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.