kecuali Penyesuaian Jangkauan Dinamis.

Jadi bagaimana kita tahu bilangan yang kita inginkan? nilai X dan Y untuk setiap arah, jadi ketika menggunakan nilai 1 untuk faktor lompat, kita akan menggunakan setiap piksel, jika 2 maka menggunakan 25 %, 10 adalah 1 % dan 100 adalah 0.01 % dari semua piksel. Kita bisa mencoba membandingkan dengan meningkatkan nilai faktor tersebut, pada nilai 1, 10, 100, 250, 350, 500, 1000, 1250, 1500 dan 2000 tuntuk melihat apakah ada suatu pola yang berkembang ketika kuantitas piksel berkurang. Hasilnya adalah walaupun kesalahan meningkat karena faktor meningkat, tidak ada pola yang jelas terkait bagaimana kesalahan memunculkan dirinya.

Dari faktor lompat 100 – 750 anda akan melihat hasil yang cukup masuk akal. untuk dataset yang relatif banyak, tingkat sampling ini tidaklah terlalu ekstrim, tetapi ketika dibandingkan satu sama lain dan dengan citra yang sebenarnya, sulit untuk memprediksi piksel mana yang ditekankan. Jika kita lihat pada rerata dan deviasi standar, terdapat variasi naik dan turun daripada stabil naik atau turun. Menariknya, hasil tidak secara linier memburuk saat tingkat samplingnya kita turunkan.  Faktor lompat 750 mirip dengan citra sebenarnya daripada 500 atau 250. Dari hasil percobaan, output hampir acak dalam hal bagaimana faktor lompat ini yang mempunyai kemiripan dengan nilai sebenarnya.

Ini adalah tabel detail tentang faktor lompatan/skip :

xy_table

 

 

Faktor lompat 1

xy1

 

Mulai terjadi perubahan di faktor lompat 1000

xy1000

 

Distorsi/error semakin kelihatan di faktor lompat 1500

xy1500

 

 

Data di faktor lompat 2000

xy2000

 

Sumber : ESRI

Tinggalkan Pesan