Nama : Nalensius Situmorang

NIM : 2017 63 022

Prodi : S1 Teknik Pertambangan
Tugas : Geostatistik

A. Metode Inverse Distance Wieghting (IDW)

Metode ini merupakan suatu cara penaksiran yang telah memperhitungkan adanya
hubungan letak ruang (jarak), merupakan kombinasi linear atau harga rata-rata
tertimbang (weighting average) dari titik-titik data yang ada di sekitarnya (Zibuka
dkk, 2016). Metode seperjarak ini mempunyai batasan pada jarak saja dan belum
memperhatikan efek pengelompokan data, sehingga data dengan jarak yang sama,
namun mempunyai pola sebaran yang berbeda masih akan memberikan hasil yang
sama atau dengan kata lain metode ini belum memberikan korelasi ruang antara
titik data dengan titik data yang lain (Asy’ari 2012).
Rumus yang digunakan untuk metode inverse distance weight adalah sebagai
berikut:
1
𝑑1𝑘
Untuk ID pangkat n : Wi = 1
∑ 𝑘
𝑑1

̂ = ∑𝑁
Maka, hasil taksiran : 𝑍𝑜 𝑖 𝑊𝑖. 𝑍𝑖

Keterangan :
d = Jarak titik yang ditaksir
k = Pangkat power
N = Banyaknya data
Zi = Titik data
Wi = Faktor pembobotan

B. Metode Nearest Neighbor Point (NNP)

Metode Nearest Neighbour Point (NNP) adalah metode estimasi sumberdaya
yang memperhitungkan nilai di suatu blok didasari oleh nilai titik yang paling
dekat dengan blok tersebut.
Dalam kerangka model blok, dikenal jenis penaksiran poligon dengan jarak titik
terdekat (rule of nearest point), yaitu nilai hasil penaksiran hanya dipengaruhi
oleh nilai conto yang terdekat, atau dengan kata lain titik (blok) terdekat
memberikan nilai pembobotan satu untuk titik yang ditaksir, sedangkan titik
(blok) yang lebih jauh memberikan nilai pembobotan nol (tidak mempunyai
pengaruh) (Haris, 2005).
Metode ini dikenal juga sebagai interpolasi Sibson atau “Area-Stealing”. Sifat
dasar metode interpolasi ini adalah lokal, dimana hanya menggunakan sampel
yang berada di sekitar titik yang ingin diinterpolasi, dan hasil yang diperoleh akan
mirip dengan ketinggian titik sampel yang digunakan sebagai nilai masukan
proses interpolasi (Pasaribu, 2012).

Tidak bias : ∑𝑁
𝑖 𝑊𝑖 = 1

Bias : ∑𝑁
𝑖 𝑊𝑖 = > 1

̂ = ∑𝑁
Hasil taksiran : 𝑍𝑜 𝑖 𝑊𝑖. 𝑍𝑖

Keterangan :
N = Banyaknya data
Zi = Titik data
Wi = Faktor pembobotan

Hasil dan Pembahasan

Tabel 1. Perhitungan estimasi sumberdaya dengan metode NNP dan IDW

Metode Bobot ̂
𝑍𝑜
Z1 Z2 Z3
8 8 8
d1 d2 d3
25 50 100
W1 W2 W3
 NNP 1 0 0 8
IDW
k=1 0,5714 0,2857 0,1428 7,2857
k=2 0,7619 0,1904 0,0476 7,7619
k=3 0,8767 0,1095 0,0136 7,9315
k=4 0,9377 0,0586 0,0036 7,9816
k=5 0,9687 0,0302 0,0009 7,9952
k=10 0,999 0,0009 9.53 x 10-7 7,9999
k=50 1 8,88 x 10-16 7.89 x 10-31 8
k=100 1 7,89 x 10-31 6.22 x 10-61 8

Metode Nearest Neighbor Point (NNP) merupakan metode yang

mempertimbangkan 1 titik yang paling dekat titik yang ditaksir. Prinsip metode
Nearest Neighbor Point (NNP) yaitu sampel yang paling dekat memiliki bobot
bernilai 1 sedangkan titik yang jauh akan memiliki bobot bernilai 0. Pada Tabel 1,
berdasarkan prinsip tersebut maka diperoleh hasil estimasi kadar dengan metode
Nearest Neighbor Point (NNP) adalah 8 ppm.
Metode Inverse Distance Weighting (IDW) merupakan metode yang
mempertimbangkan titik-titik di sekitarnya. Asumsi dari metode ini adalah nilai
interpolasi akan lebih mirip pada data sampel yang dekat dari pada 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 industri pertambangan karena mudah untuk
digunakan (Pramono, 2008).
Hasil estimasi metode Inverse Distance Weighting (IDW) dengan power 50 dan
100 memiliki nilai yang sama dengan hasil estimasi pada metode Nearest
Neighbor Point (NNP) yaitu 8 ppm. Hal ini sesuai dengan penelitian sebelumnya,
pemilihan nilai pada power sangat mempengaruhi hasil interpolasi. Nilai power
yang tinggi akan memberikan hasil seperti menggunakan interpolasi Nearest
Neighbor Point (NNP) dimana nilai yang didapatkan merupakan nilai dari data
point terdekat (Asy’ari 2012).
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 (Asy’ari 2012). 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.

Sumber :
https://www.scribd.com/document/370956514/jurnal-nnp-idw