metoda analisis perencanaan_15407101

TUGAS MAP 2
MIRINA OCTAVIA (15407101)

1. city/town planning

Perencanaan kota - proses perencanaan untuk perbaikan dari pusat perkotaan untuk memberikan hidup sehat dan kondisi aman, efisien, transportasi dan komunikasi, fasilitas umum yang memadai, dan estetika lingkungan. Perencanaan yang juga termasuk masyarakat terpencil dan jalan raya adalah istilah perencanaan daerah

2. Urban Planning Process
Urban, city, and town planning is the integration of the disciplines of land use planning and transport planning, to explore a very wide range of aspects of the built and social environments of urbanized municipalities and communities. Regional planning deals with a still larger environment, at a less detailed level.
Based upon the origins of urban planning from the Roman (pre-dark ages) era, the current discipline revisits the synergy of the disciplines of urban planning, architecture and landscape architecture, varying upon from the interlectural strategic positioning from university to university.
The traditional planning process focused on top-down processes where the urban planner created the plans. The planner is usually skilled in either surveying, engineering or architecture, bringing to the town planning process ideals based around these disciplines. They typically worked for national or local governments.

3. Definisi rural planning

"Tujuan utama dari rencana tersebut adalah untuk meningkatkan kelangsungan hidup pertanian melalui perlindungan lahan pertanian, kelestarian banyak ukuran yang lebih besar dan penciptaan kebijakan untuk mendorong industri pertanian."

Rencana Pedesaan yang memperoleh manfaat dari proses yang sangat terbuka. Walaupun lebih umum di daerah kabupaten perencanaan usaha, fokus ke pedesaan bagian-tanah masyarakat yang melanggar dalam konteks kota. Pendekatan tidak mengizinkan pedesaan / masalah pertanian menjadi didominasi oleh kekhawatiran perkotaan, dan responsif terhadap yang mayoritas dari warga Township - baik di pedesaan dan perkotaan. Progresif perencanaan program ini dilakukan dalam lingkup Kota UU tetapi yang berhasil karena sebagian besar dari komitmen dan filosofis kepemimpinan Langley staf dan Dewan.

Rencana juga menetapkan, seperti kebijakan, perlindungan dari lahan pertanian dasar dan dapat meningkatkan kelangsungan hidup dari pertanian dengan masuknya kebijakan untuk mendorong industri. Dasar ini bergerak ke arah kebijakan pemerintah daerah menjadi dekat kebijakan yang selaras dengan Provinsi.

4. Kuantitatif analisis

Karya ini characterizes tinjauan multidisiplin dan pendekatan untuk formulir perkotaan. Dimulai oleh mengklasifikasi pendekatan kuantitatif untuk menganalisis perkotaan formulir menjadi lima kelas: lansekap ekologi, struktur ekonomi, transportasi permukaan, masyarakat desain, dan desain perkotaan. Kemudian tinjauan kuantitatif tindakan di masing-masing kelas. Berdasarkan hasil pemeriksaan, empat kesimpulan yang diambil. Pertama, lebih dari dua dekade terakhir banyak kemajuan telah dibuat dalam kemampuan untuk mengukur dan menganalisa pola tata ruang yang dapat membantu membentuk karakter perkotaan. Kedua, d di Multiples skala dan untuk berbagai alasan, terdapat beberapa keuntungan pengembangan yang dicampur dan kompak. Ketiga, normatif prinsip-prinsip dan kebijakan untuk mengatasi formulir perkotaan harus crafted di beberapa skala dan hati-hati dirancang untuk menangani masalah-masalah yang muncul berbeda pada tiap skala. Keempat, banyak berbeda dengan langkah-langkah yang digunakan untuk sekarang operationalize yang sama constructs, ia akan maju ke perkotaan bentuk penelitian ada beberapa standarisasi dalam definisi operasional dan pengukuran protokol.

5. Causality Anlysis

Manusia membuat sebuah sistem (artifactual systems) beradasarkan prinsip dan
hubungan kausal. Setiap bagian dirancang agar mempunyai pengaruh tertentu terhadap bagian yang lain sehingga sistem tersebut dapat bekerja untuk mencapai tujuannya. Batas (boundary) dari sistem juga ditentukan oleh relasi kausal. Oleh sebab itu, kesalahan dalam sistem dapat dijelaskan dengan menggunakan prinsip kausal. Why-Because-Analysis (WBA) menggunakan prinsip tersebut untuk menganalisis kesalahan (failure) yang mengakibatkan kegagalan sistem kompleks, terbuka (open).
Dalam (Why-Because-Analyisis)WBA, sistem dipandang sebagai \world of objects", yaitu sebuah sistem mengandung obyek-obyek yang bekerja (engage) dengan perilaku (behaviour) masing-masing dan berinteraksi satu sama lain. Di luar sistem terdapat obyek lain yang dapat mempengaruhi sistem (environment) dan yang tidak mempengarui sistem (world) . relasi kausalitas dalam sistem yang dibuat manusia pada dasarnya adalah mendenisikan fungsi dari setiap bagian dan pengaruhnya terhadap bagian yang lain.

6. Decision Analysis
Decision Analysis (DA) is the discipline comprising the philosophy, theory, methodology, and professional practice necessary to address important decisions in a formal manner. Decision analysis includes many procedures, methods, and tools for identifying, clearly representing, and formally assessing the important aspects of a decision situation, for prescribing the recommended course of action by applying the maximum expected utility action axiom to a well-formed representation of the decision, and for translating the formal representation of a decision and its corresponding recommendation into insight for the decision maker and other stakeholders.

7. Factor Analysis
Factor analysis is a method for investigating whether a number ofvariables of interest are linearly related to a smaller number of unobservable factors. In the special vocabulary of factor analysis, the parameters of these linear functions are referred to as loadings. Factor analysis usually proceeds in two stages. In the first, one set of loadings is calculated which yields theoretical variances and covariances that fit the observed ones as closely as possible according to a certain criterion. These loadings, however, may not agree with the prior expectations, or may not lend themselves to a reasonable interpretation. Thus, in the second stage, the first loadings are \rotated" in an effort to arrive at another set of loadings that fit equally well the observed variances and covariances, but are more consistent with prior expectations or more easily interpreted.

8. Time Series Analysis
In statistics, signal processing, and many other fields, a time series is a sequence of data points, measured typically at successive times, spaced at (often uniform) time intervals. Time series analysis comprises methods that attempt to understand such time series, often either to understand the underlying context of the data points (where did they come from? what generated them?), or to make forecasts (predictions). Time series forecasting is the use of a model to forecast future events based on known past events: to forecast future data points before they are measured. A standard example in econometrics is the opening price of a share of stock based on its past performance.
The term time series analysis is used to distinguish a problem, firstly from more ordinary data analysis problems (where there is no natural ordering of the context of individual observations), and secondly from spatial data analysis where there is a context that observations (often) relate to geographical locations.

9. Cluster Analysis
Clustering is the assignment of objects into groups (called clusters) so that objects from the same cluster are more similar to each other than objects from different clusters. Often similarity is assessed according to a distance measure. Clustering is a common technique for statistical data analysis, which is used in many fields, including machine learning, data mining, pattern recognition, image analysis and bioinformatics. Hierarchical clustering builds (agglomerative), or breaks up (divisive), a hierarchy of clusters. The traditional representation of this hierarchy is a tree (called a dendrogram), with individual elements at one end and a single cluster containing every element at the other. Agglomerative algorithms begin at the leaves of the tree, whereas divisive algorithms begin at the root. (In the figure, the arrows indicate an agglomerative clustering.)