(i) It is much easier to move data

(i) It is much easier to move data across spatial statistics packages. The
classes are either supported directly by the packages, reading and writing
data in the new spatial classes, or indirectly, for example by supplying
data conversion between the sp classes and the package’s classes in an
interface package. This last option requires one-to-many links between the
packages, which are easier to provide and maintain than many-to-many
links.
(ii) The new classes come with a well-tested set of methods (functions) for
plotting, printing, subsetting, and summarising spatial objects, or combining
(overlaying) spatial data types.
(iii) Packages with interfaces to geographical information systems (GIS), for
reading and writing GIS file formats, and for coordinate (re)projection
code support the new classes.
(iv) The new methods include Lattice plots, conditioning plots, plot methods
that combine points, lines, polygons, and grids with map elements (reference
grids, scale bars, north arrows), degree symbols (as in 52◦N) in axis
labels, etc.
Chapter 2 introduces the classes and methods provided by sp, and discusses
some of the implementation details. Further chapters will show the degree of
integration of sp classes and methods and the packages used for statistical
analysis of spatial data.
Figure 1.1 shows how the reception of sp classes has already influenced the
landscape of contributed packages; interfacing other packages for handling and
analysing spatial data is usually simple as we see in Part II. The shaded nodes
of the dependency graph are packages (co)-written and/or maintained by the
authors of this book, and will be used extensively in the following chapters.
1.3 R and GIS
1.3.1 What is GIS?
Storage and analysis of spatial data is traditionally done in Geographical Information
Systems (GIS). According to the toolbox-based definition of Burrough
and McDonnell (1998, p. 11), a GIS is ‘...a powerful set of tools for collecting,
storing, retrieving at will, transforming, and displaying spatial data from the
real world for a particular set of purposes’. Another definition mentioned in
the same source refers to ‘...checking, manipulating, and analysing data, which
are spatially referenced to the Earth’.
Its capacity to analyse and visualise data makes R a good choice for spatial
data analysis. For some spatial analysis projects, using only R may be sufficient
for the job. In many cases, however, R will be used in conjunction with GIS
software and possibly a GIS data base as well. Chapter 4 will show how spatial
data are imported from and exported to GIS file formats. As is often the case
in applied data analysis, the real issue is not whether a given problem can be

Hasil (Bahasa Indonesia) 1:

(i) memang lebih mudah untuk memindahkan data di seluruh paket spasial Statistik. Thekelas baik didukung langsung oleh paket, membaca dan menulisdata di kelas spasial yang baru, atau tidak langsung, misalnya dengan memasokkonversi data antara kelas sp dan kelas paketPaket antarmuka. Opsi terakhir ini membutuhkan satu-ke-banyak hubungan antarapaket, yang lebih mudah untuk menyediakan dan mempertahankan daripada banyak-ke-banyaklink.(ii) kelas baru datang dengan seperangkat diuji dengan baik metode (fungsi) untukmerencanakan, percetakan, subsetting, dan meringkas spasial objek, atau menggabungkanjenis data spasial (overlaying).(iii) paket dengan antarmuka sistem informasi geografis (GIS), untukmembaca dan menulis GIS format file, dan untuk proyeksi Koordinat (re)yang mendukung kode kelas baru.(iv) metode baru termasuk kisi plot, Ruangan "(Hotel AC di plot, plot metode)yang menggabungkan poin, lines, poligon, dan grids dengan unsur-unsur peta (referensigrid, Bar skala, panah Utara), gelar simbol (seperti 52◦N) di axislabel, dll.Bab 2 memperkenalkan kelas dan metode-metode yang disediakan oleh sp, dan membahasbeberapa rincian pelaksanaan. Bab-bab selanjutnya akan menunjukkan tingkatintegrasi sp kelas dan metode dan paket-paket yang digunakan untuk Statistikanalisis data spasial.Gambar 1.1 menunjukkan bagaimana penerimaan sp kelas sudah telah mempengaruhilanskap kontribusi paket; interfacing paket lainnya untuk penanganan dananalisis data spasial ini biasanya sederhana seperti yang kita lihat dalam Bagian II. Node teduhgrafik ketergantungan adalah paket (co)-ditulis dan/atau dikelola olehpenulis ini buku, dan akan digunakan secara ekstensif dalam bab-bab berikut.1.3 R dan GIS1.3.1 Apakah GIS?Penyimpanan dan analisis data spasial tradisional dilakukan dalam informasi geografisSistem (GIS). Menurut definisi berbasis toolbox Surreydan McDonnell (1998, ms. 11), GIS adalah '.. .a kuat set alat untuk mengumpulkan,menyimpan, mengambil di akan, mengubah, dan menampilkan data spasial daridunia nyata untuk tertentu tujuan. Definisi lain yang disebutkan dalamsumber yang sama merujuk kepada '... memeriksa, memanipulasi, dan menganalisis data, yangspasial dirujuk ke bumi '.Kapasitas untuk menganalisis dan memvisualisasikan data membuat R pilihan yang baik untuk spasialanalisis data. Untuk beberapa proyek analisis spasial, menggunakan hanya R mungkin cukupuntuk pekerjaan. Dalam banyak kasus, namun, R akan digunakan dalam hubungannya dengan GISperangkat lunak dan mungkin basis data GIS juga. Bab 4 akan menunjukkan bagaimana spasialdata yang diimpor dari dan diekspor ke format file GIS. Seperti yang sering terjadidalam analisis data terapan, masalah sebenarnya adalah tidak Apakah masalah tertentu dapat

Hasil (Bahasa Indonesia) 2:

(I) Adalah jauh lebih mudah untuk memindahkan data melalui paket statistik spasial. Para
kelas baik didukung langsung oleh paket, membaca dan menulis
data dalam kelas ruang yang baru, atau tidak langsung, misalnya dengan menyediakan
konversi data antara kelas sp dan kelas paket dalam sebuah
paket antarmuka. Opsi terakhir ini membutuhkan satu-ke-banyak hubungan antara
paket, yang lebih mudah untuk menyediakan dan memelihara daripada banyak-ke-banyak
link.
(ii) Kelas baru datang dengan satu set teruji metode (fungsi) untuk
merencanakan, percetakan, subsetting, dan meringkas objek spasial, atau menggabungkan
(overlay) jenis data spasial.
(iii) Paket dengan interface untuk sistem informasi geografis (GIS), untuk
membaca dan menulis format file GIS, dan koordinat (re) proyeksi
kode dukungan kelas baru.
(iv) Metode baru termasuk plot Lattice, AC plot, metode petak
yang menggabungkan titik, garis, poligon, dan grid dengan unsur-unsur peta (referensi
grid, bar skala, panah utara), simbol derajat (seperti dalam 52◦N ) di sumbu
label, dll
Bab 2 memperkenalkan kelas dan metode yang disediakan oleh sp, dan membahas
beberapa rincian implementasi. Bab selanjutnya akan menunjukkan tingkat
integrasi kelas sp dan metode dan paket-paket yang digunakan untuk statistik
analisis data spasial.
Gambar 1.1 menunjukkan bagaimana penerimaan kelas sp telah mempengaruhi
lanskap paket kontribusi; interfacing paket lain untuk menangani dan
menganalisa data spasial biasanya sederhana seperti yang kita lihat di Bagian II. Node yang diarsir
dari grafik ketergantungan paket (co) -written dan / atau dikelola oleh
penulis buku ini, dan akan digunakan secara luas dalam bab-bab berikut.
1.3 R dan GIS
1.3.1 Apa GIS?
Penyimpanan dan analisis Data spasial secara tradisional dilakukan di Informasi Geografis
Sistem (GIS). Menurut definisi berbasis toolbox dari Burrough
dan McDonnell (1998, hal. 11), GIS adalah '... satu set alat yang kuat untuk mengumpulkan,
menyimpan, mengambil di akan, mengubah, dan menampilkan data spasial dari
dunia nyata untuk satu set tertentu tujuan '. Definisi lain yang disebutkan dalam
sumber yang sama mengacu pada '... memeriksa, memanipulasi, dan menganalisis data, yang
secara spasial direferensikan ke Bumi.
Kapasitasnya untuk menganalisis dan memvisualisasikan data membuat R pilihan yang baik untuk spasial
analisis data. Untuk beberapa proyek analisis spasial, hanya menggunakan R mungkin cukup
untuk pekerjaan. Dalam banyak kasus, bagaimanapun, R akan digunakan bersama dengan GIS
software dan mungkin data base GIS juga. Bab 4 akan menunjukkan bagaimana spasial
data yang diimpor dari dan diekspor ke format file GIS. Seperti yang sering terjadi
dalam analisis data diterapkan, masalah sebenarnya adalah bukan apakah masalah yang diberikan dapat