Perbedaan Metode Interpolasi IDW, Krigging, Nearest Neighbour, danSpline

CintyaKusumawardaniC54090013
Metode Inverse Distance Weighted (IDW)
Metode Inverse Distance Weighted (IDW) merupakan metode deterministicyang sederhana
dengan mempertimbangkan titik disekitarnya (NCGIA, 1997).Asumsi dari metode ini adalah
nilai interpolasi akan lebih mirip pada data sampelyang dekat daripada yang lebih jauh. Bobot
(weight) akan berubah secara linear sesuai dengan jaraknya dengan data sampel. Bobot ini tidak
akan dipengaruhi olehletak dari data sampel. Metode ini biasanya digunakan dalam industri
pertambangankarena mudah untuk digunakan. Pemilihan nilai pada power sangat
mempengaruhihasil interpolasi. Nilai power yang tinggi akan memberikan hasil
sepertimenggunakan interpolasi nearest neighbor dimana nilai yang didapatkan merupakannilai
dari data point terdekat.Kerugian dari metode IDW adalah nilai hasil interpolasi terbatas pada
nilaiyang ada pada data sampel. Pengaruh dari data sampel terhadap hasil interpolasidisebut
sebagi isotropic. Dengan kata lain, karena metode ini menggunakan rata-ratadari data sampel
sehingga nilainya tidak bisa lebih kecil dari minimum atau lebih besar dari data sampel. Jadi,
puncak bukit atau lembah terdalam tidak dapatditampilkan 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 nilaic. Ukuran pixel/raster yang dikehendaki

Perbedaan Metode Interpolasi IDW, Krigging, Nearest Neighbour, danSpline

CintyaKusumawardaniC54090013
Metode Interpolasi kriging
Metode Kriging adalah estimasi stochastic yang mirip dengan InverseDistance Weighted (IDW)
dimana menggunakan kombinasi linear dari weight untuk memperkirakan nilai diantara sampel
data. Metode ini diketemukan oleh D.L. Krigeuntuk memperkirakan nilai dari bahan tambang.
Asumsi dari metode ini adalah jarak dan orientasi antara sampel data menunjukkan korelasi
spasial yang penting dalamhasil (ESRI, 1996).Metode Kriging sangat banyak menggunakan
sistem komputer dalam perhitungan. Kecepatan perhitungan tergantung dari banyaknya sampel
data yangdigunakan dan cakupan dari wilayah yang diperhitungkan. Tidak seperti metodeIDW,
Kriging memberikan ukuran error dan confidence. Metode ini menggunakansemivariogram yang
merepresentasikan perbedaan spasial dan nilai diantara semua pasangan sampel data.
Semivariogram juga menunjukkan bobot (weight) yangdigunakan dalam interpolasi.
Semivariogram dihitung berdasarkan sampelsemivariogram dengan jarak h, beda nilai z dan
jumlah sampel data n. Pada gambar ini juga ditunjukkan grafik dari sebuah semivariogram. Pada
jarak yang dekat (sumbuhorisontal), 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 adalahdengan
cara spherical, circular, exponential, gaussian dan linear (ESRI, 1999). Sifat-sifat Kriging :

Str
uktur dan korelasi variabel melalui fungsi (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 datayang akuratDalam
hal ini jarak sampel yang pertama atau kedua tidak mempengaruhi.

Perbedaan Metode Interpolasi IDW, Krigging, Nearest Neighbour, danSpline

CintyaKusumawardaniC54090013
Efek screen ini akan terjadi, jika tidak ada nugget effect atau kecil sekali
=
C0/C

Efek nugget ini menurunkan efek screenUntuk efek nugget yang besar, semuai contoh
mempunyai bobot yang sama.Model KriggingAda 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 dalamsuatu data (misalnya angin), dan
dapat dimodelkan sebagai fungsideterministik.Universal Kriging dapat digunakan bila kita tahu
cara menggunakandan memberikan kebenaran secara ilmiah. Sehingga model ini jarang
sekalidigunakan dalam menganalisa suatu data.Dalam interpolasi kriging terdapat beberapa
model, yaitu:1.Bulat:ini dihitung variogramme sebagai fungsi kuadrat dimodifikasi untuk yang
di beberapa Ao jarak, pasang poin tidak akan lagi secara otomatis berkorelasi danvariogramme
mencapai asimtot.2. Edaran: menggunakan model lingkungan pencarian melingkar dengan
radiustertentu.3. Eksponensial: model eksponensial mirip dengan bola dalam hal ini
mendekatiambang jendela secara bertahap. Namun, berbeda dari boladi tingkat ambang
yangmendekat dan dalam kenyataan bahwa model dan ambang jendela pernah benar-
benarbertemu.4. Gaussian: model gaussian atau hiperbolik mirip dengan eksponensial
tetapimengasumsikan kenaikan bertahap untuk y-intercept.5. Linier dengan ambang: model ini
mirip dengan model linier kecuali bahwa padabeberapa pasangan jarak poin akanada mobil lagi
berkorelasi dan variogram akan mencapai asimtot mendadak.Hasil Akhir dari Kriging