PERBAIKAN UJIAN AKHIR SEMESTER

ANALISIS SPASIAL

TRESIA QOTTRUNADA

140110160089

UNIVERSITAS PADJADJARAN

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

PROGRAM STUDI S-1 MATEMATIKA

JATINANGOR

2019
 1.
a) Jelaskan pengertian dan kegunaan semivariogram
Semivariogram adalah setengah dari variogram dengan simbo (ℎ) digunakan untuk
mengukur korelasi spasial. Semivariogram adalah perangkat untuk visualisasi, pemodelan
dan eksploitasi autokorelasi spasial dari variabel teregionalisasi.

Semivariogram ini digunakan untuk mengukur korelasi spasial berupa variansi eror pada
lokasi 𝑠 dan lokasi 𝑠 + ℎ. Semivariogram dipakai untuk menentukan jarak dimana nilai-
nilai data pengamatan menjadi saling tidak tergantung atau tidak ada korelasinya.
b) Tuliskan taksiran semivariogram

𝑁(ℎ)
1
𝛾̂(ℎ) = ∑ [𝑧(𝑠𝑖 + ℎ) − 𝑧(𝑠𝑖 )]2
2𝑁(ℎ)
𝑖=1

Dengan (h)merupakan banyaknya pasangan data untuk jarak h.

2.
a) D.K. Krige, seorang insinyur pertambangan Afrika Selatan, memperkenalkan salah satu
metode penaksiran yang digunakan untuk menangani variabel teregionalisasi
(regionalized variable) Metode penaksiran yang digunakan untuk menangani variabel
teregionalisasi disebut dengan metode kriging. Pada tahun 1960an, Kriging
dikembangkan dalam geostatistika oleh Georges Matheron.
b) Kegunaan metode kriging
Menentukan nilai bobot λ𝑖 yang menghasilkan variansi estimator minimal dan penaksiran
tak bias.
c) Rumus taksiran
𝑛

𝑍̂(𝑠0 ) = ∑ λ𝑖 𝑍(𝑠𝑖 )
𝑖=1

3. Apabila diketahui data penjualan cabe

a) Mean dan variansi
Mean:
∑ 𝑛
𝑋𝑖 45+40+65
𝑋̅ = 𝑖=1 = = 50
𝑛 3
Variansi:
∑𝑛 ̅ 2
𝑖=1(𝑋𝑖 −𝑋) 25+100+225
𝑠2 = = = 116,67
𝑛 3
 b) Interpolasi Linear
(2−1)
𝑍̂(𝑠0 ) = 45 +(3−1)
(40 − 45) = 42,5
Prediksi penjualan cabe rawit di lokasi yang tidak bersampel adalah 42,5 ton.

4. Jelaskan sifat penaksir BLUE

Salah satu tujuan kriging, seperti yang sudah dijelaskan pada pembahasan sebelumnya, yaitu
menghasilkan estimator yang bersifat Best Linear Unbiassed Estimator (BLUE). Berikut
akan dibuktikan sifat BLUE pada ordinary kriging:
a) Linear
Diperoleh suatu persamaan pada metode ordinary kriging adalah sebagai
berikut:
𝑛

𝑍̂(𝑢) = ∑ λ𝑎 𝑍(𝑢𝑎 )
𝑎=1
Dari persamaan diatas 𝑍̂(𝑢) dapat dapat dikatakan estimator yang bersifat linear karena
merupakan fungsi linear dari Z(u)

b) Unbiased
Selanjutnya, akan dibuktikan bahwa 𝑍̂(𝑢) merupakan estimator tak bias. Dapat
dipastikan bahwa error pada lokasi tertentu memiliki nilai ekspektasi 0 dengan
menerapkan rumus untuk nilai ekspektasi pada kombinasi linear. Diperoleh 𝐸 (𝑍̂(𝑢)) =
𝜇 = 𝑍(𝑢) dimana 𝑍(𝑢) = 𝐸(𝑍(𝑢)) dengan 𝑍(𝑢) berupa suatu konstanta. Ini berarti
ordinary kriging menghasilkan estimator yang tak bias dengan ∑𝑛𝑎=1 λ𝑎 = 1
c) Best
Selanjutnya, akan dibuktikan bahwa metode ordinary kriging bersifat best yaitu dengan
meminimumkan variansi eror. Dengan mengasumsikan bahwa 𝑣𝑎𝑟 (𝑍(𝑢0 )) = 𝜎 2 .

5. Jelaskan apa yang dimaksud dengan

np = Banyaknya Pasangan
dist = Jarak antara 2 lokasi
gamma= Semivariogram eksperimental
dir hor =arah horisontal
6. Perhatikan file script R
a) akan digunakan untuk memprediksi data dari file prediction pada kolom predict
b) w1
c) locations=c(16,17)
d) Sill=0.66
Range =0.267
Model Spherical
7. Judul Paper
Penerapan Gstat-R dengan Input Semivariogram Spherical pada Metode Ordinary Point
Kriging untuk Data Konsentrasi NO2 di Udara (Studi Kasus : Pencemaran Udara di Kota
Semarang)
Nama anggota kelompok :
Faridhatul Auliani (140110160055),
Febby Widyanti Maria (140110160074),
Indika Fauzan Azima (140110160076),
Deasy Lilyana (140110160088),
Tresia Qottrunada (140110160089)