Faculty of Earth

Sciences and
Technology

Dasar-dasar interpolasi spasial

Irwan Meilano – Deni Suwardhi
Maret 2021
 Faculty of Earth
Sciences and
Technology

Mengapa interpolasi spasial ? (1)

• Data pengukuran lapangan biasanya berupa titik yang
diskrit.
• Diperlukan data spasial kontinu (atau permukaan spasial
kontinu) seperti : elevasi, curah hujan, kepadatan penduduk
dll.
• Data bentuk kontinu atua diskrit yang teratur bermanfaat
dalam perencanaan, penilaian risiko bencana, manajemen
lingkungan dll.
 Faculty of Earth
Sciences and
Technology

Mengapa interpolasi spasial ? (2)

Mengunjungi setiap lokasi di wilayah studi untuk mengukur ketinggian,

magnitudo, atau konsentrasi suatu fenomena biasanya sulit atau mahal.
Sehingga, lokasi sampel yang tersebar dapat dipilih dan nilai prediksi dapat
ditetapkan ke semua lokasi lain. Titik sampel dapat berupa titik-titik dengan
jarak acak, atau teratur
https://desktop.arcgis.com/en/arcmap/10.3/tools/spatial-analyst-toolbox/understanding-interpolation-analysis.htm
 Faculty of Earth
Sciences and
Technology

Mengapa interpolasi spasial ? (3)

Tantangan dalam membuat raster teratur dengan interpolasi adalah informasi

asli terdegradasi (sampai batas tertentu) - bahkan ketika titik data berada di
dalam sel, tidak ada jaminan bahwa sel tersebut akan memiliki nilai yang persis
sama

http://planet.botany.uwc.ac.za/nisl/gis/spatial/chap_1_11.htm
 Faculty of Earth
Sciences and
Technology

Mengapa interpolasi spasial ? (4)

Data pengamatan tinggi Hasil interpolasi : Inverse

dan Voronoi poligon Distance Weighting

http://planet.botany.uwc.ac.za/nisl/gis/spatial/chap_1_11.htm
 Faculty of Earth
Sciences and
Technology

Metoda Interpolasi Spasial

1. Metoda Deterministik (non-geostatistik) : Berdasarkan fungsi
yang menggunakan asumsi jarak, tingkat kehalusan
(smoothing) dll
2. Metoda Statistikal (geostatistik) : Berdasarkan pendekatan
statistik yang menjelaskan hubungan antar data (mis:
autokorelasi) dan ketidakpastiannya. Contoh metoda :
Kriging dan kolokasi kuadrat terkecil
3. Metoda kombinasi
 Faculty of Earth
Sciences and
Technology

Metoda Deterministik (1)

Inverse Distance Weighting

• Interpolator Pembobotan Jarak Terbalik : IDW mengasumsikan bahwa

setiap titik masukan memiliki pengaruh lokal yang berkurang seiring
dengan jarak.
• Ini membebani data yang lebih dekat ke titik yang dihitung lebih
besar daripada yang lebih jauh.
• Penggunaan metode ini mengasumsikan variabel yang dipetakan
berkurang pengaruhnya dengan jarak dari lokasi sampelnya.
 Faculty of Earth
Sciences and
Technology

Metoda Deterministik (2)

Inverse Distance Weighting

• Teknik IDW menghitung nilai untuk setiap

node grid dengan memeriksa titik data di
sekitarnya yang berada dalam radius
pencarian yang ditentukan pengguna. .
• Titik data yang semakin jauh dari node
mempengaruhi nilai yang dihitung jauh lebih
sedikit daripada yang terletak lebih dekat
ke node

http://planet.botany.uwc.ac.za/nisl/gis/spatial/chap_1_15.htm
 Faculty of Earth
Sciences and
Technology

Metoda Deterministik (3)

Inverse Distance Weighting

https://mgimond.github.io/Spatial/spatial-interpolation.html
 Faculty of Earth
Sciences and
Technology

Metoda Deterministik (4)

Inverse Distance Weighting

n=2 n = 15

https://mgimond.github.io/Spatial/spatial-interpolation.html
 Faculty of Earth
Sciences and
Technology

Metoda Deterministik (4)

B. Setyadji, 2021
 Faculty of Earth
Sciences and

Metoda Deterministik
Technology
 Faculty of Earth
Sciences and
Technology

Metoda Deterministik (5)

B. Setyadji, 2021
 Faculty of Earth
Sciences and
Technology

Metoda Deterministik (6)

B. Setyadji, 2021
 Faculty of Earth
Sciences and
Technology

Metoda Deterministik (7)

B. Setyadji, 2021
 Faculty of Earth
Sciences and
Technology

Metoda Deterministik (8)

B. Setyadji, 2021
 Faculty of Earth
Sciences and
Technology

Metoda Deterministik (9)

B. Setyadji, 2021
 Faculty of Earth
Sciences and
Technology

Metoda Geostatistik

B. Setyadji, 2021
 Faculty of Earth
Sciences and
Technology

Deterministik VS Geostatistik
• IDW (inverse distance weighted) dan Spline disebut sebagai metode
interpolasi deterministik karena secara langsung didasarkan pada
nilai terukur di sekitarnya atau pada rumus matematika tertentu.
• Kelompok kedua metode interpolasi terdiri dari metode geostatistik,
seperti kriging, yang didasarkan pada model statistik yang mencakup
autokorelasi — yaitu, hubungan statistik di antara titik-titik yang
diukur.
• Geostatistik tidak hanya memiliki kemampuan untuk menghasilkan
permukaan prediksi, tetapi juga memberikan beberapa ukuran
kepastian atau keakuratan prediksi.
 Faculty of Earth
Sciences and
Technology

Deterministik VS Geostatistik

https://link.springer.com/content/pdf/10.1007%2F978-3-319-
78999-6_29.pdf
 Faculty of Earth
Sciences and
Technology

Dasar Geostatistik (1)

• Geostatistik (Kriging) mengasumsikan bahwa jarak atau arah antara
titik sampel mencerminkan korelasi spasial yang dapat digunakan
untuk menjelaskan variasi di permukaan.
• Proses Geostatistik dilakukan dengan menyesuaikan fungsi matematika
ke sejumlah titik tertentu, atau semua titik dalam radius tertentu, untuk
menentukan nilai keluaran untuk setiap lokasi.
• Tahapan proses terdari dari : analisis statistik eksplorasi data,
pemodelan variogram, pembuatan permukaan, dan (opsional)
menentukan ketelitian .
 Faculty of Earth
Sciences and
Technology

Dasar Geostatistik (2) : Fungsi Dasar

Z(s0) = Nilai yang akan diprediksi di titik 0

Z(si) = Titik pengamatan pada lokasi ke-i
λi = nilai/fungsi bobot untuk pengamatan ke titik ke- i
s0 = lokasi yang akan di prediksi
N = jumlah pengamatan

• Dalam IDW nilai dari λi hanya tergantung pada jarak.

• Metode Geostatistik, bobot tidak hanya didasarkan pada jarak antara titik yang diukur dan lokasi
prediksi, tetapi juga pada pengaturan spasial keseluruhan dari titik yang diukur.
 Faculty of Earth
Sciences and
Technology

Autokorelasi (Autocorrelation-1)

• Korelasi atau asosiasi Ukuran kemiripan (similarity) antara dua (atau

lebih) kelompok data yang berpasangan
• Korelasi (statistik) tidak selalu memiliki hubungan sebab- akibat
• Ukuran tingkat/derajat korelasi ··· → koefisien korelasi (correlation
coefficient) dengan rentang nilai [−1,+1]. +1 (korelasi positif
sempurna), −1 (korelasi negatif sempurna), 0 (tidak berkorelasi)

B. Setyadji, 2021
 Faculty of Earth
Sciences and
Technology

Autokorelasi (Autocorrelation-2)

• Autocorrelation (serial correlation) membandingkan pasangan-2 nilai-2

yang terpisah oleh interval waktu atau rentang jarak (lag) dalam satu
kelompok data.
• Membuka peluang untuk mempelajari pola ketergantungan antara
pasangan-pasangan nilai tersebut, dan juga membantu membangun
model dengan asumsi ada ketergantungan data.

B. Setyadji, 2021
 Faculty of Earth
Sciences and
Technology

Autokorelasi (Autocorrelation-3)
Contoh fungsi autokorelasi adalah Variogram (Semivariogram)
Semivariogram(distanceh) = 0.5 * average{(valuei – valuej}2]

https://help.arcgis.com/en/arcgisdesktop/
10.0/help/index.html#//009z00000076000
000.htm
 Faculty of Earth
Sciences and
Technology

Autokorelasi (Autocorrelation-4)
Contoh perhitungan semivariogram
Semivariogram(distanceh) = 0.5 * average{(valuei – valuej}2]

https://help.arcgis.com/en/arcgisdesktop/
10.0/help/index.html#//009z00000076000
000.htm
 Faculty of Earth
Sciences and
Technology

Autokorelasi (Autocorrelation-5)
Contoh perhitungan semivariogram : Estimasi model

https://help.arcgis.com/en/arcgisdesktop/
10.0/help/index.html#//009z00000076000
000.htm
 Faculty of Earth
Sciences and
Technology

Dasar Geostatistik : Catatan

• Secara mendasar menggunakan prosedur yang sama dengan

interpolasi deterministik.
• Nilai-2 di titik yang akan diinterpolasi dihitung sebagai nilai
rata-rata linier dengan pembobotan dari titik-2 data di
sekitarnya.
• Perbedaannya, pembobotan (optimal) ditentukan dengan
memilih variogram yang sesuai.

B. Setyadji, 2021