In this chapter we discuss the foll

In this chapter we discuss the following:
(i) Why we use R for analysing spatial data
(ii) The relation between R and geographical information systems (GIS)
(iii) What spatial data are, and the types of spatial data we distinguish
(iv) The challenges posed by their storage and display
(v) The analysis of observed spatial data in relation to processes thought to
have generated them
(vi) Sources of information about the use of R for spatial data analysis and
the structure of the book.
1.2 Why Do We Use R
1.2.1 ... In General?
The R system2 (R Development Core Team, 2008) is a free software environment
for statistical computing and graphics. It is an implementation of the
S language for statistical computing and graphics (Becker et al., 1988). For
data analysis, it can be highly efficient to use a special-purpose language like
S, compared to using a general-purpose language.
For new R users without earlier scripting or programming experience,
meeting a programming language may be unsettling, but the investment3 will
quickly pay off. The user soon discovers how analysis components – written or
copied from examples — can easily be stored, replayed, modified for another
data set, or extended. R can be extended easily with new dedicated components,
and can be used to develop and exchange data sets and data analysis
approaches. It is often much harder to achieve this with programs that require
long series of mouse clicks to operate.
R provides many standard and innovative statistical analysis methods. New
users may find access to both well-tried and trusted methods, and speculative
and novel approaches, worrying. This can, however, be a major strength, because
if required, innovations can be tested in a robust environment against
legacy techniques. Many methods for analysing spatial data are less frequently
used than the most common statistical techniques, and thus benefit proportionally
more from the nearness to both the data and the methods that
R permits. R uses well-known libraries for numerical analysis, and can easily
be extended by or linked to code written in S, C, C++, Fortran, or Java. Links
to various relational data base systems and geographical information systems
exist, many well-known data formats can be read and/or written.
The level of voluntary support and the development speed of R are high,
and experience has shown R to be environment suitable for developing professional,
mission-critical software applications, both for the public and the

Hasil (Bahasa Indonesia) 1:

Dalam bab ini kita bahas hal berikut:(i) mengapa kita menggunakan R untuk menganalisis data spasial(ii) hubungan antara R dan sistem informasi geografis (GIS)(iii) apa data spasial, dan jenis-jenis data spasial kita membedakan(iv) tantangan yang ditimbulkan oleh penyimpanan dan tampilan(v) analisis data spasial yang diamati dalam kaitannya dengan proses dianggaptelah menghasilkan mereka(vi) sumber informasi tentang penggunaan r untuk analisis data spasial danstruktur buku.1.2 Mengapa kita menggunakan R1.2.1... Secara umum?Sistem2 R (R pengembangan Core tim, 2008) adalah sebuah perangkat lunak bebas lingkunganuntuk Statistik komputasi dan grafis. Ini adalah penerapanS bahasa untuk Statistik komputasi dan grafis (Becker et al., 1988). Untukanalisis data, itu bisa sangat efisien untuk menggunakan bahasa tujuan khusus sepertiS, dibandingkan dengan menggunakan bahasa untuk keperluan umum.Untuk pengguna R baru tanpa script sebelumnya atau pengalaman pemrograman,pertemuan bahasa pemrograman mungkin mengganggu, tapi investment3 akancepat melunasi. Pengguna segera menemukan bagaimana Analisis komponen – ditulis ataudisalin dari contoh — dapat dengan mudah disimpan, diputar, dimodifikasi untuk laindata-set, atau diperpanjang. R dapat diperpanjang dengan mudah dengan komponen baru khusus,dan dapat digunakan untuk mengembangkan dan pertukaran data set dan analisis datapendekatan. Hal ini sering banyak sulit untuk mencapai hal ini dengan program-program yang membutuhkanrangkaian panjang klik mouse untuk beroperasi.R menyediakan banyak metode analisis statistik standar dan inovatif. Barupengguna mungkin menemukan akses ke metode baik mencoba dan terpercaya, dan spekulatifdan novel pendekatan, mengkhawatirkan. Ini bisa, bagaimanapun, menjadi kekuatan yang besar, karenajika diperlukan, inovasi dapat diuji dalam lingkungan yang kuat terhadapwarisan teknik. Banyak metode untuk analisis data spasial yang jarangdigunakan daripada teknik statistik yang paling umum, dan dengan demikian manfaat secara proporsionallebih dari kedekatan ke data dan metode yangR izin. R menggunakan perpustakaan terkenal untuk analisis numerik, dan dapat dengan mudahdiperpanjang oleh atau terkait dengan kode ditulis dalam S, C, C++, Fortran, atau Jawa. Linkuntuk berbagai sistem basis data relasional dan sistem informasi geografisada, banyak format data yang terkenal dapat dapat dibaca dan/atau ditulis.Tingkat dukungan sukarela dan kecepatan pembangunan R yang tinggi,dan pengalaman telah menunjukkan R untuk menjadi cocok untuk mengembangkan lingkungan profesional,aplikasi perangkat lunak misi-kritis, baik untuk publik dan

Hasil (Bahasa Indonesia) 2:

Dalam bab ini kita membahas hal-hal berikut:
(i) Mengapa kita menggunakan R untuk menganalisis data spasial
(ii) Hubungan antara R dan sistem informasi geografis (GIS)
(iii) Apa data spasial yang, dan jenis data spasial kita membedakan
( iv) Tantangan yang ditimbulkan oleh penyimpanan dan tampilan mereka
(v) Analisis data spasial yang diamati dalam kaitannya dengan proses diduga
telah dihasilkan mereka
(vi) Sumber informasi tentang penggunaan R untuk analisis data spasial dan
struktur buku.
1.2 Mengapa kita menggunakan R
1.2.1 ... Secara umum?
R system2 (R Pengembangan Tim Inti, 2008) adalah lingkungan perangkat lunak bebas
untuk komputasi statistik dan grafis. Ini merupakan implementasi dari
bahasa S untuk komputasi dan grafis statistik (Becker et al., 1988). Untuk
analisis data, dapat sangat efisien untuk menggunakan bahasa tujuan khusus seperti
S, dibandingkan dengan menggunakan bahasa tujuan umum.
Untuk pengguna R baru tanpa scripting sebelumnya atau pengalaman pemrograman,
pertemuan bahasa pemrograman mungkin mengganggu, tapi investment3 yang akan
cepat membayar. Pengguna segera menemukan bagaimana analisis komponen - tertulis atau
disalin dari contoh - dapat dengan mudah disimpan, diputar, dimodifikasi selama
kumpulan data, atau diperpanjang. R dapat diperpanjang dengan mudah dengan komponen khusus yang baru,
dan dapat digunakan untuk mengembangkan dan set pertukaran data dan analisis data
pendekatan. Hal ini sering jauh lebih sulit untuk mencapai hal ini dengan program-program yang membutuhkan
serangkaian panjang klik mouse untuk beroperasi.
R menyediakan berbagai standar dan metode analisis statistik yang inovatif. New
pengguna dapat menemukan akses ke kedua baik mencoba dan terpercaya metode, dan spekulatif
pendekatan dan novel, mengkhawatirkan. Hal ini bisa, bagaimanapun, menjadi kekuatan besar, karena
jika diperlukan, inovasi dapat diuji dalam lingkungan yang kuat terhadap
teknik warisan. Banyak metode untuk menganalisis data spasial yang lebih sering
digunakan daripada teknik statistik yang paling umum, dan dengan demikian mendapatkan keuntungan secara proporsional
lebih dari kedekatan untuk kedua data dan metode yang
R izin. R menggunakan perpustakaan terkenal untuk analisis numerik, dan dapat dengan mudah
diperluas oleh atau terkait dengan kode yang ditulis dalam S, C, C ++, Fortran, atau Java. Link
ke berbagai sistem relasional basis data dan sistem informasi geografis
ada, banyak format data yang terkenal dapat dibaca dan / atau tertulis.
Tingkat dukungan sukarela dan kecepatan pengembangan R yang tinggi,
dan pengalaman menunjukkan R menjadi lingkungan yang sesuai untuk mengembangkan profesional,
aplikasi mission-critical software, baik bagi masyarakat dan