Kurniawan Akbar, ST

Jurusan Teknik Pertambangan FT UVRI Makassar

Semester Ganjil Tahun 2012/2013

1
Subpokok Bahasan
4.1 Pendahuluan
4.2 Variogram, Covariogram, Correlogram
4.3 Model-model Variogram
4.4 Pemodelan Variogram

2
4.1 Pendahuluan
Derajat ketergantungan spasial antarsampel diukur dengan
besaran variance atau semivariance. Besar nilai
(magnitude) dari semivariance antartitik tergantung pada
jarak antartitik.
Plot dari semivariance sebagai fungsi dari jarak dari suatu
titik disebut sebagai semivariogram atau variogram.
Variogram digunakan untuk memodelkan bagaimana dua
nilai di dalam ruang atau waktu saling berkorelasi.
Secara intuitif, sebagian besar orang mengetahui bahwa
dua nilai di dalam ruang yang saling berdekatan akan
cenderung saling serupa dibandingkan dengan dua nilai
yang saling terpisah jauh.

3
Pendahuluan (lanjutan)
Statistika univariate tidak dapat memperhitungkan hal
tersebut di atas. Padahal, dua buah distribusi/sebaran bisa
memiliki nilai rata-rata dan variansi yang sama, akan tetapi
berbeda di dalam cara keduanya saling berkorelasi.
Geostatistika memungkinkan kita untuk mengkuantifikasi
korelasi antar setiap dua nilai yang dipisahkan oleh jarak h
(biasanya disebut lag distance) dan menggunakan
informasi ini untuk membuat prediksi pada lokasi-lokasi
yang tidak disampel.

4
Pendahuluan (lanjutan)
Pemodelan variogram adalah
pemodelan dari suatu
struktur korelasi spasial.
Pemodelan variogram
menjadi prasyarat untuk
kriging atau untuk membuat
prediksi.
Variogram biasanya
dijabarkan dengan 2 buah
parameter, yakni: range dan Gambar 1 Parameter Variogram

sill.
Range adalah jarak lag dimana semua nilai-nilai yang saling berurutan adalah
saling- bebas/independen satu sama lain.
Sill adalah nilai variogram yang berkaitan dengan range.
5
4.2 Variogram, Covariogram, Correlogram

Di dalam kriging, kita gunakan salah satu dari tiga fungsi

berikut yang ditentukan dari fungsi permukaan yang akan
diestimasi:
variogram
covariogram
correlogram

6
Untuk menjelaskan fungsi-fungsi tersebut, kita asumsikan
bahwa fungsi f(x) diketahui.

S : Wilayah studi
A : Area dari S
f(x) : Fungsi permukaan yang ditentukan
Tujuan kita adalah untuk mengestimasi f(x) di
dalam S dari data pengamatan di titik-titik sampel.

S 61 76

74
83
66 80

7
Variogram
Definisi Variogram:

1 N (h)
( h) i ih
2 N (h) i1
( z z ) 2

Fungsi variogram mengindikasikan nilai rata-rata (kuadrat)

selisih nilai permukaan antara dua titik yang berjarak h. Oleh
sebab itu, dari fungsi variogram kita bisa melihat bagaimana f(x)
berfluktuasi di dalam S.

Biasanya, fungsi variogram naik monoton dengan h, karena

nilai-nilai permukaan pada lokasi-lokasi yang berdekatan akan
lebih serupa (sama) dibandingkan dengan yang lokasinya saling
berjauhan. hal ini memberikan dasar teoritis untuk beragam
metode interpolasi spasial.
8
Variogram
Meskipun demikian, sering pula ditemukan fungsi-
fungsi variogram yang tidak naik monoton dengan h.
Variogram adalah suatu fungsi dari h, yaitu jarak
antara dua titik di dalam S. Hal ini berarti bahwa
variogram tersebut tidak memperhitungkan anisotropi
di dalam fluktuasi dari fungsi permukaan. Variogram
tipe ini dinamakan variogram isotropi.
Di lain pihak, ada yang disebut variogram
anisotropi yang secara eksplisit mempertimbangkan
anisotropi dari fungsi permukaan. Variogram
anisotropi adalah fungsi dari jarak h dan arah .

9
Covariogram
Covariogram dan Correlogram juga merupakan fungsi dari h,
yakni jarak antara 2 titik di dalam S, dan keduanya juga
merepresentasikan fluktuasi dari fungsi permukaan.

Covariogram:

C (h)
: nilai rata-rata f(x) di dalam S
f ( x)dx
xS
A
Covariogram berhubungan dengan covariance yang digunakan
secara umum di dalam statistika.

10
Covariogram
Jika kita asumsikan bahwa fungsi permukaan f(x)
mengikuti suatu proses stokastik maka covariance dari
dua buah titik yang berjarak h diberikan oleh
covariogram.
Hubungan antara Variogram dan Covariogram:
C(h) = 2 - (h)
2 : variance dari fungsi f(x)

f ( x) dx
2



2 xS
A

11
Covariogram
Fungsi tersebut menunjukkan bahwa variogram dan
covariogram adalah ekivalen dalam pengertian bahwa
keduanya saling melengkapi.

Hal ini memperlihatkan bahwa, semakin besar jarak

lag h maka nilai variogram semakin besar; semakin
besar jarak lag h maka nilai covariance akan semakin
kecil.

12
Correlogram
(h)
(h) C(h2 )

Hubungan antara Variogram dan Correlogram:
(h) 1 (h2)

Sama halnya dengan fungsi covariogram, fungsi correlogram
biasanya merupakan fungsi yang monoton turun dengan h.
Ketiga fungsi (variogram, covariogram, dan correlogram) adalah
ekivalen. Kita dapat menghitung nilai dari setiap ketiga fungsi
itu dari fungsi-fungsi lainnya

13
4.3 Model-model Variogram
Jika kita ingin memodelkan variogram, kita harus
menentukan tipe dari model variogram yang akan
digunakan.
Terdapat beberapa tipe variogram/semivariogram, al.:
Linear
Sferikal
Eksponensial
Kuadratik
Gelombang (Wave)
Power
14
 Model-model semivariogram
Linear :
(h) = C0+bh

Sferikal :
(h) = C0+C1[1.5(h/a)-0.5(h/a)3]

Eksponensial :
(h) = C0+C1[1-e(-h/a)]
dimana C - koefisien, a - range

Beberapa model semivariogram: (a) Sferikal; (b) Eksponensal; (c) Linear; (d) Gaussian
(Burrough & McDonnell 1998)) 15
Deskriptor Semivariogram
Nugget variabilitas pada jarak nol,
mencerminkan kesalahan sampling dan
kesalahan analitis.
Range cakupan trend spasial; jarak batas
dimana di luar itu sampel bersifat independen
secara spasial.
Sill variabilitas dari sampel-sampel yang
independen secara spasial

16
Semivariogram
Dependen secara Spatial Independen secara spasial

60
Semivariance

50
40
30
20
10
0
0 50 100 150 200

Lag (m)
Gambar 2 Semivariogram
17
Penggunaan Semivariogram
Gunakan range untuk menentukan jarak
maksimum sampling.
Sill mengindikasikan variabilitas intra-field.
Model dapat digunakan untuk
menginterpolasi nilai-nilai di area yang tidak
disampel.

18
4.4 Pemodelan Variogram
Pemodelan variogram bukanlah tugas yang mudah atau
sederhana. Pengembangan suatu model variogram yang sesuai
untuk suatu set data memerlukan pemahaman dan penerapan
dari konsep-konsep dan perangkat statistika lanjut (advanced);
Hal inilah yang merupakan ilmu pemodelan variogram.

Di samping itu, pengembangan suatu model variogram yang

sesuai untuk suatu set data juga memerlukan pengetahuan
mengenai trik-trik, traps, pitfalls, dan aproksimasi di dalam
mencocokkan sebuah model teoritis ke data dunia nyata (real
world); Hal inilah yang merupakan seni pemodelan variogram.

Kedua keahlian tersebut (ilmu dan seni) diperlukan agar sukses

dalam pemodelan variogram.

19
Pemodelan Variogram
Pengembangan sebuah model variogram yang sesuai
memerlukan sejumlah keputusan yang benar. Keputusan-
keputusan tersebut hanya dapat dibuat dengan
pengetahuan yang mendalam mengenai data yang
ditangani dan pemahaman yang kompeten mengenai asal-
usul data.

Aturan mendasar di dalam pemodelan variogram adalah:

Know Your Data !

Variogram adalah sebuah fungsi berdimensi tiga. Ada dua

variabel independen (arah , dan jarak lag h) dan satu
variabel dependen (nilai variogram (,h)).

20
Bagaimana kita menghitung semivariogram empiris?
1) Tentukan jarak lag h, yaitu jarak antara setiap dua titik di
dalam data. Misal 100 ft.
2) Dari pengukuran, ambil semua pasangan titik yang
berjarak pisah 100 ft. Untuk setiap pasangan titik
tersebut hitung selisih nilai datanya (z(x+h) z(x))
kemudian kuadratkan. Jumlahkan semua nilai kuadrat
selisih tersebut kemudian bagi dengan 2 x jumlah
pasangan. Dari sini akan diperoleh nilai variogram untuk
jarak lag h tertentu.

(h) ( z ( x h) z ( x))
2

2n

21
Bagaimana kita menghitung semivariogram empiris?
3) Lakukan hal yang sama untuk jarak lag lainnya, misalnya
200 ft, 300 ft, 400 ft, dst.
4) Plot nilai (semi)variogram versus jarak lag. Akan kita
peroleh semivariogram eksperimental, atau disebut
semivariogram saja.

Gambar 3
Dari Peta Sampel ke Variogram Eksperimental
22
Pemodelan Variogram
Secara umum, pada jarak lag yang lebih kecil maka nilai
variogram juga akan lebih kecil. Untuk jarak lag yang lebih
besar maka nilai variogram akan lebih besar.

Namun, pada jarak lag yang disebut range variogram

akan stabil. Nilai variogram pada titik ini disebut sill. Pada
jarak lag yang lebih besar dari range maka nilai setiap dua
pasang titik akan saling independen satu sama lain.

Jika variogram akan dispesifikasikan untuk keperluan

kriging maka kita tentukan harga sill, range, nugget, dan
juga informasi tentang anisotropi.

23
Toleransi Jarak Lag
Jika data tidak beraturan (irregularly spaced), maka kita tidak
bisa mendapatkan pasangan titik data yang benar-benar
berjarak pisah 100 ft atau 200 ft. Dalam hal ini kita perlu
menentukan nilai toleransi jarak lag.
Toleransi biasanya diambil sebesar setengah kali jarak lag.
Misalnya, jika jarak lag adalah 100 ft maka toleransi lag adalah
+/- 50 ft, atau dpl. kita ambil semua pasangan titik yang berjarak
pisah 100 ft +/- 50 ft. Hal ini untuk memastikan bahwa kita
akan mendapatkan cukup banyak pasangan titik data untuk
suatu jarak lag tertentu.
Ketika kita mengeplot variogramnya maka jarak lag adalah rata-
rata dari semua jarak pisah antara setiap pasangan titik data yang
tercakup ke dalam batas-batas toleransi tersebut.
Makin besar toleransi jarak lag makin banyak pasangan titik
data yang kita dapatkan dan variogram akan tampak semakin
mulus.
24
Toleransi Arah
Dengan menentukan suatu nilai toleransi untuk arah
maka kita bisa menghitung variogram directional (arah).
Normalnya, kita bisa memilih asimut atau arah untuk
menganalisis, misalnya 450. Kemudian kita ambil semua
pasangan titik yang berada pada arah ini ditambah nilai
toleransi untuk setiap sisi asimut (misal 300) dan kita
hitung variogramnya.
Nilai toleransi sebesar 900 menunjukkan itu adalah
variogram omnidirectional, tidak memperhatikan
asimut.
Semakin besar nilai toleransi arah maka semakin banyak
pasangan titik yang akan kita dapatkan.

25
Beberapa Teknik yang Diperlukan dalam Pemodelan
Variogram
Pemodelan variogram memerlukan pengalaman dan latihan.
Tip-tip praktis yang dapat kita coba akan berbeda dari data
ke data. Namun, ada beberapa tip umum yang dapat
digunakan, al.:
Cek jumlah pasangan titik data yang mencukupi untuk setiap jarak
lag (dari 30 sd. 50 pasang).
Buang outliers dengan menggunakan scatterplot (lihat Gambar 3).
Gunakan toleransi jarak lag yang lebih besar untuk memastikan
jumlah pasangan titik yang cukup.
Mulai dengan variogram omnidirectional sebelum menggunakan
variogram directional. Jika variogram omnidirectional -nya tampak
buruk maka kita tidak bisa berharap akan memperoleh struktur
dalam variogram directional.
Gunakan fungsi-fungsi lain (mis. correlogram) untuk
memperhitungkan nilai rata-rata dan variansi jarak lag.

26
1. PERHITUNGAN VARIOGRAM

Delfiner mendefinisikan bahwa perbedaan kuadrat tersebut diasumsikan sebagai

ekspektasi [z(xi) - z(xi+h)], sehingga definisi variogram menjadi :
2g(h) = var [z(xi) - z(xi+h)]
dimana : 2g(h) = variogram
var = varians.

1.1Variogram eksperimental
Dari fungsi tersebut dapat didefinisikan semivariogram sebagai berikut :

dimana : g (h) = (semi)variogram untuk arah tertentu dan jarak h

h = 1d, 2d, 3d, 4d (d = jarak antar conto)
z(xi) = harga (data) pada titik xi
z(xi+h) = data pada titik yang berjarak h dari xi
N(h) = jumlah pasangan data.

27
28
29