PROBABILITAS BERNOULLI UNTUK CLUSTER STATUS …
11
Jurnal Mobile and Forensics (MF) Vol. 2, No. 1, Maret 2020, pp. 11-21 P-ISSN: 2656-6257, E-ISSN: 2714-6685, DOI: https://doi.org/10.12928/mf.v2i1.1953 Received Januari 23, 2020; Revised Februari 16, 2020; Accepted Maret 23, 2020 PROBABILITAS BERNOULLI UNTUK CLUSTER STATUS SEKOLAH MENENGAH ATAS DI INDONESIA 1,* Tuti Purwaningsih, 2 Ahmad Azhari, 3 Riza Purnaramadhan 1 Program Studi Statistika, Universitas Islam Indonesia, Yogyakarta, Indonesia 2 Program Studi Teknik Informatika, Universitas Ahmad Dahlan, Yogyakarta, Indonesia 3 Program Studi Matematika, Universitas Islam Indonesia, Yogyakarta, Indonesia e-mail: [email protected], [email protected], [email protected] *) correspondence email Abstrak Di pedesaan, biasanya sekolah negeri begitu banyak diminati karena biaya pendidikan yang relatif terjangkau. Namun pada kenyataan, banyak orang tua memilih sekolah swasta untuk mendapatkan fasilitas belajar lebih nyaman baik dari sekolah maupun dari pengajarnya. Unsur-unsur pendidikan menjadi penentu keberhasilan proses peningkatan mutu pendidikan dalam pencapaian tujuan pendidikan di satuan pendidikan. Penelitian ini bertujuan untuk mendeteksi pembagian cluster terkait jumlah sekolah negeri dan swasta tingkat sekolah menengah atas tiap provinsi di Indonesia dengan menerapkan model probabilitas Bernoulli. Berdasarkan analisis yang sudah dilakukan dapat disimpulkan bahwa persebaran cluster menggunakan model probabilitas Bernoulli pada jumlah sekolah negeri tingkat menengah atas di indonesia memiliki 5 cluster dan banyak tersebar di bagian Indonesia wilayah tengah dan timur. Sedangkan pada jumlah sekolah swasta tingkat menengah atas di indonesia memiliki 6 cluster dan banyak tersebar di bagian pulau jawa. Provinsi-provinsi yang masuk ke wilayah cluster tersebut berarti memiliki karakteristik yang mirip yang dimilikinya sehingga mengelompok kedalam satu kelompok yang sama. In rural areas, public schools are usually in great demand because of the relatively affordable costs of education. But in fact, many parents choose private schools to get more comfortable learning facilities from both the school and the teachers. The elements of education are the determinants of the success of the process of improving the quality of education in achieving educational goals in educational units. This study aims to detect the division of clusters related to the number of public and private high school level schools in each province in Indonesia by applying the Bernoulli probability model. Based on the analysis that has been done, it can be concluded that the distribution of clusters using the Bernoulli probability model is that the number of senior high school public schools in Indonesia has 5 clusters and many are scattered in the central and eastern parts of Indonesia. Meanwhile, the number of high school private schools in Indonesia has 6 clusters and many are scattered in parts of the island of Java. Provinces that are included in the cluster area mean that they have similar characteristics so that they are grouped into the same group. Kata Kunci: Cluster, Sekolah Negeri, Sekolah Swasta, Probabilitas, Bernoulli PENDAHULUAN Sekolah Negeri adalah sekolah yang dioperasikan oleh negara dengan segala fasilitas gratis, mulai dari kelas hingga guru digaji oleh pemerintah untuk memberikan fasilitas kepada rakyat Indonesia. Di pedesaan, biasanya sekolah negeri begitu banyak diminati karena biaya pendidikan yang relatif terjangkau. Namun pada kenyataan, banyak orang tua memilih sekolah swasta dengan rela mengeluarkan uang sekolah (SPP) yang banyak setiap bulannya hanya untuk mendapatkan fasilitas belajar nyaman baik dari sekolah maupun dari pengajarnya. Sedangkan sekolah swasta merupakan satuan pendidikan yang diselenggarakan oleh organisasi masyarakat atau yayasan yang berbadan hukum. Sekolah swasta
Transcript of PROBABILITAS BERNOULLI UNTUK CLUSTER STATUS …
Jurnal Mobile and Forensics (MF) Vol. 2, No. 1, Maret 2020, pp. 11-21 P-ISSN: 2656-6257, E-ISSN: 2714-6685, DOI: https://doi.org/10.12928/mf.v2i1.1953
Received Januari 23, 2020; Revised Februari 16, 2020; Accepted Maret 23, 2020
PROBABILITASBERNOULLIUNTUKCLUSTERSTATUSSEKOLAHMENENGAHATASDIINDONESIA
1,* TutiPurwaningsih,2AhmadAzhari,3RizaPurnaramadhan1ProgramStudiStatistika,UniversitasIslamIndonesia,Yogyakarta,Indonesia
2ProgramStudiTeknikInformatika,UniversitasAhmadDahlan,Yogyakarta,Indonesia3ProgramStudiMatematika,UniversitasIslamIndonesia,Yogyakarta,Indonesia
e-mail:[email protected], [email protected], [email protected] *) correspondence email
Abstrak
Dipedesaan,biasanyasekolahnegeribegitubanyakdiminatikarenabiayapendidikanyangrelatifterjangkau.Namunpadakenyataan,banyakorangtuamemilihsekolahswastauntukmendapatkanfasilitasbelajarlebihnyamanbaikdarisekolahmaupundaripengajarnya.Unsur-unsurpendidikanmenjadi penentu keberhasilan proses peningkatan mutu pendidikan dalam pencapaian tujuanpendidikan di satuan pendidikan. Penelitian ini bertujuan untuk mendeteksi pembagian clusterterkaitjumlahsekolahnegeridanswastatingkatsekolahmenengahatastiapprovinsidiIndonesiadenganmenerapkanmodelprobabilitasBernoulli.Berdasarkananalisisyangsudahdilakukandapatdisimpulkan bahwa persebaran cluster menggunakan model probabilitas Bernoulli pada jumlahsekolahnegeritingkatmenengahatasdiindonesiamemiliki5clusterdanbanyaktersebardibagianIndonesiawilayahtengahdantimur.Sedangkanpadajumlahsekolahswastatingkatmenengahatasdi indonesiamemiliki6clusterdanbanyaktersebardibagianpulau jawa.Provinsi-provinsiyangmasuk ke wilayah cluster tersebut berarti memiliki karakteristik yang mirip yang dimilikinyasehinggamengelompokkedalamsatukelompokyangsama.Inruralareas,publicschoolsareusuallyingreatdemandbecauseoftherelativelyaffordablecostsofeducation.Butinfact,manyparentschooseprivateschoolstogetmorecomfortablelearningfacilitiesfromboththeschoolandtheteachers.Theelementsofeducationarethedeterminantsofthesuccessoftheprocessofimprovingthequalityofeducationinachievingeducationalgoalsineducationalunits.ThisstudyaimstodetectthedivisionofclustersrelatedtothenumberofpublicandprivatehighschoollevelschoolsineachprovinceinIndonesiabyapplyingtheBernoulliprobabilitymodel.Basedontheanalysisthathasbeendone, itcanbeconcludedthatthedistributionofclustersusingtheBernoulliprobabilitymodelisthatthenumberofseniorhighschoolpublicschoolsinIndonesiahas5clustersandmanyarescatteredinthecentralandeasternpartsofIndonesia.Meanwhile,thenumberofhighschoolprivate schools in Indonesia has 6 clusters and many are scattered in parts of the island of Java.Provincesthatareincludedintheclusterareameanthattheyhavesimilarcharacteristicssothattheyaregroupedintothesamegroup.
KataKunci:Cluster,SekolahNegeri,SekolahSwasta,Probabilitas,BernoulliPENDAHULUAN
Sekolah Negeri adalah sekolah yang dioperasikan oleh negara dengan segalafasilitasgratis,mulaidarikelashinggagurudigajiolehpemerintahuntukmemberikanfasilitaskepadarakyatIndonesia.Dipedesaan,biasanyasekolahnegeribegitubanyakdiminati karena biaya pendidikan yang relatif terjangkau. Namun pada kenyataan,banyak orang tuamemilih sekolah swasta dengan relamengeluarkan uang sekolah(SPP)yangbanyaksetiapbulannyahanyauntukmendapatkanfasilitasbelajarnyamanbaikdarisekolahmaupundaripengajarnya.
Sedangkansekolahswastamerupakansatuanpendidikanyangdiselenggarakanoleh organisasi masyarakat atau yayasan yang berbadan hukum. Sekolah swasta
n P-ISSN: 2656-6257 | E-ISSN: 2714-6685
MF, Vol. 2, No. 1, Maret 2020, 11-21.
12
berbentuk independen artinyadalampenyelenggaraannya sekolah tersebut tidaklahdikelolaolehpemerintahdaerah,ataupunnasional seperti sekolahnegeri.Pendiriansekolah swasta dididirikan atas nama perorangan, kelompok atau yayasan yangdilatarbelakangi tujuan yang beragam baik keagamaan, kebudayaan ataupunkedaerahan. Sekolah swastayangdimiliki yayasanbiasanyabertujuansosial, karenatidakmemungutbiayayangmemberatkanmuridyangekonomikeluarganyakurangmampu, supaya tetap bisa bersekolah. Sedangkan sekolah swastamilik peroranganbiasanya bertujuan memberikan pelayanan pada bidang pendidikan denganmengharapkanbalas jasaberupakeuntungan.Pengelolaansekolahswastadiarahkanuntukmenjawab tantangan dan kebutuhan pasar, artinya kebutuhan pengguna jasaataumasyarakat terhadap pendidikan yang dihasilkan oleh sekolah swastamenjadiprioritas. Kemudian, unsur-unsur pendidikan menjadi penentu keberhasilan prosespeningkatan mutu pendidikan dalam pencapaian tujuan pendidikan di satuanpendidikan.Unsur-unsurdiantaranya:
1. Subjekyangdibimbing(pesertadidik),2. Orangyangmembimbing(Pendidik),3. interaksiantaraPendidikdanPesertadidik(Interaksiedukatif),4. Arahmanabimbinganditujukan(tujuanpendidikan),5. Pengaruhyangdiberikandalambimbingan(materipendidikan),6. Carayangdigunakandalambimbingan(alatdanMetode),7. Lingkunganpendidikandimanaperistiwabimbinganberlangsung.Lingkungan
pendidikanseringdisebutdengantripusatpendidikanyaitukeluarga,sekolahdanmasyarakat.
Disinipenelitiinginmendeteksipembagianclusterterkaitjumlahsekolahnegeridanswasta tingkat sekolah menengah atas menurut status sekolah tiap provinsi diIndonesiamenggunakananalisisclusterBernoulliprobabilitymodel.LITERATURREVIEWModelBernoulli
Model Bernoulli menerima statistik lengkap. Misalkan X adalah sampel acakberukuran n sehingga setiap Xi memiliki distribusi Bernoulli yang sama denganparameterp.MisalkanTadalahjumlah1yangdiamatidalamsampel.TadalahstatistikXyangmemilikidistribusibinomialdenganparameter(n,p).Jikaruangparameteruntuk p adalah (0,1),maka Tadalah statistik lengkap. Untukmelihat ini, perhatikanpersamaan[1][2].
Perhatikanjugabahwapatau1-ptidakdapat0.Olehkarenaitujikadanhanyajika:
Saatmenunjukkanp/(1-p)olehr,seseorangmendapat:
MF E-ISSN: 2714-6685 n
Probabilitas Bernoulli Untuk Klaster Status Sekolah Menengah Atas di Indonesia Purwaningsih, Azhari, Purnaramadhan
13
Pertama,amatibahwakisaranradalahrealpositif.Juga,E(g(T))adalahpolinomialdalamrdan,olehkarenaitu,hanyadapatidentikdengan0jikasemuakoefisienadalah0,yaitu,g(t)=0untuksemuat.Pentinguntukdiperhatikanbahwahasilbahwasemuakoefisienharus0diperolehkarenakisaranr.Seandainyaruangparameterterbatasdandengan sejumlah elemen kurang dari atau sama dengan n , dimungkinkan untukmenyelesaikanpersamaan lineardalamg ( t ) yangdiperolehdenganmensubstitusinilai r danmendapatkan solusi yangberbedadari 0.Misalnya, jikan=1dan ruangparameteradalah{0,5},satupengamatandannilaiparametertunggal,Ttidaklengkap.Perhatikanitu,dengandefinisi:
kemudian,E(g(T))=0walaupung(t)bukan0untukt=0atauuntukt=1[2].AnalisisSpasial
Analisis spasial atau statistik spasial mencakup salah satu teknik formal yangmempelajari entitas menggunakan sifattopologi , geometris , atau geografisnya [3].Analisisspasialmencakupberbagaiteknik,banyakyangmasihdalampengembanganawal mereka, menggunakan pendekatan analitik yang berbeda dan diterapkan diberbagaibidangsepertiastronomi,denganstudipenempatangalaksidikosmos,untukrekayasa chip fabrikasi, dengan penggunaan " tempat dan rute " algoritma untukmembangun struktur kabel yang kompleks [2] [5]. Dalam arti yang lebih terbatas,analisis spasial adalah teknik yang diterapkan pada struktur pada skala manusia,terutamadalamanalisisdatageografis.Isu-isukompleksmunculdalamanalisisspasial,banyak di antaranya tidak didefinisikan dengan jelas atau tidak sepenuhnyadiselesaikan, tetapi membentuk dasar untuk penelitian saat ini [5] [6]. Yang palingmendasardari ini adalahmasalahmenentukan lokasi spasial entitasyangdipelajari.Klasifikasi teknikanalisis spasial sulitkarenasejumlahbesarbidangpenelitianyangberbeda terlibat, berbagaipendekatan fundamental yangdapatdipilih,danberbagaibentukdatadapatdiambil[6].
AnalisisCluster
Analisisclusteradalahteknikmultivariatyangmempunyai tujuanutamauntukmengelompokkan objek-objek/cases berdasarkan karakteristik yang dimilikinya.Analisisclustermengklasifikasiobjeksehinggasetiapobjekyangmemiliki sifatyangmirip(palingdekatkesamaannya)akanmengelompokkedalamsatucluster(kelompok)yangsama[7].METODEPENELITIAN
Data yang peneliti gunakan adalah data sekunder yang diperoleh dari katalogdalam terbitan Indonesia. PDSPK Kemdikbud Statistik Persekolahan SMA tahun2016/2017 Pusat Data dan Statistik Pendidikan dan Kebudayaan Jakarta Setjen,Kemdikbud2017yangberadadi situswebkementrianpendidikandankebudayaanIndonesia.Dalamkatalogtersebutterdapatberbagaimacamdatapendidikan,dimanapeneilitihanyamenggunakandata jumlahsekolahnegeridanswastatingkatsekolah
n P-ISSN: 2656-6257 | E-ISSN: 2714-6685
MF, Vol. 2, No. 1, Maret 2020, 11-21.
14
menengah atas menurut status sekolah tiap provinsi di Indonesia. Gambar 1menampilkandiagramalir(flowchart)usulanmetodepenelitian.
Gambar1.FlowchartUsulanMetodePenelitian
HASILDANPEMBAHASANEksplorasiDatamenggunakanPetaTematik
Penelitianinibertujuanuntukmengeksplorasipetatematikyaituuntukmelihatberapa banyak persebaran jumlah SMA negeri dan jumlah SMA swasta di seluruhprovinsiIndonesia.
PadaGambar2danGambar3dapatdilihatpersebaranjumlahSMANegeridanSwasta di seluruh provinsi di Indonesia. Berdasarkan Gambar 2 terlihat bahwapersebaran jumlah SMA negeri maupun swasta di Indonesia masih belum merata,terlihatdaerahIndonesiabagiantimurmasihsangatsedikitpersebaransekolahtingkatmenegahatas,jumlahSMAnegeripersebarannyaterbanyakterdapatdipulauJawadanSumaterasedangkanSMAswastaterdapatdipulaujawa.
(a) (b)
Gambar2.PetaTematik(a)JumlahSMANegeridan(b)JumlahSMASwasta
ClusterSMANegeri
PadaGambar3merupakanhasilanalisisdarihasilyangdidapatmelaluisoftwareSaTScan,yaituuntuktotalkeseluruhanSMAsebesar13144,denganjumlahSMANegerisebesar6567.
Start
Memilih Variabel
Pengolahan Data
Input Data
End Input Data
MF E-ISSN: 2714-6685 n
Probabilitas Bernoulli Untuk Klaster Status Sekolah Menengah Atas di Indonesia Purwaningsih, Azhari, Purnaramadhan
15
Gambar4.RingkasanDataSMANegeri
BerdasarkanhasilanalisisdarisoftwareSaTScandenganmodelBernoulliditemukan5clusterjumlahSMANegeridiIndonesiapadaperiode2016/2017.
Gambar5.ClusterKelompok1SMANegeri
Berdasarkan hasil cluster untuk kelompok1 (Gambar 5) terdapat di daerahMalukuUtara, Sulawesi Utara, Gorontalo, Maluku, Papua Barat, Sulawesi Tengah, SulawesiTenggara, Sulawesi Selatan, Sulawesi Barat, Kalimantan Timur, Kalimantan Utara,Papua,NusaTenggaraTimur,KalimantanSelatan,danKalimantanTengah,cluster inimenunjukkanbanyaknyapopulasiSMANegeriyangtersebardiwilayahtersebut.Totalpopulasiadalahsebanyak3374SMA,danpopulasiSMANegerisebanyak2265.Clusterterdeteksipadaradius1599,83km.
n P-ISSN: 2656-6257 | E-ISSN: 2714-6685
MF, Vol. 2, No. 1, Maret 2020, 11-21.
16
Gambar6.ClusterKelompok2SMANegeri
Berdasarkanhasilclusteruntukkelompok2(Gambar6)terdapatdidaerahGorontalo,SulawesiUtara,SulawesiTengah,SulawesiTenggara,SulawesiBarat,SulawesiSelatan,MalukuUtara,KalimantanTimur,KalimantanUtara,KalimantanSelatan,Maluku,danKalimantan Tengah, cluster ini menunjukkan banyaknya populasi SMA Negeri yangtersebardiwilayahtersebut.Totalpopulasiadalahsebanyak2542SMA,danpopulasiSMANegerisebanyak1747.Clusterterdeteksipadaradius1009,25km.
Gambar7.ClusterKelompok3SMANegeri
Berdasarkan hasil cluster untuk kelompok 3 (Gambar 7) terdapat di daerah Riau,SumatraBarat,Jambi,danBengkulu,clusterinimenunjukkanbanyaknyapopulasiSMANegeriyangtersebardiwilayahtersebut.Totalpopulasiadalahsebanyak1089SMA,danpopulasiSMANegerisebanyak763.Clusterterdeteksipadaradius436,01km.
Gambar8.ClusterKelompok4SMANegeri
MF E-ISSN: 2714-6685 n
Probabilitas Bernoulli Untuk Klaster Status Sekolah Menengah Atas di Indonesia Purwaningsih, Azhari, Purnaramadhan
17
Berdasarkanhasilclusteruntukkelompok4(Gambar8)terdapatdidaerahAceh,clusterinimenunjukkanbanyaknyapopulasiSMANegeriyangtersebardiwilayahtersebut.Total populasi adalah sebanyak 506 SMA, dan populasi SMA Negeri sebanyak 389.Clusterterdeteksipadaradius0km.
Gambar9.ClusterKelompok5SMANegeri
Berdasarkanhasilclusteruntukkelompok5(Gambar9)terdapatdidaerahNTB,Bali,danNTT, cluster inimenunjukkanbanyaknyapopulasi SMANegeri yang tersebardiwilayahtersebut.Totalpopulasiadalahsebanyak971SMA,danpopulasiSMANegerisebanyak549.Clusterterdeteksipadaradius376,57km.SelanjutnyaPadaGambar10danGambar11dapatdilihattampilanclusterdiGoogleEarth.
Gambar10.GoogleEarthCluster1,2,4,dan5SMANegeri
Gambar11.GoogleEarthCluster3SMANegeri
n P-ISSN: 2656-6257 | E-ISSN: 2714-6685
MF, Vol. 2, No. 1, Maret 2020, 11-21.
18
ClusterSMASwastaPada Gambar 12 merupakan hasil analisis dari hasil yang didapat melalui
softwareSaTScan,yaituuntuktotalkeseluruhanSMAsebesar13144,dengan jumlahSMASwastasebesar6577.
Gambar12.RingkasanDataSMASwasta
BerdasarkanhasilanalisisdarisoftwareSaTScandenganmodelBernoulliditemukan6clusterjumlahSMASwastadiIndonesiapadaperiode2016/2017.
Gambar13.ClusterKelompok1SMASwasta
Berdasarkanhasilclusteruntukkelompok1(Gambar13)terdapatdidaerahDIY,JawaTengah, Jawa Barat, Jawa Timur, DKI Jakarta, dan Banten, cluster ini menunjukkanbanyaknya populasi SMA Swasta yang tersebar di wilayah tersebut. Total populasiadalahsebanyak5019SMA,danpopulasiSMASwastasebanyak3427.Clusterterdeteksipadaradius507,94km.
Gambar14.ClusterKelompok2SMASwasta
MF E-ISSN: 2714-6685 n
Probabilitas Bernoulli Untuk Klaster Status Sekolah Menengah Atas di Indonesia Purwaningsih, Azhari, Purnaramadhan
19
Berdasarkan hasil cluster untuk kelompok 2 (Gambar 14) terdapat di daerah JawaTimur, cluster ini menunjukkan banyaknya populasi SMA Swasta yang tersebar diwilayahtersebut.Totalpopulasiadalahsebanyak1491SMA,danpopulasiSMASwastasebanyak1070.Clusterterdeteksipadaradius0km.
Gambar15.ClusterKelompok3SMASwasta
Berdasarkanhasilclusteruntukkelompok3(Gambar15)terdapatdidaerahJawaBarat,cluster ini menunjukkan banyaknya populasi SMA Swasta yang tersebar di wilayahtersebut.Totalpopulasiadalahsebanyak1520SMA,danpopulasiSMASwastasebanyak1045.Clusterterdeteksipadaradius0km.
Gambar16.ClusterKelompok4SMASwasta
Berdasarkanhasilclusteruntukkelompok4(Gambar16) terdapatdidaerahBantendan DKI Jakarta, cluster ini menunjukkan banyaknya populasi SMA Swasta yangtersebardiwilayahtersebut.Totalpopulasiadalahsebanyak991SMA,danpopulasiSMASwastasebanyak726.Clusterterdeteksipadaradius87,38km.
Gambar17.ClusterKelompok5SMASwasta
Berdasarkanhasilclusteruntukkelompok5(Gambar17)terdapatdidaerahSumatraUtara, cluster ini menunjukkan banyaknya populasi SMA Swasta yang tersebar di
n P-ISSN: 2656-6257 | E-ISSN: 2714-6685
MF, Vol. 2, No. 1, Maret 2020, 11-21.
20
wilayahtersebut.Totalpopulasiadalahsebanyak1043SMA,danpopulasiSMASwastasebanyak626.Clusterterdeteksipadaradius0km.
Gambar18.ClusterKelompok6SMASwasta
Berdasarkanhasilclusteruntukkelompok6(Gambar18)terdapatdidaerahDIY,JawaTengah, cluster ini menunjukkan banyaknya populasi SMA Swasta yang tersebar diwilayahtersebut.Totalpopulasiadalahsebanyak1017SMA,danpopulasiSMASwastasebanyak 586. Cluster terdeteksi pada radius 100,99 km. Selanjutnya dibawah inimerupakantampilanclusterdiGoogleEarth.
Gambar19.GoogleEarthCluster1,2,3,dan4SMASwasta
Gambar20.GoogleEarthCluster5SMASwasta
MF E-ISSN: 2714-6685 n
Probabilitas Bernoulli Untuk Klaster Status Sekolah Menengah Atas di Indonesia Purwaningsih, Azhari, Purnaramadhan
21
KESIMPULANBerdasarkananalisisyangsudahdilakukandapatdisimpulkanbahwapersebaran
clustermenggunakanBernoulliprobabilitymodelpadajumlahsekolahnegeritingkatmenengahatasdiindonesiamemiliki5clusterdanbanyaktersebardibagianIndonesiawilayah tengahdan timur.Provinsi-provinsiyangmasukkewilayahcluster tersebutberarti memiliki sifat/karakteristik yang mirip yang dimilikinya sehinggamengelompok kedalam satu kelompok yang sama. Sedangkan pada jumlah sekolahswastatingkatmenengahatasdiindonesiamemiliki6clusterdanbanyaktersebardibagianpulau jawa.Provinsi-provinsi yangmasukkewilayahcluster tersebutberartimemiliki sifat/karakteristik yang mirip yang dimilikinya sehingga mengelompokkedalamsatukelompokyangsama.DAFTARPUSTAKA [1] J. Mustafa, J. Flores, Cotos and E. Abad, "New Developments in the use of Spatial Technology in
Archaeology. Sample case: Rocha Castle System," Int. J. Adv. Stud. Comput. Sci. Eng., vol. 5, no. 11, p. 186, 2016.
[2] A. Fotheringham and P. Rogerson, Handbook of Spatial Analysis, London: Sage Publication, Ltd., 2009.
[3] N. Barber, Principles of statistical data analysis. In Pharmacy Practice: Second Edition, Taylor and Francis, 2017, pp. 455-466.
[4] T. Purwaningsih and Erfiani, "Comparison of Uniform and Kernel Gaussian Weight Matrix in Generalized Spatial Panel Data Model," Open Journal of Statistics, vol. 5, no. 1, 2015.
[5] Y. Zhukof, Spatial Autocorrelation, Amerika: IQQS Harvard University, 2010. [6] M. Ward and K. Gleditsch, Spatial Regression Models., Los Angeles: Sage Publications, Inc., 2008. [7] Yu and et.al., "Geometric Algebra Model for Geometry-oriented Topological Relation
Computation," Trans. GIS., vol. 20, no. 2, pp. 259-279, 2016. [8] X. Ye, Spatial econometrics, New York: The Wiley-AAG International Encyclopedia of
Geography, 2016. [9] Zuo, E. Carranza and J. Wang, "Spatial analysis and visualization of exploration geochemical data,"
Earth-Science Rev, vol. 158, p. 9–18, 2016. [10] H. Robert, Spatial Data Analysis Theory and Practice, Cambridge University Press, 2004.
