sig isnaini prihatiningsih c54090043
TRANSCRIPT
Isnaini Prihatiningsih C54090043
1 Sistem Informasi Geografi
Tugas SIG
Jenis-Jenis Interpolasi
Metode Inverse Distance Weighted (IDW)
Metode Inverse Distance Weighted (IDW) merupakan metode deterministic
yang sederhana dengan mempertimbangkan titik disekitarnya (NCGIA, 1997).
Asumsi dari metode ini adalah nilai interpolasi akan lebih mirip pada data
sampel yang dekat daripada yang lebih jauh. Bobot (weight) akan berubah
secara linear sesuai dengan jaraknya dengan data sampel. Bobot ini tidak akan
dipengaruhi oleh letak dari data sampel. Metode ini biasanya digunakan dalam
industri pertambangan karena mudah untuk digunakan. Pemilihan nilai pada
power sangat mempengaruhi hasil interpolasi. Nilai power yang tinggi akan
memberikan hasil seperti menggunakan interpolasi nearest neighbor dimana
nilai yang didapatkan merupakan nilai dari data point terdekat.
Kerugian dari metode IDW adalah nilai hasil interpolasi terbatas pada nilai
yang ada pada data sampel. Pengaruh dari data sampel terhadap hasil
interpolasi disebut sebagi isotropic. Dengan kata lain, karena metode ini
menggunakan rata-rata dari data sampel sehingga nilainya tidak bisa lebih kecil
dari minimum atau lebih besar dari data sampel. Jadi, puncak bukit atau lembah
terdalam tidak dapat ditampilkan dari hasil interpolasi model ini (Watson &
Philip, 1985).
Untuk mendapatkan hasil yang baik, sampel data yang digunakan harus rapat
yang berhubungan dengan variasi lokal. Jika sampelnya agak jarang dan tidak
merata, hasilnya kemungkinan besar tidak sesuai dengan yang diinginkan.
Menurut Pramono (2004), metode IDW cocok digunakan untuk melakukan
interpolasi pada data fisik wilayah pesisir karena tidak menghasilkan nilai
melebihi rata-ratanya.
Hasil dari interpolasi ini tergantung dari:
a. Seberapa kuat sebuah titik data yg diketahui mempengaruhi daerah di
sekitarnya (ArcGIS :
Power)
b. Jumlah titik di sekitarnya yang digunakan untuk menghitung rata-rata nilai
c. Ukuran pixel/raster yang dikehendaki
Metode Interpolasi kriging
Metode Kriging adalah estimasi stochastic yang mirip dengan Inverse Distance
Weighted (IDW) dimana menggunakan kombinasi linear dari weight untuk
memperkirakan nilai diantara sampel data. Metode ini diketemukan oleh D.L.
Krige untuk memperkirakan nilai dari bahan tambang. Asumsi dari metode
Isnaini Prihatiningsih C54090043
2 Sistem Informasi Geografi
ini adalah jarak dan orientasi antara sampel data menunjukkan korelasi
spasial yang penting dalam hasil (ESRI, 1996).
Metode Kriging sangat banyak menggunakan sistem komputer dalam
perhitungan. Kecepatan perhitungan tergantung dari banyaknya sampel data
yang digunakan dan cakupan dari wilayah yang diperhitungkan. Tidak
seperti metode IDW, Kriging memberikan ukuran error dan confidence.
Metode ini menggunakan semivariogram yang merepresentasikan perbedaan
spasial dan nilai diantara semua pasangan sampel data. Semivariogram juga
menunjukkan bobot (weight) yang digunakan dalam interpolasi.
Semivariogram dihitung berdasarkan sampel semivariogram dengan jarak h,
beda nilai z dan jumlah sampel data n. Pada gambar ini juga ditunjukkan
grafik dari sebuah semivariogram. Pada jarak yang dekat (sumbu
horisontal), semivariance bernilai kecil. Tetapi pada jarak yang lebih besar,
semi-variance bernilai tinggi yang menunjukkan bahwa variasi dari nilai z tidak
lagi berhubungan dengan jarak sampel point. Jenis Kriging yang bisa dilakukan
adalah dengan cara spherical, circular, exponential, gaussian dan linear
(ESRI, 1999). Sifat-sifat Kriging :
Struktur dan korelasi variabel melalui fungsi γ(h)
Hubungan geometri relatif antara data yang mencakup hal penaksiran
dan penaksiran volume melalui (Si,Sj) (hubungan antar data) dan
sebagai (Si,V) (hubungan antara data dan volume)
Jika variogram pola data teratur, maka sistem kriging akan memberikan
data yang akurat. Dalam hal ini jarak sampel yang pertama atau kedua tidak
mempengaruhi.
Efek screen ini akan terjadi, jika tidak ada nugget effect atau kecil sekali ε =
C0/C Efek nugget ini menurunkan efek screen Untuk efek nugget yang
besar, semuai contoh mempunyai bobot yang sama.
Model Kriging
Ada beberapa model kriging yang umum digunakan di antaranya adalah:
1. Ordinary kriging adalah model yang sering digunakan dalam metode
kriging. Model ini mengasumsikan nilai yang konstan. Metode ini adalah metode
yang masuk akal tapi ada beberapa ilmiah yang menolak model tersebut.
2. Universal Kriging mengasumsikan bahwa ada kecenderungan yang utama
dalam suatu data (misalnya angin), dan dapat dimodelkan sebagai fungsi
deterministik.Universal Kriging dapat digunakan bila kita tahu cara
menggunakan dan memberikan kebenaran secara ilmiah. Sehingga model ini
jarang sekali digunakan dalam menganalisa suatu data.
Dalam interpolasi kriging terdapat beberapa model, yaitu:
Isnaini Prihatiningsih C54090043
3 Sistem Informasi Geografi
1.Bulat:ini dihitung variogramme sebagai fungsi kuadrat dimodifikasi untuk
yang di beberapa Ao jarak, pasang poin tidak akan lagi secara otomatis
berkorelasi dan variogramme mencapai asimtot.
2. Edaran: menggunakan model lingkungan pencarian melingkar dengan radius
tertentu.
3. Eksponensial: model eksponensial mirip dengan bola dalam hal ini mendekati
ambang jendela secara bertahap. Namun, berbeda dari bola di tingkat ambang
yangmendekat dan dalam kenyataan bahwa model dan ambang jendela pernah
benar-benarbertemu.
4. Gaussian: model gaussian atau hiperbolik mirip dengan eksponensial tetapi
mengasumsikan kenaikan bertahap untuk y-intercept.
5. Linier dengan ambang: model ini mirip dengan model linier kecuali bahwa
padabeberapa pasangan jarak poin akan ada mobil lagi berkorelasi dan
variogram akan mencapai asimtot
mendadak.
Hasil Akhir dari Kriging
a. Ukuran pixel/raster yang dikehendaki
b. Fungsi dari trend
Metode Spline
Metode Spline adalah metoda interpolasi yang biasa digunakan untuk
mendapatkan nilai melalui kurva minimum antara nilai-nilai input. Metoda ini
baik digunakan dalam membuat
permukaan seperti ketinggian permukaan bumi, ketinggian muka air tanah,
ataupun konsentrasi polusi udara. Kurang bagus untuk siatuasi dimana terdapat
perbedaan nilai yang signifikan pada jarak yang sangat dekat. Jika dipilih metoda
Spline maka ada pilihan tipe Regularized dan Tension. Regularized membuat
permukaan halus sedangkan Tension mempertegas bentuk permukaan sesuai
dengan fenomena model.