LAPORAN III

PRAKTIKUM STATISTIKA SPASIAL

“KRIGING”
Tanggal Penyerahan : Jumat, 7 Januari 2022

Disusun Oleh :
Muhammad Rizki Febriansyah 232018089
Kelompok/Kelas: 7/A

Dosen : Dr. Dewi Kania Sari, Ir., M.T.

Asisten Dosen : 1. Aprilia Claudia Nena Ndola 232017039
2. Elysabeth Nindy Nasing 232017047

LABORATORIUM SISTEM INFORMASI SPASIAL

PRODI TEKNIK GEODESI
FAKULTAS TEKNIK SIPIL DAN PERENCANAAN
INSTITUT TEKNOLOGI NASIONAL
BANDUNG
2021
 Laporan Praktikum Statistika Spasial

DAFTAR ISI

DAFTAR ISI ................................................................................................................ 1

BAB I PENDAHULUAN ............................................................................................ 2

1.1 Maksud dan Tujuan Praktikum ................................................................ 2

1.2 Tempat dan Waktu Pelaksanaan Praktikum ............................................. 2
BAB II DASAR TEORI .............................................................................................. 3

2.1 Interpolasi Geostatistik ............................................................................. 3

2.2 Metode Kriging/Cokriging ....................................................................... 4
BAB III PELAKSANAAN PRAKTIKUM ............................................................... 6

3.1 Alat dan Bahan Praktikum ....................................................................... 6

3.2 Langkah Praktikum .................................................................................. 6
BAB IV HASIL DAN ANALISIS ............................................................................ 11

4.1 Ordinary Kriging .................................................................................... 11

4.1.1 Tahap Pemilihan Transformasi ....................................................... 11
4.1.2 Tahap Normal Score Transformation.............................................. 11
4.1.3 Tahap Semivariogram/Covariance Modelling ................................ 12
4.1.4 Tahap Searching Neighborhood ...................................................... 12
4.1.5 Tahap Cross Validation ................................................................... 13
4.1.6 Perbandingan Metode Simple Kriging dengan Ordinary Kriging .. 13
4.1.7 Perbandingan Metode IDW dengan Kriging................................... 13
BAB V PENUTUP ..................................................................................................... 14

5.1 Kesimpulan ............................................................................................ 14

DAFTAR PUSTAKA ................................................................................................ 15

LAMPIRAN ............................................................................................................... 16

Kelompok 7/Kelas_A 1
 Laporan Praktikum Statistika Spasial

BAB I PENDAHULUAN

1.1 Maksud dan Tujuan Praktikum

Adapun maksud dari praktikum ini adalah meningkatkan kempuan dan
keterampilan dalam menganalisis geostatistik dengan metode interpolasi
deterministik khususnya menggunakan metode kriging, dangan data dasar curah
hujan dan batas administrasi Kota Cimahi

Adapun tujuan dari praktikum ini adalah untuk dapat menganalisis data
spasial metode interpolasi khususnya dengan menggunakan metode kriging

1.2 Tempat dan Waktu Pelaksanaan Praktikum

Adapun tempat dan waktu pelaksanaan praktikum ini yaitu :

Hari/Tanggal : Senin, 22 November 2021

Waktu : 17.00 WIB – Selesai

Tempat : Google Meet

Kelompok 7/Kelas_A 2
 Laporan Praktikum Statistika Spasial

BAB II DASAR TEORI

2.1 Interpolasi Geostatistik

Geostatistika adalah salah satu cabang dari statistika terapan yang dikembangkan
oleh George Matheron daric Centre de Morophologie Mathematicque di
Fontainebleau, Perancis (1960). Geostatistika adalah aplikasi dari metode
probabilistik pada variable yang diresmikan (regionalized variable) (G.
Matheron). Dalam kata lain, geostatistika adalah ilmu yang mempelajari
mengenai fenomena yang berkaitan dalam ruang dan waktu ( Deutsch,2002 ).
Variabel yang diresmikan (regionalized variable) adalah variable yang berada di
antara variable yang benar – benar acak dan variabel yang benar – benar
deterministik. Dalam kata lain, variabel yang diresmikan (regionalized variable)
adalah fungsi – fungsi yang menjabarkan variabel – variabel yang mempunyai
distribusi geografis (misalnya ketinggian / elevasi permukaan tanah).
Geostatistika merupakan metodologi untuk menganalisis data yang berkorelasi
secara spasial serta memodelkan data spasial. Geostatistika menghasilkan akurasi
dan estimasi yang dapat diandalkan mengenai fenomena pada lokasi yang tidak
terukur. Geostatistika memmiliki karakterisitik yaitu menggunakan variogram
atau teknik – teknik lainnya untuk mengkuantifikasi dan memodelkan struktur
korelasi spasial dan juga penggunaan berbagai Teknik interpoasi, seperti kriging,
yang menggunakan model – model korelasi spasial. Prinsip dasar geostatistika
adalah bahwa area yang sering berdekatan akan cenderung memiliki bobot nilai
yang tidak jauh berbeda jika dibandingkan dengan area yang berjauhan.

Interpolasi spasial adalah proses matematis yang mengestimasi nilai yang

belum diketahui (unknown) dari suatu fungsi (biasanya fungsi skalar) pada suatu

Kelompok 7/Kelas_A 3
 Laporan Praktikum Statistika Spasial

titik berdasarkan satu set nilai yang diketahui pada beberapa titik sampel.
Interpolasi penting karena terdapat banyak ibjek spasial yang dipresentasikan
sebagai fungsi skalar yang didefinisikan pada suatu bidang, elevasi, distribusi
suhu, harga lahan, dsb.

Namun, tidak mungkin untuk engukur nilai fungsi pada semua lokasi
sehingga kita harus mengestimasinya dari satu set nilai yang diketahui. Rasional /
gagasan dasar dari interpolasi spasial adalah Hukum Geografi dari Tobler : “all
things are related but nearer things more so”, artinya jika dua benda lokasinya
berdekatan satu sama lain maka keduanya akan saling serupa dibandingkan
dengan benda – benda yang lokasinya saling berjauhan.

Interpolasi spasial adalah fitur yang sangat penting di dalam SIG, hal ini
dikarenakan :

1. Interpolasi spasial dapat memberikan kontur untuk menampilkan data

secara grafis.
2. Interpolasi spasial dapat menghitung (mengestimasi) beberapa sifat
(properties) dari permukaan pada suatu titik yang diberikan.
3. Interpolasi spasial dapat mengubah unit perbandingan ketika
menggunakan struktur data yang berbeda dalam layer yang berbeda

2.2 Metode Kriging/Cokriging

Kriging adalah salah satu tehnik atau metode analisis data yang sering
digunakan dalam pertambangan. Secara umum, kriging merupakan analisis data
geostatistika untuk menginterpolasikan suatu nilai kandungan mineral
berdasarkan nilai-nilai yang diketahui. Suprajitno (2005) menjelaskan bahwa
metode ini merupakan metode khusus dalam moving average terbobot (weighted
moving average) yang meminimalkan variansi dari hasil estimasi. Kriging adalah
metode estimasi yang memberikan estimator BLUE ( Best Linier Unbiased
Estimator ) dari nilai-nilai titik atau rata-rata blok. Metode estimasi ini
mempertimbangkan faktorfaktor yang mempengaruhi akurasi estimasi, yaitu:
banyaknya sampel, posisi sampel, jarak antar sampel dengan titik yang akan

Kelompok 7/Kelas_A 4
 Laporan Praktikum Statistika Spasial

diestimasi, kontinuitas spasial dari variabel-variabelnyang terlibat dll. Dengan

kata lain metode ini digunakan untuk mengestimasi besarnya nilai karakteristik
dari estimator () pada titik tidak tersampel berdasarkan informasi dari titik-titik
tersampel yang berada disekitarnya.

Metode tersebut dapat digunakan untuk menghasilkan permukaan berikut :

1. Peta nilai prediksi kriging

2. Peta hubungan standar kesalahan dengan nilai prediksi kriging

3. Peta kemungkinan, yang menunjukkan apakah tingkat kritis prediksi terlampaui

atau tidak.

4. Peta quantile untuk tingkat probabilitas yang telah ditentukan.

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 drastic dalam jarak yang
dekat. Pada praktikum ini, akan dilakukan analisis geostatistik metode
deterministik dengan menggunakan metode Simple Kriging.

Simple Kriging mengasumsikan model :

Z ( s ) = μ + ε (s),

Kelompok 7/Kelas_A 5
 Laporan Praktikum Statistika Spasial

BAB III PELAKSANAAN PRAKTIKUM

3.1 Alat dan Bahan Praktikum
Berikut alat dan bahan dari praktikum kali ini, yaitu :

1. Laptop
2. Software ArcGIS 10.8
3. Data sample curah hujan
4. Data batas administrasi Kota Cimahi, Jawa Barat

3.2 Langkah Praktikum

Berikut langkah-langkah praktikum ke-3 kriging :

NO GAMBAR KETERANGAN

1 Buka software
ArcGIS 10.8

2 Kemudian add
data, pilih data
kriging dan pilih
batas administrasi
dan curah hujan,
klik add

Kelompok 7/Kelas_A 6
 Laporan Praktikum Statistika Spasial

3 Maka tampilan
akan seperti ini
setelah
melakukan add
data

4 Lalu pilih
geostatical
analystic, dan
pilih Kriging,
pada source
dataset pilih
curah hujan, dan
data field pilih
intensitas

5 Lalu pilih use

mean, klik next

6 Klik next

Kelompok 7/Kelas_A 7
 Laporan Praktikum Statistika Spasial

7 Klik next

8 Tampilan ini klik

next

9 Klik finish

10 Tampilan akan
seperti ini, dan
klik ok

Kelompok 7/Kelas_A 8
 Laporan Praktikum Statistika Spasial

11 Maka hasil nya

akan seperti ini
tampilannya

12 Lalu klik kanan

pada hasil
kriging, dan pilih
export to vector

13 Pada tampilan ini

contour type pilih
filled contour,
klik ok

14 Tampilan setelah
di export akan
seperti ini

Kelompok 7/Kelas_A 9
 Laporan Praktikum Statistika Spasial

15 Kemudian
melakukan clip,
pada input pilih
GALayer, dan
clip pilih batas
administrasi, klik
ok

16 Maka hasil dari

clip akan seperti
berikut

17 Berikut hasil clip

kriging

Kelompok 7/Kelas_A 10
 Laporan Praktikum Statistika Spasial

BAB IV HASIL DAN ANALISIS

4.1 Ordinary Kriging

Ordinary Kriging adalah metode kriging yang paling banyak digunakan.
Dengan menggunakan variogram eksperimental yang dibandingkan dengan
beberapa variogram teoritis (Eksponensial, Gaussian, Spherical) dipilih salah satu
model semivariogram terbaik untuk mengestimasi nilai yang akan dicari.

4.1.1 Tahap Pemilihan Transformasi

4.1.2 Tahap Normal Score Transformation

Kelompok 7/Kelas_A 11
 Laporan Praktikum Statistika Spasial

4.1.3 Tahap Semivariogram/Covariance Modelling

• Pada diagram Covariance tersebut garis lurus berwarna hitam

menunjukkan model teoritis dari distribusi normal data.
• Pada diagram Covariance tersebut titik-titik merah menunjukkan sebaran
data sampel.
• Pada diagram Covariance tersebut tanda plus berwarna biru menunjukkan
nilai rata-rata.

4.1.4 Tahap Searching Neighborhood

• batasan maksimum tetangga yang dicari sebanyak 5 titik,

• batasan minimum tetangga yang dicari sebanyak 2 titik,
tipe sektoryang digunakan 4 sektor dengan 45 offset.
• nilai X dan Y prediksi akan muncul dalam kolom atau table
“Prediction Value”.

Kelompok 7/Kelas_A 12
 Laporan Praktikum Statistika Spasial

4.1.5 Tahap Cross Validation

4.1.6 Perbandingan Metode Simple Kriging dengan Ordinary Kriging

4.1.7 Perbandingan Metode IDW dengan Kriging

Kelompok 7/Kelas_A 13
 Laporan Praktikum Statistika Spasial

BAB V PENUTUP

5.1 Kesimpulan
Kriging adalah suatu teknik perhitungan untuk menghitung estimasi dari
suatu variabel teregional yang menggunakan pendekatan bahwa data yang
dianalisis dianggap sebagai suatu realisasi dari suatu variable acak, dan
keseluruhan variable acak yang dianalisis akan membentuk suatu fungsi acak
dengan menggunakan model structural variogram.

Ordinary kriging merupakan kriging paling sederhana yang digunakan

pada kasus data sampel kandungan yang tidak memiliki trend tertentu dengan
rata-rata populasi tidak diketahui.

Kelompok 7/Kelas_A 14
 Laporan Praktikum Statistika Spasial

DAFTAR PUSTAKA

Materi pembelajaran Geostatistika oleh Ibu Dr. Ir. Dewi Kania Sari., M.T

Hadi,Bambang Syaeful (2013). Metode Interpolasi Spasial dalam Studi

Geografi. Jurnal Pendidikan Geografi, FIS, UNY, Vol.11, No.2, hlm. 232-239.

Pranomo, Gatot H (2008). Akurasi Metode IDW dan Kriging untuk

Interpolasi Sebaran Sedimen Tersuspensi. Forum Geografi, Vol.22, No.1, hlm 97
– 110.

Purnama, Putu Mirah.dkk (2015). Interpolasi Spasial dengan Metode

Ordinary Kriging menggunakan Semivariogram Isotropik pada Data Spasial. E-
Jurnal Matematika, Vol. 4, No. 1, hlm.26-30.

Kelompok 7/Kelas_A 15
 Laporan Praktikum Statistika Spasial

LAMPIRAN

Kelompok 7/Kelas_A 16