Tugas 6

“Spatial Interpolation: Estimation and Modeling.”

Oleh: Muhammad Ichsan Fauzi (12318064)
1. Pelajari faktor-faktor berikut, yang akan menyebabkan kesulitan dalam
mengestimasi variogram:
a. Instability
➔ Keadaan dimana suatu objek spasial yang menggambarkan atribut non-spasial
yang relatif ekstrim atau berbeda secara signifikan dari objek spasial lainnya
dalam lingkup yang berdekatan. Dalam hal ini variogram yang diestimasi
menunjukkan rata-rata aritmatik dari selisih kuadrat dari nilai pasangan variabel
pada beda jarak tertentu. Sehingga, apabila ada pasangan variabel yang
menunjukkan perbedaan yang besar, selisih kuadrat akan memiliki dampak yang
signifikan pada nilai rata-rata aritmatika variogram. Efek ini akan mengubah nilai
variogram pada jarak tertentu dan menimbulkan ketidakstabilan.
b. Influence of Outliers
➔ Outlier merupakan suatu nilai dari sekumpulan data yang lain atau berbeda
dibandingkan biasanya serta tidak menggambarkan karakteristik data tersebut.
Pengertian data outlier adalah data observasi yang muncul dengan nilai-nilai
ekstrim, baik secara univariat ataupun multivariat. Efek dari outlier pada
variogram menyebabkan variogram yang diestimasi mengalami lonjakan dan
perubahan bentuk sehingga hasil estimasinya kurang akurat. Oleh karena itu,
perlu dilakukan pemeriksaan awal tentang kualitas data spasial yang digunakan.
c. Biased sampling
➔ Merupakan distorsi keterwakilan sampel yang muncul ketika beberapa anggota
populasi (kerangka sampel) memiliki sedikit atau tidak ada peluang untuk dipilih
sebagai sampel. Biased sampling dapat terjadi ketika data yang dikumpulkan
untuk menentukan distribusi data terpilih secara tidak tepat dan tidak mewakili
distribusi yang sebenarnya.
2. Untuk data pada tabel berikut:
Depth Porosity Permeability
(ft) (%) (md)
2040 8,25 35
2041 9 50
2042 6,25 21
2043 5 16
2044 5,3 20
2045 4,75 8
2046 5 14

a. Plot data porosity dan permeability!

Plot Data Porosity vs. Permeability

60

50

40

30

20

10

0
2039 2040 2041 2042 2043 2044 2045 2046 2047

Porosity (%) Permeability (md)

b. Hitung cross covariance Cc(L) dan cross variogram c(L) sebagai fungsi lag distance
(L = 0, 1, 2, dan 3 feet)!
➔ Untuk menghitung cross covariance Cc(L) kita dapat menggunakan rumus
 ➔ Untuk menghitung cross variogram c(L) kita dapat menggunakan rumus

ATAU

Maka, tabel perhitungannya akan menghasilkan

L c(L) Cc(L)
0 0 20,52653
1 8,879167 11,64736
2 16,875 3,651531
3 24,03125 -3,50472

c. Plot kurva cross covariance dan cross variogram dalam satu gambar!

Kurva Cross Variogram dan Cross Covariance

30 25

25 20

20 15
Yc(L)

Cc(L)

15 10

10 5

5 0

0 -5
0 1 2 3
Lag Distance (ft)

gc(L) Cc(L)
d. Analisis hasil plot kurva soal C!
➔ Ketika nilai lag distance meningkat, nilai cross variogram juga meningkat namun
nilai cross covariance akan menurun.