PEMETAAN TEMATIK
Disusun oleh :
23116091
TEKNIK GEOMATIKA
PENDAHULUAN
Data di wilayah luasan perlu dipela-jari untuk berbagai kebutuhan seperti perencanaan
pembangunan , observasi benncana dan prediksi volume air di suatu wilayah. Survei lapangan
perlu dilakukan untuk mengumpulkan data. Dikarenakan kondisi alam yang terkadang buruk,
wilayah cakupan yang luas dan keterbatasan waktu serta dana, maka survey dilakukan dengan
mengambil beberapa titik sampel pengamatan.
Untuk mengolah dan menganalisa data secara spasial, Sistem Informasi Geografis (SIG)
biasanya digunakan. Didalam analisa spasial baik dalam format vektor maupun raster, diperlukan
data yang meliputi seluruh studi area. Oleh sebab itu, proses interpolasi perlu dilaksanakan untuk
mendapatkan nilai diantara titik sampel.
Ada beberapa metode yang bisa digunakan untuk melakukan interpolasi seperti Trend, Spline,
Inverse Distance Weighted (IDW) dan Kriging. Setiap metode ini akan memberikan hasil
interpolasi yang berbeda. Akan menjadi mudah dan bermanfaat bagi pengguna berikutnya apabila
ada kajian tentang perbandingan hasil interpolasi dengan metode yang berbeda sehingga metode
yang tepat bisa dipilih. Penelitian ini memfokuskan Akurasi Metode IDW dan Kriging untuk
Interpolasi Sebaran curah hujan.
1.2 Tujuan
Tujuan dari praktikum ini adalah :
Untuk mengetahui konsep dasar Interpolasi IDW dan Kriging
Mengetahui proses pembuatan Metode Interpolasi IDW dan Kriging di software ArcMAP
10.3
Memahami perbedaan IDW dan Kriging
1.3 Rumusan Masalah
Berdasarkan konten dari pembahasan di atas, maka dapat di ketahui rumusan masalah dalam
praktikum ini. Adapun rumusan masalah nya yaitu:
Konsep- konsep metode apa saja yang terdapat dalam proses interpolasi dalam
penggunaan software ARCMAP 10.3
Metode Interpolasi
Interpolasi adalah metode untuk mendapatkan data berdasarkan beberapa data yang telah
diketahui. Dalam pemetaan, interpolasi adalah proses estimasi nilai pada wilayah yang tidak
disampel atau diukur, sehingga ter-buatlah peta atau sebaran nilai pada seluruh wilayah. Didalam
melakukan interpolasi, sudah pasti dihasilkan. Error yang dihasilkan sebelum melakukan
interpolasi bisa dikarenakan kesalahan menentukan metode sampling data, kesalahan dalam
pengukuran dan kesalahan dalam analisa di laboratorium. Pada tulisan ini, akan dijelaskan
penggunaan metode IDW dan Kriging untuk interpolasi. Metode IDW dapat dikelompokkan
dalam estimasi deterministic dimana interpolasi dilakukan berdasarkan perhitungan matematik.
Sedang metode Kriging dapat digolongkan kedalam estimasi stochastic dimana perhitungan secara
statistic dilakukan untuk menghasilkan interpolasi.
Metode IDW
Metode Inverse Distance Weighted (IDW) merupakan metode deterministic yang
sederhana dengan mempertimbangkan titik disekitarnya (NCGIA, 1997). 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 dipengaruhi oleh letak dari data sampel. Metode ini biasanya digunakan dalam industry
pertambangan karena mudah untuk digunakan. Pemilihan nilai pada power sangat mempengaruhi
hasil interpolasi. Nilai power yang tinggi akan memberikan hasil seperti menggunakan interpolasi
nearest neighbor dimana nilai yang didapatkan merupakan nilai dari data point terdekat. Kerugian
dari metode IDW adalah nilai hasil interpolasi terbatas pada nilai
yang ada pada data sampel. Pengaruh dari data sampel terhadap hasil interpolasi disebut sebagi
isotropic. Dengan kata lain, karena metode ini menggunakan rata-rata dari data sampel sehingga
nilainya tidak bisa lebih kecil dari minimum atau lebih besar dari data sampel. Jadi, puncak bukit
atau lembah terdalam tidak dapat ditampilkan 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.
Metode Kriging
Metode Kriging adalah estimasi stochastic yang mirip dengan Inverse Distance Weighted
(IDW) dimana menggunakan kombinasi linear dari weight untuk memperkirakan nilai diantara
sampel data (Ctech Development Corporation, 2004). Metode ini diketemukan oleh D.L. Krige
untuk memperkirakan nilai dari bahan tambang. Asumsi dari metode ini adalah jarak dan orientasi
antara sampel data menunjukkan korelasi spasial yang penting dalam hasil interpolasi ESRI,
1996). Metode Kriging sangat banyak menggunakan sistem komputer dalam perhitungan.
Kecepatan perhitungan tergantung dari banyaknya sampel data yang digunakan dan cakupan dari
wilayah yang diperhitungkan. Tidak seperti metode IDW, Kriging memberikan ukuran error dan
confidence. Metode ini menggunakan semivariogram yang merepresentasikan perbedaan spasial
dan nilai diantara semua pasangan sampel data. Semivariogram juga menunjukkan bobot (weight)
yang digunakan dalam interpolasi. Semivariogram dihitung berdasarkan sampel semivariogram
dengan jarak h, beda nilai z dan jumlah sampel data n.
BAB III
METODELOGI PENELITIAN
3.1 ALAT
Dalam praktikum ini saya menggunakan alat alat yaitu :
1. Laptop
Merupakan suatu perangkat yang dapat di gunakan mengolah suatu data dalam bentuk script
atau lainnya.
2. Software ARCGIS 10.3
ArGIS yang digunakan disini adalah ArcMAPS. ArcGIS adalah salah satu software yang
dikembangkan oleh ESRI (Environment Science & Research Institue) yang merupakan
kompilasi fungsi-fungsi dari berbagai macam software GIS yang berbeda seperti GIS
desktop, server, dan GIS berbasis web.
3.2 Bahan
Bahan yang di gunakan dalam praktikum ini adalah semua data (folder zip) yang bias
didwonload mellui link yang sudah diberikan oleh asprak, antara lain:
1. Data SHP wilayah
2. Data EXCEL curah hujan
3.3 Prosedur Praktikum
A. Interpolasi IDW
Buat file geodatabase nya dulu. Klik kanan di modul pete->pilih new-> kasih nama
Prak1
Lalu, atur proyeksi nya dulu. Klik kanan di layers-> pilih proyeksi-> Pilih UTM-> Pilih
WGS 84-> south-> pilih yg zona 49S
Lalu pilih data. Pilih file->Add data-> pilih XY data-> inputnya dari modul pete pilih yg
sheet(itu data excel)-> oke
Lalu sambungkan data tadi. Klik kanan sheet pilih Data-> export data-> pilih yg data
frame-> outputnya kasih nama titik (Jangan lupa menyimpannya masih di file prak tadi-
> save)
Kemudian munculin katalog (ada dibagian bawah bacaan windows)-> pilih spasial
analist->interpolation->IDW-> lalu inputnya titik -> outputnya kasih nama Idw_poligon
Pada awalnya kelas nya terdiri dari banyak bagian. Namun agar mempermudah
pengelompokkan maka kelas nya di jadikan 4 saja. Munculkan search (ada dibagian
bawah bacaan windows)-> ketik classify-> pilih yg spasial-> paling atas pilih yg equal->
lalul bawahnya pilih 4 aja-> lalu cari bacaan classify-> inputnya pilih file yg
idw_poligon->oke-> lalu outputnya kasih nama reclass_1 (inget masih di file database
Prak1-> lalu oke
Nah gambar yg muncul diatas kan masih raster, dijadiin poligon. Pilih convention-> pilih
from raster-> raster to poligon-> input nya idw poligon
Agar warna nya menarik. Klik kanan di idw_poligon-> properties->simbology-
>quantities-> None nya diganti pilih yg gridcode-> oke
Hasil krigging
BAB IV
4.1 Hasil
Hasil dari praktikum ini saya memperoleh interpolasi dengan metode IDW dan Kriging
dimana hasil nya sebagai berikut :
1. Hasil IDW
2. Kriging
4.2 Analisis
Pada praktikum pertemuan pertama, kami belajar melakukan interpolasi dengan metode
IDW dan kriging menggunakan aplikasi ArcMaps. Kedua metode tersebut memiliki kelebihan dan
kelemahan serta perbedaan masing-masing. Interpolasi yang kami lakukan yakni interpolasi curah
hujan untuk daera Girimulyo, Jawa Tengah. Hasil yang saya dapat dari interpolasi dengan metode
IDW sangat berbeda dengan metode kriging. Hal ini terjadi karena konsep metode keduanya
memang berbeda dalam tahap interpolasinya. Seperti metode interpolasi IDW, metode ini
dilakukan dengan mempertimbangkan titik di sekitarnya. Sehingga nilai interpolasi akan lebih
mirip pada data sampel yang dekat dari pada yang jauh. Dengan kata lain metode IDW
menggunakan nilai rata –rata dari data sampel sehingga nilainya tidak bisa lebih kecil dari
minimum atau lebih besar dari data sampel sehingga jika ingin mendapatkan hasil yang lebih baik
maka sampel data yang di gunakan harus rapat. Sedangkan pada metode Kriging perhitungan atau
penginterpolasiannya lebih banyak menggunakan system computer. Perinsipnya hampir sama
dengan metode IDW namun pada metode kriging memberikan ukuran error dan confidence
sehingga metode kriging ini lebih akurat dalam penginterpolasiannya.
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Kesimpulan yang dapat saya tarik dari proses praktikum hingga data yang didapat saat
praktikum adalah :
1. Konsep dasar dari masing -masing konsep dasar dari metode interpolasi ini adalah :
a. Konsep dasar IDW 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 dipengaruhi oleh letak dari
data sampel
b. Konsep dasar Kriging adalah estimasi stochastic yang mirip dengan Inverse Distance
Weighted (IDW) dimana menggunakan kombinasi linear dari weight untuk
memperkirakan nilai diantara sampel data tersebut.
5.2 Saran
Saran saya dalam melakukan praktikum kakak asprak dalam menjelaskan dan mempraktikan
tahapan-tahapan kerja hendaknya dilakukan dengan tidak terlalu cepat/tergesa-gesa, agar
praktikan bisa mengikuti dan bisa mengerti.
DAFTAR PUSTAKA
https://publikasiilmiah.ums.ac.id
PDF File “AKURASI METODE IDW DAN KRIGING UNTUK
INTERPOLASISEBARAN SEDIMEN TERSUSPENSI” oleh Gatot H. Pramono,
Peneliti SIG di Bakosurtanal
http://www.academia.edu/8738105/Interpolasi_Definisi_dan_Macam-macamnya
https://denmoko.wordpress.com/2012/05/10/interpolasi-inverse-distance-weighted/