LAPORAN PRAKTIKUM

PENGOLAHAN DATA POROSITAS AIR TANAH DENGAN METODE GRIDDING

DISUSUN OLEH :
Kelompok 5
NAVIRA NAWA KUNIASIH (03411940000002)
JOELIARDI TRITA HADI (03411940000005)
YOSI ASROLINAWATY GINTING (03411940000011 )
NOFENDRI MARSA PUTRA (034119400000027)
DHANDY SATRIA (034119400000058)

JURUSAN TEKNIK GEOFISIKA

FAKULTAS TEKNIK SIPIL,PERENCANAAN,DAN KEBUMIAAN
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2021
 BAB I

PENDAHULUAN

I. Latar Belakang

Pengolahan data sangat diperlukan di zaman saat ini yang serba base on data, ilmu
statistika diperlukan dalam hal ini. Dan di dalam cabang ilmu Geofisika data sangatlah
penting atau sebuah hal yang fundamental, yaitu yang sering kita sebut sebagai Geostatistika.
Definisi dari Geostatistika sendiri adalah salah satu ilmu yang menggunakan analisis spasial.
Analisis spasial merupakan analisis yang memiliki atribut lokasi, seperti halnya lokasi absolut
(koordinat). Tentunya dalam Geostatistika sendiri terdapat beberapa metode yang digunakan,
di setiap metode juga memiliki kekurangan dan kelebihan masing-masing dan alangkah
baiknya setiap metode yang digunakan digunakan dalam konsep atau permasalahan yang
tepat. Metode yang dimaksud adalah metode Autokorelasi Spasial, Kriging, Box-jenkis,
Program R.

Geostatik pada umumnya digunkan pada bidang industry pertambangan.Industri

lainnya yang menggunakan geostatik dalam pengolahan datanya yaitu itu antara lain
meliputi,(1) Industri pertambanag pada awal dikembangkan dan juga proses ekplorasi lebih
lanjut,(2) Industri perminyakan lingkungan dan meterologinya,(3) Eksplorasi dalam
geofisika,(3)Pertanian dan perikanan,(4)Ilmu tanah,(5)Teknik sipil,(6)Akutansi dan materi
heterogen lainnya.Dalam setiap pengolahan data geofisika ini pastinya juga menggunakan
Software yang bisa mendukung dalam mendapatkan data yang baik. Dalam laporan
praktikum kali ini akan membahas metode-metode dari Geostatistika yaitu melalui metode
Gridding.Metode gridding sendiri memiliki berbagai macam metode lainnya,yang paling
umum digunakan adalah metode kriging.Pada praktium kali ini akan dibahas cara untuk
pengolahan data dan analisis data berupa hasil 2D mapping dan 3D kontur dari pengolahan
data sampel dengan beberapa metode yang ada pada software.

II. Rumusan Masalah

Rumusan masalah pada praktikum ini terkait dengan bagaimana pengolahan data
Geofisika yang melalui ilmu Geostatistika yang dibantu dengan metode dan software yang
dapat mengolah data-data geofisika tersebut.

III.Tujuan Praktikum

Tujuan dari praktikum kali ini adalah untuk mengetahui cara mengolah data Geofisika
dengan ilmu Geostatistika yang dibantu dengan metode dan software yang dapat mengolah
data-data tersebut serta melakukan analisis dengan melihat kelebihan dan kekurangan dari
setiap metode yang dilakukan .
 BAB II
DASAR TEORI
2.1 Metode konvesional

Menurut Djamarah (1996), metode pembelajaran konvensional adalah metode

pembelajaran tradisional atau disebut juga dengan metode ceramah, karena sejak dulu metode
ini telah dipergunakan sebagai alat komunikasi lisan antara guru dengan anak didik dalam
proses belajar dan pembelajaran. Dalam pembelajaran sejarah metode konvensional ditandai
dengan ceramah yang diiringi dengan penjelasan serta pembagian tugas dan latihan.

2.2 Surfer

Surfer adalah suatu program pemetaan yang dapat dengan mudah melakukan interpolasi
data hasil survei untuk membentuk kontur dan permukaan 3D (Yang et al., 2004). Terdapat dua
belas metode interpolasi pada perangkat lunak ini, masing-masing memiliki fungsi spesifik dan
parameter tersendiri. Kesalahan sehubungan dengan perhitungan dan pengukuran dapat
diindikasikan dari presisi dan akurasinya. Presisi mengacu pada sebaran dari ulangan bacaan dari
suatu alat yang mengukur besaran fisik tertentu, sementara akurasi mengacu pada kedekatan angka
pengukuran terhadap angka sebenarnya (Chapra dan Canale, 1991).

2.3 Metode Kriging

Kriging biasanya digunakan untuk menganalisis data geostatistika, seperti menduga

kandungan mineral berdasarkan data sampel. Data sampel biasanya diambil dari lokasi-lokasi
atau titik-titik yang tidak beraturan. Berdasarkan diketahui atau tidaknya mean, Kriging dapat
dibedakan menjadi tiga, yaitu Simple Kriging, Ordinary Kriging, dan Universal Kriging
(Cressie, 1993). Ordinary kriging merupakan metode yang diasumsikan rata-rata (mean) dari
populasi tidak diketahui, dan pada data spasial tersebut tidak mengandung trend. Selain tidak
mengandung trend, data yang digunakan juga tidak mengandung pencilan. 
Menurut  (Bohlig, 2005), metode kriging dibagi menjadi tiga jenis kriging pokok, yaitu
Simple Kriging, Ordinary Kriging, dan Kriging with a Trend. 
 Simple Kriging adalah mean atau rata-rata sudah diketahui dan mempunyai nilai yang
konstan.
  Ordinary Kriging merupakan metode kriging yang paling sederhana pada
geostatistika. Pada metode ini mempunyai asumsi bahwa rata-rata (mean) dari
populasi tidak diketahui tetapi konstan. 
 Kriging with a Trend atau yang biasa disebut dengan universal kriging merupakan
metode kriging yang mempunyai kecenderungan trend dan merupakan bentuk umum
dari simple kriging. Metode kriging with a trend ini digunakan untuk menangani
masalah kenonstasioneran dari data yang diambil.

2.4 Metode Inverst Distance of a power

Metode Inverse Distance Weighted (IDW) merupakan metode deterministik yang

sederhana dengan mempertimbangkan titik disekitarnya. Asumsi dari metode ini adalah nilai
interpolasi akan lebih mirip pada data sampel yang dekat dari pada yang lebih jauh. Bobot
(weight) akan berubah secara linear sesuai dengan jaraknya dengan data sampel. Bobot ini
tidak akan dipengaruhi oleh letak dari datasampel. IDW mengasumsikan bahwa setiap titik
ukuran mempunyai pengaruh lokal yang berkurang dengan jarak. Titik-titik yang lebih dekat
ke lokasi estimasi akan diberi bobot yang lebih besar dibandingkan yang terletak lebih jauh
(Kania, 2006). Faktor penting yang dapat mempengaruhi hasil penaksiran antara lain adalah
actor power dan radius disekitar (neighboring radius) atau jumlah data penaksir (Almasi dkk,
2014). Nilai parameter power yang umum digunakan adalah: 1, 2, 3, 4 dan 5 (Y asrebi dkk,
2009). Persamaan IDW yang digunakan dalam pembobotan adalah sebagai berikut (Isaak dan
Srivastava, 1989).

2.5 Moving Avarange

Metode ini umumnya berlaku pada set data dengan skala yang sangat besar dan
banyak sehingga dapat menggabungkan data breakline.Metode ini memberikan nilai ke node
jaringan dengan rata-rata data di dalam elips pencarian node grid.

2.6 Metode Nearest Neighbor

Metode ini efektif untuk data-data XYZ yang tersebar merata dalam setiap daerah
pemetaan,tetapi akan terjadi masalah apabila data XYZ tidak terebar merata akan
mengakibatkan hasil kontur menjadi bias.Metode Nearest neighbour menggunakan titik
terdekat untuk memberikan nilai pada node grid.Hal ini berguna untuk konversi secara teatur
XYZ data file ke dalam file grid.
 BAB III
METODOLOGI

3.1 Metode yang digunakan untuk pengolahan data geostatistika

I. Metode Kriging

Kriging adalah salah satu tenik 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.

II. Metode Moving Avarange

Metode ini umumnya berlaku pada set data dengan skala yang sangat besar
dan banyak sehingga dapat menggabungkan data breakline.Metode ini memberikan
nilai ke node jaringan dengan rata-rata data di dalam elips pencarian node grid.

III. Metode Nearest Neighbor

Metode ini efektif untuk data-data XYZ yang tersebar merata dalam setiap
daerah pemetaan,tetapi akan terjadi masalah apabila data XYZ tidak terebar merata
akan mengakibatkan hasil kontur menjadi bias.Metode Nearest neighbour
menggunakan titik terdekat untuk memberikan nilai pada node grid.Hal ini berguna
untuk konversi secara teatur XYZ data file ke dalam file grid.

IV. Metode Inverst Distance of a power

Metode ini cenderung memiliki pola “bull’s eyes” pada kontur-kontur yang
konsesntris melingkar pada titik data.Metode ini merupakan metode penimbangan
rata-rata yang sederhana untuk menghitung nilai jarak grid.

3.2 Langkah Kerja

1. Buka Software, lalu klik tools File >  New >Worksheet.
2. Inputkan data sampel dalam bentuk format excel pada Worksheet di software user.
3. Kemudian, save Worksheet, beri nama filenya “Data” dengan format file berupa.bln.
4. Selanjutnya,beralih kelembar “Plot1” kemudian klik tools Grid > Data, kemudian cari
file yang data yang sudah disimpan tadi (Data.bln) dan selanjutnya pilih metoe
gridding yang akan digunakan misalnya (kriging) lalu klik open > OK.
5. Lalu klik ikon kontur 3D untuk lebih menarik dapat dilakukan pengaturan lainnya
dengan tools general,Z level,layel dan coor zones.

3.3. Flowchart
BAB IV
 ANALISIS HASIL DAN PEMBAHASAN
4.1.1 Hasil dari metode Kriging

Gambar 4.1.1 Hasil 2D metode kringing data sampel air tanah

Gambar 4.1.2 Hasil 3D metode kringing data sampel air tanah

4.1.2 Hasil dari metode Moving Avarange

 Gambar 4.1.3 Hasil 2D metode kringing data sampel air tanah

Gambar 4.1.4 Hasil 3D metode moving avarange data sampel air tanah

4.1.3 Hasil dari metode Nearest neighbour

 Gambar 4.1.5 metode kringing 2D data sampel air tanah

Gambar 4.1.6 Hasil dari 3D metode Nearest neigh

4.1.4 Hasil dari metode Inverst Distance of a power

 Gambar 4.1.7 metode kringing 2D data sampel air tanah

Gambar 4.1.4 Hasil dari metode Inverst Distance of a power

4.2 Pembahasan
 Pada praktikum kali ini menggunakan software surfer untuk melakukan pengolahan
data sampel air tanah yang sebelumnya telah dimuat dalam bentuk excel,dengan software
surfer ini memanfaatkan metode gridding untuk pengolahan data sampel.Grindding adalah
proses penggunaan data file XYZ untuk membentuk titik-titik tambahan pada sebuah grid
secara teratur  yang tersebar ke seluruh area pemetaannya.Beberapa metode grid yang
digunakan pada surfer untuk pengolahan data sampel air tanah pada praktikum ini.(1)
Kriging,adalah metode yang menghasilkan data lebih akurat dan fleksibel yang sering
digunakan dalam pertambangan untuk menganalisis data geostatistik untuk
menginterpolasikan suatu nilai kandungan mineral berdasarkan nilai-nilai yang diketahui
pada suatu area atau lokasi persebarannya.(2) Moving average,adalah metode yang efisien
digunakan pada set data dengan skala yang besar dengan memberikan nilai rata-rata data di
dalam elips pencarian node gridnya.(3) Nearest neighbor, efektif untuk data-data XYZ yang
tersebar merata dalam setiap daerah pemetaan,tetapi akan terjadi masalah apabila data XYZ
tidak tersebar merata akan mengakibatkan hasil kontur menjadi bias. (4)  Metode Inverse
Distance of a power, Metode ini cenderung memiliki pola “bull’s eyes” pada kontur-kontur
yang konsentris melingkar pada titik data. Metode ini merupakan metode penimbangan rata-
rata yang sederhana untuk menghitung nilai jarak grid. 

Berdasarkan pengolahan data yang telah dilakukan dengan metode-metode di atas

didapatkan hasil berupa peta kontur dan nilai standar deviasi dan nilai standar error. Dari peta
kontur didapat bahwa setiap metode menghasilkan peta kontur 2D dan 3D yang berbeda.
Hasil peta 3D dari metode kriging didapatkan bahwa hasil gambar terlihat halus dan
menampilkan ketinggian tiap-tiap bagian dengan cukup jelas. Pada metode moving average,
peta kontur 3D yang dihasilkan menampilkan gambar yang halus namun untuk kontur
ketinggian diperlihatkan dengan kurang jelas untuk tiap-tiap bagian ketinggiannya. Pada
metode nearest neighbor, peta kontur 3D yang dihasilkan cukup berbeda dengan peta hasil
metode lain karena gambarnya terlihat paling jelas dan kontur ketinggiannya jelas namun
terlihat kurang halus. Pada metode inverse distance of power, peta 3D yang dihasilkan
menampilkan gambar yang cukup jelas dan halus serta memuat kontur ketinggian tiap-tiap
bagiannya. dari kesemua gambar peta 3D yang dihasilkan dari metode didapat bahwa untuk
ketinggian ditunjukkan oleh warna merah dan daerah dengan topografi rendah oleh warna
biru. 
 Tabel 4.1analisis fisis dari setiap metode yang digunakan

NO Jenis Metode Standart Deviasi Standart eror

1 Kriging 6.6848 0.1019
2 Moving Averange 0.9491 0.0144
3 Nearest neighbour 6.6735 0.1017
4 Inver distance 3.6049 0.0549

Berdasarkan metode yang telah dilakukan, nilai standar deviasi dari masing-masing
metode antara lain, metode kriging standar deviasinya 6.68460930959, metode moving
average 0.949152565892, metode nearest neighbor standar deviasinya6.67351124103, dan
metode inverse distance of power 3.60497715153. Selain nilai standar deviasi, didapatkan
pula nilai standar error hasil pengolahan data dengan metode yang telah dilakukan. Pada
metode kriging standar errornya sebesar 0.101939336294, pada metode moving average
standar errornya sebesar 0.0144744409326, pada metode nearest neighbor sebesar
0.101770092336, dan pada metode inverse distance of power standar errornya sebesar
0.054975386169. Jika dibandingkan melalui standar deviasi dan standar error maka metode
Moving Average adalah metode yang standar deviasi dan standar errornya paling rendah.
Metode Inverse distance of power memiliki standar deviasi dan standar error yang paling
rendah kedua setelah moving average. Ketiga, Metode Nearest neighbor memiliki standar
error dan deviasi yang lebih tinggi dari metode Inverse distance of power. Metode Kriging
memiliki nilai standar deviasi dan standar error yang paling besar diantara metode
lainnya. Dari nilai standar deviasi dan nilai standar error yang didapatkan, maka metode yang
paling sesuai untuk pengolahan data porositas air tanah adalah metode moving average
karena memiliki nilai standar deviasi yang paling kecil, begitu pula dengan nilai standar error
yang dihasilkan adalah yang paling kecil di antara metode yang lain. Nilai standar error dan
standar deviasi yang rendah menunjukkan bahwa metode yang dilakukan sesuai dengan data
yang ada karena menunjukkan error yang kecil. Sebaliknya, nilai standar deviasi dan standar
error yang besar menunjukkan metode yang dilakukan tidak sesuai untuk data yang ada. 
 BAB V

KESIMPULAN

Berdasarkan pengolahan data yang telah dilakukan didapatkan kesimpulan berupa 

 Keempat metode yang telah dilakukan menghasilkan peta 2D dan kontur 3D yang
berbeda. 
 Pada metode Kriging nilai standar deviasi yang dihasilkan adalah 6.68460930959 dan
nilai standar errornya sebesar 0.101939336294. 
 Pada metode Moving Average nilai standar deviasi yang dihasilkan sebesar
0.949152565892 dan nilai standar errornya sebesar 0.0144744409326.
 Pada metode Nearest Neighbor nilai standar deviasinya sebesar 6.67351124103 dan
nilai standar errornya adalah 0.101770092336.
 Pada metode Inverse Distance of Power nilai standar deviasinya adalah
3.60497715153 dan nilai standar errornya adalah 0.054975386169. 
 Berdasarkan nilai standar deviasi dan nilai standar error didapatkan metode yang
paling rendah nilai standar deviasi dan standar error adalah Metode Moving Average,
dan metode dengan nilai standar deviasi dan standar error yang paling besar adalah
Metode Kriging. 
 Metode yang paling sesuai untuk pengolahan data porositas air tanah adalah Metode
Moving Average karena memiliki nilai standar deviasi dan standar error yang paling
rendah. Sedangkan untuk metode pengolahan data porositas air tanah yang paling
tidak sesuai adalah Metode Kriging karena nilai standar deviasi dan standar errornya
paling besar. 
 DAFTAR PUSTAKA
Isaaks, E. a.(1989). Applied Geostatistics. (A. N. Kravchenko, Ed.) New York: Oxford
University Press.

Keckler, D. (1994). Surfer for Windows, User Guide. Golden Software, inc. Colorado.

Laksana, Endra Angen. 2010. Analisis Data Geostatistika Dengan Unviersal Kriging.
Yogyakarta: UNY 

S, D. K. (2006). "KTG 427GEOSTATISTIKA. Bandung: FTSP Itenas.

Solimun. 2001. Metode Penelitian Kuantitatif. (Bandung;Alfabeta).

Van Beers, W.C.M, dan J. P.C. Kleijnen. (2004). Kriging Interpolation in Simulation: A
Survey. Proceedings of the Winter Simulation Conference

Vincentius P. Siregar,dkk.(2009).”INTERPOLATOR DALAM PEMBUATAN KONTUR

PETA BATIMETRI.”Jurusan Ilmu Kelautan, Fakultas Ilmu Kelautan dan Perikanan,
Universitas Hasanuddin,Makassar.