13 3/1/

si la po er nt I ial as Sp
2012

tl ubti s ster i t Ma d to e Click style

3/1/1 3

Interpolasi

SUATU PROSEDUR MENDUGA NILAI PADA

LOKASI YANG TIDAK DIAMBIL SAMPELNYA DIDALAM WILAYAH YANG SAMA

Disebut Juga Pendugaan Spasial, disebabkan

Adanya Ketergantungan Spasial

>< Ekstrapolasi, pada Suatu Kasus

Pendugaan Nilai Suatu Lokasi Diluar Wilayah

3/1 Interpolasi Diperlukan Kapan/13

1. Jika proses diskretisasi

mempunyai perbedaan dalam orientasi, skala sel, dari yang dikehendaki 2. Jika data ruang kontinyu memerlukan permodelan tentang gambaran menyeluruh suatu wilayah. 3. Jika data yang terkumpul belum mencukupi untuk wilayah yang diteliti

3/1/1 3

Metode Interpolasi

Global Methods:

menggunakan semua data yang tersedia untuk

memberikan prediksi untuk seluruh wilayah kajian, Digunakan bukan untuk interpolasi langsung tetapi untuk memeriksa dan mungkin menghapus efek dari variasi yang besar (global)

Local deterministic methods:

menggunakan data yang tersedia dalam zona

kecil di sekitar titik yang diinterpolasi

3/1/1 3

Interpolasi Global

Interpretasi Global menggunakan model klasifikasi,

Umumnya digunakan untuk mendefinisikan 'poligon yang homogen' seperti: unit tanah, unit lansekap, dll Asumsi: dalam-unit, variasi lebih kecil daripada antar unit,
perubahan yang paling penting terjadi pada batas (boundary/ border) Model Statistik digunakan untuk menghitung prediksi dengan metode standard analysis of variance (ANOVA)

Z(x0) = + k +
dimana: z : Nilai atribut dari lokasi x0,
: mean umum dari z over the domain of interest, k: simpangan dan unit mean dari k, : kesalahan (ganggaun)

3/1/1 3

Global Interpolation

Data points

Flood frequency

Zinc levels predicted by flood frequency

KECAMATAN

DESA

LOKASI E 106.75982 106.77097 106.73927 106.76189 106.7621 106.76975 106.75178 106.76036 106.72696 106.73959 106.74454 106.7525 106.74452 106.76698 106.74586 106.73641 106.78322 106.77892 106.80373 106.77821 S 6.84528 6.86994 6.84721 6.8342 6.82109 6.81578 6.83155 6.80943 6.77286 6.79408 6.80054 6.79878 6.79112 6.79473 6.78046 6.76586 6.7835 6.79871 6.76486 6.67811

ALTI METER (Meter)

Jumlah Penderita Diare Tahun 2008 Juni Des 10 9 23 16 11 14 21 15 70 66 57 59 57 54 51 50 36 17 8 7

Jumlah Penderita Diare Tahun 2009 Juni 14 10 28 13 20 16 21 13 60 35 44 28 25 19 32 33 28 14 20 26 Des 20 21 14 14 18 11 23 14 40 41 34 32 27 26 25 30 41 38 41 11

Parungkuda

Parungkuda

Sundawenang Palasarihilir

3/1/1 3

416 400 486 436 464 508 434 494 715 577 544 527 569 511 615 743 523 522 574 539

9 11 22 15 13 15 27 16 54 26 27 19 14 26 13 11 33 23 9 8

Bojongkokosan Kompa Pd landeuh Langensari Babakanjaya Cidahu Cidahu Jayabakti Pd Tengah Pd Tonggoh Pasirdoton Babakanpari Tangkil Girijaya Cicurug Cicurug Nyangkowek Benda Pasawahan

3/1/1 3

Contoh Hasil

Misalkan Banyaknya diare ditetukan oleh posisi lintang Utara (LU) dan Bujur Timur (BT) Persamaan Regresi menjadi C5 = 12634 - 104 LU - 111 BT Analysis of Variance DF SS MS F Source P Regression 2 1150.8 575.4 1.62 0.214 32 11393.2 356.0 Error 34 12544.0 Total

3/1/1 3

Contoh Hasil

Persamaan Regresi C5 = - 2599458 + 38202 LU + 46351 BT - 2822 LU2 - 217 BT2

Analysis of Variance Source DF SS Regression 4 2637.9 Error 30 9906.1 Total 34 12544.0

MS 659.5 330.2

F 2.00

P 0.120

Tidak Signifikan 10 % (Jika P < 0,1 persamaan Regresi menjadi Signifikan)

Persamaan/1Regresi menjadi 3/1 3 C5 = - 119464 + 36999 LU - 2733 LU2 - 0.501 BT2 Source DF Regression 3 0.064 Error 31 Total 34 Predictor Constant LU 0.044 SS 2580.8 9963.2 12544.0 MS 860.3 321.4 F 2.68 P

Coef -119464 36999

StDev 59907 17589

T -1.99 2.10

P 0.055

3/1/1 3

Interpolasi Lokal

Menggunakan informasi dari datatitik (point)

terdekat secara langsung

Melibatkan:

Mendefinisikan area pencarian (neighbourhood) di sekitar titik yang diprediksi, Menemukan titik data dalam neighbourhood, Memilih fungsi matematika untuk mewakili variasi dari jumlah point yang terbatas, Evaluasi titik pada grid reguler

Prosedur ini diulang sampai semua titik-titik pada grid telah dihitung

Fungsi Interpolasi Lokal 3/1/1 3

Nearest neighbours : Thiesen (Dirichlet/Voronoi)

polygons, Linier interpolation (inverse distance weighting), Splines. Optimal functions using spatial covariation (Kriging).

3/1/1 3

Nearest neighbours
Prediksi atribut pada

lokasi yang tidak disampel disediakan oleh titik data tunggal terdekat (nearest single data point) sampai dengan cara yang benar-benar ditentukan oleh konfigurasi titik data, dengan satu pengamatan per sel
Thiessen polygons

Membagi daerah

3 Metode ini hanya mengandalkan perbedaan jarak, dimana setiap titik dalam wilayah sampel memberikan pengaruh secara proporsional sesuai jarak.

Metode Invers Distance 3/1/1

Secara umum rumus penduga v dengan metode invers distance di atas telah dikembangkan sedemikian rupa untuk menyatakan bahwa pengaruh jarak tidak musti bersifat linier, bisa jadi kuadratik atau akar kuadrat dan lain-lain. Bentuk rumus umum dapat dituliskan : Dimana p adalah bilangan real yang merupakan pangkat dari jarak dimana nilai p > 0. Perbedaan pemberian nilai p akan menghasilkan nilai dugaan yang berbeda-beda dan tergantung pada asumsi kasus yang sedang dihadapi. Jika nilai p mendekati nol, maka penduga titik tak ubahnya seperti nilai rata-rata dari semua nilai titik pada wilayah sampel. Namun jika nilai p mendekati tak hingga, nilai dugaan v mendekati nilai penduga dengan metode Polygonal.

Contoh Interpolasi 3/1/1 3 dengan Tetangga Terdekat

7 6 5 4 3 2 1 0
1

15 14 13 15 14 13 12 4

16
3 2

15 14 2

3/1/1 3

Uji Kebaikannya

Mekanisme interpolasi secara Jackknife pada

titik-titik adalah sebagai berikut:

Titik pertama diinterpolasi dengan menggunakan

n-1 data titik lain berikutnya. Titik kedua dinterpolasi dengan menggunakan data titik pertama dan n-1 titik lain berikutnya Titik ketiga diinterpolasi dengan data titik pertama dan kedua serta n-1 titik lain berikutnya. Demikian seterusnya hingga titik yang ke n, diinterpolasi dengan data n-1 lain titik sebelumnya. RMSEP (Root Mean Square Error Predicted) dan korelasi beserta analisisnya

Contoh Hasil Analisis 3Demam Berdarah di Sukabumi /1/1 3

Desember 2008

Juni 2009

Desember 2009

Metode Ordinary Kriging 3/1/1 3

Ordinary Kriging merupakan interpolasi

suatu nilai peubah pada suatu titik (lokasi) tertentu yang dilakukan dengan mengamati data yang sejenis di lokasi lainnya. Nilai dugaan diperoleh dengan rumus (Isaaks dan Srivastava, 1989) :

vi wi

: nilai dugaan peubah v pada titik p : nilai peubah v pada titik ke- i : pembobot pada titik ke-i

3/1/1 Contoh Hasil Interpolasi 3

x x x

x xx x

N ) O (S D . 5 55 . . 5 55 . 5 55 . . . 5 55 . . . . . . . . .

x x x

x xx x

N O . 5. 55 5. 55 5. 55 . . . . 5. 55 5. 55 . . . . . .

555 . y

x x

555 .

x x

x xx x xx x x x x

x x

x xx x xx x x x x

x x

. .

. x

. .

. x

555 .

Sudut nol
.

Sudut 45
N O
.

x x x

x xx x

x x x

x xx x

N O . 5 55 . 5 55 . 5 55 . . . . . . . . . . . . .

5 . 55 y

x x

x xx x xx x x x x

x x

. .

. x

5 . 55

. . . 5 55 . 5 55 . 5 55 . . . . 5 55 . . . . . . .

5 . 55 y

x x

x xx x xx x x x x

x x

. .

. x

5 . 55

Sudut 22.5

Sudut 90

3/1/1 3

Terima Kasih