1.

Membuka data shp Kontur_LN Kota Magelang yang telah didownload dari inageoportal

2. Tampilan kontur berupa line akan diubah menjadi point dengan cara Arctoolbox > Data
management tool > features > feature vertices to points.

3. Berikut tampilan point shp Kota Magelang :

A . METODE INTERPOLASI IDW

- IDW dapat dilakukan dengan software Arc map 10.8 dengan cara Arc toolbox > spatial
analyst tools > interpolation > IDW

- Klik dua kali lalu muncul dialog box dan isi :

Input point feature dari data point Kota Magelang
Nilai z/ketinggian menggunakan data VALKNT/ Value Kontur
Output cell size sebesar 4,9 x 10-4

- Berikut adalah tampilan hasil pengolahan idw yang dibandingkan dengan Demnas :
- Analisis :
Metode Inverse Distance Weighted merupakan metode deterministic yang sederhana
dengan mempertimbangkan titik disekitar nya (NCGIA, 1997) dengan asumsi nilai interpolasi
lebih mirip pada data sampel yang dekat daripada yang lebih jauh dimana bobot akan
berubah secara linear sesuai dengan jaraknya dengan data sampel dan tidak dipengaruhi
letak dari data sampel.
Adapun kelemahan dari metode ini adalah nilai hasil interpolasi terbatas pada nilai yang
ada pada data sampel (isotropic). Metode ini menggunakan rata-rata data sampel sehingga
nilainya tidak bisa lebih kecil dari minimum atau lebih besar dari data sampel, sehingga
puncak bukit/ lembah terdalam tidak dapat ditampilkan dari hasil interpolasi ini (Watson &
Philip, 1985). Sehingga untuk mendapatkan hasil yang diinginkan, maka sampel yang
digunakan harus rapat dan berhubungan dengan variasi lokal.
B. METODE KRIGGING

- Metode ini dilakukan dengan cara seperti metode idw, dengan data :

1. Klik dua kali tool krigging lalu muncul dialog box dan isi input hamper sama dengan metode
idw dengan pilihan kriging method ordinary dan model semi variogram spherical.
2. Input point feature dari data point Kota Magelang
3. Nilai z/ketinggian menggunakan data VALKNT/ Value Kontur
4. Output cell size sebesar 4,9 x 10-4

- Berikut hasil perbandingan krigging dengan Demnas :

 - Analisis :
Asumsi dari metode ini adalah jarak dan orientasi antara sampel data menunjukkan
korelasi spasial yang penting dalam hasil interpolasi (ESRI,1996), untuk kecepatan
perhitungan tergantung pada banyaknya sampel dan cakupan wilayah yang akan diolah. Tidak
seperti metode IDW, Kriging memberikan ukuran error dan confidence. Metode ini
menggunakan semivariogram yang merepresentasikan perbedaan spasial dan nilai diantara
semua pasangan sampel data. Semivariogram juga menunjukkan bobot (weight) yang
digunakan dalam interpolasi. Semivariogram dihitung berdasarkan sampel semivariogram
dengan jarak h, beda nilai z dan jumlah sampel data n. Jenis Kriging yang bisa dilakukan
adalah dengan cara spherical, circular, exponential, gaussian dan linear (ESRI, 1999).
Tahapan dalam menggunakan metode ini adalah: analisa statistik dari sampel data,
pemodelan variogram, membuat hasil interpolasi dan menganalisa nilai variance. Metode ini
sangat tepat digunakan bila kita mengetahui korelasi spasial jarak dan orientasi dari data.
Oleh sebab itu, metode ini sering digunakan dalam bidang ketanahan dan geologi.
Kelemahan dari metode ini adalah tidak dapat menampilkan puncak, lembah atau nilai yang
berubah drastis dalam jarak yang dekat.
Dalam pengolahan ini, metode krigging memerlukan waktu pengolahan yang lebih
lama jika dibandingkan dengan metode idw, tin, dan spline, tetapi memiliki kesesuaian
hamper sama dengan data demnas.
Berikut tampilan dari variogram menggunakan software saga gis :

Hasil yang diperlihatkan berikut adalah hasil dari pengolahan software saga gis, dimana tampak
bahwa hasil metode idw tidak memiliki lubang/ lebih menutup area kosong dengan bobot jarak nya
sehingga lubang lebih sedikit dibandingkan dengan metode kriging dimana lebih memperhatikan
jumlah sampel nya dimana jumlah sampel area kanan bawah lebih jarang dan kurang rapat sehingga
menghasilkan output seperti berikut :
 Daftar Pustaka

Pramono, G. H. (2008). Akurasi Metode IDW dan Kriging untuk Interpolasi Sebaran
Sedimen Tersuspensi. Forum Geografi, 22(1), 97.
https://doi.org/10.23917/forgeo.v22i1.4929