GEOSTATISTIKA
Disusun Oleh:
YEHEZKIEL OTP RG
112.14.0025
KELAS D
1.2 Tujuan
1. Mengenal aplikasi ilmu statistik pada bidang lain khususnya dalam bidang ilmu
geostatistik.
2. Mempelajari metode kriging sebagai salah satu analisis yang digunakan pada
analisis data geostatistika.
3. Mempelajari cara penggunaan software GS+win10
BAB II
ISI
Semivariogram Eksperimental
Semivariogram adalah perbedaan rata-rata antara dua titik yang terpisah dengan
jarak pada arah tertentu. Semivariogram eksperimental adalah semivariogram
yang diperoleh dari data hasil pengukuran. Semivariogram dapat digunakan untuk
mengukur korelasi spasial berupa variansi selisih pengamatan pada lokasi x dan
lokasi berjarak x + h.
Semivariogram Teoritis
Untuk melakukan analisa data geostatistik perlu dilakukan pencocokan antara
bentuk semivariogram eksperimental dengan semivariogram teoritis yang
mempunyai bentuk kurva paling mendekati. Terdapat tiga model semivariogram
teoritis yang sering digunakan sebagai pembanding dengan semivariogram
eksperimental, yaitu: model spherical, model gaussian dan model eksponensial.
Dari analisis variogram akan diperoleh nilai parameter nugget (Co), range (a) dan
sill (C).
Ordinary Kriging
Ordinary kriging adalah metode kriging paling sederhana yang terdapat pada
geostatistik. Pada metode ini diasumsikan bahwa rata-rata (mean) tidak diketahui
dan bernilai konstan. Beberapa hal yang perlu diperhatikan dalam pengolahan data
dengan metode ordinary kriging antara lain:
1. Mencari nilai rata-rata di seluruh blok.
2. Mempertimbangkan kondisi tak bias dengan menentukan jumlah faktor
pembobotsama dengan satu.
3. Nilai yang diharapkan untuk perbedaan antara Ẑ𝑥 dengan Z sama dengan nol (
Ẑ𝑥 - Z ) = 0.
BAB III
HASIL DAN PEMBAHASAN
3.1. Langkah Kerja
b. Beri nama dari variable X,Y,Z dengan klik di bagian bawah masing-masing
variable, beri nama lalu klik Ok
Data Z
Data Z2
c. Simpan data untuk mencegah hilangnya pekerjaan akibat hal-hal yang tidak
terduga dengan klik File-> Save As -> Simpan file di folder yang
dikehendaki dan beri nama -> Save As
Data Z
Data Z2
3. Analisis Variogram, dengan cara :
a. Klik Autocorrelation pada menu toolbar -> Variogram -> Primary
Variate(Z)
Klik Autocorrelation pada menu toolbar -> Variogram -> Secondary Variate (Z2)
Sehingga akan muncul tampilan :
Primary Variate
b. Untuk melihat hasil variogram dari data tersebut, isi Active Lag Distance,
Uniform Interval serta Offset Toleransinya, biasanya sudah terisi otomatis,
kemudian klik Calculate, maka akan muncul
e. Untuk merubah tampilan konturnya, klik double pada gambar, maka akan
muncul tampilan : ( Lakukan yang sama pada Data Z2 )
Untuk merubah warna kontur, klik Contour Details pada Graph Setting,
pilih Define, dan edit warna sesuai yang kita inginkan, lalu klik ok
Untuk melihat dalam 3D, klik double pada gambar, lalu pilih 3d dan klik
Ok
Untuk melihat hasil estimasi kriging dan standar deviasi dari data, pilih x
untuk exit dari gambaran 3d, lalu pada map klik view
Maka akan muncul tampilan sebagai berikut
Untuk melihat nilai dari X-Validate, klik kanan pada gambar, lalu pilih List
Values
Maka akan muncul nilainya, seperti tampilan ini :
3. Setelah itu akan muncul tampilan dibawah ini,kemudian klik model untuk
memilih model variogram yang diinginkan kemudian klik OK -> Calculate
5. Kemudian akan muncul tampilan seperti dibawah ini dan ubah batas minimum
Number of Neighbors dengan 2, pilih IDW -> Weighting Power dan ubah
menjadi 10 untuk pangkat 10
6. Setelah itu klik Calculate dan akan muncul tampilan Map 2D, untuk mengubah
tampilan ke 3D dapat mengklik 2x tampilan 2D dan akan muncul
pengaturan jika ingin mengubahnya ke 3D
7. Kemudian klik Validate dan akan muncul tampilan hasil regresi dari model
variogram, dari regresi didapatkan hasil Regression coefficient, SE, r2, y
intercept, SE prediction, n.
8. Bila ingin mengubah pangkat ke 50 dapat mengklik IDW -> Weighting Power
dan ubah ke 50
Model Variogram