Memvisualisasikan data geospasial

15 Memvisualisasikan data geospasial

Banyak kumpulan data berisi informasi yang ditautkan dengan lokasi di dunia fisik. Misalnya, dalam studi ekologi, set data dapat mendaftar di mana tanaman atau hewan tertentu telah ditemukan. Demikian pula, dalam konteks sosial ekonomi atau politik, set data dapat berisi informasi tentang di mana orang dengan atribut tertentu (seperti pendapatan, usia, atau pencapaian pendidikan) tinggal, atau di mana objek buatan manusia (misalnya, jembatan, jalan, bangunan) telah dibangun. Dalam semua kasus ini, akan sangat membantu untuk memvisualisasikan data dalam konteks geospasial yang tepat, yaitu untuk menunjukkan data pada peta yang realistis atau sebagai diagram seperti peta.

Peta cenderung intuitif bagi pembaca, tetapi sulit untuk dirancang. Kita perlu memikirkan konsep-konsep seperti proyeksi peta dan apakah untuk aplikasi spesifik kita, representasi sudut atau area yang akurat lebih penting.Teknik pemetaan umum, peta choropleth, terdiri dari mewakili nilai data sebagai area spasial berwarna berbeda. Peta Choropleth kadang-kadang bisa sangat berguna dan di saat lain sangat menyesatkan. Sebagai alternatif, kita dapat membuat diagram seperti peta yang disebut kartogram, yang dapat dengan sengaja mendistorsi area peta atau merepresentasikannya dalam bentuk bergaya, misalnya sebagai kotak berukuran sama.

15.1 Proyeksi

Bumi kira-kira berbentuk bola (Gambar 15.1 ), dan lebih tepatnya spheroid oblate yang sedikit diratakan di sepanjang poros rotasinya. Dua lokasi di mana sumbu rotasi bersinggungan dengan spheroid disebut kutub ( kutub utara dan kutub selatan). Kami memisahkan spheroid menjadi dua belahan, belahan utara dan selatan, dengan menggambar garis yang berjarak sama untuk kedua kutub di sekitar spheroid. Garis ini disebut garis khatulistiwa. Untuk menentukan lokasi di bumi secara unik, kita memerlukan tiga informasi: di mana kita berada di sepanjang arah garis khatulistiwa (garis bujur), seberapa dekat kita dengan salah satu kutub ketika bergerak tegak lurus ke garis khatulistiwa (garis lintang), dan seberapa jauh kita dari pusat bumi (ketinggian). Bujur, lintang, dan ketinggian ditentukan relatif terhadap sistem referensi yang disebut datum. Datum menentukan properti seperti bentuk dan ukuran bumi, serta lokasi nol bujur, lintang, dan ketinggian. Satu datum yang banyak digunakan adalah World Geodetic System (WGS) 84, yang digunakan oleh Global Positioning System (GPS).

Gambar 15.1: Proyeksi ortografis dunia, menunjukkan Eropa dan Afrika Utara karena mereka akan terlihat dari luar angkasa. Garis-garis yang memancar dari kutub utara dan berlari ke selatan disebut garis meridian , dan garis yang berjalan orthogonal ke garis meridian disebut paralel.Semua meridian memiliki panjang yang sama tetapi paralel menjadi lebih pendek semakin dekat kita ke kedua kutub.

Sementara ketinggian adalah kuantitas penting dalam banyak aplikasi geospasial, ketika memvisualisasikan data geospasial dalam bentuk peta kita terutama berkaitan dengan dua dimensi lainnya, bujur dan lintang. Baik bujur dan lintang adalah sudut, dinyatakan dalam derajat. Derajat bujur mengukur seberapa jauh letak timur atau barat suatu lokasi.Garis dengan garis bujur yang sama disebut sebagai garis meridian , dan semua garis meridian berakhir pada dua kutub (Gambar 15.1 ). Meridian utama, sesuai dengan 0 ° bujur, mengalir melalui desa Greenwich di Inggris. Meridian yang berlawanan dengan meridian utama terletak pada 180 ° bujur (juga disebut sebagai 180 ° E), yang setara dengan -180 ° bujur (juga disebut sebagai 180 ° W), di dekat garis tanggal internasional. Garis lintang derajat mengukur seberapa jauh letak utara atau selatan suatu lokasi. Ekuator berhubungan dengan garis lintang 0 °, kutub utara berhubungan dengan garis lintang 90 ° (juga disebut sebagai 90 ° N), dan kutub selatan terkait dengan garis lintang -90 ° (juga disebut sebagai 90 ° S). Garis dengan garis lintang yang sama disebut sebagai paralel , karena garis itu paralel dengan garis khatulistiwa. Semua meridian memiliki panjang yang sama, sesuai dengan setengah dari lingkaran besar di seluruh dunia, sedangkan panjang paralelnya tergantung pada garis lintangnya (Gambar 15.1 ). Pararel terpanjang adalah garis khatulistiwa, pada garis lintang 0 °, dan paralel terpendek terletak di kutub utara dan selatan, 90 ° N dan 90 ° S, dan memiliki panjang nol.

Tantangan dalam pembuatan peta adalah kita perlu mengambil permukaan bola bumi dan meratakannya sehingga kita bisa menampilkannya di peta. Proses ini, yang disebut proyeksi, tentu menimbulkan distorsi, karena permukaan yang melengkung tidak dapat diproyeksikan secara tepat ke permukaan yang rata. Secara khusus, proyeksi dapat mempertahankan sudut atau area tetapi tidak keduanya. Proyeksi yang melakukan yang pertama disebut konformal dan proyeksi yang melakukan yang terakhir disebut dengan area yang sama . Proyeksi lain mungkin tidak mempertahankan sudut atau area tetapi sebaliknya mempertahankan jumlah minat lainnya, seperti jarak ke beberapa titik atau garis referensi. Akhirnya, beberapa proyeksi mencoba melakukan kompromi antara menjaga sudut dan area. Proyeksi kompromi ini sering digunakan untuk menampilkan seluruh dunia dengan cara yang menyenangkan secara estetika, dan mereka menerima sejumlah distorsi sudut dan area (Gambar 3.11 ). Untuk mensistematisasikan dan melacak berbagai cara memproyeksikan bagian atau seluruh bumi untuk peta tertentu, berbagai badan dan organisasi standar, seperti EPSG (European Petroleum Survey Group) atau ESRI (Lembaga Penelitian Sistem Lingkungan), memelihara daftar proyeksi . Misalnya, EPSG: 4326 mewakili nilai bujur dan lintang yang tidak diproyeksikan dalam sistem koordinat WGS 84 yang digunakan oleh GPS. Beberapa situs web menyediakan akses mudah ke proyeksi terdaftar ini, termasuk http://spatialreference.org/ dan https://epsg.io/ .

Salah satu proyeksi peta paling awal yang digunakan, proyeksi Mercator, dikembangkan pada abad ke-16 untuk navigasi laut. Ini adalah proyeksi konformal yang secara akurat mewakili bentuk tetapi menimbulkan distorsi area yang parah di dekat kutub (Gambar 15.2 ). Proyeksi Mercator memetakan globe ke silinder dan kemudian membuka gulungan silinder untuk sampai pada peta persegi panjang.Meridian dalam proyeksi ini diberi garis vertikal spasi merata, sedangkan paralelnya adalah garis horizontal yang jaraknya semakin jauh semakin menjauh dari ekuator (Gambar 15.2 ).Jarak antara paralel meningkat sebanding dengan sejauh mana mereka harus direntangkan lebih dekat ke kutub untuk menjaga meridian vertikal sempurna.

Gambar 15.2: Proyeksi Mercator tentang dunia. Dalam proyeksi ini, paralelnya adalah garis horizontal lurus dan garis meridian adalah garis vertikal lurus. Ini adalah proyeksi konformal yang menjaga sudut lokal, tetapi menimbulkan distorsi parah di area dekat kutub. Sebagai contoh, Greenland tampaknya lebih besar dari Afrika dalam proyeksi ini, ketika pada kenyataannya Afrika empat belas kali lebih besar dari Greenland (lihat Gambar 15.1 dan 15.3 ).

Karena distorsi area parah yang dihasilkannya, proyeksi Mercator tidak disukai untuk peta seluruh dunia. Namun, varian proyeksi ini terus berlanjut. Sebagai contoh, proyeksi Mercator transversal secara rutin digunakan untuk peta skala besar yang menunjukkan area yang cukup kecil (membentang kurang dari beberapa derajat garis bujur) pada perbesaran besar. Varian lain, proyeksi web Mercator, diperkenalkan oleh Google untuk Google Maps dan digunakan oleh beberapa aplikasi pemetaan online.

Proyeksi seluruh dunia yang secara sempurna menjaga area adalah Goode homolosine (Gambar 15.3 ). Biasanya ditunjukkan dalam bentuk terputus, yang memiliki satu potongan di belahan bumi utara dan tiga potongan di belahan bumi selatan, dipilih dengan cermat sehingga mereka tidak mengganggu massa daratan utama (Gambar 15.3 ). Pemotongan memungkinkan proyeksi untuk kedua area melestarikan dan sekitar melestarikan sudut, dengan biaya lautan yang tidak berdekatan, pemotongan melalui tengah Greenland, dan beberapa pemotongan melalui Antartika. Sementara Goode homolosine yang terputus memiliki estetika yang tidak biasa dan nama yang aneh, itu adalah pilihan yang baik untuk memetakan aplikasi yang membutuhkan reproduksi akurat area pada skala global.

Gambar 15.3: Proyeksi homolosine Goode terputus dari dunia. Proyeksi ini secara akurat menjaga area sambil meminimalkan distorsi sudut, dengan biaya menunjukkan lautan dan beberapa daratan (Greenland, Antartika) dengan cara yang tidak berdekatan.

Distorsi bentuk atau area akibat proyeksi peta sangat menonjol ketika kami berupaya membuat peta seluruh dunia, tetapi mereka dapat menyebabkan masalah bahkan pada skala individu benua atau negara. Sebagai contoh, perhatikan Amerika Serikat, yang terdiri dari "48 yang lebih rendah" (yang merupakan 48 negara bagian yang berdekatan), Alaska, dan Hawaii (Gambar 15.4 ). Sementara 48 yang lebih rendah saja cukup mudah untuk diproyeksikan ke peta, Alaska dan Hawaii begitu jauh dari 48 yang lebih rendah sehingga memproyeksikan semua 50 negara bagian ke satu peta menjadi canggung.

Gambar 15.4: Lokasi relatif Alaska, Hawaii, dan 48 negara bagian lebih rendah ditunjukkan pada bola dunia.

Gambar 15.5 menunjukkan peta seluruh 50 negara bagian, dibuat menggunakan proyeksi Albers dengan luas yang sama. Proyeksi ini memberikan gambaran yang wajar tentang bentuk, area, dan lokasi relatif dari 50 negara bagian, tetapi kami melihat beberapa masalah. Pertama, Alaska tampak aneh dibandingkan dengan tampilannya, misalnya, dalam Gambar 15.2 atau 15.4 . Kedua, peta didominasi oleh lautan / ruang kosong. Akan lebih baik jika kita bisa memperbesar lebih jauh, sehingga 48 negara bagian yang lebih rendah mengambil proporsi yang lebih besar dari area peta.

Gambar 15.5: Peta Amerika Serikat, menggunakan proyeksi Albers yang melestarikan kawasan (ESRI: 102003, biasanya digunakan untuk memproyeksikan 48 negara bagian bawah). Alaska dan Hawaii ditampilkan di lokasi sebenarnya.

Untuk mengatasi masalah ruang kosong yang tidak menarik, adalah praktik umum untuk memproyeksikan Alaska dan Hawaii secara terpisah (untuk meminimalkan distorsi bentuk) dan kemudian memindahkannya sehingga ditampilkan di bawah 48 yang lebih rendah (Gambar 15.6 ). Anda mungkin memperhatikan pada Gambar 15.6 bahwa Alaska terlihat jauh lebih kecil dibandingkan dengan 48 yang lebih rendah daripada pada Gambar 15.5 . Alasan ketidaksesuaian ini adalah bahwa Alaska tidak hanya dipindahkan, tetapi juga telah diskalakan sehingga terlihat sebanding ukurannya dengan negara-negara bagian barat tengah atau barat.Penskalaan ini, meskipun merupakan praktik umum, sangat menyesatkan, dan oleh karena itu saya menamakannya sebagai "buruk."

Gambar 15.6: Visualisasi Amerika Serikat, dengan negara bagian Alaska dan Hawaii bergerak untuk berbaring di bawah 48 negara bagian yang lebih rendah. Alaska juga telah diskalakan sehingga tingkat liniernya hanya 35% dari ukuran sebenarnya negara. (Dengan kata lain, area negara telah direduksi menjadi sekitar 12% dari ukuran sebenarnya.) Penskalaan seperti ini sering diterapkan ke Alaska, untuk membuatnya tampak secara visual memiliki ukuran yang sama dengan tipikal negara bagian midwestern atau barat. Namun, penskalaan sangat menyesatkan, dan oleh karena itu angka tersebut telah diberi label sebagai "buruk".

Alih-alih memindahkan dan menskalakan Alaska, kita bisa memindahkannya tanpa mengubah skalanya (Gambar 15.7 ).Visualisasi ini jelas menunjukkan bahwa Alaska adalah negara bagian terbesar, lebih dari dua kali ukuran Texas. Kita tidak terbiasa melihat AS ditunjukkan dengan cara ini, tetapi menurut saya itu adalah representasi yang jauh lebih masuk akal dari 50 negara bagian daripada Gambar 15.6 .

Gambar 15.7: Visualisasi Amerika Serikat, dengan negara bagian Alaska dan Hawaii bergerak untuk berbaring di bawah 48 negara bagian yang lebih rendah.

15.2 Lapisan

Untuk memvisualisasikan data geospasial dalam konteks yang tepat, kami biasanya membuat peta yang terdiri dari beberapa lapisan yang menunjukkan berbagai jenis informasi. Untuk menunjukkan konsep ini, saya akan memvisualisasikan lokasi turbin angin di wilayah Teluk San Francisco. Di Bay Area, turbin angin dikelompokkan di dua lokasi. Satu lokasi, yang saya sebut sebagai Wind Farm Shiloh, terletak di dekat Rio Vista dan yang lainnya terletak di sebelah timur Hayward dekat Tracy (Gambar 15.8 ).

Gambar 15.8: Turbin angin di Wilayah Teluk San Francisco. Turbin angin individu ditampilkan sebagai titik-titik berwarna ungu. Dua daerah dengan konsentrasi tinggi turbin angin disorot dengan persegi panjang hitam. Saya menyebut turbin angin dekat Rio Vista secara kolektif sebagai Peternakan Angin Shiloh. Ubin peta oleh Stamen Design, di bawah CC BY 3.0. Data peta oleh OpenStreetMap, di bawah ODbL. Data turbin angin: Basis Data Turbin Angin Amerika Serikat

Gambar 15.8 terdiri dari empat lapisan terpisah. Di bagian bawah, kami memiliki lapisan medan, yang menunjukkan bukit, lembah, dan air. Lapisan berikutnya menunjukkan jaringan jalan. Di atas lapisan jalan, saya telah menempatkan lapisan yang menunjukkan lokasi turbin angin individu.Lapisan ini juga berisi dua persegi panjang yang menyoroti sebagian besar turbin angin. Akhirnya, lapisan atas menambahkan lokasi dan nama kota. Keempat lapisan ini ditunjukkan secara terpisah pada Gambar 15.9 . Untuk peta tertentu yang ingin kita buat, kita mungkin ingin menambah atau menghapus beberapa lapisan ini. Misalnya, jika kami ingin menggambar peta daerah pemilihan, kami mungkin menganggap informasi medan tidak relevan dan mengganggu. Sebagai alternatif, jika kami ingin menggambar peta area atap yang terbuka atau tertutup untuk menilai potensi pembangkit tenaga surya, kami mungkin ingin mengganti informasi terrain dengan citra satelit yang menunjukkan atap individu dan vegetasi aktual. Anda dapat secara interaktif mencoba berbagai jenis lapisan ini di sebagian besar aplikasi peta online, seperti Google Maps.Saya ingin menekankan bahwa terlepas dari lapisan mana kami memutuskan untuk menyimpan atau menghapus, umumnya disarankan untuk menambahkan skala bar dan panah utara. Bilah skala membantu pembaca memahami ukuran fitur spasial yang ditunjukkan pada peta, sementara panah utara menjelaskan orientasi peta.

Gambar 15.9: Lapisan individual Gambar 15.8 . Dari bawah ke atas, gambar tersebut terdiri dari lapisan medan, lapisan jalan, lapisan yang menunjukkan turbin angin, dan lapisan yang memberi label pada kota-kota dan menambahkan bar skala dan panah utara. Ubin peta oleh Stamen Design, di bawah CC BY 3.0. Data peta oleh OpenStreetMap, di bawah ODbL. Sumber data turbin angin: Basis Data Turbin Angin Amerika Serikat

Semua konsep yang dibahas dalam Bab 2 pemetaan data ke estetika dibawa ke peta. Kami dapat menempatkan titik data ke dalam konteks geografisnya dan menunjukkan dimensi data lainnya melalui estetika seperti warna atau bentuk.Sebagai contoh, Gambar 15.10 memberikan tampilan yang diperbesar dari persegi panjang berlabel "Ladang Angin Shiloh" pada Gambar 15.8 . Turbin angin individu ditampilkan sebagai titik-titik, dengan warna titik-titik yang mewakili ketika turbin tertentu dibangun dan bentuk yang mewakili proyek tempat turbin angin tersebut berada. Peta seperti ini dapat memberikan gambaran singkat tentang bagaimana suatu daerah dikembangkan. Misalnya, di sini kita melihat bahwa EDF Renewables adalah proyek yang relatif kecil yang dibangun sebelum tahun 2000, High Winds adalah proyek yang berukuran sedang antara tahun 2000 dan 2004, dan Shiloh dan Solano adalah dua proyek terbesar di wilayah tersebut, keduanya dibangun dalam jangka waktu yang panjang. waktu.

Gambar 15.10: Lokasi turbin angin individual di Shiloh Wind Farm. Setiap titik menyoroti lokasi satu turbin angin. Area peta sesuai dengan persegi panjang pada Gambar 15.8 . Titik-titik diwarnai oleh kapan turbin angin dibangun, dan bentuk titik-titik tersebut mewakili berbagai proyek yang dimiliki masing-masing turbin angin. Ubin peta oleh Stamen Design, di bawah CC BY 3.0. Data peta oleh OpenStreetMap, di bawah ODbL.Sumber data turbin angin: Basis Data Turbin Angin Amerika Serikat

15.3 Pemetaan Choropleth

Kami sering ingin menunjukkan bagaimana kuantitas bervariasi di seluruh lokasi. Kita dapat melakukannya dengan mewarnai masing-masing wilayah di peta sesuai dengan dimensi data yang ingin kita tampilkan. Peta semacam itu disebut peta choropleth.

Sebagai contoh sederhana, pertimbangkan kepadatan populasi (orang per kilometer persegi) di seluruh Amerika Serikat. Kami mengambil jumlah populasi untuk setiap county di AS, membaginya dengan luas permukaan kabupaten, dan kemudian menggambar peta di mana warna masing-masing kabupaten sesuai dengan rasio antara jumlah populasi dan luas (Gambar 15.11 ). Kita dapat melihat bagaimana kota-kota besar di pantai timur dan barat adalah daerah yang paling padat penduduknya di AS, dataran besar dan negara-negara barat memiliki kepadatan penduduk yang rendah, dan negara bagian Alaska adalah yang paling sedikit penduduknya.

Gambar 15.11: Kepadatan populasi di setiap wilayah AS, ditampilkan sebagai peta choropleth. Kepadatan populasi dilaporkan sebagai orang per kilometer persegi. Sumber data: Survei Komunitas Amerika Lima Tahun 2015

Gambar 15.11 menggunakan warna terang untuk mewakili kepadatan populasi rendah dan warna gelap untuk mewakili kepadatan tinggi, sehingga area metropolitan dengan kepadatan tinggi menonjol sebagai warna gelap di latar belakang warna terang. Kita cenderung mengaitkan warna gelap dengan intensitas yang lebih tinggi ketika warna latar belakang gambar itu terang. Namun, kita juga dapat memilih skala warna di mana nilai tinggi menyala pada latar belakang gelap (Gambar 15.12 ). Selama warna yang lebih terang jatuh ke dalam spektrum merah-kuning, sehingga mereka tampak bersinar, mereka dapat dianggap mewakili intensitas yang lebih tinggi. Sebagai prinsip umum, ketika angka dimaksudkan untuk dicetak di atas kertas putih maka area latar belakang berwarna terang (seperti pada Gambar 15.11 ) biasanya akan bekerja lebih baik. Untuk tampilan online atau latar belakang gelap, area latar belakang berwarna gelap (seperti pada Gambar 15.12 ) mungkin lebih disukai.

Gambar 15.12: Kepadatan populasi di setiap wilayah AS, ditampilkan sebagai peta choropleth. Peta ini identik dengan Gambar 15.11 kecuali bahwa sekarang skala warna menggunakan warna terang untuk kepadatan populasi tinggi dan warna gelap untuk kepadatan populasi rendah. Sumber data: Survei Komunitas Amerika Lima Tahun 2015

Choropleths bekerja paling baik ketika pewarnaan mewakili kerapatan (yaitu, beberapa kuantitas dibagi dengan luas permukaan, seperti pada Gambar 15.11 dan 15.12 ). Kami menganggap area yang lebih besar sesuai dengan jumlah yang lebih besar daripada area yang lebih kecil (lihat juga bab tentang tinta proporsional, Bab 17 ), dan naungan dengan kerapatan mengkoreksi efek ini. Namun, dalam praktiknya, kita sering melihat choroplet berwarna berdasarkan jumlah tertentu yang bukan kepadatan. Sebagai contoh, pada Gambar 4.4 saya menunjukkan choropleth dari pendapatan tahunan rata-rata di negara bagian Texas. Peta choropleth seperti itu bisa tepat jika disiapkan dengan hati-hati. Ada dua kondisi di mana kita dapat mewarnai jumlah peta yang bukan kepadatan: Pertama, jika semua area yang kita warnai memiliki ukuran dan bentuk yang sama, maka kita tidak perlu khawatir tentang beberapa area yang menarik perhatian yang tidak proporsional hanya karena untuk ukuran mereka. Kedua, jika masing-masing bidang yang kita warnai relatif kecil dibandingkan dengan ukuran keseluruhan peta dan jika kuantitas yang berwarna mewakili perubahan pada skala yang lebih besar daripada masing-masing bidang berwarna, maka sekali lagi kita tidak perlu khawatir tentang beberapa bidang menggambar perhatian yang tidak proporsional semata-mata karena ukurannya. Kedua kondisi ini kira-kira terpenuhi pada Gambar 4.4 .

Penting juga untuk mempertimbangkan efek skala warna kontinu versus diskrit dalam pemetaan choropleth. Sementara skala warna terus menerus cenderung terlihat menarik secara visual (misalnya, Gambar 15.11 dan 15.12 ), mereka dapat sulit dibaca. Kami tidak pandai mengenali nilai warna tertentu dan mencocokkannya dengan skala berkelanjutan. Oleh karena itu, sering kali tepat untuk memasukkan nilai data ke dalam kelompok diskrit yang direpresentasikan dengan warna berbeda. Pada urutan empat hingga enam sampah adalah pilihan yang baik. Binning mengorbankan beberapa informasi, tetapi di sisi lain warna binned dapat dikenali secara unik. Sebagai contoh, Gambar 15.13 memperluas peta pendapatan rata-rata di negara bagian Texas (Gambar 4.4 ) ke semua negara di AS, dan menggunakan skala warna yang terdiri dari lima nampan pendapatan yang berbeda.

Gambar 15.13: Pendapatan rata-rata di setiap wilayah AS, ditampilkan sebagai peta choropleth. Nilai pendapatan median telah dikelompokkan menjadi lima kelompok yang berbeda, karena skala warna binned umumnya lebih mudah dibaca daripada skala warna kontinu. Sumber data: Survei Komunitas Amerika Lima Tahun 2015

Meskipun kabupaten tidak berukuran sama dan berbentuk sama di seluruh AS seperti di Texas, saya pikir Gambar 15.13masih berfungsi sebagai peta choropleth. Tidak ada wilayah individual yang terlalu mendominasi peta. Namun, berbagai hal tampak berbeda ketika kita menggambar peta yang sebanding di tingkat negara bagian (Gambar 15.14 ).Kemudian Alaska mendominasi choropleth dan, karena ukurannya, menunjukkan bahwa pendapatan rata-rata di atas $ 70.000 adalah umum. Namun Alaska sangat jarang penduduknya (lihat Gambar 15.11 dan 15.12 ), dan dengan demikian tingkat pendapatan di Alaska hanya berlaku untuk sebagian kecil dari populasi AS. Sebagian besar negara bagian AS, yang hampir semuanya lebih padat daripada negara di Alaska, memiliki pendapatan rata-rata di bawah $ 60.000.

Gambar 15.14: Pendapatan rata-rata di setiap negara bagian AS, ditampilkan sebagai peta choropleth. Peta ini secara visual didominasi oleh negara bagian Alaska, yang memiliki pendapatan rata-rata tinggi tetapi kepadatan penduduk sangat rendah. Pada saat yang sama, negara-negara berpenghasilan tinggi yang berpenduduk padat di Pantai Timur tampaknya tidak terlalu menonjol di peta ini. Secara agregat, peta ini memberikan visualisasi yang buruk dari distribusi pendapatan di AS, dan karenanya saya menandainya sebagai "buruk." Sumber data: Survei Komunitas Amerika Lima Tahun 2015

15.4 Kartogram

Tidak semua visualisasi seperti peta harus akurat secara geografis agar bermanfaat. Sebagai contoh, masalah dengan Gambar 15.14 adalah bahwa beberapa negara bagian mengambil daerah yang relatif besar tetapi berpenduduk jarang sementara yang lain mengambil daerah yang kecil namun memiliki jumlah penduduk yang besar. Bagaimana jika kita mengubah bentuk negara sehingga ukurannya sebanding dengan jumlah penduduknya? Peta yang dimodifikasi seperti itu disebut kartogram , dan Gambar 15.15menunjukkan seperti apa bentuknya untuk dataset pendapatan median. Kita masih bisa mengenali masing-masing negara bagian, namun kita juga melihat bagaimana penyesuaian untuk jumlah populasi telah memperkenalkan modifikasi penting. Negara-negara pantai timur, Florida, dan California telah tumbuh banyak dalam ukuran, sedangkan negara-negara barat lainnya dan Alaska telah runtuh.

Gambar 15.15: Pendapatan rata-rata di setiap negara bagian AS, ditampilkan sebagai kartogram. Bentuk masing-masing negara telah dimodifikasi sedemikian rupa sehingga wilayah mereka proporsional dengan jumlah penduduknya. Sumber data: Survei Komunitas Amerika Lima Tahun 2015

Sebagai alternatif dari kartogram dengan bentuk terdistorsi, kita juga dapat menggambar peta panas cartogram yang lebih sederhana , di mana setiap negara diwakili oleh kotak berwarna (Gambar 15.16 ). Walaupun representasi ini tidak mengoreksi jumlah populasi di masing-masing negara bagian, dan dengan demikian mewakili negara bagian yang lebih padat dan kurang mewakili negara bagian yang kurang padat, paling tidak ia memperlakukan semua negara bagian secara sama dan tidak menimbang mereka secara sewenang-wenang berdasarkan bentuk atau ukurannya.

Gambar 15.16: Pendapatan rata-rata di setiap negara bagian AS, ditampilkan sebagai peta panas cartogram. Setiap negara diwakili oleh kotak berukuran sama, dan kotak diatur sesuai dengan perkiraan posisi masing-masing negara relatif terhadap negara lain. Representasi ini memberikan bobot visual yang sama untuk setiap negara. Sumber data: Survei Komunitas Amerika Lima Tahun 2015

Akhirnya, kita dapat menggambar kartogram yang lebih kompleks dengan menempatkan plot individu di lokasi masing-masing negara. Sebagai contoh, jika kita ingin memvisualisasikan evolusi dari tingkat pengangguran dari waktu ke waktu untuk setiap negara bagian, itu dapat membantu untuk menggambar grafik individu untuk masing-masing negara dan kemudian mengatur grafik berdasarkan perkiraan posisi relatif dari negara satu sama lain (Gambar 15.17 ). Untuk seseorang yang terbiasa dengan geografi Amerika Serikat, pengaturan ini dapat membuatnya lebih mudah untuk menemukan grafik untuk negara bagian tertentu daripada mengaturnya, misalnya, dalam urutan abjad. Lebih jauh, orang akan mengharapkan negara tetangga untuk menampilkan pola yang sama, dan Gambar 15.17 menunjukkan bahwa memang demikian.

Gambar 15.17: Tingkat pengangguran menjelang dan mengikuti krisis keuangan 2008, menurut negara. Setiap panel menunjukkan tingkat pengangguran untuk satu negara bagian, termasuk District of Columbia (DC), dari Januari 2007 hingga Mei 2013. Garis-garis grid vertikal menandai Januari 2008, 2010, dan 2012. Negara-negara yang secara geografis dekat cenderung menunjukkan tren yang sama di tingkat pengangguran. Sumber data: Biro Statistik Tenaga Kerja AS