INTERPOLASI CURAH HUJAN DENGAN TEKNIK IDW DAN

METODE KRIGING DENGAN MENGGUNAKAN

SOFTWARE ARCGIS
PEMETAAN TEMATIK – GT3105

Disusun Oleh :

Eben Ezer Wyranto Sirait 23116110

Program Studi Teknik Geomatika

Jurusan Teknologi Infrastruktur dan Kewilayahan
Institut Teknologi Sumatera
Jl. Terusan Ryacudu, Way Huwi, Jati Agung, Kabupaten Lampung Selatan, Lampung
35365 Telp.(0721) 8030188
Website : www.gt.itera.ac.id/
 BAB 1
PENDAHULUAN
1.1 Latar Belakang
Peta adalah gambaran/visualisasi data dan informasi muka bumi yang disajikan pada
suatu bidang datar dengan memperhatikan sistem proyeksi peta dan skala peta. Peta
memiliki dua jenis yaitu peta dasar dan peta tematik. Peta dasar peta yang dijadikan
dasar untuk pembuatan peta-peta lainnya (peta rupabumi maupun peta tematik). Peta
tematik yaitu peta yang mempunyai tema tertentu, contoh peta penggunaan lahan, peta
tanah, peta geomorfologi, peta kepadatan penduduk, peta kesesuaian lahan, peta tata
ruang, dan lain-lain. Pada sub bagian pembuatan peta tematik terdapat metode
interpolasi. Interpolasi adalah proses untuk menentukan nilai observasi di suatu tempat
berdasarkan nilai observasi di sekitarnya. Data interpolasi adalaha data yang merekam
fenomena yang bersifat kontinyu atau satu lokasi akan mempengaruhi lokasi lainnya.
Pada interpolasi dibutuhkan data, jenis data yang dibutuhkan untuk interpolasi contohnya
: data iklim (curah hujan, suhu, kelembapan, dan lain-lain), data populasi (flora, fauna,
dan manusia), biofisik (tanah, pH, kelerengan/slope, ketinggian/elevation, aspect), data
dan sosial ekonomi (pendapatan, kepadatan penduduk, dan lain-lain). Pada praktikum
kali ini kita menggunakan data curah hujan dimana data tersebut sudah disediakan sama
asisten praktikum. Selanjutnya data tersebut akan di interpolasi menggunakan metode
IDW (Inverse Distance Weighted) dan metode Kriging dengan bantuan software ArcGIS.
ArcGIS yaitu salah satu software yang dikembangkan oleh ESRI yang merupakan
kompilasi fungsi-fungsi dari berbagai macam software GIS.
1.2 Tujuan Praktikum
Tujuan praktikum pada modul satu yaitu :
 Mahasiswa memahami konsep metode IDW (Inverse Distance Weighted) dan
metode Kriging.
 Mahasiswa menjelaskan perbedaan hasil dari metode IDW (Inverse Distance
Weighted) dan metode Kriging.
 Mahasiswa dapat menentukan metode yang terbaik dalam melakukan interpolasi.
1.3 Waktu dan Tempat Praktikum
Hari/Tanggal : Senin, 29 Oktober 2018.
Waktu : 13.00 s.d. 15.00 WIB.
Tempat : Ruangan D302 Lab Geosains ITERA.

2
 BAB II
LANDASAN TEORI
2.1 Interpolasi
Interpolasi yaitu proses untuk menentukan nilai observasi di suatu tempat berdasarkan
nilai observasi di sekitarnya. 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 statistik dilakukan untuk menghasilkan interpolasi.
2.2 Metode IDW (Inverse Distance Weighted)
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 industri 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.
2.3 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 semi-variogram yang merepresentasikan
perbedaan spasial dan nilai diantara semua pasangan sampel data. Semi-variogram juga

3
menunjukkan bobot (weight) yang digunakan dalam interpolasi. Semivariogram dihitung
berdasarkan sampel semivariogram dengan jarak h, beda nilai z dan jumlah sampel data
n diperlihatkan pada persamaan di Gambar 2. Pada gambar ini juga ditunjukkan grafik
dari sebuah semi-variogram. Pada jarak yang dekat (sumbu horisontal), semi-variance
bernilai kecil. Tetapi pada jarak yang lebih besar, semi-variance bernilai tinggi yang
menunjukkan bahwa variasi dari nilai z tidak lagi berhubungan dengan jarak sampel
point. Jenis Kriging yang bisa dilakukan adalah dengan cara spherical, circular,
exponential, gaussian dan linear (ESRI, 1999). Penjelasan yang lebih lengkap tentang
kelima jenis Kriging ini bisa dilihat pada McBratney & Webster (1986). Tahapan dalam
menggunakan metode ini adalah: analisa statistik dari sampel data, pemodelan
variogram, membuat hasil interpolasi dan menganalisa nilai variance. Metode ini sangat
tepat digunakan bila kita mengetahui korelasi spasial jarak dan orientasi dari data. Oleh
sebab itu, metode ini sering digunakan dalam bidang ketanahan dan geologi. Kelemahan
dari metode ini adalah tidak dapat menampilkan puncak, lembah atau nilai yang berubah
drastis dalam jarak yang dekat. Untuk keterangan lebih lanjut tentang penelitian metode
Kriging bisa dilihat dalam tulisan Bancroft & Hobbs (1986) atau Siska & Hung (2001).

4
 BAB III
METODE PRAKTIKUM
3.1 Alat dan Bahan
Alat yang digunakan : Laptop yang sudah terinstall dengan software ArcGIS.
Bahan yang digunakan : Data curah hujan yang ingin di interpolasi.
3.2 Langkah Kerja
Berikut langkah kerja dalam praktikum modul satu :
1. Buka ArcGIS yang terinstall di laptop.

2. Pilih “Add Data”, “Connect to Folder” (sesuain dengan file curahhujan.csv yang
disimpan), lalu “Add”.

5
3. Klik kanan pada layer “curahhujan.csv”, pilih “Display Data”, pada “Z field” diganti
dengan “ch”, klik kiri “Edit”, pilih “Projected Coordinate Systems”, pilih “UTM”,
pilih “WGS 1984”, pilih “Southern Hemisphere”, pilih “WGS 1984 UTM Zona
48S”, lalu klik kiri “OK”, klik kiri “OK”, dan klik kiri “OK”.

4. Klik kanan pada layer “curahhujan.csv Events”, pilih “Data”, pilih “Export Data”,
lalu klik kiri “OK”, dan klik “Yes”.

6
5. Klik kiri pada layer “curahhujan.csv”, pilih “ArcToolbox”, pilih “Spatial Analyst
Tools”, pilih “Interpolation”, double klik kiri pada ”IDW”, pada “Input Point
Features”, pilih “curahhujan.csv Events”, di number of point diganti “15” karena di
file curahhujan.csv terdapat 15 titik berbeda.

6. Setelah tahap ke 5 lalu klik “OK” , dan menghasilkan nilai interpolasi metode Inverse
Distance Weighted (IDW).

7
7. Pada tahap selanjutnya kita lakukan metode kriging, klik kiri layer “curahhujan.csv”,
pilih “ArcToolbox”, pilih “Spatial Analyst Tools”, pilih “Interpolation”, double klik
kiri “Kriging”, pada “Input Point Features”, pilih “curahhujan.csv Events”, di number
of point diganti “15” karena di file curahhujan.csv terdapat 15 titik berbeda.

8. Setelah tahap ke 5 lalu klik “OK” , dan menghasilkan nilai interpolasi metode
kriging.

8
 BAB IV
PEMBAHASAN DAN KESIMPULAN
4.1 Pembahasan
Pada praktikum yang dilaksanakan pada hari Senin, 29 Oktober 2018 dapat di analisa
bahwa metode Inverse Distance Weighted (IDW) dan kriging memiliki perbedaan yang
singifikan. Metode Inverse Distance Weighted (IDW) dapat digunakan dalam industri
pertambangan karena mudah digunakan. Kerugian dari metode IDW di nilai hasil
interpolasi terbatas pada nilai yang ada pada data sampel. Pengaruh dari data sampel
terhadap hasil interpolasi disebut sebagai isotropic. Jadi metode IDW itu merupakan
metode yang menggunakan rata-rata dari data sampel sehingga nilainya tidak bisa lebih
kecil dari minimum atau lebih besar dari data sampel. Untuk mendapatkan hasil yang
baik di interpolasi maka sampel data digunakan harus rapat yang berhubungan dengan
variasi local, missal sampelnya agak jarang dan tidak merata, hasulnya kemungkinan
besar tidak sesuai dengan yang diinginkan. Pada metode kriging tidak seperti metode
IDW, kriging memberikan ukuran error dan confidence . metode ini menggunakan semi-
variogram yang mempresentasikan perbedaan spasial dan nilai daintara semua pasangan
sampel data. Pada metode kriging menggunakan prinsip analisa statistic dari sample data,
pemodelan variogram, membuat hasil interpolasi dan menganilsa nilai variance. Metode
ini sangat digunakan jika diketahui korelasi spasial jarak dan orientasi dari data. Masih
banyak metode-metode yang digunakan pada interpolasi seperti metode natural neighbor,
metode spline, metode topo to raster, metode topo to raster by file, dan metode trend dan
lain-lainnya.
4.2 Kesimpulan
Dari praktikum yang dilakukan dapat disimpulkan metode IDW memberikan hasil
interpolasi yang lebih akurat dari metode kriging, karena semua hasil dengan metode
IDW memberikan nilai mendekati nilai minimum dan maksimum dari sapel data.
Sedangkan metode kriging terkadang memberikan hasil interpolasi dengan kisaran yang
rendah. Jumlah sampel tidak memberikan signifikan pada hasil interpolasi. Mahasiswa
bisa menjelaskan konsep dari metode IDW dan kriging dilihat dari hasil data
pengamatan. Mahasiswa juga berhasil dalam menentukan metode interpolasi yang baik
sesuai data yang ada.

9
 DAFTAR PUSTAKA

 Bancroft, B.A. & Hobbs, G.R. 1986. Distribution of Kriging Error and Stationarity of
the Variogram in a Coal Property. Mathematical Geology 8(7): 635-651.
 Gamma Design Software. 2005. Interpolation in GS+. http://www.geostatistics.com/
OverviewInterpolation.html (23 Juni 2008).
 Slide powerpoint kuliah Interpolasi Pemetaan Tematik GT3105.
 ESRI. 1996. Using the ArcView Spatial Analyst. Redlands, Environmental Systems
Research Institute, Inc.
 Pramono, G. H., 2008, Akurasi Metode IDW dan Kriging untuk Interpolasi Sebaran
Sedimen Tersuspensi di Maros Sulawesi Selatan, Forum Geografi, Vol. 22, No. 1, Juli
2008: 145-158.

LAMPIRAN

Data curahhujan.csv punya saya

10