• Metode deterministik menggunakan fungsi-fungsi matematik untuk menginterpolasi.

• Metode geostatistik menggunakan metode matematik dan statistik, yang dapat digunakan
untuk membuat permukaan prediksi dan menilai ketidakpastian hasil prediksi tersebut

• Metode geostatistik menggunakan titik-titik sampel yang diambil pada lokasi yang berbeda pada
suatu bentang alam (landscape) dan membuat (menginterpolasi) sebuah permukaan yang
kontinyu.

KRIGING

• Metode-metode kriging tergantung pada model-model matematik dan statistik. Penambahan

model statistik, termasuk probabilitas, membedakan metode kriging dari metode deterministik.

• Dalam kriging, Anda memasukkan probabilitas dalam membuat prediksi, sehingga nilai-nilai tsb
tidak sepenuhnya dapat diprediksi dari sebuah model statistik.

• Misalnya, dalam contoh nilai ukuran konsentrasi nitrogen di lapangan. Jelas bahwa meskipun
dengan sampel yang besar, Anda tidak akan bisa memprediksi nilai eksak nitrogen pada lokasi-
lokasi yang tidak diukur.

• Oleh sebab itu, Anda tidak hanya mencoba memprediksinya tapi Anda juga menilai kesalahan
prediksi tersebut.

• Metode kriging tergantung pada autokorelasi. Korelasi adalah kecenderungan dua buah
variabel untuk saling berkaitan.

• Dalam statistiks klasik, pengamatan-pengamatan diasumsikan independen, artinya tidak ada

korelasi antarpengamatan.

• Dalam geostatistik, informasi lokasi spasial memungkinkan Anda menghitung jarak antar-
pengamatan dan memodelkan autokorelasi sebagai fungsi dari jarak.

PENERAPAN

• Kriging serupa dengan IDW yaitu memberi bobot kepada nilai-nilai ukuran di sekitarnya untuk
menentukan prediksi di setiap lokasi. Namun, bobot tersebut tidak hanya didasarkan pada jarak
antara titik-titik ukuran tetapi juga keseluruhan susunan spasial (spatial arrangements) di antara
titik-titik ukuran

• Kriging dibangun berdasarkan asumsi bahwa sesuatu yang saling berdekatan akan saling serupa
dibandingkan dengan yang saling terpisah jauh (dikuantifikasi sebagai autokorelasi spasial).

IDW

Semakin besar jarak d, maka bobot berkurang dengan faktor p

Parameter power p mempengaruhi pembobotan dari setiap nilai lokasi yang diukur terhadap
nilai lokasi yang diprediksi; jadi, jika jarak antara lokasi sampel yang diukur dengan lokasi
 prediksi semakin besar maka bobot (atau pengaruh) titik ukuran terhadap prediksi akan
berkurang secara eksponensial.

• Bobot adalah proporsional terhadap inversi jarak. Akibatnya, jika jarak membesar maka bobot
akan berkurang secara cepat. Seberapa cepat bobot berkurang tergantung pada nilai p.

• Jika p = 0, tidak ada penurunan bobot dengan jarak, setiap bobot i akan sama, sehingga nilai
prediksi merupakan nilai rata-rata dari semua nilai ukuran.

• Jika p membesar, bobot untuk titik-titik yang jauh akan berkurang dengan cepat (secara
eksponensial).

• Jika nilai p sangat besar maka hanya sejumlah kecil titik di sekitar lokasi prediksi yang akan
mempengaruhi nilai prediksi.

PENERAPAN

CA DAN ABM
PENERAPAN ABM

Agent-Based Modelling (ABM) merupakan sebuah metode yang dapat menjelaskan sistem secara kompleks
dengan sebuah agen yang berperan sebagai individu atau objek yang memiliki orientasi dan aksi tertentu dalam
mempengaruhi lingkungan model. KATARA merupakan model hidrologi yang dikembangkan berbasis metode ABM
tersebut. Air hujan yang menjadi limpasan akan berperan sebagai agen dan mengalir sesuai topografi (i.e. patch)
yang dilewatinya sehingga sebaran spasial air permukaan dapat terdeteksi secara eksplisit (spatially-explicit). Hasil
simulasi model KATARA sesuai dengan tujuan utama pembangunan model, yaitu dapat menjelaskan dinamika
interaksi antara atmosfer dan permukaan (process based), dan output model dapat dipahami secara spasial
(spatially-explicit). Analisis temporal dan spasial pada hasil simulasi model juga mempunyai similaritas yang tinggi
dengan data observasi lapang.