W E
S
ANALISIS
VARIOGRAM
Penyebaran Vegetasi
Posisi Bintang Alam
2. Variansi dari selisih dua buah peubah acak hanya bergantung pada jarak
peubah acak tersebut, tidak bergantung pada lokasi,
𝑉𝑎𝑟 𝑍 𝒔 − 𝑍 𝒔 + ℎ = 2𝛾(ℎ)
• 𝑠𝑖 : lokasi-lokasi terobservasi, 𝜆𝑖 = 1
𝑖=1
• 𝑍 𝑠𝑖 ∶ nilai peubah acak pada lokasi
ke-𝑖 • variansi galat taksiran, 𝑉𝑎𝑟ൣ𝑍 𝑠0 −
𝑍መ 𝑠0 ൧, minimum.
• 𝜆𝑖 : bobot kriging untuk lokasi ke-𝑖.
Dengan menyelesaikan persamaan di atas akan diperoleh nilai bobot kriging yang akan
digunakan untuk menaksir nilai pada suatu lokasi tak terobservasi.
2. Persiapkan program R. Berikut adalah paket- d) Membuat peta kontur yang menunjukan
paket R yang digunakan : sp, gstat, dplyr, persebaran nilai pada wilayah observasi. Hal
ggplot2 dan maptools. ini dilakukan dengan cara menaksir titik-titik
tak terobservasi pada wilayah observasi
3. Secara berurutan langkah berikutnya adalah :
dengan ordinary kriging.
a) Import data, data akan tersimpan dalam
variabel dengan class “data frame” yang
Editor Console
# Package-package yang digunakan : > glimpse(DataSumurJTB)
library(sp) Formal class 'SpatialPointsDataFrame' [package "sp"] with 5
library(gstat) slots
..@ data :'data.frame': 13 obs. of 5 variables:
library(dplyr) .. ..$ no : int [1:13] 8 18 28 38 48 58 68 78 88 98 ...
library(ggplot2) .. ..$ nosumur : int [1:13] 52 62 72 86 95 107 119 134 145
library(maptools) 154 ...
.. ..$ dz : int [1:13] 213 291 291 388 138 108 168 256
# input data berupa file excel 239 238 ...
.. ..$ k.fracture: num [1:13] 35.4 26.6 51.7 14.3 13.3 ...
library(readxl)
.. ..$ pormatrik : num [1:13] 12.16 13.53 15.13 10.62 8.43 ...
DataSumurJTB <- read_excel("D:/DATA VARIOGRAM.xlsx", sheet = ..@ coords.nrs : int [1:2] 3 4
"Sumur Jatibarang") ..@ coords : num [1:13, 1:2] 0.631 0.924 0.568 1.056 0.129
...
# Merubah "Data Frame" menjadi "Spatial Point Data Frame (SPDF)" .. ..- attr(*, "dimnames")=List of 2
# x dan y adalah nama kolom yang menyatakan koordinat data ..@ bbox : num [1:2, 1:2] 0.129 -1.529 1.249 -0.39
.. ..- attr(*, "dimnames")=List of 2
coordinates(DataSumurJTB) <- ~x+y
..@ proj4string:Formal class 'CRS' [package "sp"] with 1 slot
glimpse(DataSumurJTB)
Notes:
Praktikan bisa memodifikasi interval jarak dengan
menambahkan width pada fungsi variogram
Editor Console
# Mengitung Variogram & plot variogram eksperimental > # ditentukan width = 0.05
# Secara otomatis, perhitungan dapat dilakukan dengan
> (vgm2 <- variogram(k.fracture~1, DataSumurJTB, width = 0.05))
perintah ditentukan width = 0.05
(vgm2 <- variogram(k.fracture~1, DataSumurJTB, width = np dist gamma dir.hor dir.ver id
0.05)) 1 3 0.1340292 3157.0179 0 0 var1
plot(vgm2, cex=1) 2 4 0.2359029 2112.8733 0 0 var1
3 5 0.2667206 277.1449 0 0 var1
Plot 4 4 0.3236990 3365.6813 0 0 var1
5 3 0.3673355 3997.5117 0 0 var1
6 5 0.4256882 2753.7785 0 0 var1
7 5 0.4712329 2218.4161 0 0 var1
8 2 0.5239131 462.4068 0 0 var1
> plot(vgm2, cex=1)
Editor Console
# menampilkan model variogram eksperimental terbaik diantara model > (fit <- fit.variogram(vgm.ln.2, model=vgm(model=c("Exp",
("Exp", "Sph", "Gau") "Sph","Gau"))))
# Fitting variogram model psill range
(fit <- fit.variogram(vgm.ln.2, model=vgm(model= c("Exp","Sph","Gau“)))) 1 Sph 0.7998145 0.4178029
plot(vgm.ln.2, fit) > plot(vgm.ln.2, fit)
Otomatis mengeluarkan
model terbaik
Plot
Dengan Program R, diperoleh model variogram terbaik yaitu model
spherikal, dengan taksiran parameter sebagai berikut :
𝑐0 = 0
𝑐 = 0.7998145
𝑎 = 0.4178029
3ℎ ℎ3
𝑐0 + 𝑐 − , ℎ≤𝑎
𝛾𝑠𝑝ℎ ℎ = ൞ 2𝑎 2𝑎3
𝑐0 + 𝑐, ℎ>𝑎
3ℎ ℎ3
0.8 − , ℎ ≤ 0.418
=൞ 0.836 0.146
0.8, ℎ > 0.418
Editor Plot
# Membuat grid untuk melihat peta kontur sebaran data untuk lokasi
tidak terobservasi dengan metode krigging
# n : ukuran grid
n <- 0.02
kolom <- seq(DataSumurJTB@bbox[1,1]-n,DataSumurJTB@bbox[1,2]+n,by=n)
baris <- seq(DataSumurJTB@bbox[2,1]-n,DataSumurJTB@bbox[2,2]+n,by=n)
the.grid <- expand.grid(x=kolom,y=baris)
coordinates(the.grid) <- ~x+y
gridded(the.grid) <- T
Editor Plot
# melakukan penaksiran untuk membentuk peta kontur dengan
ordinary kriging
kriging <- krige(k.fracture~1, DataSumurJTB, the.grid,
model=fit)
Editor Plot
# Menaksir nilai di titik tak terobservasi dengan kriging
# menentukab koordinat; contoh 5 lokasi (0.2,-1),(0.4,-0.8),(0.8,-
1.0),(1,-1.4),dan (1.2,-0.5)
No x y z Porositas Permeabilitas
1 765855.9 10251272 977.005 0.291 373.497
2 757356.8 10251495 954.837 0.250 390.678
3 757471.7 10249681 1113.113 0.297 129.994
4 757498.6 10250135 1024.894 0.245 191.446
5 757171.2 10252225 1062.658 0.250 246.017
6 756996.6 10251021 1057.270 0.328 211.900
7 757491.4 10251051 985.542 0.244 374.546
8 757685.5 10250714 966.953 0.289 147.300
9 756880.9 10250782 976.546 0.199 405.400
10 757461.5 10250617 974.861 0.282 128.723
11 757366.6 10250301 921.547 0.183 229.900