g g
MA5182 Topik
p dalam Statistika I: Statistika Spasial
p
1 November 2012
Utriweni Mukhaiyar
Tujuan Kriging
Mencari penaksir tak-bias
tak bias linier terbaik.
terbaik
Kriteria terbaik: variansi minimum.
Memilih rata-rata berbobot dari nilai
sampel yang memiliki variansi minimum.
minimum
Interpolasi spasial.
Jenis Kriging
Ordinary Kriging (OK)
Digunakan jika mean tidak diketahui.
Simple Kriging (SK)
Digunakan jika mean diketahui.
diketahui
Persamaan Kriging
Misalkan terdapat n data spasial:
Z(s1), Z(s2),..., Z(sn).
Fungsi linier yang akan
diestimasi/ditaksir adalah: Z(s).
Z(s)
Untuk lokasi tertentu: Z(s0)
dapat
d b
berupa rataan dari
d i suatu
lokasi.
Secara umum yang akan diestimasi:
ZV.
Persamaan Kriging
Ditaksir:
1
ZV Z ( s )ds
VV
Penaksir:
n
ZV i Z ( si )
i 1
2
2. Penaksir:
min Var ZV ZV
minimum variansi “error”
error terhadap
bobot.
Disebut juga: Variansi Kriging.
O di
Ordinary K
Kriging
i i
Mean, E[Z],
Mean E[Z] tidak diketahui.
diketahui
Asumsi stasioner: E[ZV] = E[Z] = .
Tak bias:
n n
0 E i Z si Z V i
i 1 i 1
n
i 1
i 1
n
0 atau
i 1
i 1 OK
SK
Ordinaryy Kriging
g g
Variansi Minimum
2
OK
Var Z V Z V
2 i si ,V i j si , s j V, V
n n n
i 1 i 1 j 1
1
si ,V si s ds
|V|V
1
V,V
, s s 'dsds '
| V |2 VV
Ordinaryy Kriging
g g
Variansi Minimum
1 , 2 ,..., n opt min
n
Var Z V Z V
i 1
i 1
0 1,89 , 1,89
, 1,89
, 1,89
, 1 1 0,88
,
1,89 0 2 2 2 1
2 1,86
1,89
1 89 2 0 2 2 1 3 1,86
1 86
1,89 2 2 0 2 1 4 1,86
1,89
1 89 2 2 2 0 1 5 1,86
1 86
1 1 1 1 1 0 m 1
1 0, 60 , 2 3 4 5 0,1 , 0,12
Contoh Kriging
g g Blok
Model Estimasi
Z V 0, 6 Z1 0,1( Z 2 Z 3 Z 4 Z 5 )
5
2
OK i iV m V, V
i 1
0, 26
OK
2
h
hanya tergantung
t t pada
d konfigurasi
k fi i titik sampell
Estimator
E ti t h harus ttak-bias
k bi d dan variansi
i i
minimum mean error = 0
Simple Kriging
N '
E YV YV E iY ( si ) YV 0
i 1
Bersifat tak-bias karena E[Y(s)] = 0.
Sehingga tidak perlu ada syarat untuk
bobot ((tidak pperlu ppengali
g Lagrange)
g g )
N '
2
Var YV YV E iY ( si ) YV
V
i 1
i' 'j C ( si , s j ) C V V 2 i' C ( si , V)
V,V
j i i
Sistem Persamaan Kriging
N '
2
Var YV YV E iY ( si ) YV
i 1
i' 'j C ( si , s j ) C V,V
, 2
j i
j C (si , s j ) C si ,V ,
'
i 1, 2,..., N
Z V YV i Z ( si )
'
i' Z ( si ) 1 i'
Z ( si ) M
'
i
R f
Referensi
i
Armstrong, Margaret, 1998, Basic Linear Geostatistics,
Springer-Verlag:
Springer Verlag: Berlin.
Berlin
Catatan Kuliah MA7192 Topik Statistik Lanjut, 2005.
19