g g MA5182 Topik p dalam Statistika I: Statistika Spasial p 1 November 2012 Utriweni Mukhaiyar
Tujuan Kriging Mencari penaksir tak-bias tak bias linier terbaik. terbaik Kriteria terbaik: variansi minimum. Memilih rata-rata berbobot dari nilai sampel yang memiliki variansi minimum. minimum Interpolasi spasial.
Jenis Kriging Ordinary Kriging (OK) Digunakan jika mean tidak diketahui. Simple Kriging (SK) Digunakan jika mean diketahui. diketahui
Persamaan Kriging Misalkan terdapat n data spasial: Z(s1), Z(s2),..., Z(sn). Fungsi linier yang akan diestimasi/ditaksir adalah: Z(s). Z(s) Untuk lokasi tertentu: Z(s0) dapat d b berupa rataan dari d i suatu lokasi. Secara umum yang akan diestimasi: ZV.
Persamaan Kriging
Ditaksir: 1 ZV Z ( s )ds VV
Penaksir:
ZV i Z ( si ) i 1
: bobot untuk lokasi i,
i i=1,2,...,n. i=1 2 n
Kriteria Pemilihat Bobot
1 1.
Tak Bias
E ZV ZV 0
2 2.
Penaksir:
min Var ZV ZV
minimum variansi error
error terhadap bobot. Disebut juga: Variansi Kriging.
O di Ordinary K Kriging i i Mean, E[Z], Mean E[Z] tidak diketahui. diketahui Asumsi stasioner: E[ZV] = E[Z] = . Tak bias:
n n
0 E i Z si Z V i i 1 i 1
i 1 i 1
atau
i 1
SK
OK
Ordinaryy Kriging g g Variansi Minimum
2 OK
Var Z V Z V
2 i si ,V i j si , s j V, V n
i 1
i 1 j 1
1 si ,V si s ds
|V|V 1 V,V , | V |2
s s 'dsds '
VV
Ordinaryy Kriging g g Variansi Minimum
1 , 2 ,..., n opt
min Var Z V Z V n i 1
i 1
Optimasi bersyarat : Lagrange multiplier.
Lagrange multiplier
V Var Z V Z V 2m i 1 i 1
0 , i 1, 2,..., n i
Sistem Persamaan Kriging (SPK)
n i si , s j m si , V i 1
i 1
i 1 n
2 OK V, V m i si ,V i 1
Solusi Persamaan AX=B
11 12
21 22
n1 n 2 1 1
C11 C12
C21 C22
Cn1 Cn 2 1 1
1n 2n
nn
C1n C2 n
Cnn 1
1 1 1V
1 2 2V
1 n nV 0 m 1 1 1 C1V
1 2 C2V
1 n CnV 0 m 1
Contoh Kriging Blok
V = 200m 200m i
si
(0, 0)
(0, 200) (-200, 0) (0, -200) (200, 0)
Akan dicari Z V dengan n = 5 titik
spasial. Diketahui: variabel stasioner dengan : Spherical (c = 2, a = 250m) s1 , V 0,88 , s2 , V 1,86 , V, V 1,13
0, 26 2 OK h hanya tergantung t t pada d konfigurasi k fi i titik sampell
dan independen dari nilai Z i , i 1,
1 2,...,5 2 5
Simple Kriging Mean diketahui. diketahui Misalkan Y(s) adalah variabel t teregionalisasi i li i dengan d mean nol. l Misalkan Z(s) = Y(s) + Estimator untuk Y(s):
YV i' Y ( si ) i 1
Estimator E ti t h harus ttak-bias k bi d dan variansi i i minimum mean error = 0
Simple Kriging
N '
E YV YV E iY ( si ) YV 0 i 1
Bersifat tak-bias karena E[Y(s)] = 0.
Sehingga tidak perlu ada syarat untuk g Lagrange) g g ) bobot ((tidak pperlu ppengali
2 N '
Var YV YV E iY ( si ) YV V
i 1 i' 'j C ( si , s j ) C V V,V V 2 i' C ( si , V)
Sistem Persamaan Kriging
2 N '
Var YV YV E iY ( si ) YV
i 1 i' 'j C ( si , s j ) C V,V , 2
'
j C (si , s j ) C si ,V ,
i 1, 2,..., N
2SK C V,V i' C si ,V
Simple Kriging Bobot untuk mean
' Z V YV i Z ( si )
i' Z ( si ) 1 i' Z ( si ) M ' i
R f Referensi i Armstrong, Margaret, 1998, Basic Linear Geostatistics, Springer-Verlag: Springer Verlag: Berlin. Berlin Catatan Kuliah MA7192 Topik Statistik Lanjut, 2005.
