(kelp 1) Geographic data and descriptive crime maps are particularly relevant in crime analysis and discussed in their own chapter because of their unique data characteristic and distinct analysis techniques. The purpose of this chapter is to provide and overview of the geographic data and its components, types of descriptive maps typically used in crime analysis, and statistical classifications to used to categoriza and analyze data using maps.

GEOGRAPHIC DATA

The are a number of unique components and terms that are used in crime mapping to refer to data and their depiction on maps.

VECTOR DATA

In crime analysis, a geographic information system (GIS) translates physical elements in the real world such as roads, buildings, lakes, and mountains into forms that can be displayed, manipulated, and analyzed along with police information such as crime, arrest, and traffic accident data. A GIS uses three types of features to represent objects and locations in the real world; these are called vector data for which the basic units of spatial information are points , lines and polygons.

A point feature is a discrete location that is usually depicted on a GIS-generated map by a symbol or label. A point feature is analogous to a pin placed on a paper wall map. A GIS uses different symbols to depict the locations of data relevant to the analysis, such as crimes, motor vehicle accidents, traffic signs, buildings, police beat stations, and cell phone towers.

A line feature is a real world element that can be represented on a map by a line or set of lines. Other types of line features include rivers, streams, power lines, and bus routes. As with points, each segment of a street corresponds to a record in the attribute data.

A polygon feature is a geographic area represented on a map by a multisided figure with a closed set of lines. Polygons can represent areas as large as continents or as small as buildings; in GIS generated maps they may be used to depict country boundaries, city boundaries, parks, school campuses, or police districts.Poligon pada gambar 7.2 menunjukkan kabupaten polisi. Setiap kabupaten correspondens ke rekor ditampilkan pada Tabel 7.3. dengan fitur poligon, unit analisis adalah daerah, sehingga garis (perbatasan) poligon tidak memiliki data atribut - hanya daerah itu sendiri tidak melakukan. Pada tabel 7.3, variabel yang disebut "fitur" menggambarkan jenis fitur data ini, dan "kabupaten adalah nama / label untuk poligon itu.

Analis kejahatan menggunakan berbagai jenis data vektor. Banyak dari yang akrab bagi kebanyakan orang karena mereka mewakili unsur dunia nyata dan digunakan untuk tujuan selain analisis kejahatan. Di antara jenis database geografis yang umum digunakan dalam analisis kejahatan yang dikhususkan untuk fitur geografis berikut:

fitur Titik

kantor polisi

sekolah

Rumah Sakit

Bisnis

Toko-toko eceran / restoran

Kantor

Tempat ibadah

bangunan pemerintah

Massa-transit berhenti dan stasiun (misalnya, bus berhenti, stasiun kereta api)

fitur Baris

Jalan

jalan raya

Rivers

rel kereta api

Rute massa-transit (misalnya, kereta bawah tanah)

Fitur Polygon

paket yang

bangunan

Kelompok blok sensus dan traktat

tempat parkir

compuses sekolah

Bandara

Kota, kabupaten, dan batas-batas negara

Daerah polisi (grid, beat, polisi, kabupaten)

pasar obat

wilayah geng

Daerah yang ditargetkan untuk usaha kepolisian khusus

Data raster

Selain data vektor, analis kejahatan juga menggunakan data raster untuk menampilkan fitur di permukaan bumi. Data raster adalah susunan sel-sel jaringan atau poxels yang overlay permukaan dan ditugaskan data atribut (biasanya nilai numerik). File raster biasanya digunakan untuk menyimpan citra satelit atau remote gambar penginderaan dan sering ditampilkan dalam warna (chainey & Ratcliff, 2005; Hick, Bair, Fritz & Helms, 2004). Gambar-gambar ini sering foto-foto vertikal yang diambil dari satelit atau pesawat terbang dan ditempatkan dalam koordinat yang tepat. Citra satelit biasanya digunakan dalam analisis kejahatan bersama dengan data vektor untuk menunjukkan rincian jalan, bangunan, tempat parkir, dan fitur lingkungan (lansekap). Jenis data raster filesare digunakan dalam analisis kejahatan untuk pemetaan kepadatan. (lihat lebih lanjut tentang topik ini nanti dalam bab ini dan dalam Bab 14).

untuk mendapatkan hasil geocoding yang akurat dan lengkap, analis harus memastikan bahwa data georaphic (misalnya, berkas segmen jalan) yang up-to-date dan akurat. ini dapat menantang di kota-kota yang berkembang pesat dan mengalami perubahan pembangunan jalan.

Langkah 2: menentukan preferensi geocoding. analis harus menentukan dan mengatur preferensi untuk pencocokan data mengacu pada data tabular. preferensi meliputi sensitivitas ejaan pertandingan (yaitu, apakah nama jalan Data polisi dan nama jalan geografis ae dieja persis sama), alamat gaya (misalnya, apakah akan cocok pada "alamat hanya" atau "alamat dan kode pos") , dan accceptability pertandingan parsial (misalnya, thether untuk accepth pertandingan yang dianggap "dekat"). geocoding menghasilkan skor pertandingan untuk setiap record yang menunjukkan gow erat alamat dari file data polisi sesuai dengan segmen jalan di file geografis, dengan skor 100 menandakan cocok.

Langkah 3: cocok dalam GIS. setelah preferensi ditetapkan, analis langkah selanjutnya hanyalah menekan tombol. Paket perangkat lunak GIS menggunakan metode yang cukup sederhana untuk mencapai penempatan alamat sepanjang ruas jalan. setiap segmen jalan berisi berbagai alamat, dan GIS menempatkan titik sepanjang segmen relatif terhadap nilai dalam jangkauan. misalnya, alamat dari "200 E Main st" akan ditempatkan setengah jalan sepanjang segmen jalan yang berkisar 100-300 timur jalan utama (lihat Gambar 7.4).

Langkah 4: meninjau hasil. setelah proses geocoding selesai, program perangkat lunak GIS menghasilkan statistik yang menunjukkan jumlah dan persentase alamat yang berhasil cocok, alamat yang cocok partiallya (yaitu, dengan skor yang lebih rendah dari 100), dan alamat yang tidak goecoded (cocok) sama sekali . ideal cocok untuk file geografis. tergantung pada jumlah kasus dan tujuan analisis, skor 95% dapat diterima, asalkan ada alasan yang sah mengapa kesempurnaan itu tidak tercapai (misalnya, kasus yang tidak cocok terjadi di luar yurisdiksi) dan kasus-kasus yang hilang tidak akan berkompromi hasil analisis. setiap kali nilai geocoding lebih rendah dari 100%, analis harus menguji kembali dan memperbaiki data dan pergi melalui proses geocoding lagi.

Langkah 5: respecifying parameter dan geocoding lagi. geocoding adalah telaten dan sering proses mencoba, biasanya membutuhkan banyak penyesuaian dan pengulangan sebelum proses cukup tinggi, umumnya membutuhkan banyak penyesuaian dan pengulangan sebelum skor yang cukup tinggi dicapai secara konsisten. ini adalah bagian penting dari proses analisis kejahatan (yaitu, data modifikasi subcycle), karena analis mungkin tidak menyadari masalah datta sampai mereka telah melakukan geocoding.

meskipun geocoding dalam analisis kejahatan paling sering menempatkan addressses oleh segmen jalan, ada masalah akurasi dengan metode ini. Metode ini menggunakan model matematis untuk menemukan setiap alamat dalam rentang alamat (misalnya, "100 E Main st")

Terletak di tengah antara 0 dan 200 timur jalan utama), bu itn kenyataannya, addreses tidak terjadi secara proporsional sepanjang segmen jalan. Beberapa addreses mengambil seluruh blok, sedangkan yang lain berbagi ruang di blok, dengan satu alamat di belakang yang lain. Dua metode penempatan record pada peta memperbaiki geocoding untuk sements jalan.

1. Matching record data paket: dalam metode ini, bukan segmen file jalan dengan rentang alamat, data paket yang digunakan untuk mencocokkan alamat ke pusat bidang tanah yang tepat. Hal ini sangat efektif untuk rumah tinggal keluarga tunggal yang memiliki paket restively kecil dan hanya satu alamat untuk membangun per paket angka 7,5 menunjukkan alamat 200 timur jalan utama Geocode baik untuk segmen jalan dan paket untuk menggambarkan perbedaan di lokasi sebenarnya atau peta. Namun, jenis ini cocok menjadi bermasalah ketika paket komersial besar berisi beberapa addreses untuk beberapa bangunan, karena fie Data paket hanya berisi satu alamat per paket. Dalam kasus ini addreses harus disesuaikan dengan bangunan. Hal ini sulit karena mempersiapkan file geografis (yaitu, menangani setiap bangunan di vity a) memakan waktu dan mahal.

2. catatan Matching ke koordinat: cara yang paling akurat dan dapat diandalkan untuk menemukan catatan pada peta adalah bby menggunakan koordinat yang tepat dari insiden tersebut, karena tidak semua insiden terjadi pada alamat yang dikenal (misalnya taman atau di lahan kosong). Untuk melakukan hal ini untuk kejahatan dan data polisi lainnya, petugas harus membawa global positioning system (GPS) perangkat untuk setiap adegan untuk merekam koordinat. Penggunaan GPS dengan GIS akan menghilangkan kebutuhan untuk geocoding sama sekali dan memungkinkan real-time analysos kejahatan, karena insiden akan segera dipetakan (Harries, 1999). Banyak lembaga kepolisian mulai membeli peralatan GPS untuk petugas mereka, tetapi belum menjadi praktik umum.

Pemetaan deskriptif Kejahatan

Pemetaan kejahatan digunakan dalam kepolisian berbagai cara. Chainey dan Ratcliffe (. 2005, hal 4) menguraikan beberapa contoh:

aktivitas polisi Recording dan pemetaan

Mendukung pengarahan dari petugas polisi operasional dengan mengidentifikasi kejahatan yang telah terjadi baru-baru ini

Mengidentifikasi kejahatan hot spot menerapkan respon pencegahan kejahatan

Membantu untuk secara efektif memahami distribusi kejahatan bersama dengan data lokal lainnya

Pemantauan dampak inisiatif pencegahan kejahatan

Berkomunikasi statistik kejahatan kepada public

Analis kejahatan mengambil dua pendekatan yang berbeda untuk analisis spasial kejahatan dan gangguan masalah. Pada pertama deskriptif data pemetaan polisi pendekatan-disebut dan statistik ditampilkan untuk menunjukkan hasil analisis dengan menggunakan unit geografis analisis. Dalam kedua pendekatan yang disebut analisis pemetaan-analis menggunakan lokasi yang tepat dari insiden untuk menentukan titik panas atau kelompok kegiatan. Bab ini memberikan gambaran tentang berbagai jenis pemetaan deskriptif dan menjelaskan metode yang statistik yang digunakan untuk mengklasifikasikan data dalam peta deskriptif. Pemetaan analisis coverd dalam bab 14 dalam pembahasan analisis kejahatan strategis dan identifikasi hot spot.

Jenis Pemetaan Kejahatan Deskriptif

Ada jenis pemetaan kejahatan deskriptif. Mereka dibahas di sini digunakan paling sering di anlysis kejahatan. Mereka termasuk single-simbol pemetaan, buffer, lulus pemetaan, grafik pemetaan, dan pemetaan kejahatan internet.

Pemetaan tunggal Symbol

Dalam peta tunggal simbol, individu, simbol seragam merupakan fitur seperti lokasi toko, jalan, atau negara. Gambar 7.6 merupakan wxample dari peta tunggal simbol yang menunjukkan lokasi pembunuhan dan jalan-jalan. Sebuah hal penting yang perlu diingat tentang satu-simbol peta adalah bahwa tempat GIS semua titik di peta rupa sehingga berbagi alamat yang sama langsung di atas satu anothre, sehingga mustahil untuk peta untuk menunjukkan berapa banyak poin benar-benar ada. Sebagai contoh, dalam peta yang ditunjukkan pada gambar 7.6, jika dua kasus pembunuhan terjadi di lokasi yang sama, GIS akan menempatkan dua lingkaran abu-abu di tempat yang sama, sehingga tidak ada cara seseorang melihat peta ini dapat melihat semua pemetaan kejahatan dan data polisi lainnya, karena kejahatan dan insiden terkait polisi lainnya sering terjadi berulang-ulang di lokasi tertentu. Dengan demikian, satu-simbol peta juga tidak berguna ketika analis berurusan dengan sejumlah besar data. Bayangkan peta pada gambar 7.6 dengan lokasi f 100 kejahatan yang berbeda ditandai. Poin akan tumpang tindih, dan peta akan sulit untuk dibaca.

Karena itu, analis kejahatan menggunakan single-simbol pemetaan terutama untuk menampilkan sejumlah kecil data seperti yang dipetakan pola kejahatan dan informasi geografis di whic tidak ada tumpang tindih, mereka menggunakan jenis peta untuk menyampaikan informasi tentang beberapa insiden di lokasi tertentu .

Buffer

Buffer adalah daerah tertentu di sekitar fitur pada peta. Buffer dapat diatur pada jarak kecil, seperti 50 kaki, atau jarak langer, seperti 500 mil, tergantung padatujuan dan peta. Buffer membantu dalam analisis kejahatan dengan menggambarkan jarak relatif antara fitur pada peta. Contoh peta pada gambar 7.7 menunjukkan sebuah taman (fitur poligon) dengan buffer 500-kaki dan penangkapan narkoba di daerah. Peta ini dapat digunakan untuk menentukan berapa banyak penangkapan dilakukan dan dalam 500 meter dari taman (misalnya, tujuh penangkapan).

Buffer dapat digunakan sebagai poligon untuk agregasi data dan perbandingan. Gambar 7.8 menunjukkan dua buffer (500 kaki dan 1000 kaki) di sekitar klub malam (titik fitur), analis yang dapat digunakan untuk membandingkan insiden langsung sekitar klub malam kepada mereka jauh keluar untuk melihat apakah kegiatan tersebut memiliki efek spillover pada lingkungan sekitarnya.

Buffer juga dapat digunakan untuk menghitung statistik deskriptif. GIS memperlakukan buffer sebagai poligon dan dapat menghitung jumlah insiden dalam buffer yang. Sebagai contoh, analis kejahatan dapat menentukan berapa banyak penangkapan narkoba telah terjadi 500 meter dari semua taman di seluruh kota.

MODEL PEMETAAN

Analis kejahatan sering menggunakan peta-yang lulus adalah, peta di mana ukuran atau warna fitur yang berbeda mewakili nilai-nilai tertentu variabel. Gambar 7.9 dan 7.10 adalah contoh umum peta lulus-ukuran dan lulus warna, masing-masing. Dalam peta lulus ukuran, ukuran simbol yang digunakan untuk titik dan garis fitur mencerminkan nilai mereka (biasanya, berapa banyak insiden terjadi di alamat itu atau di jalan itu). Seperti disebutkan sebelumnya, peta tunggal simbol yang tidak sesuai untuk menampilkan data tentang kejahatan yang terjadi di lokasi yang sama berulang-ulang. Analis menggunakan peta lulus ukuran untuk tujuan ini, karena peta tersebut dapat menjelaskan beberapa insiden pada saat yang sama untuk lokasi. Howewer, seperti peta tunggal simbol, lulus ukuran peta tunduk pada poin tumpang tindih jika poin terlalu banyak data yang dianalisis sekaligus. Gambar 7.9 adalah peta dimana poin lulus dengan ukuran sesuai dengan jumlah kejahatan di lokasi tertentu.

Dalam peta lulus warna, warna simbol mencerminkan nilai-nilai mereka; semacam ini pemetaan dapat digunakan dengan poin (di peta tunggal simbol saja), garis, dan poligon mencari 7.10 adalah peta yang menggunakan warna untuk menunjukkan jumlah total kejahatan adalah daerah-daerah tertentu yang

grafik pemetaan

grafik pemetaan memungkinkan analis kejahatan untuk menampilkan beberapa nilai dalam variabel tertentu pada waktu yang sama te (misalnya, variabel = kejahatan, nilai = perampokan, penyerangan, dan pemerkosaan).

ada dua jenis diagram pemetaan: pie dan bar. Dalam pie grafik pemetaan, persentase relatif (diwakili oleh sepotong kue) dari nilai-nilai dalam variabel akan ditampilkan. Gambar 7.11 adalah contoh dari pie chart yang tidur siang pertarungan depicst, obat-obatan, senjata, dan melakukan insiden teratur di klub malam. pai ditempatkan di lokasi semua klub malam inthe dipetakan, dan ukuran pai yang lulus untuk menggambarkan total hunian dengan kapasitas memberikan relatif. Beberapa klub malam telah telah mewakili semua empat jenis insiden, sedangkan yang lain hanya memiliki dua atau tiga dari empat, dan persentase (pai dan Hutch) hanya didasarkan pada nilai-nilai thefrequencies termasuk (tidak semua jenis insiden di semua klub malam).

Dalam pemetaan bar chart, frekuensi relatif (diwakili oleh bar) nilai-nilai variabel dalam ditampilkan. Pada contoh di Gambar 7.12, grafik batang ditempatkan di loctions dari klub malam di daerah te dipetakan. Angka ini menggambarkan data yang sama ditunjukkan pada Gambar 7.11 tapi bukannya persentase, ketinggian bar menunjukkan frekuensi relatif insiden.

pemetaan kejahatan interaktif

penilai dari jenis pemetaan, pemetaan kejahatan interaktif merujuk pada disederhanakan sistem informasi geografis dibuat tersedia untuk pengguna pemula melalui internet. banyak departemen polisi memiliki situs web interaktif di mana warga dan polisi dapat melakukan pemetaan kejahatan dasar sendiri. aplikasi ini

Metode untuk pemetaan kejahatan deskriptif

Salah satu jenis deskriptif pemetaan (juga disebut choropleth) pemetaan

Whith adalah teknik umum untuk seting data yang dirangkum oleh wilayah administratif statis dan sangat berguna untuk mendapatkan gambaran umum dari distribusi spaesial keseluruhan kejahatan (eck chainey, cameron, leither Dan wilson 2005) bagian ini menjelaskan teknik stistical yang menggunakan analis kejahatan untuk menghasilkan simbol dan warna peta lulus, termasuk kategoris, statistik dan petunjuk metode. ada banyak cara untuk menampilkan data geografis dan penting bahwa analis pilih metode yang paling sesuai dengan data dan tujuan analisis mereka.

Menurut kategori

Data dapat dipecah oleh kategori dan ditampilkan pada peta baik jenis yang berbeda dari simbol atau sebagai simbol atau simbol dalam warna atau derajat shading yang berbeda. analis kejahatan menggunakan methotd ini primarilly untuk variabel kategori karena nilai-nilai variabel tersebut rether nomimal daripada angka. Beberapa contoh vables kategoris adalah ras, metode seks masuk senjata yang digunakan, jenis jenis lokasi usaha, dan tanah use.in ini nilai-nilai dalam setiap variabel.

Shading berdasarkan nilai kategoris hanya digunakan dengan peta simbol tunggal dan terutama dengan pemetaan kategoris tidak dapat digunakan dengan peta ukuran lulus karena memerlukan bahwa setiap titik akan berbayang menurut salah satu nilai kategoris. misalnya, jika dua perampokan. salah satu tidak bisa maka warna yang mengarah oleh senjata yang digunakan selama perampokan yang diwakili oleh titik tunggal.

Gambar 7.15 adalah peta yang yang diciptakan untuk analisis perampokan. daerah yang diarsir untuk menunjukkan apakah mereka mengandung jalan raya antarnegara bagian. variabel kategoris dipetakan di sini adalah. apakah ada interstate di sana interstate di daerah? nilai-nilai yang menentukan warna yang berbeda ya dan tidak. seorang analis mungkin menggunakan peta ini dengan lulus simbol peta perampokan untuk menentukan apakah lebih perampokan terjadi di daerah-daerah yang mengandung interstate.

Contoh peta pada gambar 7.16 menggunakan simbol yang berbeda untuk berbagai jenis analis bisnis .an bisa menggunakan peta ini dalam analisis perampokan untuk membantu membedakan antara lokasi mengenai kerentanan mereka terhadap perampokan.

Dengan klasifikasi statistik

klasifikasi statistik yang digunakan dalam pemetaan adalah formula yang menentukan titik istirahat bagaimana data akan shahed atau ukuran (informasi tentang break point ditampilkan dalam legenda peta itu). Fitur pada peta dibedakan dari satu sama lain tergantung pada klasifikasi di mana nilai-nilai mereka jatuh. Misalnya, warna yang digunakan untuk melambangkan rentang dapat dirinci sebagai berikut:

Putih: ada kejahatan

Cahaya abu-abu: 1 sampai 10 kejahatan

Dark abu-abu: 11-20 kejahatan

Hitam: 21-30 kejahatanDalam peta dengan menggunakan kategori ini, fitur area, seperti beat polisi, dengan 15 kejahatan akan shahed abu-abu gelap. Disarankan untuk menggunakan tidak lebih dari enam kelas atau nuansa dalam peta tematik (Harries, 1999). Empat klasifikasi statistik biasanya digunakan dalam pemetaan kejahatan: istirahat alami, interval yang sama, kuantil, dan standar deviasi. Analis menggunakan klasifikasi ini untuk tujuan yang berbeda.

Seorang analis menerapkan istirahat klasifikasi alami menggunakan software GIS untuk mengidentifikasi kesenjangan alami dalam distribusi data; kesenjangan ini bertindak sebagai break point untuk klasifikasi dalam legenda. Jenis klasifikasi adalah default di banyak program GIS dan merupakan salah satu jenis yang paling sering digunakan dalam analisis kejahatan. Hal ini paling berguna untuk analisis eksplorasi atau deskriptif gambaran data (misalnya, peta umum masalah) dan tidak berlaku untuk membuat perbandingan dari waktu ke waktu.

Gambar 7.17,7.18, dan 7,19 adalah peta titik, garis, dan poligon yang menggambarkan klasifikasi istirahat alami. Perhatikan nilai-nilai legenda kategori peta tampak sewenang-wenang, dengan interval yang tidak sama. Itu karena rentang telah diputuskan oleh GIS berdasarkan break point di distribusi dari variabel yang dipetakan.

Titik Peta lulus pada gambar 7.17 menggambarkan perampokan di alamat individu menggunakan tiga kategori. Istirahat alami pada set data antara 1-4, 5-9, dan 10-13 perampokan di satu alamat. Tabel 7.4 menampilkan beberapa alamat dan jumlah mereka perampokan untuk menunjukkan data yang digunakan untuk membuat peta ini.

Garis peta lulus pada gambar 7.18 menggambarkan jumlah perampokan di sepanjang segmen jalan di kawasan tertentu dalam tiga kategori. Istirahat alami dalam data ini antara 1-7, 8-10, dan 11-24 perampokan per segmen jalan. Poligon peta lulus pada gambar 7.19 menunjukkan jumlah perampokan per wilayah geografis. Ketiga legenda peta yang berbeda karena data telah disimpulkan berbeda (misalnya, berdasarkan alamat berdasarkan segmen jalan, dan dengan area), yang menyebabkan kesenjangan dalam distribusi data yang berbeda.

Dalam diskusi berikut jenis sisa klasifikasi, hanya peta poligon yang digunakan untuk menggambarkan rumus statistik, tetapi semua klasifikasi ini dapat digunakan untuk membuat titik lulus dan line peta juga. Contoh berikut menggunakan data yang sama ditetapkan sebagai yang digunakan dalam istirahat contoh alami untuk menunjukkan bagaimana data yang sama dapat ditampilkan secara berbeda tergantung pada klasifikasi yang digunakan oleh analis.

Untuk sampai pada klasifikasi interval yang sama, analis menggunakan GIS untuk menerapkan rumus statistik yang membagi perbedaan antara nilai tertinggi dan terendah dalam rentang sama besar. Pada gambar 7.20, nilai terendah perampokan per daerah 0 dan tertinggi adalah 28; empat kategori yang dipilih, dan setiap rentang adalah 7, yang 28 dibagi dengan 4 (misalnya, 0-7, 8-14).

Sederajat Interval hasil klasifikasi hasil yang berbeda tergantung pada nilai-nilai data (misalnya, nilai berkisar 0-80 dengan empat kategori akan dibagi menjadi 0-20, 21-40, dan sebagainya). Jenis peta yang paling cocok untuk data yang ada jumlah yang sama dari insiden di semua kelas. Analis kejahatan biasanya menggunakan klasifikasi ini dalam kombinasi dengan peta lain untuk mendapatkan rasa sifat dari masalah yang mereka memeriksa. Namun, mereka biasanya tidak menyebarkan peta tersebut ke polisi karena kebanyakan distribusi analisis kejahatan data miring (misalnya, perhatikan semua daerah putih pada gambar 7.20), dan klasifikasi ini biasanya tidak menghasilkan hasil yang berguna untuk tujuan polisi.

Seorang analis menghasilkan peta kuantil dengan membagi jumlah record dalam database dengan jumlah kategori (dipilih oleh pengguna), yang menghasilkan kategori dengan jumlah yang sama catatan. Analis kejahatan yang paling sering menggunakan peta kuantil untuk membuat perbandingan antara set data dengan nilai-nilai yang sangat berbeda

Menggunakan peta kuantil memungkinkan analis untuk mengidentifikasi dan membandingkan daerah dalam tertinggi 25% (menggunakan empat rentang) untuk kedua jenis tidak peduli frekuensi yang sebenarnya, dan memungkinkan analis untuk melihat apakah daerah tertinggi dalam frekuensi yang sebenarnya, dan memungkinkan analis untuk melihat cuaca daerah tertinggi dalam pencurian juga tertinggi dalam perampokan.

Bila menggunakan klasifikasi standar deviasi, seorang analis menggunakan deviasi mean dan standar variabel untuk menentukan titik istirahat dari kategori, yang ditampilkan dalam legenda angka tidak secara keseluruhan tetapi sebagai standar Penyimpangan ( misalnya , plus 1 , 1 dari standar deviasi rata-rata ) . Untuk peta pada gambar 7.22, yang gis menentukan rata-rata dengan menambahkan angka dari perampokan di semua poligon dan membagi total oleh jumlah poligon..Gis yang kemudian menghitung standar deviasi dan menambahkan dan mengurangi dari rata-rata untuk menentukan break poin dari setiap kategori . Jenis ini adalah peta yang paling bermanfaat untuk menentukan poligon , liter , atau garis yang kutub ( plus atau minus dari 3 standar deviasi rata-rata ) dan untuk dibandingkan dengan kutub dari satu database untuk orang lain seperti kebanyakan quantile ). Maksudnya adalah untuk setiap kumpulan data poligon yang memiliki nilai yang jauh lebih tinggi atau lebih rendah dari rata-rata satu warna tertentu yang teduh. Karena standar deviasi adalah pengukuran yang standar dan memberikan ukuran yang sama dibandingkan dengan data yang bersifat khusus, analis yang dapat dibandingkan seperti di peta penyebaran yang berbeda .Seperti diketahui bahwa dalam peta wilayah itu biasanya tidak ada warna yang teduh itu, karena tidak harus berarti sebuah nilai dalam distribusi data , seperti 4.57 perampokan di suatu daerah~.

Manual Metode

Jenis terakhir dari peta lulus adalah "kebiasaan" peta; yaitu, dalam peta yang dibuat menggunakan metode manual klasifikasi, kisaran yang ditampilkan dalam legenda tidak ditentukan oleh nilai-nilai variabel atau formula statistik tetapi dengan pencipta peta. Analis kejahatan sering menggunakan kustom berkisar untuk membandingkan beberapa peta dengan tipe data yang sama dari waktu ke waktu, seperti untuk menganalisis peta perampokan bulanan di mana warna yang sama mewakili rentang yang sama. Perbandingan nilai yang sebenarnya dari variabel yang dipetakan tidak dapat dilakukan dengan menggunakan salah satu klasifikasi lain yang dibahas sejauh karena warna mewakili rentang yang berbeda setiap kali data berubah dalam klasifikasi tersebut. Gambar 7.23 dan 7.24 adalah contoh dari dua peta dengan legenda kustom yang sama yang memungkinkan analis untuk membandingkan perbedaan dalam perampokan oleh daerah dalam dua periode waktu (yaitu, Januari dan Februari). Perhatikan bahwa dalam peta ini label untuk kategori keempat tidak memiliki nilai atas; sebaliknya, ia membaca "atau lebih". Analis membuat kategori seperti ketika mereka menggunakan legenda yang sama selama lebih dari satu peta, karena batas atas mungkin berbeda untuk setiap set data. Dalam kebanyakan kasus, poin istirahat dalam legenda kustom jatuh pada 5s, 10s, 25s, 50s, 100s, dan sebagainya.

Pedoman Klasifikasi dan ringkasan

Semua peta yang disajikan sejauh ini dalam bab ketiga telah menggunakan frekuensi perampokan sebagai dan example.however, analis dapat memetakan berbagai statistik lain selain frekuensi-seperti suku, berarti, dan persentase dan peta tersebut saya menjadi lebih relevan, tergantung pada analis analysis.crime harus menjaga pedoman berikut saat membuat peta untuk mendeskripsikan data:

Dalam menentukan klasifikasi dan berapa banyak kategori untuk menggunakan, analis pertama-tama harus menentukan tujuan dan penonton peta.

Keputusan mengenai bagaimana peta harus dibuat adalah bagian dari proses analisis, analis tidak harus bergantung pada pengaturan default program GIS.

Putih pengecualian adat atau metode manual klasifikasi semua metode klasifikasi tergantung pada data yang, nilai-nilai dalam rentang akan berbeda dari data set ke set data, tergantung pada distribusi dan nilai-nilai dalam data.

Ketika menjelaskan data menggunakan klasifikasi ini, analis harus bereksperimen dengan klasifikasi dan jumlah kategori sering, perbandingan antara peta yang berbeda dapat memberikan wawasan dan mempromosikan pemahaman masalah.

Analis harus menyadari bahwa shading daerah seluruh berdasarkan jumlah agregat peristiwa dapat memberikan pembaca peta kesan bahwa kegiatan ini terjadi e3qually di daerah, padahal sebenarnya mungkin tidak.

Ketika membuat peta daerah, analis tidak harus yang menarik kesimpulan berdasarkan daerah tentang individu atau lokasi tertentu di area itu.

Bab ini memberikan gambaran data geografis dan pemetaan kejahatan deskriptif. Berikut ini adalah poin-poin penting yang dibahas dalam bab ini:

1. Sebuah GIS menggunakan tiga jenis fitur untuk mewakili benda-benda dan lokasi di dunia nyata; ini adalah data vektor yang unit dasar informasi spasial poin sre, garis, dan poligon.

2. Sebuah fitur poin adalah lokasi diskrit yang biasanya digambarkan pada GIS yang dihasilkan peta dengan simbol atau label.

3. Sebuah fitur garis adalah elemen dunia nyata yang dapat direpresentasikan pada peta dengan garis atau mengatur garis.

4. Sebuah fitur poligon adalah wilayah geografis diwakili pada peta oleh seorang tokoh multisided dengan satu set tertutup garis.

5. Data raster adalah susunan sel-sel jaringan atau piksel yang overlay permukaan dan ditugaskan data atribut (biasanya nilai numerik). File raster biasanya digunakan untuk menyimpan citra satelit atau remote gambar penginderaan dan sering ditampilkan dalam warna.

6. Ketika menerjemahkan baik vektor atau data raster ke dalam GIS, perlu untuk melakukan penyesuaian dengan data file seperti yang dimasukkan ke dalam perangkat lunak dan digunakan untuk analisis. Penyesuaian ini disebut proyeksi dan diperlukan karena bumi itu bulat, tetapi GIS menggambarkan data geografis dalam format datar.

7. Sistem koordinat berada di jantung GIS karena ini adalah nilai-nilai yang digunakan untuk mencari data pada peta. Lintang dan bujur (juga disebut koordinat xy) adalah sistem referensi universal. Rencana keadaan sistem koordinat sistem lain yang dikembangkan untuk kenyamanan pengguna yang lebih besar.

8. Karena peta adalah representasi miniatur bumi, skala peta menggambarkan bagaimana miniatur peta tertentu sebenarnya. Skala dinyatakan sebagai rasio jarak peta dan jarak di tanah.

9. Geocoding adalah proses lima langkah yang digunakan untuk membawa tabular dan data geografis bersama-sama untuk pemetaan. Langkah-langkahnya adalah sebagai berikut:

A. Mempersiapkan file geografis dan tabular untuk geocoding

B. Menentukan preferensi geocording

C. Pencocokan dalam GIS

D. Meninjau hasil

E. Recpecifying parameter dan geocording lagi

10. Dua cara lain mencari data tabular pada peta yang cocok catatan untuk membagi data dan menggunakan garis lintang dan bujur. Metode ini baik perbaikan atas geocording tetapi lebih sulit untuk melakukan.

11. Dalam peta luka bakar-simbol, simbol seragam individu merupakan fitur.

12.Buffer adalah daerah yang respresent ditentukan zona terdekat sekitar featyres pada peta

13. Dalam peta lulus, ukuran atau warna fitur mewakili nilai-nilai Variabel.

14. Peta Chart, yang dapat digunakan baik pie atau bar chart, memungkinkan ilustrasi beberapa nilai dalam variabel tertentu.

15.Pemetaan kejahatan interaktif istilah tidak mengacu pada jenis pemetaan, melainkan mengacu pada disederhanakan sistem informasi gographic membuat avaible untuk pengguna pemula melalui internet.

16. Analis kejahatan mengambil dua pendekatan yang berbeda untuk analisis spasial kejahatan dan gangguan masalah deskriptif dan pemetaan analitis.

17. Analis kejahatan menggunakan kategoris, statistik, dan metode manual dalam menampilkan data dan statistik dalam ukuran lulus dan lulus peta warna.

18. Dalam metode kategoris, shading yang berbeda atau simbol yang berbeda digunakan untuk mewakili fitur (misalnya titik, garis, dan poligon) oleh nilai-nilai yang unik dari variabel kategoris.

19. Dalam metode statistik, titik, garis dan poligon berbayang atau lulus sesuai dengan salah satu dari empat formula, istirahat alami, selang aqual, kuantil dan standars penyimpangan.

20. Dalam klasifikasi istirahat alami, formula statistik yang digunakan untuk mengidentifikasi break point alami yang melekat dalam data. Analis kejahatan sering menggunakan klasifikasi ini dalam pemeriksaan awal mereka masalah.

21.Dalam klasifikasi interval yang sama, formula statistik yang digunakan untuk membagi perbedaan antara nilai tertinggi dan terendah dalam rentang ukuran yang sama. Metode ini sangat cocok untuk distribusi seragam, di mana ada nomor yang sama dari insiden di semua kelas.

22. Untuk menghasilkan peta kuantil, GIS membagi jumlah record dalam database dengan jumlah kategori (dipilih oleh pengguna), yang menghasilkan kategori dengan jumlah yang sama catatan. Sedangkan klasifikasi lain didasarkan pada nilai-nilai dalam variabel yang dipilih untuk dipetakan, peta kuantil pertama kali berkaitan dengan jumlah record dalam database dan kemudian dengan nilai-nilai dalam variabel yang dipilih.

23. Dalam klasifikasi standar deviasi, mean dan standar deviasi dari variabel yang dipilih digunakan untuk menentukan titik istirahat dari kategori, yang ditampilkan dalam legenda angka tidak secara keseluruhan tapi deviasi sebagai standar.

24.Dalam metode manual, pencipta peta (yang disebut peta kustom) menentukan legenda. Anlysts kejahatan sering menggunakan klasifikasi kustom untuk membandingkan jenis data yang sama dari waktu ke waktu, seperti menganalisis perampokan oleh daerah setiap bulan.

25. Analis kejahatan harus menyadari isu-isu berikut bila menggunakan metode yang dijelaskan dalam bab ini;

A. Untuk klasifikasi kategori dan statistik, break point yang ditentukan berdasarkan keunikan database dan tidak sebanding

B. Dalam pemetaan, uisng nomor yang berbeda dari kategori dapat menghasilkan hasil yang berbeda

C,.Analisis harus mencakup eksperimen dengan berbagai klasifikasi

D. Keputusan tentang bagaimana peta yang dibuat tidak harus bergantung pada pengaturan default perangkat lunak GIS

E. Sebuah peta poligon dapat memberikan kesan bahwa insiden yang terjadi merata di seluruh wilayah ketika pada kenyataannya mereka mungkin clustrered atau terletak di sepanjang jalan tertentu

F. Seseorang tidak bisa menarik kesimpulan tentang insiden individu berdasarkan analisis insiden dengan aea.