Asisten :
5. M. Andara(12115064)
6. Yoopy Christian(12115009)
2019
I. Tujuan
Tujuan modul 4 yaitu mengenai Estimasi Spasial dengan Simple dan
Ordinary Kriging adalah kita dapat mengestimasi data spasial dengan
simple dan ordinary kriging menggunakan aplikasi python. Dan juga kita
dapat memahami perbedaan antara simple dan ordinary kriging.
II. Pendahuluan
Metode kriging digunakan oleh G. Matheron untuk menonjolkan
metode khusus dalam moving average terbobot (weighted moving average)
yang meminimalkan variansi dari hasil estimasi. Kriging adalah suatu
teknik perhitungan untuk estimasi dari suatu variabel terregional yang
menggunakan pendekatan bahwa data yang dianalisis dianggap sebagai
suatu realisasi dari suatu variabel acak, dan keseluruhan variabel acak yang
dianalisis tersebutakan membentuk suatu fungsi acak dengan menggunakan
model struktural variogram. Dan secara umum dalam kasus kebumian,
metoda kriging merupakan metoda yang relatif paling banyak digunakan.
Oleh karena itu, modul ini akan didedikasikan untuk membahas proses
perhitungan kriging dan cara memproduksinya menggunakan software
Surfer dengan pemilihan model variogram yang tepat.
Dibahas juga jenis-jenis kriging seperti simple kriging, ordinary kriging
dan universal kriging. Kriging memiliki kelebihan dibandingkan metoda
interpolasi deterministik seperti inverse distance, triangulation dan lainnya
yaitu memperhitungkan hubungan spasial yang direpresentasikan oleh
variogram. Kriging juga memberikan ukuran kualitas hasil interpolasi kita
yaitu melalui variansi kriging. Sehingga Kriging dapat disebut metoda
interpolasi statistik atau probabilistik. Selain itu dalam kriging kita dapat
memperhitungkan pula efek anisotropi, sesuatu yang tidak dapat dilakukan
oleh operator interpolasi lainnya. Oleh karena itu, secara umum hasil
interpolasi kriging lebih unggul dan lebih realistik dibandingkan dengan
yang lainnya. [Deutsch dan Journel, 1992] menyebut kriging sebagai
operator interpolasi yang berdasarkan BLUE (best linear unbiased
estimate).
1. Simple Kriging
2. Ordinary Kriging
c. Bobot untuk titik yang akan diestimasi oleh ordinary kriging adalah:
3. Universal Kriging
Universal kriging merupakan metode kriging yang dapat diaplikasikan pada
data spasial yang mengandung trend atau data yang tidak stasioner.
#inisiasi parameter
L01 = 10
L02 = L01
L03 = 20
L04 = L03
L21 = L12
L23 = L14
L24 = L13
L31 = L13
L32 = L14
L34 = L03 + L04
L41 = L14
L42 = L24
L43 = L34
#Value
x1 = 20+51
x2 = 50+51
x3 = 30+51
x4 = 100+51
#kovariansi
c0 = 50
c11 = c0
c12 = c0-(50*(1-np.exp(-3*(L12)/100)))
c13 = c0-(50*(1-np.exp(-3*(L13)/100)))
c14 = c0-(50*(1-np.exp(-3*(L14)/100)))
c21 = c0-(50*(1-np.exp(-3*(L21)/100)))
c22 = c0
c23 = c0-(50*(1-np.exp(-3*(L23)/100)))
c24 = c0-(50*(1-np.exp(-3*(L24)/100)))
c31 = c0-(50*(1-np.exp(-3*(L31)/100)))
c32 = c0-(50*(1-np.exp(-3*(L32)/100)))
c33 = c0
c34 = c0-(50*(1-np.exp(-3*(L34)/100)))
c41 = c0-(50*(1-np.exp(-3*(L41)/100)))
c42 = c0-(50*(1-np.exp(-3*(L42)/100)))
c43 = c0-(50*(1-np.exp(-3*(L43)/100)))
c44 = c0
c01 = c0-(50*(1-np.exp(-3*(L01)/100)))
c02 = c0-(50*(1-np.exp(-3*(L02)/100)))
c03 = c0-(50*(1-np.exp(-3*(L03)/100)))
c04 = c0-(50*(1-np.exp(-3*(L04)/100)))
#simple kriging
G = np.mat([[c11, c12, c13, c14],
[c21, c22, c23, c24],
[c31, c32, c33, c34],
[c41, c42, c43, c44]])
d = np.mat([[c01],
[c02],
[c03],
[c04]])
m = inv(G.transpose()*G)*G.transpose()*d
lamd1 = m[0,0]
lamd2 = m[1,0]
lamd3 = m[2,0]
lamd4 = m[3,0]
m0 = (x1+x2+x3+x4)
lamdaTotal = np.sum(m)
lamd0 = m0*(1-lamdaTotal)
#ordinary kriging
G2 = np.mat([[c11, c12, c13, c14, 1],
[c21, c22, c23, c24, 1],
[c31, c32, c33, c34, 1],
[c41, c42, c43, c44, 1],
[1, 1, 1, 1, 0]])
d2 = np.mat([[c01],
[c02],
[c03],
[c04],
[1]])
m2 = inv(G2.transpose()*G2)*G2.transpose()*d2
lamd1b = m2[0,0]
lamd2b = m2[1,0]
lamd3b = m2[2,0]
lamd4b = m2[3,0]
V. Kesimpulan
Kesimpulan yang dapat diambil pada praktikum modul ini adalah
1. Simple Kriging merupakan metode kriging dengan asumsi bahwa rata-
rata (mean) dari populasi telah diketahui dan bernilai konstan.
Sedangkan Ordinary kriging merupakan metode yang diasumsikan rata-
rata (mean) dari populasi tidak diketahui, dan pada data spasial tersebut
tidak mengandung trend.
2. Rumus antara simple kriging dan ordinary kriging memiliki perbedaan
sehingga hasil yang muncul juga akan berbeda
3. Hasil simple kriging yaitu :
X0 = 99.79232401571929
Variansi = 14.565630622579349
Sedangkan hasil ordinary kriging yaitu :
X0 = 86.94072278675216
Variansi = 13.260130581461887
4. Kriging digunakan untuk menduga besarnya nilai yang mewakili suatu
titik yang tidak tersampel dan juga merupakan suatu metode yang
digunakan untuk menonjolkan metode khusus yang meminimalkan
variansi dari hasil pendugaan
Daftar Pustaka
https://media.neliti.com/media/publications/97422-ID-penerapan-metode-
ordinary-kriging-pada-p.pdf
http://eprints.uny.ac.id/231/1/bab_I-pustaka.pdf
http://repository.upi.edu/4122/6/S_MTK_0700249_Chapter3.pdf
Modul Praktikum Geostatistik FTTM ITB 2010