BAB I

PENDAHULUAN

1.1 Latar Belakang

Daerah Istimewa Yogyakarta adalah daerah istimewa setingkat provinsi di
Indonesia yang terletak di bagian selatan Pulau Jawa. Secara geografis, DI
Yogyakarta mempunyai luas 3.185,80 km, terdiri dari 5 kabupaten dan 1 kota yaitu
Kota Yogyakarta, Kabupaten Sleman, Kabupaten Bantul, Kabupaten Gunungkidul,
dan Kabupaten Kulon Progo. Pola curah hujan di DI Yogyakarta berbeda-beda untuk
masing-masing kabupaten/kota. DI Yogyakarta merupakan kawasan aktivitas
pariwisata, pertanian, perdagangan dan lainnya, sehingga terdapat hambatan dalam
hal transportasi perdagangan, transportasi untuk wisatawan, dan lain sebagainya.
Data spasial merupakan data yang disajikan dalam geografis dari suatu
obyek, berkaitan dengan lokasi, bentuk dan hubungannya dalam ruang bumi
(Cressie, 1993). Salah satu contoh data spasial adalah curah hujan. Besar kecilnya
curah hujan di suatu tempat akan berbeda dengan curah hujan di tempat lainnya. Hal
ini karena ada beberapa faktor yang mempengaruhi curah hujan. Faktor utama yang
paling mempengaruhi curah hujan suatu tempat adalah letak tempat tersebut dari
garis khatulistiwa. Semakin dekat suatu tempat dengan garis khatulistiwa (derajat
lintangnya semakin rendah), maka akan semakin besar curah hujan yang diterima di
tempat tersebut. Selain itu, tinggi suatu tempat dari permukaan air laut juga menjadi
faktor yang mempengaruhi curah hujan. Semakin tinggi suatu tempat maka semakin
rendah curah hujan yang diterima tempat tersebut, begitu sebaliknya. Faktor lainnya
adalah jarak tempat dari laut. Semakin dekat suatu tempat dengan laut maka akan
semakin besar pula curah hujan tempat tersebut, begitupun sebaliknya.
Hujan adalah proses kondensasi uap air di atmosfer menjadi butir air yang
cukup berat untuk jatuh dan biasanya tiba di daratan. Banyak atau sedikitnya hujan,
dapat diukur melalui sebuah ukuran yang disebut dengan curah hujan. Menurut
BMKG, curah hujan bulanan dikategorikan menjadi 4 kategori, antara lain kategori
curah hujan ringan (0-100 mm), kategori curah hujan sedang (101-300 mm), kategori
curah hujan tinggi (301-400 mm), dan kategori curah hujan sangat tinggi (diatas 401
mm). Daerah Istimewa Yogyakarta memiliki iklim tropis. Hampir sebagian besar
bulan ditandai dengan curah hujan yang signifikan. Curah hujan tahunan di Daerah

1
 2

Istimewa Yogyakarta berkisar antara 718 mm/th sampai 2992.3 mm/th, curah hujan
yang rendah umumnya dijumpai di wilayah Gunungkidul dan Bantul, sedangkan
curah hujan yang relatif tinggi dijumpai di wilayah Sleman.
Secara umum curah hujan di daerah sekitar pos-pos hujan tidak bisa diketahui
secara pasti karena pengukuran tidak dilakukan di semua lokasi. Oleh karena itu
diperlukan suatu metode interpolasi yang dapat menghimpun nilai dari pos-pos hujan
yang diketahui untuk mengestimasi perkiraan curah hujan daerah sekitarnya yang
tidak memiliki pos hujan. Interpolasi adalah suatu metode matematis untuk menduga
nilai pada lokasi-lokasi yang datanya tidak tersedia. Secara khusus, terdapat suatu
metode statistika yang digunakan untuk menganalisis data geologi dan terdapat
informasi spasial yang disebut dengan Geostatistika. Tujuan dari analisis ini adalah
mengestimasi suatu bagian dalam sebuah himpunan yang tersebar secara spasial dari
hasil pengukuran sehingga dapat dilakukan suatu interpolasi pada data. Secara teori,
ada beberapa jenis metode interpolasi yang digunakan dalam analisis spasial, seperti
metode Invers Distance Weighted (IDW), Spline, Kriging, Thiessden Polygon, Least
Square Polynomial, dan lain sebagainya. Penelitian ini memfokuskan pada
penggunaan metode IDW dan Kriging.
Interpolasi adalah metode untuk mendapatkan data berdasarkan beberapa
data yang telah diketahui. Dalam penelitian, interpolasi adalah proses estimasi nilai
pada wilayah yang tidak disampel atau diukur, sehingga terbuatlah peta atau sebaran
nilai pada seluruh wilayah (Gamma, Design Software, 2005). Pada penelitian ini
akan diijelaskan penggunaan metode IDW dan Kriging untuk interpolasi. Metode
IDW dapat dikelompokkan dalam estimasi deterministic dimana interpolasi
dilakukan berdasarkan perhitungan matematik. Sedangkan metode Kriging dapat
digolongkan ke dalam estimasi stochastic dimana perhitungan secara statistik
dilakukan untuk menghasilkan interpolasi.
Metode Inverse Distance Weighted (IDW) merupakan metode deterministik
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 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,
 3

Nilai power yang tinggi akan memberikan hasil seperti menggunakan interpolasi
near-est neighbor dimana nilai yang didapatkan merupakan nilai dari data point
terdekat (Pramono, 2008).
Sementara itu, metode Kriging adalah suatu metode geostatistika yang
digunakan untuk menaksir besarnya nilai karakteristik pada titik lokasi yang tidak
tersampel berdasarkan data titik yang tersampel disekitarnya, dengan
mempertimbangkan korelasi spasial yang ada dalam data tersebut. Penggunakan
metode kriging dilakukan dalam dua tahap yaitu tahap pertama menghitung nilai
variogram atau semivariogram dan fungsi covarian. Tahap kedua melakukan
penaksiran lokasi yang tidak tersampel. Metode Kriging adalah estimasi stochatic
yang mirip dengan Inverse Distance Weighted (IDW) dimana menggunakan
kombinasi linear dari weight untuk memperkirakan nilai diantara sampel data
(Corporation, 2004). Asumsi dari metode ini adalah jarak dan orientasi antara sampel
dan data menunjukkan korelasi spasial yang penting dalam hasil interpolasi (ESRI,
1996). Metode Kriging sangat banyak menggunakan sistem komputer dalam
perhitungan. Kecepatan perhitungan tergantung daro banyaknya sampel data yang
digunakan dan cakupan wilayah yang diperhitungkan.
Berdasarkan latar belakang masalah tersebut, maka dilakukan penelitian
tentang estimasi curah hujan di Daerah Istimewa Yogyakarta berdasarkan titik-titik
lokasi yang dikehendaki. Metode yang digunakan adalah metode Ordinary Kriging
dan Inverse Distance Weighted (IDW) dan. Dalam penyusunan laporan ini
mengambil judul “Interpolasi Spasial Ordinary Kriging dan Inverse Distance
Weighted (IDW) dalam Estimasi Curah Hujan di Provinsi Daerah Istimewa
Yogyakarta”.

1.2 Rumusan Masalah

Berdasarkan latar belakang yang telah diuraikan sebelumnya, beberapa
permasalahan yang dapat dirumuskan antara lain:
1) Bagaimana analisis statistik deskriptif data curah hujan pada musim hujan dan
musim kemarau di Daerah Istimewa Yogyakarta?
2) Model Ordinary Kriging mana yang terbaik pada curah hujan di Daerah Istimewa
Yogyakarta?
3) Parameter power IDW mana yang terbaik pada curah hujan di Daerah Istimewa
Yogyakarta?
 4

4) Bagaimana estimasi curah hujan dengan menggunakan metode Ordinary Kriging

dan Inverse Distance Weighted (IDW)?
5) Dari metode Ordinary Kriging dan IDW, manakah metode yang terbaik pada
estimasi curah hujan tersebut?

1.3 Batasan Masalah

Dalam mengatasi penyimpangan dan banyaknya metode yang dapat digunakan
dalam analisis ini. Penelitian ini menerapkan batasan masalah sebagai berikut:
1) Software pendukung yang digunakan adalah software Rstudio.
2) Model semivariogram teoritis yang digunakan adalah model semivariogram
teoritis Sperichal, Gaussian dan Exponential.
3) Metode Inverse Distance Weighted (IDW) menggunakan perbandingan
parameter power 1, 2, 3, 4 dan 5.
4) Peneliti membandingkan MSE dari metode Ordinary Kriging dan Inverse
Distance Weighted.
5) Data testing dan data training dalam interpolasi IDW dan Ordinary Kriging
sama.
6) Data terdiri dari 117 dibagi menjadi 101 data training dan 16 data testing.

1.4 Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah:
1) Untuk mengetahui model Ordinary Kriging mana yang terbaik pada curah
hujan di Daerah Istimewa Yogyakarta.
2) Untuk mengetahui parameter power IDW mana yang terbaik pada curah
hujan di Daerah Istimewa Yogyakarta.
3) Mendapatkan estimasi curah hujan dengan menggunakan metode Ordinary
Kriging dan Inverse Distance Weighted (IDW).
4) Menerapkan ilmu, menambah wawasan serta menambah informasi dan
pengetahuan yang selama ini didapat di bangku kuliah dengan disiplin ilmu
yang dipelajari terutama dalam bidang statistika yang diaplikasikan dalam
dunia industri serta menjadi bekal untuk memasuki dunia kerja.
1.5 Manfaat Penelitian
Beberapa manfaat yang diharapkan dari penelitian ini adalah sebagai berikut:
1) Bagi penulis, penelitian ini bermanfaat antara lain:
 5

a. Mendapatkan kesimpulan atau hasil analisa penyelesaian permasalahan

menggunakan Ordinary Kriging dan Inverse Distance Weighted (IDW)
yang diperoleh dari praktik sesungguhnya.
b. Merupakan sarana latihan kerja sebagai bekal dalam mempersiapkan diri
untuk terjun di dunia kerja.
2) Bagi Institut, penelitan ini bermanfaat antara lain:
a. Menyiapkan mahasiswa agar menjadi tenaga kerja yang terampil dan siap
pakai.
b. Tercipta pola kemitraan dan hubungan kerja sama yang baik dengan
perusahaan tempat mahasiswa melaksanakan Pelatihan Kerja Pada Industri.
3) Bagi kantor, penelitian ini bermanfaat antara lain:
a. Dapat menjalin hubungan eksternal yang positif dengan pihak Institut Sains
& Teknologi AKPRIND Yogyakarta khususnya Jurusan Statistika,
b. Sebagai bahan pertimbangan dan bahan evaluasi bagi kantor dengan adanya
masukan yang bermanfaat dari mahasiswa untuk meningkatkan
kesejahteraan hidup masyarakat dengan melakukan penanggulangan-
penanggulangan dalam mengatasi persoalan tersebut.
c. Sebagai pengabdian kantor pada masyarakat dalam bidang pendidikan.