SELLY PERMATASARI
Skripsi
Oleh:
Selly Permatasari
108094000010
i
PERNYATAAN
MANAPUN.
Selly Permatasari
108094000010
iii
PERSEMBAHAN
Skripsi ini Selly persembahkan untuk kedua orang tua Selly tercinta, Ayah dan
Bunda yang tak henti-hentinya memberikan doa, kasih sayang, perhatian, serta
dukungannya kepada Selly sejak kecil, saat ini, dan sampai akhir hayat nanti.
Ayah dan Bunda, Selly tak akan sampai pada tahap ini dan menjadi seperti
sekarang ini. Skripsi ini juga dipersembahkan untuk adik-adik Selly tersayang, Iki
dan Aldi yang selalu membawa keceriaan disaat kakak lelah dan sedih. Semoga
kita selalu menjadi keluarga yang utuh selamanya..aaammiin. Selly sayang Ayah,
MOTTO
kurmanya!
iv
ABSTRAK
v
ABSTRACT
vi
KATA PENGANTAR
Alhamdulillah, Segala puji bagi Allah SWT, Tuhan Semesta Alam yang
terkecuali pada penulis, sehingga penulis dapat menyelesaikan skripsi ini yang
kepada Nabi Muhammad SAW, beserta keluarga, para sahabatnya dan para
semangat, motivasi, dan bimbingan serta kritikan dari berbagai pihak. Oleh karena
1. Ayah dan Bunda tercinta yang tiada henti-hentinya memberikan doa, kasih
2. Bapak Dr. Agus Salim, M.Si, selaku Dekan Fakultas Sains dan Teknologi,
3. Ibu Yanne Irene, M.Si, selaku Ketua Program Studi Matematika FST UIN
vii
5. Ibu Gustina Elfiyanti, M.Si selaku pembimbing I dan Ibu Nina Fitriyati,
ilmunya dan pengalaman yang bermanfaat. Terima kasih bapak dan ibu ,
8. Adik-adik Selly tersayang, Iki dan Aldi, yang selalu membawa keceriaan
dan dukungannya, kalian pasti bisa mendapatkan yang terbaik dari kakak,
9. Mak dan Pak, dan seluruh keluarga besar Selly yang selalu memberikan
10. Ilham Tri Saputra, yang selalu membantu, memberi semangat, motivasi,
11. Sahabat-sahabatku, Nur, Pur, Mazul, Mpit, Rizki Ayu Pratiwi, Lia, Septi,
12. Keluarga Besar Math’08, Dewi, Faiz, Tedy, Danu, Putra, Ayu, Cica,
Hilman, Pekong, Tami, Mbak Karin, dan seluruhnya yang tidak bisa
ini. Selly sayang dan kangen kalian semua, kita harus tetep kompak ya
viii
13. Teman-teman kosan Ibu Faizah, Kak Vivi, Paul, Adek Ofa, Kak Sela dan
14. Keluarga Besar Himatika FST UIN Syarif Hidayatullah Jakarta, Math’09,
Math’10, Math’11, Math’12, Kak Edo dan semuanya, terima kasih atas
15. Anak-anak sekertariat BEM FST, Najmi, Tiedy, Nita, Kak Congor,
Mayang, Ongge, Mamat, Isna, Kak Evan, Danu SI’08, Citra, yang telah
16. Si Kilat, motor luar biasa yang selalu mau disusahkan penulis dan tuannya,
17. Seluruh orang-orang yang sangat membantu dan tidak dapat disebutkan
dan jauh dari kesempurnaan, oleh karena itu penulis memohon maaf jika terdapat
kesalahan yang kurang berkenan, dan penulis harapkan kritik dan saran demi
Penulis
ix
DAFTAR ISI
HALAMAN JUDUL i
PENGESAHAN UJIAN ii
PERNYATAAN iii
ABSTRAK v
ABSTRACT vi
DAFTAR ISI x
BAB I PENDAHULUAN 1
x
2.3 Asumsi Stasioner Orde Dua 11
2.4 Semivariogram 12
2.6 Interpolasi 20
2.7 Kriging 21
2.8.1 Linier 24
xi
4.4.1 Model Spherical 52
5.1 Kesimpulan 72
5.2 Saran 73
REFERENSI 75
LAMPIRAN 78
xii
DAFTAR TABEL
Kecamatan 39
DKI Jakarta 43
di Jakarta 44
xiii
DAFTAR GAMBAR
Gambar 4.1 Diagram Status Mutu Air Tanah Provinsi DKI Jakarta 43
X dan Y 61
Gambar 4.14 Peta Sebaran Estimasi Data Indeks Pencemaran Air Tanah
Gambar 4.15 Hasil Estimasi Status Mutu Air Tanah Wilayah DKI Jakarta 67
xiv
Gambar 4.16 Hasil Estimasi Status Mutu Air Tanah Wilayah
Jakarta Selatan 68
Jakarta Timur 69
Jakarta Pusat 69
Jakarta Barat 70
Jakarta Utara 70
xv
BAB I
PENDAHULUAN
malam dan siang, bahtera yang berlayar di laut membawa apa yang berguna
bagi manusia, dan apa yang Allah turunkan dari langit berupa air, lalu dengan
air itu Dia hidupkan bumi sesudah mati (kering)-nya dan Dia sebarkan di bumi
itu segala jenis hewan, dan pengisaran angin dan awan yang dikendalikan antara
langit dan bumi; Sungguh (terdapat) tanda-tanda (keesaan dan kebesaran Allah)
bagi kaum yang memikirkan” (QS 1:164). Dari ayat di atas dapat kita ketahui
betapa pentingnya peranan air bagi kehidupan seluruh makhluk hidup dibumi ini.
Air yang baik bagi kehidupan makhluk hidup adalah air yang tidak tercemar.
penelitian Al Afghani,dkk. (2011: 1) [1], jumlah air bersih yang dibutuhkan oleh
setiap warga ibukota berkisar dari 60 sampai 175 liter setiap harinya, dan jumlah
tersebut belum termasuk pasokan air bersih untuk kebutuhan komersial yang
sumberdaya air untuk kebutuhan warga (domestik dan industri) pada tahun 2010
diperkirakan mencapai sekitar 811,21 juta m3, terdiri dari air permukaan 469,74
juta m3 (56,01%) dan dari air tanah sebanyak 341,47 juta m3 (39,99%) [2]. Jumlah
1
ini akan bertambah setiap tahunnya seiring dengan bertambahnya jumlah warga
air bersih dengan harga murah. Rusaknya kualitas air tanah timbul seiring dengan
perkembangan pemukiman yang pesat dan tidak teratur. Salah satu penyebab
pencemaran air tanah di Jakarta adalah penataan instalasi air yang tidak baik, yaitu
letak sumur resapan air berdekatan dengan septic tank sehingga sumur-sumur air
warga tercemar oleh rembesan dari septic tank, padahal jarak idealnya minimal
10-15 meter. Selain itu, penggunaan air tanah dangkal yang berlebihan dapat
asal saluran limbah dan septic tank yang kontruksinya kurang baik masuk ke
Jakarta untuk mengetahui daerah di Jakarta yang mengalami pencemaran air tanah
Kriging dikarenakan adanya trend pada data indeks pencemaran air tanah dan
tidak memenuhi asumsi stasioner orde dua, sehingga kriteria tersebut sesuai
untuk mengestimasi nilai dari sebuah titik sebagai kombinasi linear dari nilai titik
tersampel yang terdapat disekitar titik yang akan diestimasi dan menghasilkan
2
prediksi unbiased, biasa disebut BLUE (Best Linier Unbiased Estimator) dan
memiliki kesalahan minimum [3], oleh karena itu kriging merupakan metode
interpolasi yang paling baik untuk melakukan suatu estimasi. Asumsi-asumsi yang
harus dipenuhi data yang sesuai dengan Universal Kriging yaitu, rata-rata tidak
diketahui, memiliki sifat tidak stasioner orde dua dalam rata-rata, dan residual dari
antara lain oleh Rafsanjani, dkk [4] yang meneliti tentang penyebaran properti
optimal untuk ketinggian air tanah dengan mengestimasi permukaan yang kontinu
pada tinggi permukaan air tanah dan estimasi variansi pada akuifer daerah aluvial.
Ada juga penelitian Gundogdu,dkk [6] yang meneliti tentang kadar air tanah
penelitian ini dengan ketiga penelitian di atas adalah pada penelitian ini tidak
persamaan pada sistem Universal Kriging. Oleh karena itu, interpolasi dengan
metode Universal Kriging ini diharapkan dapat memberikan estimasi yang baik
3
1.2 Perumusan Masalah
Universal Kriging.
2. Data yang digunakan pada penelitian ini adalah data spasial yang terdiri
dari dua titik koordinat absis (X) dan ordinat (Y) dengan satuan meter,
serta variabel teregional indeks pencemaran air tanah dangkal (Z) yang
4
1.4 Tujuan Penelitian
2. Mencari tahu informasi apa saja yang didapatkan dari interpolasi data
estimasi daerah mana saja yang mengalami pencemaran air tanah dangkal
5
BAB II
LANDASAN TEORI
Air yang baik adalah air yang memenuhi standar baku mutu/ tidak
tercemar. Berikut ini adalah pembahasan tentang teori air tanah, mutu serta
pencemarannya:
Air tanah merupakan air yang berada di bawah permukaan tanah. Air
penyaluran dan sebagai reservoir, melalui permukaan tanah atau dari air
permukaan.
Air tanah ditemukan pada akuifer, yaitu lapisan tanah yang bersifat porous
(mampu menahan air) dan permeable (mampu melalukan atau memindahkan air).
Pergerakan air tanah sangat lambat, kecepatan arus berkisar antara 10 -10 sampai
10-3 m/detik dan dipengaruhi oleh porositas, permeabilitas dari lapisan tanah, dan
pengisian kembali air. Karakteristik utama yang membedakan air tanah dari air
permukaan adalah pergerakan yang sangat lambat dan waktu tinggal (residence
time) yang sangat lama, dapat mencapai puluhan bahkan ratusan tahun. Karena hal
tersebut, air tanah akan sulit untuk pulih kembali jika mengalami pencemaran.
Daerah di bawah tanah yang terisi air disebut daerah saturasi. Pada daerah
saturasi, setiap pori tanah dan bebatuan terisi oleh air yang merupakan air tanah.
6
Dinamika pergerakan air tanah terdiri atas pergerakan horizontal air tanah;
infiltrasi air hujan, sungai, danau dan rawa ke lapisan akuifer; dan keluarnya air
tanah melalui sumur, pancaran air tanah, serta aliran tanah memasuki sungai dan
tempat-tempat lain yang merupakan tempat keluarnya air tanah. Daerah yang
merupakan tempat masuknya air permukaan atau air hujan ke dalam tanah untuk
mengisi air tanah disebut recharge area, sedangkan daerah tempat keluarnya air
tanah atau tempat penyadapan/ pengambilan air tanah disebut discharge area [7].
Menurut letaknya terhadap permukaan, air tanah dibagi kedalam dua macam
yaitu:
2. Air tanah dalam, yang umumnya tersimpan dalam akuifer pada kedalaman
hujan yang jatuh ke bumi mengandung sedikit unsur mineral terlarut. Setelah
jatuh ke atas tanah, air langsung bereaksi dengan mineral dalam tanah atau batuan.
Jumlah dan jenis unsur mineral yang terlarut tergantung pada komposisi kimia,
struktur fisik dari batuan, pH dan potensial redoks (Eh) dari air (Todd, 1980) [8].
Sifat fisika dan komposisi kimia air tanah yang menentukan mutu air tanah secara
alami sangat dipengaruhi oleh jenis litologi penyusun akuifer, jenis tanah/ batuan
yang dilalui air tanah, serta jenis air asal air tanah. Air tanah dangkal rawan
7
karena tanah/ batuan bersifat melemahkan zat-zat pencemar, maka tingkat
pencemaran terhadap air tanah dangkal sangat tergantung dari kedudukan akuifer,
besaran, dan jenis zat pencemar, serta jenis tanah/ batuan di zona tak jenuh, serta
filter, mencegah kandungan limbah yang berukuran besar dan meloloskan cairan
untuk meresap ke dalam tanah. Zat berbahaya yang terlarut dalam air ikut meresap
ke dalam tanah mencemari air tanah yang ada. Pencemaran air tanah berbeda
dengan pencemaran air permukaan seperti sungai dan danau karena beberapa
fenomena berikut:
1. Air tanah bergerak relatif lambat dibanding air permukaan, dan tidak
2. Air tanah tidak memiliki akses terhadap udara bebas, sehingga oksidasi
yang memurnikan dan menetralkan racun tidak terjadi pada lapisan akuifer
di kedalaman.
Oleh sebab itu, pencemaran air tanah dangkal maupun dalam pada volume
dan konsentrasi yang sama, relatif lebih berbahaya dibanding pencemaran air
1. Limbah cair yang disimpan di kolam, danau, lembah, atau cekungan lain
8
2. Pestisida yang bioresisten, yang digunakan secara berlebihan untuk
mineral beracun.
air karena dapat melewati filter yang biasa dan bertahan dari klorinasi
[10].
untuk mengetahui status mutu air tanah melalui indeks pencemaran (Pollution
Nomor 115 tahun 2003 tentang pedoman penentuan status mutu air. Berikut ini
9
2.2 Data Spasial
Data spasial adalah data yang diperoleh dari hasil pengukuran yang
dengan lokasi, bentuk dan hubungan diantaranya dalam ruang bumi. Informasi
yang tersedia dalam data spasial adalah data-data yang bersangkutan dengan
objek-objek pada ruang bumi seperti permukaan bumi, bawah permukaan bumi,
perairan, kelautan, dan atmosfer [11]. Data spasial merupakan data dependen,
yaitu variabel yang berdistribusi dalam ruang. Himpunan dari variabel teregional
ruang berdimensi D, ℝ𝑑 [12]. Data spasial dapat berupa data diskrit atau kontinu.
Data spasial memiliki lokasi spasial beraturan (regular) maupun tidak beraturan
(irrregular). Suatu lokasi dikatakan regular jika antara lokasi yang saling
berdekatan satu dengan yang lain mempunyai posisi yang beraturan dengan jarak
yang sama besar. Sedangkan dikatakan irregular jika antara lokasi yang saling
berdekatan satu dengan yang lain mempunyai posisi yang tidak beraturan dengan
jarak yang berbeda [13]. Data spasial ini didapatkan dari beberapa sumber,
diantaranya adalah citra satelit, peta analog, foto udara (Aerial Photograps), data
10
2.3 Asumsi Stasioner Orde Dua
stasioner bila distribusi probabilitas dari variabel teregional di lokasi tertentu sama
ada dua momen yang konstan yaitu mean dan variansinya, maka kondisi tersebut
disebut sebagai stasioner orde dua. Menurut Cressie [14], suatu fungsi dikatakan
memenuhi kondisi stasioner orde dua jika memenuhi kedua syarat berikut:
1. Ekspetasi atau mean variabel acak ada dan konstan untuk semua titik.
𝐸𝑍 𝑠 = 𝜇 𝑠 = 𝜇, ∀𝑠 ∈ 𝐷
Dengan kata lain ekspetasi dari variabel teregional di titik 𝑠 atau mean ada
tidak bergantung pada letak titik, hanya bergantung pada jarak antara dua
titik.
𝐶𝑜𝑣 𝑍 𝑠 + ℎ , 𝑍 𝑠 = 𝐸 𝑍 𝑠 + ℎ .𝑍 𝑠 − 𝐸 𝑍 𝑠 + ℎ .𝐸 𝑍 𝑠
= 𝐸 𝑍 𝑠 + ℎ .𝑍 𝑠 − 𝜇2
= 𝐶(ℎ) (2.1)
11
1. Ekspetasi dari selisih dua variabel acak yang berjarak ℎ nilainya sama
𝐸 𝑍 𝑠 + ℎ − 𝑍(𝑠) = 0, ∀𝑠 ∈ 𝐷
variansi yang hanya bergantung pada jarak, tidak bergantung pada lokasi
2
𝑉𝑎𝑟 𝑍 𝑠 + ℎ − 𝑍 𝑠 =𝐸 𝑍 𝑠+ℎ −𝑍 𝑠
1 1 2
𝑉𝑎𝑟 𝑍 𝑠 + ℎ − 𝑍 𝑠 = 𝐸 𝑍 𝑠+ℎ −𝑍 𝑠 = 𝛾(ℎ) (2.2)
2 2
orde dua terpenuhi, sedangkan pada Universal Kriging justru digunakan ketika
asumsi stasioner orde dua tidak terpenuhi oleh variabel teregional. Hal ini
disebabkan karena mean tidak konstan atau terdapat suatu pola pada mean yang
adalah sebuah trend, biasa dipanggil drift. Kondisi ini disebut nonstasioner dalam
mean.
2.4 Semivariogram
12
eksploitasi autokorelasi spasial dari variabel teregional yang biasa dikenal sebagai
Universal Kriging untuk mengamati korelasi spasial dalam data. Hal ini
dikarenakan terdapat asumsi stasioner orde dua pada komponen residual dari
sebagai berikut:
1
𝛾 ℎ = 𝑉𝑎𝑟 𝑍 𝑠 − 𝑍 𝑠 + ℎ
2
1
= 𝐸 [𝑍 𝑠 − 𝑍 𝑠 + ℎ ]2 − 𝐸[𝑍 𝑠 − 𝑍 𝑠 + ℎ ] 2
2
sehingga
2
2𝛾 ℎ = 𝐸 𝑍 𝑠 − 𝑍(𝑠 + ℎ)
Dengan:
13
𝑍(𝑠𝑖 ) = nilai pengamatan di titik 𝑠
(𝐶𝑖 ) (𝐶0 + 𝐶𝑖 )
(𝑎)
(𝐶0 ) (ℎ)
parameter-parameter yang harus dicari nilainya agar diperoleh model yang cocok
1. Range (𝑎), yaitu jarak pada saat nilai semivariogram mencapai sill, atau
2. Sill (𝐶0 + 𝐶𝑖 ), yaitu nilai semivariogram yang konstan untuk jarak tertentu
sampai dengan jarak yang tidak terhingga sehingga antara dua variabel
14
teregional yang berjarak ℎ tidak berkorelasi. Nilai sill umumnya akan
mendekati nol.
ekperimental merupakan suatu hal yang sulit dilakukan, karena tidak ada aturan
yang jelas. Dalam praktiknya, penaksiran parameter dilakukan dengan cara trial
and error, yaitu dengan mencocokkan model semivariogram yang dipilih dengan
Dengan
𝐶0 = nugget effect
𝐶0 + 𝐶𝑖 = sill
𝑎 = range
ℎ
𝐶0 + 𝐶𝑖 1 − 𝑒𝑥𝑝 − 𝑢𝑛𝑡𝑢𝑘 ℎ ≤ 𝑎
𝛾 ℎ = 𝑎
𝐶0 + 𝐶𝑖 𝑢𝑛𝑡𝑢𝑘 ℎ > 𝑎
15
2
ℎ
𝐶 + 𝐶𝑖 1 − 𝑒𝑥𝑝 − 𝑢𝑛𝑡𝑢𝑘 ℎ ≤ 𝑎
𝛾 ℎ = 0 𝑎
𝐶0 + 𝐶𝑖 𝑢𝑛𝑡𝑢𝑘 ℎ > 𝑎
Berikut ini adalah gambar dari ketiga model semivariogram teoritis [13]:
Semivariance (𝜸 𝒉 )
Sill
Nugget
(𝒂)
dengan residual.
16
Prinsip dasar dalam validasi silang adalah melakukan penaksiran nilai
variabel teregional dimulai dengan menaksir nilai variabel teregional ketiga. Hal
metode Universal Kriging. Selisih antara kedua nilai tersebut disebut residual.
Hal penting yang dilakukan dalam uji validasi silang adalah mengolah
residual yang diperoleh pada perhitungan di atas menjadi residual terbaku yaitu
residual yang sudah distandarisasi. Residual terbaku ini yang kemudian dijadikan
landasan untuk menguji apakah model semivariogram yang digunakan valid atau
tidak. Statistik uji yang digunakan adalah statistik uji 𝑄1 . Berikut ini pembahasan
17
1 𝑛
𝑄1 = 𝑛−2 𝑘 =3 𝜀𝑘 (2.4)
Dimana 𝑛 adalah jumlah sampel. Residual terbaku dalam uji validasi ini
dan diperoleh
1
𝑄1 ~𝑁 0,
𝑛−2
𝑍 𝑠3 = 𝜆1 𝑍 𝑠1 + 𝜆2 𝑍 𝑠2 (2.6)
dengan variansi 𝜎3 2 .
18
2. Bandingkan hasil taksiran 𝑍 𝑠3 dengan nilai sebenarnya 𝑍 𝑠3 .
Kemudian hitung selisih antar dua nilai tersebut atau biasa disebut
residual.
𝑒3 = 𝑍 𝑠3 − 𝑍 𝑠3 (2.7)
𝑒𝑘 = 𝑍 𝑠𝑘 − 𝑍 𝑠𝑘 ; 𝑘 = 3, … , 𝑛
𝑒𝑘
𝜀𝑘 = ; 𝑘 = 3, … , 𝑛
𝜎𝑘
19
Dengan statistik uji 𝑄1 seperti yang ditunjukkan pada langkah 7. Aturan
2
keputusan tolak H0 jika 𝑄1 ≥ pada tingkat kepercayaan 95%.
𝑛 −2
Dengan perkataan lain, model semivariogram tidak cocok atau tidak valid
2
jika 𝑄1 ≥ .
𝑛 −2
Dengan 𝛼 = 0.05, aturan keputusan tolak H0 jika 𝛼 < 0.05 pada tingkat
2.6 Interpolasi
pada lokasi-lokasi yang datanya tidak diketahui nilainya atau dapat dikatakan
kontinu di dalam ruang (space) dan atribut ini saling berhubungan (dependence)
dan nilai pada titik-titik yang berdekatan akan lebih mirip dari pada nilai pada
dihasilkan merupakan estimasi yang unbiased atau biasa disebut BLUE sehingga
20
menghasilkan hasil yang baik dengan tingkat kesalahan/ eror yang minimal
2.7 Kriging
nilai kandungan mineral oleh D.G. Krige, insinyur pertambangan Afrika Selatan,
akurasi estimasi, yaitu: banyaknya sampel, posisi sampel, jarak antar sampel
dengan titik yang akan diestimasi, kontinuitas spasial dari variabel-variabel yang
terlibat. Dengan kata lain metode ini digunakan untuk mengestimasi besarnya
terukur berdasarkan informasi dari titik-titik yang terukur karakteristiknya. Hal ini
dapat dilakukan dengan membentuk kombinasi linier dari titik-titik yang telah
persamaan:
𝑛
𝑍(𝑠0 ) = 𝜆𝑖 𝑍 𝑠𝑖
𝑖=1
21
Kriging dibagi kedalam beberapa tipe yaitu, metode Simple Kriging,
sesuai dengan asumsi-asumsi yang harus dipenuhi oleh data yang digunakan. Pada
skripsi ini metode yang akan digunakan adalah metode Universal Kriging, dan
untuk penjelasan lebih lanjut tentang Universal Kriging akan dibahas pada subbab
2.8.
trend tertentu. Hal pertama yang harus dilakukan jika kita memiliki data spasial
adalah melakukan pengujian asumsi stasioner orde dua. Terdapat dua syarat agar
suatu variabel teregional dikatakan memenuhi kondisi stasioner orde dua. Hasil
menjadi landasan untuk menentukan metode kriging yang tepat yaitu Simple
Kriging, Ordinary Kriging, atau Universal Kriging. Simple Kriging dan Ordinary
Universal Kriging digunakan ketika asumsi stasioner orde dua tidak terpenuhi.
sebagai kombinasi linier dari fungsi-fungsi yang diketahui. Jika bentuk drift
adalah linier, maka mean merupakan kombinasi linier dalam parameter 𝛽 dimana
Berlaku pula jika bentuk drift adalah kuadratik, maka mean merupakan kombinasi
22
linier dalam parameter 𝛽 dimana 𝑓 merupakan fungsi dalam bentuk koordinat
lokasi 𝑠 yang berpangkat dua. Bentuk kombinasi linier ini menyatakan 𝑓0 (𝑠) sama
dengan 1. Hal ini berarti, kondisi mean yang konstan masih dimasukkan dalam
persamaan mean. Berikut ini merupakan persamaan mean yang tidak konstan
nonstasioner pada Universal Kriging adalah jumlah dari dua komponen yaitu drift
dan residual.
𝑍 𝑠 = 𝜇 𝑠 + 𝛿(𝑠) (2.10)
dengan:
lokasi 𝑠. 𝐸 𝑍 𝑠 = 𝜇 𝑠 ,𝑠 ∈ 𝐷
Berikut ini akan dibahas terlebih dahulu mengenai kriteria BLUE yang
harus dipenuhi oleh taksiran, karena untuk mendapatkan suatu hasil penaksiran
yang akurat taksiran harus memenuhi kriteria BLUE, yaitu taksiran dari variabel
23
2.8.1 Linier
teregional tidak diketahui dan tidak konstan. Mean tersebut dinotasikan dengan
tersebut merupakan salah satu upaya agar taksiran memenuhi sifat linier.
berikut:
𝑛
𝑍 𝑠0 = 𝑖=1 𝜆𝑖 𝑍(𝑠𝑖 ) (2.11)
Dari persamaan diatas, taksiran dinyatakan sebagai kombinasi linier. Hal ini
menunjukkan sifat linier dari taksiran, dimana taksiran yang dinotasikan dengan
bagian yang penting, karena parameter 𝜆 dapat menentukan taksiran dari nilai
24
2.8.2 Tak Bias
Taksiran dalam metode kriging ini diupayakan memenuhi sifat tak bias.
Sedangkan kondisi tak bias yang harus dipenuhi oleh taksiran tersebut yaitu:
𝐸 𝑍 𝑠0 − 𝑍 𝑠0 =0
Atau
𝐸 𝑍 𝑠0 = 𝐸 𝑍 𝑠0 (2.14)
Bukti:
(←) Misalkan kondisi pada Persamaan (2.12) dan (2.13) dipenuhi. Akan
Sebelum mendapat penaksir tak bias, harus dicari terlebih dahulu ekspetasi
dari taksiran dan ekspetasi dari variabel teregional. Ekspetasi dari variabel
𝐸 𝑍 𝑠0 = 𝛽0 + 𝛽1 𝑓1 𝑠0 + ⋯ + 𝛽𝑝 𝑓𝑝 𝑠0 , 𝑠0 ∈ 𝐷 (2.15)
𝑛 𝑛 𝑛
𝐸 𝑍 𝑠0 = 𝛽0 𝑖=1 𝜆𝑖 + 𝛽1 𝑖=1 𝜆𝑖 𝑓1 𝑠𝑖 + ⋯ + 𝛽𝑝 𝑖=1 𝜆𝑖 𝑓𝑝 𝑠𝑖 (2.16)
𝐸 𝑍 𝑠0 = 𝐸 𝑍 𝑠0
25
(→) Misalkan 𝑍 𝑠0 merupakan penaksir tak bias untuk 𝑍 𝑠0 . Akan dibuktikan
𝐸 𝑍 𝑠0 = 𝐸 𝑍 𝑠0
𝑛 𝑛 𝑛
𝛽0 + 𝛽1 𝑓1 𝑠0 + ⋯ + 𝛽𝑝 𝑓𝑝 𝑠0 = 𝛽0 𝜆𝑖 + 𝛽1 𝜆𝑖 𝑓1 𝑠𝑖 + ⋯ + 𝛽𝑝 𝜆𝑖 𝑓𝑝 𝑠𝑖
𝑖=1 𝑖=1 𝑖=1
Sehingga diperoleh kondisi yang ditulis pada Persamaan (2.12) dan (2.13).
penaksir tak bias untuk 𝑍 𝑠0 jika dan hanya jika kondisi pada Persamaan (2.12)
𝑛 𝑛
𝑐𝑜𝑣 𝑍 𝑠0 𝑍 𝑠0 = 𝐶00 − 𝑖=1 𝑗 =1 𝜆𝑖 𝜆𝑗 𝛾(𝑠𝑖 − 𝑠𝑗 ) (2.18)
𝑛
−2𝑐𝑜𝑣 𝑍 𝑠0 𝑍 𝑠0 = −2𝐶00 + 2 𝑖=1 𝜆𝑖 𝛾 𝑠𝑖 − 𝑠0 (2.19)
26
Dengan mensubtitusi Persamaan (2.18), (2.19), dan (2.20) ke dalam
Berikut ini adalah persamaan variansi yang ditulis dalam bentuk semivariogram.
𝑉𝑎𝑟 𝑒 𝑠0 = 𝑉𝑎𝑟 𝑍 𝑠0 − 𝑍 𝑠0 = 𝜎𝑒 2
𝑛 𝑛 𝑛
2
𝜎𝑒 = 𝐶00 − 𝜆𝑖 𝜆𝑗 𝛾 𝑠𝑖 − 𝑠𝑗 + −2𝐶00 + 2 𝜆𝑖 𝛾 𝑠𝑖 − 𝑠0 + 𝐶00
𝑖=1 𝑗 =1 𝑖=1
𝑛 𝑛 𝑛
=− 𝜆𝑖 𝜆𝑗 𝛾 𝑠𝑖 − 𝑠𝑗 + 2 𝜆𝑖 𝛾 𝑠𝑖 − 𝑠0
𝑖=1 𝑗 =1 𝑖=1
𝜎𝑒 2 = − 𝑛
𝑖=1
𝑛
𝑗 =1 𝜆𝑖 𝜆𝑗 𝛾 𝑠𝑖 − 𝑠𝑗 + 2 𝑛
𝑖=1 𝜆𝑖 𝛾 𝑠𝑖 − 𝑠0 (2.21)
agar variansi tersebut dapat seminimal mungkin, yaitu dengan membuat turunan
tidak diketahui. Untuk turunan parsial dengan kondisi di atas dapat dilakukan
27
𝑛 𝑛 𝑛
𝐿=− 𝑖=1 𝑗 =1 𝜆𝑖 𝜆𝑗 𝛾 𝑠𝑖 − 𝑠𝑗 + 2 𝑖=1 𝜆𝑖 𝛾 𝑠𝑖 − 𝑠0 + 2𝑚0 1 −
𝑛 𝑝 𝑛
𝑖=1 𝜆𝑖 +2 𝑗 =1 𝑚𝑗 𝑓𝑗 𝑠0 − 𝑖=1 𝜆𝑖 𝑓𝑗 (𝑠𝑖 ) (2.22)
𝑖 = 1, … , 𝑛 dan 𝑗 = 1, … , 𝑝.
𝑛 𝑛 𝑛 𝑛
𝜕𝐿 𝜕
= − 𝜆𝑖 𝜆𝑗 𝛾 𝑠𝑖 − 𝑠𝑗 + 2 𝜆𝑖 𝛾 𝑠𝑖 − 𝑠0 + 2𝑚0 1 − 𝜆𝑖
𝜕𝜆𝑖 𝜕𝜆𝑖
𝑖=1 𝑗 =1 𝑖=1 𝑖=1
𝑝 𝑛
+2 𝑚𝑗 𝑓𝑗 𝑠0 − 𝜆𝑖 𝑓𝑗 𝑠𝑖 =0
𝑗 =1 𝑖=1
Untuk 𝑖 = 1
𝑛
𝜕𝐿 𝜕
= −2𝜆1 𝜆𝑗 𝛾 𝑠1 − 𝑠𝑗 + 2𝜆1 𝛾 𝑠1 − 𝑠0 + 2𝑚0 1 − 𝜆1
𝜕𝜆1 𝜕𝜆1
𝑗 =1
+2 𝑚𝑗 𝑓𝑗 𝑠0 − 𝜆1 𝑓𝑗 𝑠1 =0
𝑗 =1
𝑛 𝑝
= −2 𝜆𝑗 𝛾 𝑠1 − 𝑠𝑗 + 2𝛾 𝑠1 − 𝑠0 − 2𝑚0 − 2 𝑚𝑗 𝑓𝑗 𝑠1 = 0
𝑗 =1 𝑗 =1
𝑛 𝑝
2 𝜆𝑗 𝛾 𝑠1 − 𝑠𝑗 + 2𝑚0 + 2 𝑚𝑗 𝑓𝑗 𝑠1 = 2𝛾 𝑠1 − 𝑠0
𝑗 =1 𝑗 =1
28
𝑛 𝑝
𝜆𝑗 𝛾 𝑠1 − 𝑠𝑗 + 𝑚0 + 𝑚𝑗 𝑓𝑗 𝑠1 = 𝛾 𝑠1 − 𝑠0
𝑗 =1 𝑗 =1
𝑛 𝑝
𝑗 =1 𝜆𝑗 𝛾 𝑠𝑘 − 𝑠𝑗 + 𝑚0 + 𝑗 =1 𝑚𝑗 𝑓𝑗 𝑠𝑘 = 𝛾 𝑠𝑘 − 𝑠0 (2.23)
Untuk 𝑘 = 1, … , 𝑛.
𝑛 𝑛 𝑛 𝑛
𝜕𝐿 𝜕
= − 𝜆𝑖 𝜆𝑗 𝛾 𝑠𝑖 − 𝑠𝑗 + 2 𝜆𝑖 𝛾 𝑠𝑖 − 𝑠0 + 2𝑚0 1 − 𝜆𝑖
𝜕𝑚0 𝜕𝑚0
𝑖=1 𝑗 =1 𝑖=1 𝑖=1
𝑝 𝑛
+2 𝑚𝑗 𝑓𝑗 𝑠0 − 𝜆𝑖 𝑓𝑗 𝑠𝑖 =0
𝑗 =1 𝑖=1
𝑛
𝜕𝐿
=2 1− 𝜆𝑖 = 0
𝜕𝑚0
𝑖=1
1− 𝜆𝑖 = 0
𝑖=1
𝜆𝑖 = 1
𝑖=1
29
𝑛 𝑛 𝑛 𝑛
𝜕𝐿 𝜕
= − 𝜆𝑖 𝜆𝑗 𝛾 𝑠𝑖 − 𝑠𝑗 + 2 𝜆𝑖 𝛾 𝑠𝑖 − 𝑠0 + 2𝑚0 1 − 𝜆𝑖
𝜕𝑚𝑗 𝜕𝑚𝑗
𝑖=1 𝑗 =1 𝑖=1 𝑖=1
𝑝 𝑛
+2 𝑚𝑗 𝑓𝑗 𝑠0 − 𝜆𝑖 𝑓𝑗 𝑠𝑖 =0
𝑗 =1 𝑖=1
Untuk 𝑗 = 1
𝑛 𝑛 𝑛 𝑛
𝜕𝐿 𝜕
= − 𝜆𝑖 𝜆𝑗 𝛾 𝑠𝑖 − 𝑠𝑗 + 2 𝜆𝑖 𝛾 𝑠𝑖 − 𝑠0 + 2𝑚0 1 − 𝜆𝑖
𝜕𝑚𝑗 𝜕𝑚1
𝑖=1 𝑗 =1 𝑖=1 𝑖=1
+ 2𝑚1 𝑓1 𝑠0 − 𝜆𝑖 𝑓1 𝑠𝑖 =0
𝑖=1
𝑛
𝜕𝐿
= 2 𝑓1 𝑠0 − 𝜆𝑖 𝑓1 𝑠𝑖 =0
𝜕𝑚𝑗
𝑖=1
𝑓1 𝑠0 − 𝜆𝑖 𝑓1 𝑠𝑖 = 0
𝑖=1
𝜆𝑖 𝑓1 𝑠𝑖 = 𝑓1 𝑠0
𝑖=1
sebagai berikut:
𝑛
𝜕𝐿
= 2 𝑓𝑘 𝑠0 − 𝜆𝑖 𝑓𝑘 𝑠𝑖 =0
𝜕𝑚𝑘
𝑖=1
𝑛
𝑖=1 𝜆𝑖 𝑓𝑘 𝑠𝑖 = 𝑓𝑘 𝑠0 , 𝑘 = 1,2, … , 𝑝 (2.25)
30
Dari hasil penurunan 𝐿(𝜆, 𝑚) terhadap 𝜆𝑖 , 𝑚0 , dan 𝑚𝑗 diperoleh tiga buah
persamaan berikut:
𝑛 𝑝
𝑗 =1 𝜆𝑗 𝛾 𝑠𝑗 − 𝑠𝑘 + 𝑚0 + 𝑗 =1 𝑚𝑗 𝑓𝑗 𝑠𝑘 = 𝛾 𝑠𝑘 − 𝑠0 , 𝑘 = 1, … , 𝑛
𝑛 (2.26)
𝑖=1 𝜆𝑖 = 1
𝑛
𝑖=1 𝜆𝑖 𝑓𝑘 𝑠𝑖 = 𝑓𝑘 𝑠0 , 𝑘 = 1, … , 𝑝
dengan:
𝑝
𝑉𝑎𝑟 𝑒 𝑠0 = 𝜎𝑒 2 = 𝑛
𝑖=1 𝜆𝑖 𝛾 𝑠𝑖 − 𝑠0 + 𝑚0 + 𝑗 =1 𝑚𝑗 𝑓𝑗 𝑠0 (2.27)
𝑛 𝑝
𝜆𝑗 𝛾 𝑠𝑗 − 𝑠𝑘 + 𝑚0 + 𝑚𝑗 𝑓𝑗 𝑠𝑘 = 𝛾 𝑠𝑘 − 𝑠0 , ∀𝑘 = 1, … , 𝑛
𝑗 =1 𝑗 =1
𝑛 𝑝
𝜆𝑘 𝜆𝑗 𝛾 𝑠𝑗 − 𝑠𝑘 + 𝑚0 + 𝑚𝑗 𝑓𝑗 𝑠𝑘 = 𝜆𝑘 𝛾 𝑠𝑘 − 𝑠0 , ∀𝑘 = 1, … , 𝑛
𝑗 =1 𝑗 =1
𝑛 𝑛 𝑝 𝑛
𝜆𝑘 𝜆𝑗 𝛾 𝑠𝑗 − 𝑠𝑘 + 𝑚0 + 𝑚𝑗 𝑓𝑗 𝑠𝑘 = 𝜆𝑘 𝛾 𝑠𝑘 − 𝑠0
𝑘=1 𝑗 =1 𝑗 =1 𝑘=1
𝑛 𝑛 𝑛 𝑛 𝑝 𝑛
𝜆𝑘 𝜆𝑗 𝛾 𝑠𝑗 − 𝑠𝑘 + 𝜆𝑘 𝑚 0 + 𝜆𝑘 𝑚𝑗 𝑓𝑗 𝑠𝑘 = 𝜆𝑘 𝛾 𝑠𝑘 − 𝑠0
𝑘=1 𝑗 =1 𝑘=1 𝑘=1 𝑗 =1 𝑘=1
menjadi:
31
𝑛 𝑛 𝑛 𝑝 𝑛
𝜆𝑘 𝜆𝑗 𝛾 𝑠𝑗 − 𝑠𝑘 + 𝑚0 + 𝜆𝑘 𝑚𝑗 𝑓𝑗 𝑠𝑘 = 𝜆𝑘 𝛾 𝑠𝑘 − 𝑠0
𝑘=1 𝑗 =1 𝑘=1 𝑗 =1 𝑘=1
𝑛 𝑛 𝑛 𝑛 𝑝
𝑘=1 𝑗 =1 𝜆𝑘 𝜆𝑗 𝛾 𝑠𝑗 − 𝑠𝑘 = 𝑘=1 𝜆𝑘 𝛾 𝑠𝑘 − 𝑠0 − 𝑚0 − 𝑘=1 𝑗 =1 𝜆𝑘 𝑚𝑗 𝑓𝑗 𝑠𝑘 (2.28)
𝜎𝑒 2 = − 𝑛
𝑘=1
𝑛
𝑗 =1 𝜆𝑘 𝜆𝑗 𝛾 𝑠𝑗 − 𝑠𝑘 + 2 𝑛
𝑘 =1 𝜆𝑘 𝛾 𝑠𝑘 − 𝑠0 (2.29)
𝑉𝑎𝑟 𝑒 𝑠0 menjadi:
𝑛 𝑛 𝑝 𝑛
2
𝜎𝑒 = − 𝜆𝑘 𝛾 𝑠𝑘 − 𝑠0 − 𝑚0 − 𝜆𝑘 𝑚𝑗 𝑓𝑗 𝑠𝑘 +2 𝜆𝑘 𝛾 𝑠𝑘 − 𝑠0
𝑘=1 𝑘=1 𝑗 =1 𝑘=1
𝑛 𝑛 𝑛 𝑝
=2 𝜆𝑘 𝛾 𝑠𝑘 − 𝑠0 − 𝜆𝑘 𝛾 𝑠𝑘 − 𝑠0 + 𝑚0 + 𝜆𝑘 𝑚𝑗 𝑓𝑗 𝑠𝑘
𝑘 =1 𝑘 =1 𝑘=1 𝑗 =1
𝑛 𝑝
2
𝜎𝑒 = 𝜆𝑗 𝛾 𝑠𝑗 − 𝑠0 + 𝑚0 + 𝑚𝑗 𝑓𝑗 𝑠0
𝑗 =1 𝑗 =1
ditulis pada Persamaan (2.11) memenuhi sifat linier dan tak bias. Taksiran
tersebut merupakan suatu bentuk kombinasi linier dalam parameter 𝜆. Untuk itu,
32
pencarian parameter 𝜆𝑖 dimana 𝑖 = 1, … , 𝑛 merupakan bagian yang penting dalam
upaya penaksiran suatu nilai di suatu lokasi tertentu. Dalam hal ini, parameter 𝜆𝑖
eror dari taksiran. Langkah meminimumkan Mean Square Eror dari taksiran
yang dijadikan satu rangkaian persamaan yaitu Persamaan (2.26). Persamaan ini
𝛾 𝑠1 − 𝑠1 𝛾 𝑠2 − 𝑠1 ⋯ 𝛾 𝑠𝑛 − 𝑠1 1 𝑓1 𝑠1 ⋯ 𝑓𝑝 𝑠1 𝜆1 𝛾 𝑠1 − 𝑠0
𝛾 𝑠1 − 𝑠2 𝛾 𝑠2 − 𝑠2 ⋯ 𝛾 𝑠𝑛 − 𝑠2 1 𝑓1 𝑠2 ⋯ 𝑓𝑝 𝑠2 𝜆1 𝛾 𝑠2 − 𝑠0
⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝛾 𝑠1 − 𝑠𝑛 𝛾 𝑠2 − 𝑠𝑛 ⋯ 𝛾 𝑠𝑛 − 𝑠𝑛 1 𝑓1 𝑠𝑛 ⋯ 𝑓𝑝 𝑠𝑛 𝜆𝑛 𝛾 𝑠𝑛 − 𝑠0
1 1 ⋯ 1 0 0 𝑚0 = 1
⋯ 0
𝑓1 𝑠1 𝑓1 𝑠2 ⋯ 𝑓1 𝑠𝑛 0 0 ⋯ 0 𝑚1 𝑓1 𝑠0
𝑓2 𝑠1 𝑓2 𝑠2 ⋯ 𝑓2 𝑠𝑛 ⋯ 𝑚2 𝑓2 𝑠0
0 0 0
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑓𝑝 𝑠1 𝑓𝑝 𝑠2 … 𝑓𝑝 𝑠𝑛 0 0 … 0 𝑚𝑝 𝑓𝑝 𝑠0
atau
0 𝛾 𝑠2 − 𝑠1 ⋯ 𝛾 𝑠𝑛 − 𝑠1 1 𝑓1 𝑠1 ⋯ 𝑓𝑝 𝑠1 𝜆1 𝛾 𝑠1 − 𝑠0
𝛾 𝑠1 − 𝑠2 0 ⋯ 𝛾 𝑠𝑛 − 𝑠2 1 𝑓1 𝑠2 ⋯ 𝑓𝑝 𝑠2 𝜆1 𝛾 𝑠2 − 𝑠0
⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝛾 𝑠1 − 𝑠𝑛 𝛾 𝑠2 − 𝑠𝑛 ⋯ 0 1 𝑓1 𝑠𝑛 ⋯ 𝑓𝑝 𝑠𝑛 𝜆𝑛 𝛾 𝑠𝑛 − 𝑠0
1 1 ⋯ 1 0 0 𝑚0 = 1
⋯ 0
𝑓1 𝑠1 𝑓1 𝑠2 ⋯ 𝑓1 𝑠𝑛 0 0 ⋯ 0 𝑚1 𝑓1 𝑠0
𝑓2 𝑠1 𝑓2 𝑠2 ⋯ 𝑓2 𝑠𝑛 ⋯ 𝑚2 𝑓2 𝑠0
0 0 0
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑓𝑝 𝑠1 𝑓𝑝 𝑠2 … 𝑓𝑝 𝑠𝑛 0 0 … 0 𝑚𝑝 𝑓𝑝 𝑠0
Γ𝜆 = Γ0 (2.31)
33
Matriks Γ merupakan matriks berukuran 𝑛 + 𝑝 + 1 × (𝑛 + 𝑝 + 1), matriks 𝜆
berikut:
Γ 𝐹 𝜆 𝛾0
= 𝑓
𝐹′ 0 𝑚 0
Dimana:
Γ merupakan komponen matriks Γ yang terdiri dari semivariogram dari dua lokasi,
𝑠𝑖 dan 𝑠𝑗 , 𝑖 = 1, … , 𝑛 dan 𝑗 = 1, … , 𝑛.
𝑠𝑖 , 𝑖 = 1, … , 𝑛 dan
0 merupakan komponen 0.
lokasi, 𝑠0 dan 𝑠𝑖 , 𝑖 = 1, … , 𝑛.
𝜆 = Γ −1 Γ0 (2.32)
n n
Dengan i=1 𝜆𝑖 = 1 dan i=1 𝜆𝑖 𝑓𝑘 (𝑠𝑖 ) = 𝑓𝑘 𝑠0 , 𝑘 = 1,2, … , 𝑝.
34
polinomial didasarkan pada pola yang dihasilkan oleh data. Biasanya, pola yang
Persamaan (2.11):
𝑍 𝑠0 = 𝜆1 𝑍 𝑠1 + ⋯ + 𝜆𝑛 𝑍 𝑠𝑛
𝑛 𝑝
2
𝑉𝑎𝑟 𝑒 𝑠0 = 𝜎𝑒 = 𝜆𝑗 𝛾 𝑠𝑗 − 𝑠0 + 𝑚0 + 𝑚𝑗 𝑓𝑗 𝑠0
𝑗 =1 𝑗 =1
35
BAB III
METODE PENELITIAN
Data yang digunakan pada penelitian ini adalah data sekunder yang
DKI Jakarta. Data tersebut merupakan data air tanah yang diambil dari satu
sampel sumur air tanah dangkal di setiap kelurahan yang ada di Provinsi DKI
Jakarta pada tahun 2007. Lokasi titik sampel terdapat di lima wilayah DKI Jakarta
4. Kotamadya Jakarta Barat sebanyak 15 titik sampel sumur air tanah, dan
Data ini terdiri dari data titik koordinat posisi lokasi pengambilan sampel
sumur air tanah dangkal (X dan Y) dengan data dalam satuan meter, dan data
indeks pencemaran air tanah yang status mutunya disesuaikan dengan skala sudah
36
3.2 Metode Pengolahan Data
air tanah ini. Pengolahan data dilakukan menggunakan metode Universal Kriging,
tentang nilai pemusatan berupa rata-rata, variansi, nilai maksimal dan nilai
minimal pada data indeks pencemaran air tanah, serta gambaran mutu air
dengan memplotkan data indeks pencemaran air tanah terhadap absis (X)
lokasi sampel, lalu memplotkan data indeks pencemaran air tanah terhadap
air tanah dengan koordinat lokasi sampel dalam bentuk tiga dimensi.
range, sill, dan nugget effect yang nantinya akan digunakan untuk
37
Spherical, Eksponensial, dan Gaussian. Kemudian cocokkan
model yang cocok dan sesuai, serta tidak menghasilkan pola tertentu.
dengan menaksir nilai variabel ketiga. Hal ini dikarenakan penaksiran nilai
Universal Kriging.
6. Uji normalitas residual modelnya, karena model penaksir yang baik adalah
model yang residual dari modelnya berdistribusi normal. Jika tidak maka
adalah prediksi yang baik dan mendekati nilai yang sebenarnya. Pengujian
38
8. Tentukan titik koordinat tidak tersampel pada area penelitian dengan
jumlah titik tidak tersampel sesuai dengan proporsi luas wilayah setiap
Tabel 3.1 Jumlah Titik Tidak Tersampel Sesuai Proporsi Luas Kecamatan
9. Lakukan penaksiran data indeks pencemaran air tanah pada titik tidak
Kriging yang sudah di uji sebelumnya dengan validasi silang dan uji
Pengolahan data spasial sampel sumur air tanah dangkal ini menggunakan
statistik seperti Microsoft Office Excel 2007, Software R 2.15.1, dan yang
lainnya. Serta untuk penggambaran data titik air untuk sampel ataupun prediksi
39
Mulai
Membuat statistik
deskriptif pada data
Tidak
Tidak Menggunakan
metode
Penaksiran menggunakan Ordinary Kriging
metode Universal Kriging
Melakukan uji validasi silang dengan langkah-langkah yang sama untuk setiap
model semivariogram, yaitu:
1. Bentuk sistem persamaan Universal Kriging;
2. Cari nilai 𝜆𝑖 , 𝑖 = 1,2, … , 𝑛 − 1;
3. Taksir nilai taksiran 𝑍(𝑠𝑘 ), 𝑘 = 3,4, … , 𝑛 menggunakan kombinasi
linear dari 𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠𝑛−1 ), misalkan menaksir
𝑍 𝑠𝑛 = 𝜆1 𝑍 𝑠1 + 𝜆2 𝑍 𝑠2 + ⋯ + 𝜆𝑛−1 𝑍 𝑠𝑛 −1 ;
4. Hitung variansi kriging 𝜎 2 𝑘 , 𝑘 = 3,4, … , 𝑛;
5. Hitung residual 𝑒𝑘 , 𝑘 = 3,4, … , 𝑛;
6. Hitung residual terbaku 𝜀𝑘 , 𝑘 = 3,4, … , 𝑛;
7. Hitung nilai 𝑄1 , dan menguji hipotesis apakah model valid atau tidak;
8. Uji kenormalan residual
1 2 3
40
1 2 3
Selesai
41
BAB IV
Status mutu air tanah digambarkan dengan indeks pencemaran air. Berikut
ini adalah gambaran status mutu pencemaran air tanah secara keseluruhan
2007:
wilayah Jakarta sudah sangat memprihatinkan karena air tanah yang masih
bermutu baik hanya sekitar 39,19%, sedangkan air tanah yang sudah tercemar
jumlahnya lebih banyak jika dikumulatifkan, sekitar 60,81% yang terbagi menjadi
tiga status mutu, yaitu cemar ringan (36,49%), cemar sedang (9,46%), dan cemar
berat (14,86%). Dan berikut ini adalah visualisasinya dalam bentuk diagram
lingkaran:
42
Cemar Berat
14,86%
Baik
Cemar Sedang 39,19%
9,46%
Cemar Ringan
36,49%
Gambar 4.1 Diagram Status Mutu Air Tanah Provinsi DKI Jakarta
Tabel 4.2 Statistik Deskriptif Indeks Pencemaran Air Tanah DKI Jakarta
Dari deskriptif di atas dapat diketahui bahwa rata-rata dari seluruh nilai
cemar ringan, dan hal ini membuktikan bahwa air tanah di Jakarta harus
adalah 25,86 dan simpangan baku sebesar 5,09. Nilai minimal dari seluruh indeks
pencemaran yang menandakan daerah bermutu terbaik adalah 0,20 yaitu pada
daerah Kebon Kosong (Jakarta Pusat) dan nilai maksimal atau daerah yang paling
tercemar menurut data indeks pencemaran adalah 20,90 yaitu pada daerah Duri
43
Jika dilihat berdasarkan wilayah kabupaten/ kotamadya yang ada di
Provinsi DKI Jakarta, status mutu air tanah dapat dijelaskan dengan Tabel 4.3 dan
untuk daerah ekstrim menurut data indeks pencemaran dapat dilihat pada Tabel
4.4.
Kotamadya Jakarta Utara, karena jumlah daerah yang status mutunya cemar berat
cukup banyak, yaitu sebanyak 9 daerah dan jumlah daerah yang status mutunya
baik lebih sedikit, yaitu 3 daerah. Pada Tabel 4.4 kita mendapatkan informasi
dimana saja daerah-daerah yang paling tercemar atau paling baik status mutunya
44
di setiap wilayah kabupaten/ kotamadya yang ada di Provinsi DKI Jakarta
menurut data indeks pencemaran air tanah dangkal pada tahun 2007.
Sebaran data indeks pencemaran air tanah dangkal, dapat dilihat pada
X
[0.2,0.5068]
(0.5068,1.284]
(1.284,3.255]
(3.255,8.248]
(8.248,20.9]
Pada gambar scatter plot di atas diketahui data menyebar secara acak ke
Pengujian stasioner orde dua dilakukan dengan membuat plot antar data,
yaitu plot indeks pencemaran terhadap X, indeks pencemaran terhadap Y, dan plot
45
20
15
IP
10
0
690000 695000 700000 705000 710000 715000 720000 725000
X
pencemaran air tanah. Pada grafik di atas dapat dilihat bahwa plot antara data
20
15
IP
10
0
9300000 9305000 9310000 9315000 9320000 9325000
Y
Plot antara titik koordinat Y terhadap data indeks pencemaran air tanah
digambarkan pada Gambar 4.4. Pada grafik di atas dapat dilihat bahwa plot antara
46
24
18
IP 12
6
0 9324000
9318000
9312000
9306000 Y
688000 696000 9300000
704000 712000
X 720000
Gambar tiga dimensi di atas adalah plot antara data indeks pencemaran air
tanah dengan koordinat X dan Y. Pada Gambar 4.5 di atas dapat dilihat bahwa
adanya trend atau membentuk pola tertentu. Dari ketiga gambar plot di atas yang
pencemaran air tanah dangkal Provinsi DKI Jakarta ini tidak memenuhi asumsi
Untuk uji yang lebih valid apakah ada trend atau tidak, dilakukan uji Cox-
(𝑛 + 1)
dengan 𝐶 = 𝑛 2 untuk 𝑛 suatu bilangan genap, dan 𝐶 = 2 untuk
𝑛 suatu bilangan ganjil. Untuk 𝑛 bilangan ganjil harus ada data yang
disingkirkan, yaitu data tengah atau data ke- 𝐶. Karena jumlah data indeks
pasangan data.
47
2. Setiap pasangan data 𝑋𝑖 , 𝑋𝑖+𝐶 untuk 𝑋𝑖 yang lebih besar daripada 𝑋𝑖+𝐶
diberi tanda “+” dan untuk 𝑋𝑖 yang lebih kecil daripada 𝑋𝑖+𝐶 diberi tanda
“-“. Untuk hasil dari langkah 1 dan 2 dapat dilihat pada Tabel 4.5.
Pasangan Pasangan
Pasangan Pasangan
Hasil Tanda Hasil Tanda
Data Data
Pengamatan Pengamatan
(1; 38) (0,50 ; 4,30) - (20;57) (4,20 ; 1,20) +
(2;39) (3,00 ; 15,70) - (21;58) (0,70 ; 0,40) +
(3;40) (1,60 ; 9,40) - (22;59) (0,70 ; 0,90) -
(4;41) (1,00 ; 0,70) + (23;60) (0,50 ;18,00) -
(5;42) (4,30 ; 0,20) + (24;61) (2,30 ; 5,00) -
(6;43) (0,50 ; 0,30) + (25;62) (4,30 ; 7,20) -
(7;44) (0,90 ; 8,00) - (26;63) (1,60 ; 12,10) -
(8;45) (0,40 ; 20,90) - (27;64) (1,30 ; 10,30) -
(9;46) (1,70 ; 2,50) - (28;65) (0,90 ; 0,30) +
(10;47) (1,10 ; 1,60) - (29;66) (0,70 ; 11,40) -
(11;48) (0,30 ; 5,50) - (30;67) (1,90 ; 18,70) -
(12;49) (0,70 ; 2,60) - (31;68) (0,70 ; 11,40) -
(13;50) (0,50 ; 0,80) - (32;69) (1,20 ; 0,50) +
(14;51) (2,20 ; 0,40) + (33;70) (2,10 ; 15,80) -
(15;52) (6,20 ; 0,40) + (34;71) (3,70 ; 13,30) -
(16;53) (1,10 ; 1,60) - (35;72) (4,70 ; 13,30) -
(17;54) (0,40 ; 0,50) - (36;73) (3,30 ; 8,60) -
(18;55) (1,00 ; 1,50) - (37;74) (3,70 ; 0,40) +
(19;56) (6,70 ; 0,80) +
3. Hitung tanda plus (T+) dan tanda minus (T-), kemudian ambil jumlah data
26, maka yang kita ambil adalah jumlah tanda plus karena lebih kecil dari
48
4. Hitung 𝑃 𝑋 ≤ 𝑇 dengan 𝑛 = 𝐶, 𝑝 = 0,5 berdasarkan distribusi peluang
𝑝 = 0,5 diperoleh
11
=𝑃 𝑟 =0 +𝑃 𝑟 =1 +𝑃 𝑟 =2 +𝑃 𝑟 =3
+𝑃 𝑟 =4 +𝑃 𝑟 =5 +𝑃 𝑟 =6 +𝑃 𝑟 =7
+ 𝑃 𝑟 = 8 + 𝑃 𝑟 = 9 + 𝑃 𝑟 = 10 + 𝑃 𝑟 = 11
= 0,010037
Pengambilan keputusannya:
Tolak H0, jika 𝑃 𝑋 ≤ 𝑇 sama atau lebih kecil dari 𝛼 2, dan berlaku
sebaliknya.
11
Karena 𝑃 𝑋 ≤ 𝑇 = 𝑃 𝑋 ≤ 11 = 𝑥=0 𝑏(𝑥; 37, 0,5) = 0,010037 lebih
bahwa adanya trend dalam data, yaitu trend naik karena lebih banyak
49
Karena pada dua tahap pengujian asumsi orde dua data membentuk trend
maka data nonstasioner dan memenuhi asumsi metode Universal Kriging. Karena
Setelah data melalui uji stasioner orde dua dan memenuhi asumsi
𝑁(ℎ )
1 2
𝛾 ℎ = 𝑍(𝑠𝑖 ) − 𝑍(𝑠𝑖 + ℎ)
2𝑁(ℎ)
𝑖=1
didapatkan hasil semivariogram seperti yang ditunjukkan pada Tabel 4.6 di bawah
ini, dengan Np (𝑁(ℎ)) merupakan banyaknya pasangan titik yang memiliki jarak
yang sama, distance (ℎ) adalah jaraknya, dan gamma merupakan nilai
50
semivariogramnya seperti yang digambarkan pada Gambar 4.6. Dari gambar
grafik tersebut akan diketahui nilai nugget effect (𝐶0 ), range (𝑎) dan sill (𝐶0 +
di atas:
1.5
semivariance
1.0
0.5
distance
effect (𝐶0 ) yaitu 1,1 dan nilai sill (𝐶0 + 𝐶𝑖 ) 1,9 dengan range (𝑎) sejauh 10600.
Nilai sill sebesar 1,9 dikarenakan pada nilai tersebut semivariogram eksperimental
mencapai maksimum pada data indeks pencemaran air tanah dangkal ini, dan
dimana masih terdapat korelasi antar data indeks pencemaran air tanah. Diketahui
51
juga pada gambar nilai nugget effect 1,1 karena pada nilai semivariogram
Setelah didapatkan nilai sill, range, dan nugget effect pada semivariogram
didapat pada subbab sebelumnya dengan model semivariogram teoritis yang akan
teoritis yang baik untuk dipilih adalah model yang dapat mewakili plot
semivariogram eksperimentalnya.
Eksponensial, dan Gaussian, yang nantinya hasil taksiran yang diperoleh dari
ketiga model tersebut akan dibandingkan dan akan diuji. Berikut ini adalah
model-model tersebut:
eksperimental didapatkan nugget effect sebesar 1,1 dan sill sebesar 1,9 dengan
52
3
3 ℎ 1 ℎ
1,1 + 0,8 − 𝑢𝑛𝑡𝑢𝑘 ℎ ≤ 𝑎
𝛾 ℎ = 2 10600 2 10600
1,9 𝑢𝑛𝑡𝑢𝑘 ℎ > 𝑎
sebagai berikut:
1.5
semivariance
1.0
0.5
distance
Untuk model eksponensial dipilih nilai nugget effect, sill, dan range yang
sama dengan model Spherical, namun persamaan model saja yang berbeda.
ℎ
𝛾 ℎ = 1,1 + 0,8 1 − 𝑒𝑥𝑝 − 𝑢𝑛𝑡𝑢𝑘 ℎ ≤ 𝑎
10600
1,9 𝑢𝑛𝑡𝑢𝑘 ℎ > 𝑎
53
Bentuk Grafik model Eksponensial dari persamaan di atas adalah sebagai
berikut:
1.5
semivariance
1.0
0.5
distance
Sama seperti model Spherical dan Eksponensial, nilai effect, sill, dan
range yang dipilih secara berurutan adalah 1,1, 1,9, dan 10600. Berikut ini adalah
berikut:
54
1.5
semivariance
1.0
0.5
distance
nantinya akan diuji menggunakan uji validasi silang 𝑄1 untuk menentukan model
nantinya dapat diestimasi indeks pencemaran air tanah pada titik koordinatnya
Untuk menguji model semivariogram teoritis mana yang paling baik untuk
dangkal, maka dilakukan uji validasi silang. Langkah-langkah uji validasi silang
55
Validasi silang pada metode metode ini dimulai dari nilai taksiran 𝑍 𝑠3
dan Gaussian. Penaksiran tidak dapat dilakukan dari nilai taksiran ke dua karena
penjabarannya:
𝛾 𝑠1 − 𝑠1 1 𝑦1 𝜆1 𝛾 𝑠2 − 𝑠1
1 0 0 𝑚0 = 1
𝑦1 0 0 𝑚1 𝑦2
atau
0 1 𝑦1 𝜆1 𝛾 𝑠2 − 𝑠1
1 0 0 𝑚0 = 1
𝑦1 0 0 𝑚1 𝑦2
𝑚0 + 𝑚1 𝑦1 = 𝛾 𝑠2 − 𝑠1 (3.1)
𝜆1 = 1 (3.2)
𝜆1 𝑦1 = 𝑦2 (3.3)
Pada Persamaan (3.2) dan (3.3) terjadi kontradiksi, karena tidak mungkin 𝑦1 = 𝑦2 ,
diperoleh. Jika 𝜆1 tidak diketahui, maka nilai indeks pencemaran pada koordinat
(𝑋2 , 𝑌2 ) yaitu 𝑍 𝑠2 = 𝜆1 𝑍(𝑠1 ) tidak dapat ditaksir. Oleh karena itu, penaksiran
tidak dapat dilakukan pada sampel kedua, tetapi dimulai pada sampel ketiga. Pada
56
nilai 𝜆1 dan 𝜆2 diperoleh, dan disubtitusikan ke dalam Persamaan (2.11), maka
Hasil proses uji validasi silang pada Subbab 2.5 mulai langkah 1 sampai
dengan langkah 7 dapat dilihat pada lampiran 2, lampiran 3, dan lampiran 4 untuk
setiap model Spherical, Eksponensial, dan Gaussian secara berurutan, dan nilai
uji validasi silang 𝑄1 untuk masing-masing model dapat dilihat pada Tabel 4.6.
Model 𝑸𝟏
Spherical 0,2859
Eksponensial -0,1929
Gaussian -25,8571
Setelah mendapatkan nilai validasi silang 𝑄1 pada setiap model seperti yang
terlihat pada Tabel 4.6, maka langkah selanjutnya yang akan dilakukan adalah
langkah 8, yaitu menguji kelayakan dan validitas model untuk dilakukan estimasi.
1. Model Spherical
Hipotesis:
Aturan keputusan:
2 2
Jika 𝑄1 ≥ = = 0,2357, H0 maka ditolak, dan
𝑛−2 74−2
2 2
Jika 𝑄1 < = = 0,2357, H0 maka diterima.
𝑛−2 74−2
57
Karena nilai 𝑄1 = 0,2859 ≥ 0,2357, maka H0 ditolak. Artinya model
2. Model Eksponensial
Hipotesis:
Aturan keputusan:
2 2
Jika 𝑄1 ≥ = = 0,2357, H0 maka ditolak, dan
𝑛−2 74−2
2 2
Jika 𝑄1 < = = 0,2357, H0 maka diterima.
𝑛−2 74−2
3. Model Gaussian
Hipotesis:
Aturan keputusan:
2 2
Jika 𝑄1 ≥ = = 0,2357, H0 maka ditolak, dan
𝑛−2 74−2
2 2
Jika 𝑄1 < = = 0,2357, H0 maka diterima.
𝑛−2 74−2
58
Karena nilai 𝑄1 = 25,8571 ≥ 0,2357, maka H0 ditolak. Artinya model
untuk dilakukan estimasi pada data indeks pencemaran air tanah dangkal.
sebagai berikut:
99
95
90
80 Mean -0,2340
Persentase
70 StDev 5,009
60 N 72
50
40 KS 0,101
30 P-Value 0,067
20
10
5
0,1
-20 -10 0 10 20
Residual Eksponensial
Karena p-value pada uji distribusi normal pada residual sebesar 0,067 >
berdistribusi normal.
59
Dari hasil uji validasi untuk pengujian model semivariogram yang terbaik
residual yang normal, sehingga model Eksponensial baik untuk dilakukan estimasi
pada data indeks pencemaran air tanah dangkal di Provinsi DKI Jakarta ini.
memenuhi stasioner orde dua dan memiliki trend, tetapi residual pada variabel
harus memenuhi stasioner orde dua, dan berikut ini adalah uji asumsi stasioner
Pengujian stasioner orde dua adalah dengan membuat plot antar data, yaitu
plot residual terhadap X, residual terhadap Y, dan plot residual variabel teregional
15
10
Residual Eksponensial
-5
-10
60
Plot antara titik koordinat X terhadap residual variabel teregional
digambarkan pada Gambar 4.11. Pada grafik di atas dapat dilihat bahwa plot
antara residual terhadap koordinat X stasioner dalam rata-rata dan tidak ada trend.
15
10
Residual Eksponensial
-5
-10
digambarkan pada Gambar 4.12. Pada grafik di atas dapat dilihat bahwa plot
20
10
Residual 0
-10
9320000
-20 9312000 Y
688000 696000 9304000
704000 712000 9296000
X 720000
Gambar 4.13 Plot Tiga Dimensi Residual Variabel Teregional terhadap X dan Y
61
Plot tiga dimensi antara titik koordinat X dan Y terhadap residual variabel
teregional digambarkan pada Gambar 4.13. Pada grafik di atas dapat dilihat
bahwa data stasioner dan tidak ada trend ataupun membentuk suatu pola tertentu.
Dari ketiga gambar plot diatas tidak terdapat kecenderungan dan stasioner
dalam rata-rata, maka dapat disimpulkan bahwa residual variabel teregional ini
Untuk uji yang lebih valid apakah ada trend atau tidak, dilakukan uji Cox-
(𝑛 + 1)
dengan 𝐶 = 𝑛 2 untuk 𝑛 suatu bilangan genap, dan 𝐶 = 2 untuk
𝑛 suatu bilangan ganjil. Untuk 𝑛 bilangan ganjil harus ada data yang
disingkirkan, yaitu data tengah atau data ke- 𝐶. Karena jumlah data indek
pasangan data.
2. Setiap pasangan data 𝑋𝑖 , 𝑋𝑖+𝐶 untuk 𝑋𝑖 yang lebih besar daripada 𝑋𝑖+𝐶
diberi tanda “+” dan untuk 𝑋𝑖 yang lebih kecil daripada 𝑋𝑖+𝐶 diberi tanda
“-“. Untuk hasil dari langkah 1 dan 2 dapat dilihat pada Tabel 4.7.
62
(8;44) (0,1536 ; -9,2797) + (26;62) (-0,7158 ; 6,4856) -
(9;45) (-1,0757 ; -4,1534) + (27;63) (-0,9407 ; -7,6829) +
(10;46) (-0,5399 ; -2,2760) + (28;64) (1,2640 ; 0,5817) +
(11;47) (-1,0681 ; -6,5299) + (29;65) (-0,7909 ; 8,1055) -
(12;48) (0,7751 ; -3,7923) + (30;66) (-1,1317 ; 4,5469) -
(13;49) (4,4960 ; -4,7177) + (31;67) (1,7535 ; -9,425) +
(14;50) (-0,9762 ; -5,3172) + (32;68) (1,6397 ; 6,8877) -
(15;51) (-1,1432 ; -2,4348) + (33;69) (4,6884 ; 5,7260) -
(16;52) (0,1131 ; -8,3843) + (34;70) (1,6225 ; 5,0783) -
(17;53) (6,0800 ; -2,2066) + (35;71) (0,1466 ; -6,5898) +
(18;54) (2,3292 ; -1,9628) + (36;72) (2,4029 ; -10,7178) +
3. Hitung tanda plus (T+) dan tanda minus (T-), kemudian ambil jumlah data
11, maka yang kita ambil adalah jumlah tanda minus karena lebih kecil
+𝑃 𝑟 =4 +𝑃 𝑟 =5 +𝑃 𝑟 =6 +𝑃 𝑟 =7
+ 𝑃 𝑟 = 8 + 𝑃 𝑟 = 9 + 𝑃 𝑟 = 10 + 𝑃 𝑟 = 11
+ 𝑃 𝑟 = 12
+ 0,0182143 = 0,0326227
63
5. Lakukan pengujian dengan hipotesis:
Pengambilan keputusan:
Tolak H0, jika 𝑃 𝐾 ≤ 𝑇 sama atau lebih kecil dari 𝛼 2, dan berlaku
sebaliknya.
11
Karena 𝑃 𝐾 ≤ 𝑇 = 𝑃 𝑋 ≤ 12 = 𝑥=0 𝑏(𝑥; 36, 0,5) = 0,0326227 lebih
Karena pada dua tahap pengujian asumsi orde dua residual variabel
teregional tidak membentuk trend dan stasioner pada rata-rata, maka residual
Oleh karena itu, data indeks pencemaran air tanah wilayah Provinsi DKI
Jakarta dikatakan memenuhi seluruh asumsi untuk metode Universal Kriging, dan
Eksponensial.
model yang terbaik, maka selanjutnya data spasial indeks pencemaran air tanah
tidak tersampel dengan jumlah titik yang sudah dipilih sesuai dengan proporsi
64
luas wilayahnya. Berikut ini adalah besar proporsi luas wilayah setiap kecamatan
65
Kemudian titik tidak tersampel tersebut diestimasi dan didapatkan data
estimasi indeks pencemaran air tanah dangkal di wilayah DKI Jakarta seperti pada
Lampiran 8, dan bila digambarkan dalam peta Provinsi DKI Jakarta maka sebaran
Gambar 4.14 Peta Sebaran Estimasi Data Indeks Pencemaran Air Tanah
66
Informasi yang didapat dari Gambar 4.14 di atas adalah secara umum
daerah pencemaran air tanah lebih banyak berada di daerah Kota/ Kabupaten
dengan tingkat mutu sangat buruk, yaitu cemar berat. Dan daerah kota/ kabupaten
yang memiliki kualitas air tanah yang baik yaitu pada daerah Kota/ Kabupaten
DKI Jakarta berdasarkan data estimasi dapat dilihat pada diagram lingkaran
dibawah ini:
Cemar
Berat
9%
Baik
19%
Cemar
Sedang
27% Cemar
Ringan
45%
Gambar 4.15 Hasil Estimasi Status Mutu Air Tanah Wilayah DKI Jakarta
Dari Gambar 4.15 dapat diketahui dari keseluruhan estimasi mutu air
tanah yang bekualitas baik hanya sebesar 19% dan sisanya 81% sudah tercemar,
yaitu cemar ringan 45%, cemar sedang 27%, dan cemar berat 9%. Hal ini
menandakan sudah sebagian besar wilayah air tanah di Jakarta sudah tercemar.
Berikut ini adalah statistik deskriptif dari data estimasi indeks pencemaran
67
Tabel 4.10 Statistik Deskriptif Estimasi Indeks Pencemaran Air Tanah
Pada statistik deskriptif pada Tabel 4.9 didapatkan rata-rata dari seluruh
estimasi sebesar 4,19, artinya status mutu di wilayah jakarta sudah pada mutu
cemar ringan. Nilai variansi sebesar 15,16 yang menandakan besar ragam datanya,
dan simpangan bakunya sebesar 3,46. Nilai minimal dari seluruh estimasi adalah
0,02 pada Kecamatan Kebayoran Baru (Jakarta Selatan) yang menandakan pada
daerah tersebut mutu air tanahnya paling baik, dan nilai maksimum sebesar 15,16
pada Kecamatan Penjaringan (Jakarta Utara yang mengindikasikan status mutu air
Penggambaran status mutu dari estimasi indeks pencemaran air tanah pada
Cemar
Sedang
9%
Baik
26%
Cemar
Ringan
65%
Rata-rata= 2,3382
Gambar 4.16 Hasil Estimasi Status Mutu Air Tanah Wilayah Jakarta Selatan
ringan, tetapi pada wilayah ini masih banyak terdapat daerah yang mutu air
68
Cemar
Sedang
10% Baik
29%
Cemar
Ringan
61%
Rata-rata= 2,2933
Gambar 4.17 Hasil Estimasi Status Mutu Air Tanah Wilayah Jakarta Timur
ringan juga, dan wilayah Jakarta Timur merupakan wilayah yang paling banyak
terdapat daerah yang mutu air tanahnya baik dibandingkan dengan wilayah
Cemar
Berat Baik
8% 19%
Cemar
Sedang
35% Cemar
Ringan
38%
Rata-rata= 4,2086
Gambar 4.18 Hasil Estimasi Status Mutu Air Tanah Wilayah Jakarta Pusat
ringan dan cemar sedang, tetapi pada wilayah ini masih terdapat daerah yang mutu
69
Cemar
Berat Baik
10% 14%
Cemar
Cemar
Ringan
Sedang
32%
44%
Rata-rata= 5,2748
Gambar 4.19 Hasil Estimasi Status Mutu Air Tanah Wilayah Jakarta Barat
sedang dan masih terdapat daerah yang mutu air tanahnya baik, yaitu sebanyak
14%.
Baik
4% Cemar
Ringan
16%
Cemar
Berat
29%
Cemar
Sedang
51%
Rata-rata=7,8698
Gambar 4.20 Hasil Estimasi Status Mutu Air Tanah Wilayah Jakarta Utara
sedang dan sedikit sekali daerah yang mutu air tanahnya baik, yaitu sebanyak 4%.
70
dibandingkan dengan banyak terdapat daerah yang mutu air tanahnya cemar berat,
Jika dilihat dari keseluruhan estimasi indeks pencemaran air tanah, perlu
adanya penanganan yang serius untuk memperbaiki kualias air tanah dangkal di
71
BAB V
5.1 Kesimpulan
menghasilkan estimasi yang cukup baik pada titik tidak tersampel di wilayah
Provinsi DKI Jakarta, hal ini dapat dilihat dari perbandingan hasil estimasi dengan
data spasial sebelumnya yang hampir sama. Dari metode Universal Kriging dan
normalitas residual.
air tanah di wilayah Provinsi DKI Jakarta ini sudah sampai cemar ringan,
pemerintah daerah untuk menangani air tanah yang sudah tercemar dan
72
wilayah Provinsi DKI Jakarta yang memiliki pencemaran air tanah
Tanjung Priok, dan Koja. Selain itu juga ada beberapa kecamatan di
Sari, dan Kalideres. Ada juga yang di wilayah Kota/ Kabupaten Jakarta
Provinsi DKI Jakarta yang masih terdapat status mutu air tanah dangkal
5.2 Saran
sehingga titik koordinat tidak tersampel didapatkan secara komputerisasi dan hasil
penelitiannya berupa raster. Selain itu, banyak parameter air tanah yang
digunakan untuk menentukan suatu daerah tercemar atau tidak, disarankan untuk
73
kedalam interpolasi menggunakan metode Co-Kriging untuk mendapatkan hasil
Hasil dari interpolasi pada data spasial indeks pencemaran air tanah
dangkal ini juga dapat dijadikan acuan bagi Pemerintah Daerah Provinsi DKI
Jakarta untuk mengambil kebijakan dalam memperbaiki air tanah yang sudah
74
REFERENSI
X Papua Barat dengan Metode Universal Kriging,” Jurnal Sains dan Seni
Levels,” J. Earth Syst. Sci, vol. 120(3), pp. 413-422, Juni 2011.
75
[6] Gundogdu, Kemal Sulhi & I. Guney, “Spatial Analyses of Groundwater
Levels Using Universal Kriging,” J. Earth Syst. Sci, vol. 116(1), pp. 49-
[7] Effendi, Hefni, Telaah Kualitas Air Bagi Pengelola Sumber Daya dan
[8] Saeni, M. S., Kualitas Air Tanah Dangkal Daerah Pemukiman di Kabupaten
[12] Lestari, Ani Puji, “Metode Universal Kriging (Studi Kasus: Kandungan Gas
76
[14] Cressie, Noel A. C, Statistics for Spatial Data, New York: John Wiley and
Son.Inc, 1991.
[15] Wibisono, Iif Yusuf, “Penaksiran Volume Reservoir Minyak Bumi dengan
2010.
[19] Keputusan Menteri Negara Lingkungan Hidup Nomor 115 Tahun 2003
77
Lampiran 1
78
42 109 Kebon Kosong 706020,77 9318950,80 0,20 Baik
43 110 Gelora 700453,25 9313114,70 0,30 Baik
44 111 Kramat 705033,82 9318977,30 8,00 Cemar Sedang
45 301 Duri Kosambi 692412,78 9317934,40 20,90 Cemar Berat
46 302 Kalideres 689327,48 9320352,20 2,50 Cemar Ringan
47 303 Palmerah 698495,27 9314161,30 1,60 Cemar Ringan
48 304 Jelambar Baru 698510,84 9320151,00 5,50 Cemar Sedang
49 305 Tangki 702471,66 9320356,70 2,60 Cemar Ringan
50 306 Kemanggisan 698534,15 9315292,40 0,80 Baik
51 307 Duri Kepa 696491,56 9317272,10 0,40 Baik
52 308 Sukabumi Selatan 696840,30 9313255,10 0,40 Baik
53 309 Meruya Utara 692942,96 9314874,10 1,60 Cemar Ringan
54 310 Tegal Alur 690400,23 9323603,90 0,50 Baik
55 311 Rawa Buaya 690374,80 9317226,80 1,50 Cemar Ringan
56 312 Kembangan Selatan 692602,51 9315966,40 0,80 Baik
57 313 Tambora 700565,23 9320537,40 1,20 Cemar Ringan
58 314 Kebon Jeruk 696558,94 9315810,20 0,40 Baik
59 315 Kapuk 697160,72 9312635,00 0,90 Baik
60 501 Rorotan 705960,09 9320246,30 18,00 Cemar Berat
61 502 Pademangan Barat 703782,62 9321375,50 5,00 Cemar Ringan
62 503 Sunter Agung 706408,31 9321272,70 7,20 Cemar Sedang
63 504 Sunter Jaya 708528,98 9319650,20 12,10 Cemar Berat
64 505 Kamal Muara 691713,22 9324468,80 10,30 Cemar Berat
65 506 Kelapa Gading Timur 711684,03 9317794,40 0,30 Baik
66 507 Tugu Selatan 712087,38 9321201,70 11,40 Cemar Berat
67 508 Penjagalan Barat 699646,20 9323386,20 18,70 Cemar Berat
68 509 Semper Barat 714009,14 9322170,90 11,40 Cemar Berat
69 510 Pegangsaan Dua 712975,82 9318821,10 0,50 Baik
70 511 Pluit 697399,40 9323695,10 15,80 Cemar Berat
71 512 Ancol 702881,62 9322175,20 13,30 Cemar Berat
72 513 Tanjung Priok 702438,58 9322735,90 13,30 Cemar Berat
73 514 Kali Baru 706924,70 9323417,90 8,60 Cemar Sedang
74 515 Koja 709515,57 9321689,20 0,40 Baik
79
Lampiran 2
#Modul
library(lattice)
library(sp)
library(rgdal)
library(gstat)
library(maptools)
data(titikair)
print(titikair)
str(titikair)
summary(titikair)
coordinates(titikair)<-c("x","y")
#Model Semivariogram
v <- variogram(log(ip) ~ 1, titikair)
80
Lampiran 3
clc;
clear;
n=74; %Jumlah data
X=[700673.51;704029.59;701771.48;697340.33;697402.54;699227.95;705
058.14;703628.13;696353.86;707009.75;698125.43;721254.77;721194.87
;702892.17;699319.53;702111.63;709289.59;715210.77;714702.70;71695
2.23;706639.19;708952.61;717136.33;707565.26;707077.84;711409.84;7
08842.12;711964.47;718012.55;707553.00;707639.66;709817.96;710654.
32;701059.45;704444.71;704967.16;703021.13;705646.66;702691.32;705
267.33;707511.39;706020.77;700453.25;705033.82;692412.78;689327.48
;698495.27;698510.84;702471.66;698534.15;696491.56;696840.30;69294
2.96;690400.23;690374.80;692602.51;700565.23;696558.94;697160.72;7
05960.09;703782.62;706408.31;708528.98;691713.22;711684.03;712087.
38;699646.20;714009.14;712975.82;697399.40;702881.62;702438.58;706
924.70;709515.57;]; %Data koordinat X
Y=[9298678.60;9302709.00;9308722.20;9303595.20;9305429.70;9309205.
90;9309220.40;9306990.00;9312777.50;9311212.60;9312984.10;9313410.
70;9297724.70;9297732.30;9305790.50;9302766.40;9306105.60;9315964.
00;9309232.90;9315587.90;9300412.40;9314680.80;9313237.10;9305939.
80;9312034.50;9299873.60;9300621.00;9311917.80;9315612.90;9314678.
40;9310160.90;9306761.20;9298382.00;9314164.30;9315354.10;9316340.
60;9320890.30;9317127.80;9318594.30;9318569.10;9316391.00;9318950.
80;9313114.70;9318977.30;9317934.40;9320352.20;9314161.30;9320151.
00;9320356.70;9315292.40;9317272.10;9313255.10;9314874.10;9323603.
90;9317226.80;9315966.40;9320537.40;9315810.20;9312635.00;9320246.
30;9321375.50;9321272.70;9319650.20;9324468.80;9317794.40;9321201.
70;9323386.20;9322170.90;9318821.10;9323695.10;9322175.20;9322735.
90;9323417.90;9321689.20;]; %Data koordinat Y
Z=[0.50;3.00;1.60;1.00;4.30;0.50;0.90;0.40;1.70;1.10;0.30;0.70;0.5
0;2.20;6.20;1.10;0.40;1.00;6.70;4.20;0.70;0.70;0.50;2.30;4.30;1.60
;1.30;0.90;0.70;1.90;0.70;1.20;2.10;3.70;4.70;3.30;3.70;4.30;15.70
;9.40;0.70;0.20;0.30;8.00;20.90;2.50;1.60;5.50;2.60;0.80;0.40;0.40
;1.60;0.50;1.50;0.80;1.20;0.40;0.90;18.00;5.00;7.20;12.10;10.30;0.
30;11.40;18.70;11.40;0.50;15.80;13.30;13.30;8.60;0.40]; %Data
indeks pencemaran air tanah dangkal
81
H(j,i)=H(i,j);
end
end
end
H;
fprintf('Uji Validasi Silang untuk Model Spherical');
m=73;
S0=S(m+1,:);
A=zeros(m+2); %Membentuk matriks Γ
for i=1:m
for j=1:i
if(i~=j)
if(H(i,j)<10600)
A(i,j)=1.1+0.8*(((3*H(i,j))/(2*10600))-
((H(i,j)^3)/(2*(10600^3))));
else
A(i,j)=1.9;
end
A(j,i)=A(i,j);
end
end
end
A(m+1,1:m)=1;
A(1:m,m+1)=1;
for i=(m+2):(m+2)
for j=1:m
if(i~=j)
A(i,j)=Y(j);
A(j,i)=A(i,j);
end
end
end
A;
H0=zeros(m,1); %Menghitung jarak antar titik sampel dengan titik
yang akan ditaksir
for i=1:m
H0(i)=sqrt((X(i)-S0(1,1))^2+(Y(i)-S0(1,2))^2);
end
H0;
B=zeros(m+2,1); %Membentuk matriks Γ0
for i=1:m
if(H0(i)<10600)
B(i)=1.1+0.8*(((3*H0(i))/(2*10600))-
((H0(i)^3)/(2*(10600^3))));
else
B(i)=1.9;
end
end
B(m+1)=1;
B(m+2)=S0(1,2);
B;
lamda_S=A\B %Matriks 𝜆 (bobot-bobot Universal Kriging)
ztak_S=transpose(lamda_S(1:i))*Z(1:i) %Nilai taksiran indeks
pencemaran air tanah dangkal
residual_S=Z(m+1,1)-ztak_S %Nilai Residual
variansi_S=lamda_S'*B %Variansi taksiran
82
residualterbaku_S=residual_S/sqrt(variansi_S) %Nilai residual
terbaku
83
m=73;
S0=S(m+1,:);
E=zeros(m+2); %Membentuk matriks Γ
for i=1:m
for j=1:i
if(i~=j)
if(H(i,j)<10600)
E(i,j)=1.1+0.8*(1-exp(-((H(i,j)^2)/(10600^2))));
else
E(i,j)=1.9;
end
E(j,i)=E(i,j);
end
end
end
E(m+1,1:m)=1;
E(1:m,m+1)=1;
for i=(m+2):(m+2)
for j=1:m
if(i~=j)
E(i,j)=Y(j);
E(j,i)=E(i,j);
end
end
end
E;
H0=zeros(m,1); %Menghitung jarak antar titik sampel dengan titik
yang akan ditaksir
for i=1:m
H0(i)=sqrt((X(i)-S0(1,1))^2+(Y(i)-S0(1,2))^2);
end
H0;
F=zeros(m+2,1); %Membentuk matriks Γ0
for i=1:m
if(H0(i)<10600)
F(i)=1.1+0.8*(1-exp(-((H0(i)^2)/(10600^2))));
else
F(i)=1.9;
end
end
F(m+1)=1;
F(m+2)=S0(1,2);
F;
lamda_G=E\F %Matriks 𝜆 (bobot-bobot Universal Kriging)
ztak_G=transpose(lamda_G(1:i))*Z(1:i) %Nilai taksiran indeks
pencemaran air tanah dangkal
residual_G=Z(m+1,1)-ztak_G %Nilai Residual
variansi_G=lamda_G'*F %Variansi taksiran
residualterbaku_G=residual_G/sqrt(variansi_G) %Nilai residual
terbaku
84
Lampiran 4
Residual
Residual Variansi
No Sampel 𝒁 𝒁 Terbaku
𝒆𝒊 𝝈𝒊 𝟐
𝜺𝒊
1 𝑍 𝑠3 |𝑍 𝑠1 , 𝑍(𝑠2 ) 1,60 6,7299 -5,1299 15,2352 -1,3143
2 𝑍 𝑠4 |𝑍 𝑠1 , 𝑍(𝑠2 ), 𝑍(𝑠3 ) 1,00 1,6356 -0,6356 2,3087 -0,4183
3 𝑍 𝑠5 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠4 ) 4,30 1,5076 2,7924 1,9523 1,9985
4 𝑍 𝑠6 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠5 ) 0,50 2,8291 -2,3291 2,4360 -1,4923
5 𝑍 𝑠7 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠6 ) 0,90 1,8040 -0,9040 2,4070 -0,5827
6 𝑍 𝑠8 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠7 ) 0,40 1,6640 -1,2640 1,6828 -0,9744
7 𝑍 𝑠9 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠8 ) 1,70 1,2991 0,4009 3,2626 0,2219
8 𝑍 𝑠10 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠9 ) 1,10 1,2668 -0,1668 2,1971 -0,1125
9 𝑍 𝑠11 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠10 ) 0,30 1,4242 -1,1242 1,9644 -0,8021
10 𝑍 𝑠12 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠11 ) 0,70 1,1758 -0,4758 2,6799 -0,2906
11 𝑍 𝑠13 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠12 ) 0,50 1,7980 -1,2980 3,2012 -0,7255
12 𝑍 𝑠14 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠13 ) 2,20 1,2292 0,9708 2,1040 0,6693
13 𝑍 𝑠15 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠14 ) 6,20 1,8238 4,3762 1,5809 3,4805
14 𝑍 𝑠16 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠15 ) 1,10 2,2871 -1,1871 1,6181 -0,9332
15 𝑍 𝑠17 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠16 ) 0,40 1,3086 -0,9086 1,9482 -0,6510
16 𝑍 𝑠18 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠17 ) 1,00 1,0452 -0,0452 2,5478 -0,0283
17 𝑍 𝑠19 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠18 ) 6,70 1,1479 5,5521 1,9963 3,9296
18 𝑍 𝑠20 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠19 ) 4,20 1,5659 2,6341 1,8367 1,9436
19 𝑍 𝑠21 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠20 ) 0,70 1,6767 -0,9767 1,8936 -0,7098
20 𝑍 𝑠22 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠21 ) 0,70 1,9724 -1,2724 2,0415 -0,8905
21 𝑍 𝑠23 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠22 ) 0,50 2,6801 -2,1801 1,6741 -1,6849
22 𝑍 𝑠24 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠23 ) 2,30 1,1599 1,1401 1,6228 0,8950
23 𝑍 𝑠25 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠24 ) 4,30 1,1888 3,1112 1,5848 2,4714
24 𝑍 𝑠26 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠25 ) 1,60 1,4488 0,1512 2,1073 0,1042
25 𝑍 𝑠27 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠26 ) 1,30 1,4116 -0,1116 1,6643 -0,0865
26 𝑍 𝑠28 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠27 ) 0,90 2,5681 -1,6681 1,7091 -1,2760
27 𝑍 𝑠29 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠28 ) 0,70 2,0442 -1,3442 1,6000 -1,0627
28 𝑍 𝑠30 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠29 ) 1,90 1,6912 0,2088 1,6712 0,1615
29 𝑍 𝑠31 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠30 ) 0,70 1,7462 -1,0462 1,5010 -0,8539
30 𝑍 𝑠32 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠31 ) 1,20 1,6560 -0,4560 1,5432 -0,3671
31 𝑍 𝑠33 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠32 ) 2,10 1,5102 0,5898 1,7601 0,4446
32 𝑍 𝑠34 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠33 ) 3,70 1,3377 2,3623 1,8244 1,7489
33 𝑍 𝑠35 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠34 ) 4,70 2,2489 2,4511 1,7598 1,8477
34 𝑍 𝑠36 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠35 ) 3,30 3,0768 0,2232 1,6579 0,1733
35 𝑍 𝑠37 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠36 ) 3,70 2,7934 0,9066 2,3080 0,5968
36 𝑍 𝑠38 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠37 ) 4,30 3,1400 1,1600 1,5634 0,9277
37 𝑍 𝑠39 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠38 ) 15,70 3,5019 12,1981 1,6650 9,4533
38 𝑍 𝑠40 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠39 ) 9,40 5,5059 3,8941 1,5602 3,1176
39 𝑍 𝑠41 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠40 ) 0,70 3,7560 -3,0560 1,5063 -2,4900
85
40 𝑍 𝑠42 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠41 ) 0,20 5,7523 -5,5523 1,5194 -4,5044
41 𝑍 𝑠43 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠42 ) 0,30 2,9049 -2,6049 1,5263 -2,1085
42 𝑍 𝑠44 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠43 ) 8,00 5,4993 2,5007 1,4099 2,1060
43 𝑍 𝑠45 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠44 ) 20,90 3,2388 17,6612 2,1484 12,0493
44 𝑍 𝑠46 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠45 ) 2,50 9,4137 -6,9137 2,0730 -4,8019
45 𝑍 𝑠47 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠46 ) 1,60 3,4973 -1,8973 1,5200 -1,5389
46 𝑍 𝑠48 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠47 ) 5,50 7,6284 -2,1284 1,9095 -1,5403
47 𝑍 𝑠49 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠48 ) 2,60 6,7733 -4,1733 1,5043 -3,4026
48 𝑍 𝑠50 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠49 ) 0,80 3,9957 -3,1957 1,5105 -2,6002
49 𝑍 𝑠51 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠50 ) 0,40 6,0566 -5,6566 1,6416 -4,4149
50 𝑍 𝑠52 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠51 ) 0,40 2,0363 -1,6363 1,4421 -1,3626
51 𝑍 𝑠53 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠52 ) 1,60 5,6387 -4,0387 1,7094 -3,0890
52 𝑍 𝑠54 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠53 ) 0,50 5,4759 -4,9759 2,0471 -3,4778
53 𝑍 𝑠55 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠54 ) 1,50 6,5954 -5,0954 1,6585 -3,9566
54 𝑍 𝑠56 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠55 ) 0,80 4,9744 -4,1744 1,5028 -3,4052
55 𝑍 𝑠57 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠56 ) 1,20 5,1484 -3,9484 1,5553 -3,1660
56 𝑍 𝑠58 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠57 ) 0,40 2,4495 -2,0495 1,4586 -1,6970
57 𝑍 𝑠59 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠58 ) 0,90 0,9353 -0,0353 1,3837 -0,0300
58 𝑍 𝑠60 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠59 ) 18,00 4,4861 13,5139 1,5223 10,9529
59 𝑍 𝑠61 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠60 ) 5,00 6,4294 -1,4294 1,4898 -1,1711
60 𝑍 𝑠62 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠61 ) 7,20 7,2498 -0,0498 1,5639 -0,0398
61 𝑍 𝑠63 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠62 ) 12,10 5,2944 6,8056 1,6196 5,3476
62 𝑍 𝑠64 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠63 ) 10,30 3,9193 6,3807 1,8096 4,7433
63 𝑍 𝑠65 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠64 ) 0,30 4,0991 -3,7991 1,7011 -2,9128
64 𝑍 𝑠66 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠65 ) 11,40 5,1824 6,2176 1,8332 4,5922
65 𝑍 𝑠67 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠66 ) 18,70 4,9504 13,7496 1,7846 10,2925
66 𝑍 𝑠68 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠67 ) 11,40 7,6878 3,7122 1,8053 2,7628
67 𝑍 𝑠69 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠68 ) 0,50 5,4174 -4,9174 1,5423 -3,9596
68 𝑍 𝑠70 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠69 ) 15,80 9,4098 6,3902 1,7253 4,8650
69 𝑍 𝑠71 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠70 ) 13,30 7,8746 5,4254 1,4686 4,4769
70 𝑍 𝑠72 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠71 ) 13,30 9,6721 3,6279 1,4608 3,0016
71 𝑍 𝑠73 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠72 ) 8,60 10,0050 -1,4050 1,6825 -1,0832
72 𝑍 𝑠74 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠73 ) 0,40 8,8333 -8,4333 1,5468 -6,7808
Jumlah 20,5860
𝑄1 0,2856
86
Lampiran 5
Residual
Residual Variansi
No Sampel 𝒁 𝒁 Terbaku
𝒆𝒊 𝝈𝒊 𝟐
𝜺𝒊
1 𝑍 𝑠3 |𝑍 𝑠1 , 𝑍(𝑠2 ) 1,60 6,7299 -5,1299 13,0463 -1,4203
2 𝑍 𝑠4 |𝑍 𝑠1 , 𝑍(𝑠2 ), 𝑍(𝑠3 ) 1,00 1,6511 -0,6511 1,9388 -0,4676
3 𝑍 𝑠5 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠4 ) 4,30 1,5584 2,7416 1,7643 2,0640
4 𝑍 𝑠6 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠5 ) 0,50 3,0305 -2,5305 2,0317 -1,7753
5 𝑍 𝑠7 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠6 ) 0,90 2,0812 -1,1812 1,9901 -0,8373
6 𝑍 𝑠8 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠7 ) 0,40 1,4830 -1,0830 1,5159 -0,8796
7 𝑍 𝑠9 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠8 ) 1,70 1,1106 0,5894 2,5319 0,3704
8 𝑍 𝑠10 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠9 ) 1,10 0,9464 0,1536 1,9832 0,1091
9 𝑍 𝑠11 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠10 ) 0,30 1,3757 -1,0757 1,6650 -0,8337
10 𝑍 𝑠12 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠11 ) 0,70 1,2399 -0,5399 2,8667 -0,3189
11 𝑍 𝑠13 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠12 ) 0,50 1,5681 -1,0681 3,4645 -0,5738
12 𝑍 𝑠14 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠13 ) 2,20 1,4249 0,7751 1,8325 0,5726
13 𝑍 𝑠15 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠14 ) 6,20 1,7040 4,4960 1,3947 3,8070
14 𝑍 𝑠16 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠15 ) 1,10 2,0762 -0,9762 1,3945 -0,8267
15 𝑍 𝑠17 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠16 ) 0,40 1,5432 -1,1432 1,6031 -0,9029
16 𝑍 𝑠18 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠17 ) 1,00 0,8869 0,1131 2,2008 0,0762
17 𝑍 𝑠19 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠18 ) 6,70 0,6200 6,0800 1,6047 4,7996
18 𝑍 𝑠20 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠19 ) 4,20 1,8708 2,3292 1,7247 1,7736
19 𝑍 𝑠21 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠20 ) 0,70 1,6054 -0,9054 1,5518 -0,7268
20 𝑍 𝑠22 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠21 ) 0,70 1,7385 -1,0385 1,5972 -0,8217
21 𝑍 𝑠23 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠22 ) 0,50 2,6198 -2,1198 1,4779 -1,7437
22 𝑍 𝑠24 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠23 ) 2,30 1,9558 0,3442 1,3757 0,2935
23 𝑍 𝑠25 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠24 ) 4,30 1,6969 2,6031 1,3116 2,2730
24 𝑍 𝑠26 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠25 ) 1,60 1,7622 -0,1622 1,5348 -0,1309
25 𝑍 𝑠27 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠26 ) 1,30 0,8424 0,4576 1,3618 0,3921
26 𝑍 𝑠28 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠27 ) 0,90 1,6158 -0,7158 1,3565 -0,6146
27 𝑍 𝑠29 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠28 ) 0,70 1,6407 -0,9407 1,4459 -0,7823
28 𝑍 𝑠30 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠29 ) 1,90 0,6360 1,2640 1,3754 1,0778
29 𝑍 𝑠31 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠30 ) 0,70 1,4909 -0,7909 1,2007 -0,7218
30 𝑍 𝑠32 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠31 ) 1,20 2,3317 -1,1317 1,2342 -1,0187
31 𝑍 𝑠33 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠32 ) 2,10 0,3465 1,7535 1,4085 1,4775
32 𝑍 𝑠34 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠33 ) 3,70 2,0603 1,6397 1,3855 1,3930
33 𝑍 𝑠35 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠34 ) 4,70 0,0116 4,6884 1,4048 3,9556
34 𝑍 𝑠36 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠35 ) 3,30 1,6775 1,6225 1,3425 1,4003
35 𝑍 𝑠37 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠36 ) 3,70 3,5534 0,1466 1,7964 0,1094
36 𝑍 𝑠38 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠37 ) 4,30 1,8971 2,4029 1,3174 2,0935
37 𝑍 𝑠39 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠38 ) 15,70 2,6981 13,0019 1,4244 10,8941
38 𝑍 𝑠40 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠39 ) 9,40 5,4139 3,9861 1,2998 3,4963
39 𝑍 𝑠41 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠40 ) 0,70 4,7155 -4,0155 1,2208 -3,6343
87
40 𝑍 𝑠42 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠41 ) 0,20 5,4393 -5,2393 1,3101 -4,5774
41 𝑍 𝑠43 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠42 ) 0,30 2,8555 -2,5555 1,2607 -2,2760
42 𝑍 𝑠44 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠43 ) 8,00 5,6605 2,3395 1,2632 2,0816
43 𝑍 𝑠45 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠44 ) 20,90 4,8851 16,0149 1,8593 11,7449
44 𝑍 𝑠46 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠45 ) 2,50 11,7797 -9,2797 1,9152 -6,7054
45 𝑍 𝑠47 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠46 ) 1,60 5,7534 -4,1534 1,2507 -3,7139
46 𝑍 𝑠48 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠47 ) 5,50 7,7760 -2,2760 1,3243 -1,9778
47 𝑍 𝑠49 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠48 ) 2,60 9,1299 -6,5299 1,2734 -5,7866
48 𝑍 𝑠50 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠49 ) 0,80 4,5923 -3,7923 1,2660 -3,3704
49 𝑍 𝑠51 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠50 ) 0,40 5,1177 -4,7177 1,1389 -4,4207
50 𝑍 𝑠52 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠51 ) 0,40 5,7172 -5,3172 1,1269 -5,0089
51 𝑍 𝑠53 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠52 ) 1,60 4,0348 -2,4348 1,2914 -2,1426
52 𝑍 𝑠54 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠53 ) 0,50 8,8843 -8,3843 1,7249 -6,3839
53 𝑍 𝑠55 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠54 ) 1,50 3,7066 -2,2066 1,3813 -1,8775
54 𝑍 𝑠56 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠55 ) 0,80 2,7628 -1,9628 1,2356 -1,7658
55 𝑍 𝑠57 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠56 ) 1,20 6,7998 -5,5998 1,2422 -5,0243
56 𝑍 𝑠58 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠57 ) 0,40 5,2288 -4,8288 1,0916 -4,6218
57 𝑍 𝑠59 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠58 ) 0,90 5,3753 -4,4753 1,0715 -4,3234
58 𝑍 𝑠60 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠59 ) 18,00 5,3940 12,6060 1,2115 11,4529
59 𝑍 𝑠61 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠60 ) 5,00 7,7268 -2,7268 1,1939 -2,4956
60 𝑍 𝑠62 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠61 ) 7,20 10,7090 -3,5090 1,1435 -3,2814
61 𝑍 𝑠63 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠62 ) 12,10 6,9072 5,1928 1,1346 4,8751
62 𝑍 𝑠64 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠63 ) 10,30 3,8144 6,4856 1,4784 5,3340
63 𝑍 𝑠65 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠64 ) 0,30 7,9829 -7,6829 1,1756 -7,0859
64 𝑍 𝑠66 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠65 ) 11,40 10,8183 0,5817 1,2768 0,5148
65 𝑍 𝑠67 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠66 ) 18,70 10,5945 8,1055 1,1275 7,6335
66 𝑍 𝑠68 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠67 ) 11,40 6,8531 4,5469 1,2947 3,9960
67 𝑍 𝑠69 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠68 ) 0,50 9,9250 -9,4250 1,2035 -8,5913
68 𝑍 𝑠70 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠69 ) 15,80 8,9123 6,8877 1,0949 6,5824
69 𝑍 𝑠71 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠70 ) 13,30 7,5740 5,7260 1,1341 5,3768
70 𝑍 𝑠72 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠71 ) 13,30 8,2217 5,0783 1,2118 4,6132
71 𝑍 𝑠73 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠72 ) 8,60 15,1898 -6,5898 1,1816 -6,0623
72 𝑍 𝑠74 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠73 ) 0,40 11,1178 -10,7178 1,1484 -10,0014
Jumlah -13,8911
𝑄1 -0,1929
88
Lampiran 6
Residual
Residual Variansi
No Sampel 𝒁 𝒁 Terbaku
𝒆𝒊 𝝈𝒊 𝟐
𝜺𝒊
1 𝑍 𝑠3 |𝑍 𝑠1 , 𝑍(𝑠2 ) 1,60 6,7299 -5,1299 11,4717 -1,5146
2 𝑍 𝑠4 |𝑍 𝑠1 , 𝑍(𝑠2 ), 𝑍(𝑠3 ) 1,00 1,5887 -0,5887 1,7625 -0,4434
3 𝑍 𝑠5 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠4 ) 4,30 1,5190 2,7810 1,6022 2,1971
4 𝑍 𝑠6 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠5 ) 0,50 3,0711 -2,5711 1,7717 -1,9316
5 𝑍 𝑠7 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠6 ) 0,90 2,0631 -1,1631 1,8072 -0,8652
6 𝑍 𝑠8 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠7 ) 0,40 1,4730 -1,0730 1,3491 -0,9238
7 𝑍 𝑠9 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠8 ) 1,70 1,0147 0,6853 2,3960 0,4427
8 𝑍 𝑠10 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠9 ) 1,10 0,6621 0,4379 1,8198 0,3246
9 𝑍 𝑠11 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠10 ) 0,30 1,3524 -1,0524 1,5074 -0,8572
10 𝑍 𝑠12 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠11 ) 0,70 1,3334 -0,6334 2,9281 -0,3702
11 𝑍 𝑠13 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠12 ) 0,50 1,4432 -0,9432 3,5856 -0,4981
12 𝑍 𝑠14 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠13 ) 2,20 1,4335 0,7665 1,6714 0,5929
13 𝑍 𝑠15 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠14 ) 6,20 1,6478 4,5522 1,2446 4,0804
14 𝑍 𝑠16 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠15 ) 1,10 2,0897 -0,9897 1,1883 -0,9079
15 𝑍 𝑠17 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠16 ) 0,40 1,4417 -1,0417 1,4642 -0,8609
16 𝑍 𝑠18 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠17 ) 1,00 0,9554 0,0446 2,0516 0,0311
17 𝑍 𝑠19 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠18 ) 6,70 0,5497 6,1503 1,4151 5,1701
18 𝑍 𝑠20 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠19 ) 4,20 1,9540 2,2460 1,5664 1,7946
19 𝑍 𝑠21 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠20 ) 0,70 1,2353 -0,5353 1,3588 -0,4592
20 𝑍 𝑠22 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠21 ) 0,70 1,5014 -0,8014 1,3782 -0,6826
21 𝑍 𝑠23 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠22 ) 0,50 2,9083 -2,4083 1,3065 -2,1070
22 𝑍 𝑠24 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠23 ) 2,30 2,2639 0,0361 1,2143 0,0328
23 𝑍 𝑠25 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠24 ) 4,30 1,4021 2,8979 1,1576 2,6934
24 𝑍 𝑠26 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠25 ) 1,60 1,7430 -0,1430 1,3693 -0,1222
25 𝑍 𝑠27 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠26 ) 1,30 0,2649 1,0351 1,1389 0,9699
26 𝑍 𝑠28 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠27 ) 0,90 1,4515 -0,5515 1,0986 -0,5262
27 𝑍 𝑠29 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠28 ) 0,70 1,2938 -0,5938 1,2933 -0,5221
28 𝑍 𝑠30 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠29 ) 1,90 0,2374 1,6626 1,2392 1,4935
29 𝑍 𝑠31 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠30 ) 0,70 1,5219 -0,8219 0,9721 -0,8336
30 𝑍 𝑠32 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠31 ) 1,20 2,9885 -1,7885 1,0099 -1,7797
31 𝑍 𝑠33 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠32 ) 2,10 0,0239 2,0761 1,2467 1,8594
32 𝑍 𝑠34 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠33 ) 3,70 2,3204 1,3796 1,0987 1,3162
33 𝑍 𝑠35 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠34 ) 4,70 0,6478 5,3478 1,1608 4,9636
34 𝑍 𝑠36 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠35 ) 3,30 1,4337 1,8663 1,1227 1,7614
35 𝑍 𝑠37 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠36 ) 3,70 4,6143 -0,9143 1,4605 -0,7566
36 𝑍 𝑠38 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠37 ) 4,30 1,5650 2,7350 1,0803 2,6314
37 𝑍 𝑠39 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠38 ) 15,70 2,6405 13,0595 1,2375 11,7396
38 𝑍 𝑠40 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠39 ) 9,40 5,7789 3,6211 1,1215 3,4193
39 𝑍 𝑠41 |𝑍 𝑠1 , 𝑍 𝑠2 , … , 𝑍(𝑠40 ) 0,70 5,4144 -4,7144 1,0474 -4,6065
89
40 𝑍 𝑠42 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠41 ) 0,20 5,4287 -5,2287 1,1304 -4,9179
41 𝑍 𝑠43 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠42 ) 0,30 2,8045 -2,5045 1,0446 -2,4505
42 𝑍 𝑠44 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠43 ) 8,00 5,7093 2,2907 1,1090 2,1752
43 𝑍 𝑠45 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠44 ) 20,90 4,1371 16,7629 1,6637 12,9961
44 𝑍 𝑠46 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠45 ) 2,50 14,1907 -11,6907 1,7057 -8,9514
45 𝑍 𝑠47 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠46 ) 1,60 8,4611 -6,8611 1,0153 -6,8092
46 𝑍 𝑠48 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠47 ) 5,50 6,8172 -1,3172 0,8335 -1,4428
47 𝑍 𝑠49 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠48 ) 2,60 8,9814 -6,3814 1,0120 -6,3435
48 𝑍 𝑠50 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠49 ) 0,80 5,9682 -5,1682 1,0352 -5,0796
49 𝑍 𝑠51 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠50 ) 0,40 3,5719 -3,1719 0,5340 -4,3406
50 𝑍 𝑠52 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠51 ) 0,40 7,9454 -7,5454 0,9166 -7,8812
51 𝑍 𝑠53 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠52 ) 1,60 0,5856 2,1856 0,8475 2,3741
52 𝑍 𝑠54 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠53 ) 0,50 13,5656 -13,0656 1,1836 -12,0096
53 𝑍 𝑠55 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠54 ) 1,50 0,6848 0,8152 1,0911 0,7804
54 𝑍 𝑠56 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠55 ) 0,80 7,2274 8,0274 0,4798 11,5890
55 𝑍 𝑠57 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠56 ) 1,20 0,6548 1,8548 0,2190 3,9635
56 𝑍 𝑠58 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠57 ) 0,40 10,2712 10,6712 0,0004 533,5600
57 𝑍 𝑠59 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠58 ) 0,90 22,7200 -21,8200 1,2051 -19,8767
58 𝑍 𝑠60 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠59 ) 18,00 11,4331 6,5669 1,0778 6,3254
59 𝑍 𝑠61 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠60 ) 5,00 19,1728 -14,1728 0,9021 -14,9220
60 𝑍 𝑠62 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠61 ) 7,20 35,0486 -27,8486 0,1740 -66,7619
61 𝑍 𝑠63 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠62 ) 12,10 86,1913 -74,0913 0,0008 -2619,5230
62 𝑍 𝑠64 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠63 ) 10,30 622,9570 633,2570 8,7545 214,0249
63 𝑍 𝑠65 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠64 ) 0,30 19,2428 -18,9428 0,8552 -20,4838
64 𝑍 𝑠66 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠65 ) 11,40 215,4382 226,8382 5,7539 94,5660
65 𝑍 𝑠67 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠66 ) 18,70 44,3693 63,0693 2,3025 41,5641
66 𝑍 𝑠68 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠67 ) 11,40 16,7841 -5,3841 1,3331 -4,6632
67 𝑍 𝑠69 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠68 ) 0,50 14,5695 -14,0695 0,8220 -15,5183
68 𝑍 𝑠70 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠69 ) 15,80 21,4591 37,2591 1,6398 29,0962
69 𝑍 𝑠71 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠70 ) 13,30 7,9377 5,3623 1,0650 5,1961
70 𝑍 𝑠72 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠71 ) 13,30 4,3871 8,9129 1,0320 8,7736
71 𝑍 𝑠73 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠72 ) 8,60 22,2319 -13,6319 0,7463 -15,7797
72 𝑍 𝑠74 |𝑍 𝑠1 ,𝑍 𝑠2 , … , 𝑍(𝑠73 ) 0,40 16,6084 -16,2084 0,9215 -16,8847
Jumlah -1861,7092
𝑄1 -25,8571
90
Lampiran 7
clc;
clear;
n=74; %Jumlah data
X=[700673.51;704029.59;701771.48;697340.33;697402.54;699227.95;705
058.14;703628.13;696353.86;707009.75;698125.43;721254.77;721194.87
;702892.17;699319.53;702111.63;709289.59;715210.77;714702.70;71695
2.23;706639.19;708952.61;717136.33;707565.26;707077.84;711409.84;7
08842.12;711964.47;718012.55;707553.00;707639.66;709817.96;710654.
32;701059.45;704444.71;704967.16;703021.13;705646.66;702691.32;705
267.33;707511.39;706020.77;700453.25;705033.82;692412.78;689327.48
;698495.27;698510.84;702471.66;698534.15;696491.56;696840.30;69294
2.96;690400.23;690374.80;692602.51;700565.23;696558.94;697160.72;7
05960.09;703782.62;706408.31;708528.98;691713.22;711684.03;712087.
38;699646.20;714009.14;712975.82;697399.40;702881.62;702438.58;706
924.70;709515.57;]; %Data koordinat X
Y=[9298678.60;9302709.00;9308722.20;9303595.20;9305429.70;9309205.
90;9309220.40;9306990.00;9312777.50;9311212.60;9312984.10;9313410.
70;9297724.70;9297732.30;9305790.50;9302766.40;9306105.60;9315964.
00;9309232.90;9315587.90;9300412.40;9314680.80;9313237.10;9305939.
80;9312034.50;9299873.60;9300621.00;9311917.80;9315612.90;9314678.
40;9310160.90;9306761.20;9298382.00;9314164.30;9315354.10;9316340.
60;9320890.30;9317127.80;9318594.30;9318569.10;9316391.00;9318950.
80;9313114.70;9318977.30;9317934.40;9320352.20;9314161.30;9320151.
00;9320356.70;9315292.40;9317272.10;9313255.10;9314874.10;9323603.
90;9317226.80;9315966.40;9320537.40;9315810.20;9312635.00;9320246.
30;9321375.50;9321272.70;9319650.20;9324468.80;9317794.40;9321201.
70;9323386.20;9322170.90;9318821.10;9323695.10;9322175.20;9322735.
90;9323417.90;9321689.20;]; %Data koordinat Y
Z=[0.50;3.00;1.60;1.00;4.30;0.50;0.90;0.40;1.70;1.10;0.30;0.70;0.5
0;2.20;6.20;1.10;0.40;1.00;6.70;4.20;0.70;0.70;0.50;2.30;4.30;1.60
;1.30;0.90;0.70;1.90;0.70;1.20;2.10;3.70;4.70;3.30;3.70;4.30;15.70
;9.40;0.70;0.20;0.30;8.00;20.90;2.50;1.60;5.50;2.60;0.80;0.40;0.40
;1.60;0.50;1.50;0.80;1.20;0.40;0.90;18.00;5.00;7.20;12.10;10.30;0.
30;11.40;18.70;11.40;0.50;15.80;13.30;13.30;8.60;0.40]; %Data
indeks pencemaran air tanah dangkal
X0=[694243.71;697658.56;696380.28;696035.67;699206.06;702943.52;70
5147.29;700998.03;702445.38;698379.00;698730.26;700653.42;701687.2
91
4;701938.77;704021.49;716574.32;717193.28;717812.47;708637.25;7131
28.23;712127.21;713534.45;708096.95;711902.05;708862.41;708992.94;
706236.07;705597.60;707117.43;709846.33;711269.59;709992.94;710438
.52;711902.05;710888.83;703683.75;705684.70;704978.42;706999.81;70
6718.52;692176.06;693209.88;692763.55;690905.99;693833.06;690680.8
3;696311.36;716099.56;717479.35;695277.53;693761.26;704471.81;7022
20.22;700587.82;697323.02;698223.65;695915.78;696928.99;700515.58;
699518.32;698336.23;701411.56;702303.05;703064.57;704793.76;704513
.03;701235.61;703334.36;703479.21;702501.67;699206.06;699630.90;69
6760.12;697773.34;703065.68;704415.52;702332.80;701094.43;699550.6
7;700515.58;702065.68;704302.94;703683.75;700644.11;702670.54;7009
25.56;702332.80;712576.86;716179.84;715223.14;711226.57;713703.32;
715842.33;714378.80;708303.72;710164.60;709199.70;707905.48;709369
.01;711060.58;714685.97;710494.81;711564.31;713421.87;706359.35;70
6994.21;710164.60;709337.54;710719.97;708524.67;707545.58;705935.3
4;708018.06;706649.60;705960.38;706511.76;706498.24;707849.19;7059
60.38;704857.64;704359.23;706925.29;708351.91;708165.88;709143.85;
708524.67;710044.49;711620.60;710945.12;709988.20;702996.75;703892
.74;705546.85;704865.84;706498.24;704444.11;705822.76;699619.59;70
2514.30;703683.75;688992.14;691417.92;694864.00;690230.52;690174.2
3;690455.68;691131.15;692425.82;693551.61;697491.89;697717.05;6918
45.99;693833.06;693382.74;694339.67;696084.65;703164.02;714368.82;
717125.69;715697.12;714259.84;714777.26;715639.63;716616.98;698930
.38;705505.39;701601.04;704995.48;697000.57;714491.38;713534.45;71
1845.76;714716.53;705879.05;709594.17;709061.86;704306.26;702783.1
2;700033.12;701342.63;700531.53;702276.51;704702.03;699481.75;7021
00.77;687775.48;690495.57;687697.48;688260.38;687416.03;688048.43;
688823.28;696724.89;698379.00;698930.38;698861.46;699743.48;701825
.09;692176.06;696035.67;695759.98;695127.72;696478.67;699757.44;69
8447.93;698730.26;697885.92;696127.96;691493.29;692988.07;694425.3
5;699484.58;698277.26;702307.54;704444.11;705684.70;707407.74;7056
93.64;707935.80;710164.60;711097.82;710810.36;713266.08;711845.20;
717306.88;712707.57;712880.05;711956.57;710580.40;710026.76;708855
.66;710407.92;711500.26;700929.10;700925.56;689125.53;687810.06;70
0033.12;700860.18;700869.27;694225.13;698030.80;690285.98;696092.5
9;698392.25;697472.39;699542.07;705753.62;700576.91;708855.09;7078
78.31;707188.41;707763.32;709957.84;711680.88;]; % Data koordinat
X tidak tersampel
Y0=[9311042.16;9311245.97;9309870.50;9305114.90;9308629.91;9312969
.17;9311404.61;9309043.44;9309399.62;9304012.16;9306619.99;9303667
.55;9302840.49;9304086.95;9304537.27;9315659.91;9318159.37;9316526
.97;9315063.44;9311248.93;9309659.63;9310053.66;9308009.61;9308533
.84;9308927.87;9312144.91;9298567.35;9300822.15;9300202.96;9299946
.34;9297384.47;9302426.96;9303918.08;9302679.71;9301553.92;9316470
.68;9316349.13;9316526.97;9315815.69;9317176.19;9318968.15;9314350
.40;9317258.74;9315513.76;9313149.59;9312136.38;9313178.73;9320384
.67;9319809.75;9307733.93;9310284.03;9302623.42;9299189.75;9301272
.47;9305663.06;9312192.67;9310898.00;9307689.49;9311248.93;9307633
92
.20;9307970.94;9312558.44;9311118.93;9312080.09;9312471.03;9310490
.79;9307418.45;9307690.04;9309112.36;9307464.33;9302840.49;9305381
.61;9303692.92;9301947.94;9305252.75;9306619.99;9301779.07;9305269
.03;9297326.76;9299670.09;9300290.39;9302904.87;9302285.68;9300934
.73;9299133.46;9298626.85;9297726.22;9313592.26;9314107.78;9317033
.58;9313825.07;9314838.28;9312868.14;9313431.04;9316693.74;9315384
.23;9313936.87;9313543.62;9316189.24;9310490.79;9309126.09;9312136
.38;9311460.90;9308759.00;9313609.63;9314695.01;9308285.30;9305873
.04;9305719.35;9304818.72;9310215.10;9312755.56;9311235.74;9307802
.85;9306079.81;9304425.69;9309040.44;9303580.34;9302978.33;9299876
.86;9298964.59;9302082.35;9297526.80;9301324.21;9296431.55;9298795
.72;9296431.55;9299752.65;9298795.72;9297613.64;9319519.52;9318485
.70;9317934.33;9319060.01;9318384.53;9317415.88;9315232.31;9312213
.83;9314557.17;9314106.52;9318046.80;9321380.41;9319933.05;9316583
.26;9317258.74;9318609.69;9319848.07;9320016.93;9320917.57;9317765
.35;9316752.13;9316032.79;9318497.11;9315570.05;9317315.03;9311967
.51;9321419.51;9322069.62;9323103.45;9323661.67;9324409.06;9320844
.60;9319177.35;9321591.98;9310008.34;9309980.32;9310109.95;9308560
.98;9302840.49;9318328.24;9316301.81;9315344.89;9315513.76;9314275
.39;9307182.88;9310352.95;9320001.98;9317765.35;9318210.01;9317589
.72;9316808.42;9316695.84;9315075.43;9313385.50;9315659.91;9321716
.03;9323466.64;9317709.06;9318609.69;9319735.49;9320579.83;9322549
.97;9319519.52;9318623.54;9317314.03;9319864.13;9320748.70;9319174
.92;9312420.60;9317382.95;9314901.77;9318215.66;9315964.08;9316486
.97;9315659.91;9314556.83;9314050.23;9322248.82;9324006.62;9323546
.69;9321994.42;9322914.28;9321247.04;9322345.31;9321311.49;9321931
.78;9320622.27;9320499.65;9319292.33;9324826.49;9321534.49;9323834
.14;9320208.74;9324868.99;9325558.88;9323546.69;9321362.02;9316831
.58;9318257.49;9319864.13;9318372.47;9317452.61;9320154.70;9315039
.62;9313768.78;9323999.43;9325251.88;9318968.15;9320966.88;9319454
.04;9324151.66;9323694.98;9325731.36;9324351.56;9325386.41;9322626
.83;9324639.02;9323241.29;9323144.25;9323103.45;9324754.00;9323489
.20;9322109.40;9322621.00;9322896.68;]; %Data koordinat Y tidak
tersampel
m=255;
93
S0=S(m,:);
A=zeros(n); %Membentuk matriks Γ
for i=1:n
for j=1:i
if(i~=j)
if(H(i,j)<10600)
A(i,j) = 1.1+0.8*(1-exp(-(H(i,j)/10600)));
else
A(i,j)=1.9;
end
A(j,i)=A(i,j);
end
end
end
A(n+1,1:n)=1;
A(1:n,n+1)=1;
for i=(n+2):(n+2)
for j=1:n
if(i~=j)
A(i,j)=Y(j);
A(j,i)=A(i,j);
end
end
end
A;
94
Lampiran 8
95
38 704978,42 9316526,97 0,1855 1,0197
Jakpus-Cempaka 39 706999,81 9315815,69 0,4182 0,9945
Putih 40 706718,52 9317176,19 0,7517 0,9644
Jakbar-Cengkareng 41 692176,06 9318968,15 0,7078 1,1361
42 693209,88 9314350,40 0,5210 1,1650
43 692763,55 9317258,74 0,4475 1,1016
Jakbar-Kembangan 44 690905,99 9315513,76 0,3076 1,2037
45 693833,06 9313149,59 0,9366 1,1491
46 690680,83 9312136,38 0,6872 1,3483
Jakbar-Kebon Jeruk 47 696311,36 9313178,73 0,4700 0,8795
48 716099,56 9320384,67 0,8823 1,1425
Jakut-Cilincing
49 717479,35 9319809,75 0,8601 1,2720
50 695277,53 9307733,93 1,0495 1,2030
51 693761,26 9310284,03 2,4272 1,2654
Jaksel-Pesanggarahan 52 704471,81 9302623,42 2,9818 1,1139
53 702220,22 9299189,75 2,0603 1,2736
54 700587,82 9301272,47 4,0348 1,1828
55 697323,02 9305663,06 1,1054 1,0784
Jaksel-Kebayoran 56 698223,65 9312192,67 1,1679 0,9668
Lama 57 695915,78 9310898,00 3,6944 1,0769
58 696928,99 9307689,49 4,3707 1,0729
59 700515,58 9311248,93 2,0720 0,9861
Jaksel-Kebayoran
60 699518,32 9307633,20 2,5564 1,0583
Baru
61 698336,23 9307970,94 1,5033 1,0186
62 701411,56 9312558,44 3,6866 0,9951
Jaksel-Setiabudi 63 702303,05 9311118,93 2,3953 1,0348
64 703064,57 9312080,09 3,2805 1,0148
65 704793,76 9312471,03 1,8258 1,0029
Jaksel-Tebet
66 704513,03 9310490,79 2,2092 0,9360
Cemar
Jaksel-Mampang
Ringan 67 701235,61 9307418,45 1,1698 1,0334
Prapatan
68 703334,36 9307690,04 3,5224 1,0221
Jaksel-Pancoran 69 703479,21 9309112,36 1,3433 0,9835
70 702501,67 9307464,33 3,1216 1,0406
71 699206,06 9302840,49 3,7609 1,1333
72 699630,90 9305381,61 1,3008 1,0653
Jaksel-Cilandak
73 696760,12 9303692,92 4,0739 1,2046
74 697773,34 9301947,94 4,6954 1,2720
75 703065,68 9305252,75 1,4188 1,1037
76 704415,52 9306619,99 1,4960 1,1207
Jaksel-Pasar Minggu
77 702332,80 9301779,07 1,9042 1,1874
78 701094,43 9305269,03 2,4522 1,0364
79 699550,67 9297326,76 1,7980 1,4661
80 700515,58 9299670,09 3,8494 1,2484
Jaksel-Jagakarsa 81 702065,68 9300290,39 1,7537 1,2378
82 704302,94 9302904,87 3,1768 1,0980
83 703683,75 9302285,68 3,0889 1,1330
96
84 700644,11 9300934,73 3,7271 1,2042
85 702670,54 9299133,46 1,1142 1,2990
86 700925,56 9298626,85 3,8343 1,3139
87 702332,80 9297726,22 3,1064 1,3521
88 712576,86 9313592,26 4,7056 1,0886
89 716179,84 9314107,78 1,6631 1,0883
90 715223,14 9317033,58 3,9412 1,1956
Jaktim-Cakung 91 711226,57 9313825,07 4,8289 1,0324
92 713703,32 9314838,28 4,3880 1,1181
93 715842,33 9312868,14 1,0479 1,1275
94 714378,80 9313431,04 1,0184 1,1109
95 708303,72 9316693,74 1,5108 0,9341
96 710164,60 9315384,23 2,5225 1,0118
Jaktim-Pulo Gadung 97 709199,70 9313936,87 4,0709 0,9596
98 707905,48 9313543,62 1,8675 0,8912
99 709369,01 9316189,24 2,7080 1,0401
100 711060,58 9310490,79 4,0113 0,8916
101 714685,97 9309126,09 2,1609 1,1555
Jaktim-Duren Sawit 102 710494,81 9312136,38 2,3438 0,9761
103 711564,31 9311460,90 4,4393 1,0002
104 713421,87 9308759,00 2,8296 1,1045
105 706359,35 9313609,63 3,2967 1,0353
Jaktim-Matraman
106 706994,21 9314695,01 2,4755 0,9680
107 710164,60 9308285,30 2,1736 1,0330
108 709337,54 9305873,04 3,5670 1,0625
Jaktim-Makassar
109 710719,97 9305719,35 1,1360 1,1531
110 708524,67 9304818,72 2,9649 1,0849
111 707545,58 9310215,10 4,0213 0,7846
Jaktim-Jatinegara 112 705935,34 9312755,56 2,4804 1,0054
113 708018,06 9311235,74 1,4509 0,7472
114 706649,60 9307802,85 2,3686 0,9099
115 705960,38 9306079,81 2,8551 1,0372
Jaktim-Kramat Jati 116 706511,76 9304425,69 2,3116 1,0709
117 706498,24 9309040,44 2,0077 0,9643
118 707849,19 9303580,34 1,7003 1,1027
119 705960,38 9302978,33 2,5319 1,0718
Jaktim-Pasar Rebo 120 704857,64 9299876,86 1,3946 1,2713
121 704359,23 9298964,59 1,0476 1,3225
122 706925,29 9302082,35 4,4240 1,1262
123 708351,91 9297526,80 1,3088 1,4416
Jaktim-Ciracas 124 708165,88 9301324,21 2,4699 1,1912
125 709143,85 9296431,55 2,0027 1,5230
126 708524,67 9298795,72 1,0161 1,3228
127 710044,49 9296431,55 1,8647 1,5456
128 711620,60 9299752,65 2,0359 1,2393
Jaktim-Cipayung
129 710945,12 9298795,72 1,2336 1,2777
130 709988,20 9297613,64 1,5400 1,4129
97
Jakpus-Sawah Besar 131 702996,75 9319519,52 1,6622 0,9616
132 703892,74 9318485,70 1,4660 0,9970
133 705546,85 9317934,33 3,3365 1,0461
Jakpus-Kemayoran
134 704865,84 9319060,01 4,6595 0,9949
135 706498,24 9318384,53 2,2909 1,0115
Jakpus-Senen 136 704444,11 9317415,88 1,5212 1,0268
Jakpus-Cempaka
137 705822,76 9315232,31 4,7267 0,9907
Putih
Jakpus-Tanah Abang 138 699619,59 9312213,83 3,3976 0,9752
139 702514,30 9314557,17 1,5241 1,0010
Jakpus-Menteng
140 703683,75 9314106,52 4,6125 1,0331
Jakbar-Kalideres 141 688992,14 9318046,80 4,4292 1,3259
142 691417,92 9321380,41 4,3202 1,2127
143 694864,00 9319933,05 4,0309 1,1108
144 690230,52 9316583,26 4,4412 1,2221
145 690174,23 9317258,74 4,5992 1,2231
Jakbar-Cengkareng
146 690455,68 9318609,69 4,3971 1,2349
147 691131,15 9319848,07 4,3645 1,2142
148 692425,82 9320016,93 1,9275 1,1038
149 693551,61 9320917,57 2,7441 1,1402
Jakbar-Grogol 150 697491,89 9317765,35 4,9886 1,0345
Petamburan 151 697717,05 9316752,13 3,4217 1,0390
152 691845,99 9316032,79 3,1347 1,1409
Jakbar-Kembangan 153 693833,06 9318497,11 1,3491 1,0975
154 693382,74 9315570,05 3,4562 1,0338
155 694339,67 9317315,03 1,4365 1,0637
Jakbar-Kebon Jeruk
156 696084,65 9311967,51 1,5420 1,0320
Jakut-Pademangan 157 703164,02 9321419,51 4,0184 1,0875
158 714368,82 9322069,62 4,0036 1,2108
159 717125,69 9323103,45 1,8561 1,2921
160 715697,12 9323661,67 3,9424 1,1791
Jakut-Cilincing 161 714259,84 9324409,06 2,7107 1,2342
162 714777,26 9320844,60 2,4476 1,1707
163 715639,63 9319177,35 2,2437 1,1407
164 716616,98 9321591,98 1,1566 1,1909
Jaksel-Kebayoran
165 698930,38 9310008,34 5,6514 0,9945
Baru
Jaksel-Tebet 166 705505,39 9309980,32 7,9692 0,8695
Jaksel-Mampang
167 701601,04 9310109,95 5,7398 1,0078
Prapatan
Cemar Jaksel-Pancoran 168 704995,48 9308560,98 5,1214 0,9663
Sedang Jaksel-Cilandak 169 697000,57 9302840,49 5,3721 1,2133
170 714491,38 9318328,24 7,1475 1,1691
171 713534,45 9316301,81 5,1969 1,1208
Jaktim-Cakung
172 711845,76 9315344,89 5,3043 1,0809
173 714716,53 9315513,76 6,5890 1,1295
Jaktim-Matraman 174 705879,05 9314275,39 5,4432 0,9930
98
Jaktim-Makassar 175 709594,17 9307182,88 5,3479 1,0072
Jaktim-Jatinegara 176 709061,86 9310352,95 5,3371 0,8868
177 704306,26 9320001,98 5,4771 1,0612
Jakpus-Sawah Besar
178 702783,12 9317765,35 6,8555 1,0588
179 700033,12 9318210,01 8,1839 1,0662
180 701342,63 9317589,72 5,9516 1,0441
Jakpus-Gambir
181 700531,53 9316808,42 5,6797 1,0462
182 702276,51 9316695,84 6,6479 1,0316
Jakpus-Senen 183 704702,03 9315075,43 5,0016 1,0067
Jakpus-Tanah Abang 184 699481,75 9313385,50 6,5810 0,9152
Jakpus-Menteng 185 702100,77 9315659,91 5,9920 0,9984
186 687775,48 9321716,03 7,7014 1,4271
187 690495,57 9323466,64 6,4855 1,2751
188 687697,48 9317709,06 7,4847 1,2404
Jakbar-Kalideres 189 688260,38 9318609,69 8,0642 1,2765
190 687416,03 9319735,49 6,5827 1,3118
191 688048,43 9320579,83 7,0505 1,3684
192 688823,28 9322549,97 6,9331 1,4187
193 696724,89 9319519,52 7,8084 1,0582
Jakbar-Grogol
194 698379,00 9318623,54 6,3407 1,0432
Petamburan
195 698930,38 9317314,03 5,0715 1,1020
196 698861,46 9319864,13 8,0260 1,0769
Jakbar-Tambora
197 699743,48 9320748,70 7,0216 1,0963
Jakbar-Taman Sari 198 701825,09 9319174,92 9,5393 1,0600
Jakbar-Kembangan 199 692176,06 9312420,60 1,3076 1,2684
200 696035,67 9317382,95 6,0828 1,0032
201 695759,98 9314901,77 5,6182 1,0122
Jakbar-Kebon Jeruk
202 695127,72 9318215,66 5,4158 1,0912
203 696478,67 9315964,08 7,4630 0,9601
204 699757,44 9316486,97 6,7518 1,0416
205 698447,93 9315659,91 8,2284 1,0051
Jakbar-Palmerah
206 698730,26 9314556,83 7,3603 0,9488
207 697885,92 9314050,23 7,5095 0,9309
208 696127,96 9322248,82 7,9417 1,0942
209 691493,29 9324006,62 7,4277 1,2784
210 692988,07 9323546,69 7,7372 1,0356
Jakut-Penjaringan
211 694425,35 9321994,42 5,1603 1,1072
212 699484,58 9322914,28 9,9126 1,0205
213 698277,26 9321247,04 9,6601 1,1200
214 702307,54 9322345,31 6,1614 1,1233
Jakut-Pademangan
215 704444,11 9321311,49 7,5589 1,1067
216 705684,70 9321931,78 9,2499 1,1314
217 707407,74 9320622,27 8,2104 1,1130
Jakut-Tanjung Priok
218 705693,64 9320499,65 6,8392 1,0626
219 707935,80 9319292,33 5,8729 1,0280
220 710164,60 9324826,49 6,9567 1,3029
Jakut-Koja
221 711097,82 9321534,49 7,8992 1,1722
99
222 710810,36 9323834,14 9,5854 1,1480
223 713266,08 9320208,74 6,8792 1,1548
224 711845,20 9324868,99 6,6139 1,1901
Jakut-Cilincing 225 717306,88 9325558,88 5,2527 1,6083
226 712707,57 9323546,69 9,4557 1,1995
227 712880,05 9321362,02 8,6370 1,0890
228 711956,57 9316831,58 5,7325 1,0930
229 710580,40 9318257,49 5,6167 1,0814
230 710026,76 9319864,13 7,7103 1,0682
Jakut-Kelapa Gading
231 708855,66 9318372,47 5,2397 1,0050
232 710407,92 9317452,61 5,7570 1,0529
233 711500,26 9320154,70 9,6967 1,1471
234 700929,10 9315039,62 10,9434 0,9563
Jakpus-Tanah Abang
235 700925,56 9313768,78 11,0073 0,9514
236 689125,53 9323999,43 10,8322 1,4196
Jakbar-Kalideres
237 687810,06 9325251,88 10,1189 1,4761
Jakbar-Tambora 238 700033,12 9318968,15 10,2931 1,0474
239 700860,18 9320966,88 12,0963 1,0048
Jakbar-Taman Sari
240 700869,27 9319454,04 11,8935 0,9871
241 694225,13 9324151,66 10,0444 1,0653
242 698030,80 9323694,98 13,7762 0,9699
243 690285,98 9325731,36 10,9364 1,4826
Cemar Jakut-Penjaringan 244 696092,59 9324351,56 10,5082 0,9764
Berat 245 698392,25 9325386,41 15,1610 1,0726
246 697472,39 9322626,83 11,0507 1,1173
247 699542,07 9324639,02 14,7764 1,1076
248 705753,62 9323241,29 13,9934 1,1553
Jakut-Pademangan
249 700576,91 9323144,25 10,5462 1,0099
250 708855,09 9323103,45 11,2728 1,1461
251 707878,31 9324754,00 13,6575 1,3435
Jakut-Tanjung Priok
252 707188,41 9323489,20 14,0713 1,1940
253 707763,32 9322109,40 12,4463 1,1447
254 709957,84 9322621,00 10,9141 1,1236
Jakut-Koja
255 711680,88 9322896,68 11,3167 1,1491
100