Anda di halaman 1dari 19

Teori Kriging

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

Contoh Kriging
g g Blok
Sistem Persamaan Kriging

,
1,89
,
1,89
,
1,89
,
1 1 0,88
,
0 1,89

1,89
0
2
2
2
1

1,86

1,89
1 89 2
0
2
2 1 3 1,86
1 86

2
0
2 1 4 1,86
1,89 2
1,89
1 89 2
2
2
0 1 5 1,86
1 86

1
1
1
1 0 m 1
1
1 0, 60 , 2 3 4 5 0,1 , 0,12

Contoh Kriging
g g Blok
Model Estimasi

Z V 0, 6 Z1 0,1( Z 2 Z 3 Z 4 Z 5 )

2
OK

i iV m V, V
i 1

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.

19