Laporan 2 Pemtem Alif
Laporan 2 Pemtem Alif
Laporan 2 Pemtem Alif
DAN KRIGING
Alif Algifari
15114086
Teknik Geodesi dan Geomatika, Fakultas Ilmu dan Teknologi Kebumian, Institut Teknologi Bandung, Bandung,
Indonesia
alifalgifari@students.itb.ac.id
Interpolasi adalah metode untuk mendapatkan data berdasarkan beberapa data yang telah diketahui.
Dalam pemetaan, interpolasi spasial adalah proses estimasi nilai pada wilayah yang tidak disampel atau
diukur, sehingga terbentuk peta atau sebaran nilai pada seluruh wilayah. Interpolasi spasial
mengasumsikan bahwa atribut data bersifat kontinu di dalam ruang dan atribut ini saling berhubungan
(dependence) secara spasial. Metode interpolasi yang sering digunakan dalam Sistem Informasi
Geografis, masing masing metode memiliki karakteristik serta kelebihan dan kekurangan masing-masing.
Metode interpolasi tersebut antara lain Inverse Distance Weighted (IDW), Natural Neighbor, Kriging dan
Spline.
Metode Inverse Distance Weighted (IDW) merupakan metode deterministik yang sederhana dengan
mempertimbangkan titik disekitarnya. 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
Kriging adalah metode geostatistik yang digunakan untuk mengestimasi nilai dari sebuah titik atau
blok sebagai kombinasi linier dari nilai conto yang terdapat disekitar titik yang akan diestimasi. Bobot
kriging diperoleh dari hasil variansi estimasi minimum dengan memperluas penggunaan semi-variogram.
Estimator kriging dapat diartikan sebagai variabel tidak bias dan penjumlahan dari keseluruhan bobot
adalah satu. Bobot inilah yang dipakai untuk mengestimasi nilai dari ketebalan, ketinggian, kadar atau
variabel lain. Kriging memberikan lebih banyak bobot pada conto dengan jarak terdekat dibandingkan
dengan conto dengan jarak lebih jauh, kemenerusan dan anisotropi merupakan pertimbangan yang
penting dalam kriging, bentuk geometri dari data dan karakter variabel yang diestimasi serta besar dari
blok juga ditaksir.
Pada praktikum ini dilakukan analisis perbandingan hasil interpolasi dan nilai Root-Mean-Square
Error dari metode interpolasi IDW dan Krigging serta variasi tipenya. Berikut beberapa tabel hasil
pengolahan data :
Metode Sampling Eksponen Min. Neighbours = 3 Min. Neighbours = 10 Min. Neighbours = 100
Max. Neighbours = 3 Max. Neighbours = 15 Max. Neighbours = 150
Spot Height Random 1 34.973 32.401 31.475
Spot Height Semi-Random 1 36.779 34.194 33.244
Spot Height Stratified 2 25.246 25.983 25.931
Tabel 2 Hasil Perbandingan RMS Interpolasi IDW dengan Mengubah Min. Neighbours dan Max. Neighbours
Metode Sampling Metode Interpolasi Hasil Visualisasi ArcGIS Hasil Visualisasi Surfer
Spot Height Random IDW, dengan
-Eksponen 1
-Min. Neighbours = 100
-Max. Neighbours = 150
Kriging, dengan
-Tipe Ordinary/Universal
-Tipe Model Gaussian
Kriging, dengan
-Tipe Ordinary/Universal
-Tipe Model Gaussian
Kriging, dengan
-Tipe Ordinary/Universal
-Tipe Model Circular
Tabel 4 Hasil Visualisasi Metode Interpolasi Inverse Distance Weighted (IDW) dan Kriging
SRTM_5km
Perbandingan hasil interpolasi dan nilai RMSE Tabel Hasil dari pengolahan data dengan
variasi metode interpolasi diperlihatkan dan disusun dalam table 1, 2, dan 3. Data spot height
random dengan RMSE terkecil adalah metode IDW dengan min neighbours = 100, max
neighbours = 150 dan eksponen 1 serta metode kriging dengan ordinary/universal gaussian. Data
spot height semi-random dengan RMSE terkecil adalah metode IDW dengan min neighbours =
100, max neighbours = 150 dan eksponen 1 serta metode kriging dengan ordinary/universal
gaussian. Data spot height stratified dengan RMSE terkecil adalah metode IDW dengan min
neighbours = 3, max neighbours = 3 dan eksponen 2 serta metode kriging dengan
ordinary/universal circular. Perbandingan visualisasi yang dihasilkan spot height random jenis
ordinary/universal gaussian memiliki bentuk paling sesuai dengan figur SRTM 5 KM. Maka
metode yang akan digunakan adalah yang menghasilkan visualisasi yang paling baik dan benar
serta interpolasi yang memiliki RMSE paling kecil.
Referensi :
https://id.wikipedia.org/wiki/Kriging
http://www.academia.edu/18155069/INTERPOLASI_DATA_METODE_IDW_DAN_KRIGING
,
https://denmoko.wordpress.com/2012/05/10/interpolasi-inverse-distance-weighted/