DISUSUN OLEH :
Kelompok 5
NAVIRA NAWA KUNIASIH (03411940000002)
JOELIARDI TRITA HADI (03411940000005)
YOSI ASROLINAWATY GINTING (03411940000011 )
NOFENDRI MARSA PUTRA (034119400000027)
DHANDY SATRIA (034119400000058)
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.
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
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).
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.
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.
3.3. Flowchart
BAB IV
ANALISIS HASIL DAN PEMBAHASAN
4.1.1 Hasil dari metode Kriging
Gambar 4.1.4 Hasil 3D metode moving avarange data sampel air tanah
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 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
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
Van Beers, W.C.M, dan J. P.C. Kleijnen. (2004). Kriging Interpolation in Simulation: A
Survey. Proceedings of the Winter Simulation Conference