LAPORAN PRAKTIKUM

SISTEM INFORMASI GEOGRAFIS

INTERPOLASI DAN OVERLAY DATA

OLEH:
SAYYIDAH EVA THIA NINGRUM
08051182025003
A

LABORATORIUM PENGINDERAAN JAUH DAN SISTEM INFORMASI

GEOGRAFIS KELAUTAN
JURUSAN ILMU KELAUTAN
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SRIWIJAYA
2023
 I PENDAHULUAN

1.1 Latar Belakang

Dalam perkembangannya sistem informasi memiliki banyak sekali cabang,
salah satunya adalah sistem informasi geografis yang berfokus pada geografis.
Sistem Informasi Geografis merupakan suatu sistem informasi yang berbasis
komputer, yang dirancang untuk bekerja dengan menggunakan data yang
memiliki informasi spasial. Sistem Informasi Geografis diartikan sebagai sistem
berbasis komputer yang digunakan untuk mengolah, menyusun, menyimpan,
memanipulasi, menampilkan dan menganalisis informasi geografis dengan
berbagai atribut yang menyertainya (Khusnawati dan Kusuma, 2020).
Sistem Informasi Geografis (SIG) adalah suatu sistem pengolahan
informasi yang dibuat untuk pekerjaan memuat data tereferensi dan koordinat
spasial (misalnya peta citra satelit). Salah satu keunggulan yang dimiliki oleh SIG
adalah kemampuan untuk melakukan overlay atau tumpang tindih dari data-data
atribut suatu wilayah. Proses overlay ini biasa digunakan untuk menganalisis dan
menghasilkan informasi baru berdasarkan data-data spasial dan atribut yang telah
ada (Lomban et al. 2019).
Teknologi penginderaan jauh merupakan salah satu alat yang dapat
digunakan untuk melakukan analisis suatu area yang luas dan sulit dijangkau
secara cepat, efisien, efektif dan lengkap. Saat ini teknologi penginderaan jauh
sangat besar perannya dalam pengumpulan data geografis suatu wilayah, berbagai
sektor sudah mulai menggunakan teknologi penginderaan jauh untuk memperoleh
data spasial yang nantinya digunakan sebagai penentu kebijakan missal sektor
pertanahan, kehutanan, pengembangan wilayah, dan pertambangan. suatu analisis
data penginderaan jauh perlu diolah agar dapat memberikan informasi yang
bermanfaat bagi pengguna. Beberapa penelitian mulai dikembangkan terkait
pengolahan citra (Wulansari, 2020).
Citra merupakan istilah lain untuk gambar. Sebagai salah satu komponen
multimedia, citra memegang peranan yang sangat penting sebagai bentuk
informasi visual atau yang dapat dilihat. Seiring dengan perkembangan jaman
perkembangan teknologi seperti pengolahan citra juga semakin banyak dipakai
dalam berbagai bidang. Citra penginderaan jauh adalah hasil data dari sebuah alat
seperti satelit yang menghasilkan suatu objek. Citra yang dihasilkan dari
penginderaan jauh merupakan citra multispectral yaitu dapat membedakan objek-
objek yang ditangkap (Sihombing, 2020).
Proses pengolahan data citra dimulai dengan melakukan pemotongan citra
(cropping). Pemotongan citra disesuaikan dengan daerah yang diinginkan.
Selanjutnya menyisipkan landmask, skala warna dan garis pantai supaya citra
menjadi tampilan citra lebih informatif. Selanjutnya dilakukan proses interpolasi
dengan tujuan untuk menduga nilai yang tidak diketahui dengan menggunakan
nilai-nilai yang diketahui. Proses interpolasi dilakukan dengan menggunakan
model kriging. Kriging merupakan suatu metode yang digunakan untuk
menganalisis data geostatistik (Mursyidin dan Musfikar, 2021).
Interpolasi dilakukan dengan mengisi kekosongan data dengan metode
tertentu sehingga dihasilkan sebaran yang kontinyu. Dalam geostatistik, metode
interpolasi dapat dilakukan dengan beberapa cara diantaranya spline, kriging dan
IDW. Kriging adalah salah satu metode yang banyak digunakan dalam geostatistik
karena menghasilkan akurasi yang lebih baik dibanding metode interpolasi
lainnya. IDW merupakan metode interpolasi yang dapat memperkirakan suatu
variable pada lokasi yang tidak diketahui menggunakan rata-rata dari data yang
diketahui pada lokasi yang tidak diketahui. Pada umumnya IDW pada beberapa
kasus memiliki niali akurasi yang baik (Arif, 2019).

1.2 Tujuan
Tujuan dari praktikum kali ini yaitu:
1. Mahasiswa dapat mengetahui konsep interpolasi.
2. Mahasiswa dapat mengetahui konsep analisis overlay.

1.3 Manfaat
Manfaat yang diperoleh dari praktikum kali ini yaitu:
1. Mahasiswa mampu memahami konsep interpolasi.
2. Mahasiswa mampu memahami konsep analisis overlay.
 II TINJAUAN PUSTAKA

2.1 Interpolasi
Interpolasi adalah sebuah metode pencitraan untuk meningkatkan (atau
mengurangi) jumlah piksel dalam citra digital. Beberapa kamera digital
menggunakan interpolasi untuk menghasilkan gambar yang lebih besar daripada
sensor ditangkap atau untuk membuat zoom digital. Pada dasarnya interpolasi
adalah proses pendekatan sehingga memungkinkan terjadi perubahan khususnya
degradasi kualitas citra pada saat algoritma interpolasi diterapkan. Karena hal ini
tak dapat dihindarkan, maka efek negatif proses interpolasi diusahakan seminimal
mungkin dengan menerapakan algoritma interpolasi yang tepat dan sesuai dengan
kebutuhan (Thera et al. 2020).
Interpolasi adalah proses pencarian dan penghitungan nilai suatu fungsi
yang grafiknya melewati sekumpulan titik yang diberikan. Titik-titik tersebut
mungkin merupakan hasil eksperimen dalam sebuah percobaan, atau diperoleh
dari suatu fungsi yang diketahui. Interpolasi merupakan salah satu cara dalam
metode numeric yang memanfaatkan beberapa titik-titik yang telah diketahui,
interpolasi memanfaaatkan informasi dari data awal untuk memperkirakan dan
menghasilkan data lain dan tidak diketahui sebelumnya (Sihombing, 2020).
Interpolasi adalah teknik untuk mendapatkan fungsi yang melewati semua
titik dari sebuah data diskrit. Oleh karena itu, interpolasi dapat digunakan untuk
menghitung perkiraan nilai yang terletak dalam rentangan titik-titik data.
Interpolasi diklasifikasikan berdasarkan fungsi penginterpol yang digunakan
dalam proses interpolasi. Interpolasi merupakan teknik untuk mencari nilai suatu
variabel yang hilang pada rentang data yang diketahui. Interpolasi bisa
dimanfaatkan untuk penghalusan kurva atau penghalusan peta. Pencarian nilai
menggunakan fungsi pendekatan seperti pendekatan linier, kuadratik, dan
polynomial (Blegur, 2021).

2.2 Jenis Interpolasi

Interpolasi digunakan sebagai pembentuk fungsi pendekatan yang dapat
memenuhi titik sebuah data. Interpolasi sendiri mempunyai beberapa jenis yaitu
interpolasi linier, interpolasi polinomial, dan interpolasi spline. Interpolasi linier
adalah bentuk interpolasi yang paling sederhana dimana hanya menentukan titik
antara dua buah titik (x1 dan x2) dengan menggunakan garis lurus. Interpolasi
spline adalah fungsi polinomial dengan turunan memenuhi kendala kekontinuan
tertentu. Interpolasi spline menggunakan polinomial berderajat rendah pada tiap
intervalnya sehingga didapatkan grafik yang halus. Interpolasi spline dapat
menghasilkan kesalahan yang rendah dan mampu menghasilkan kurva yang lebih
halus (Lina dan Anthony, 2019).
Interpolasi splin kubik terdiri dari beberapa jenis berdasarkan syarat
batasnya, yaitu splin kubik alami (natural spline), splin kubik berujung parabolik
(parabolic runout spline), splin kubik berujung pangkat tiga (cubic runoutspline),
splin kubik periodik (periodic spline) dan splin kubik terapit (clamped spline).
Splin kubik terapit dinilai lebih akurat dibandingkan dengan jenis splin kubik
lainnya. Khusus untuk interpolasi splin kubik periodik dan terapit. Interpolasi
splin kubik telah diimplementasikan dalam berbagai aplikasi, seperti pada
pelacakan trajektori suatu objek (object tracking), orbit satelit dan sistem tenaga
listrik (Syafwan et al. 2022).
Interpolasi geostatistik merupakan sebuah estimasi dari nilai pada daerah
yang tidak diukur, maka akan terbentuk sebuah peta atau sebaran nilai pada
seluruh wilayah. Geostatistik adalah suatu disiplin yang menerapkan berbagai
sebuah metode krigging untuk interpolasi spasial optimal. Dalam menganalisis
Interpolasi geostatistik menggunakan IDW dan Krigging (Utomo et al. 2019).
Interpolasi CSRBF adalah metode penting yang digunakan untuk
pemodelan permukaan Implisit di computer grafis. Permukaan RBF berbasis
interpolasi merupakan cara yang utama untuk rekonstruksi permukaan dari awan
titik 3D berskala besar. Metode interpolasi CSRBF dapat dilakukan dengan cara
menempatkan atau menumpangkan suatu filter atau kernel pada setiap pixel
kemudian nilai rata-rata di ambil dari hasil tersebut (Sihombing, 2020).
Interpolasi spasial atau prediksi spasial merupakan sebuah metode untuk
mengestimasi suatu fenomena geospasial kuantitatif yang nilainya tidak diketahui
pada suatu lokasi di atas permukaan bumi, berdasarkan pada nilai-nilai sampel
yang sudah diketahui di sekitar lokasi yang nilanya telah diestimasi. Interpolasi
spasial memiliki fungsi untuk mengatasi keterbatasan jumlah data spasial atau
data yang memiliki atribut keruangan (Asy’ari et al. 2022).
Interpolasi Inverse Distance Weighted (IDW) adalah interpolasi yang
memiliki pengaruh bersifat lokal yang berkurang terhadap jarak yang memberikan
bobot yang lebih besar pada sel yang terdekat dibandingkan dengan sel yang lebih
jauh. Metode ini memiliki asumsi bahwa setiap titik input mempunyai pengaruh
yang bersifat lokal yang berkurang terhadap jarak. Bobot yang digunakan untuk
rata-rata adalah turunan fungsi jarak antara titik sampel dan titik yang
diinterpolasi (Syifa et al. 2020).

2.3 Overlay
Metode weighted overlay merupakan analisis data spasial dengan
menggunakan teknik overlay beberapa peta raster yang berkaitan dengan faktor-
faktor yang berpengaruh terhadap penilaian kerentanan suatu masalah. Salah satu
fungsi dari metode ini adalah untuk menyelesaikan masalah yang memiliki
banyak kriteria seperti pemilihan lokasi yang optimal atau pemodelan kesesuaian.
Weighted Overlay yang dapat mengkombinasikan berbagai macam input dalam
bentuk peta grid dengan pembobotan yang berasal dari metode Analitycal
Hieararchy Process (AHP) (Khusnawati dan Kusuma, 2020).
Overlay merupakan proses penyatuan data dari lapisan layer yang berbeda,
secara sederhana overlay merupakan suatu operasi visual yang membutuhkan
lebih dari satu layer untuk digabungkan secara fisik. Overlay dapat diartikan
sebagai proses penumpang tindihan antara dua layer atau lebih sehingga
memunculkan irisan dari keduanya untuk membentuk satu peta berdasarkan layer
yang ditumpang tindihkan (Putra dan Karomah, 2022).
Overlay atau tumpang tindih dari data-data atribut suatu wilayah. Proses
overlay ini biasa digunakan untuk menganalisis dan menghasilkan informasi baru
berdasarkan data-data spasial dan atribut yang telah ada. Metode Overlay adalah
suatu sistem informasi dalam bentuk grafis yang dibentuk dari penggabungan
berbagai peta individu. Overlay peta dilakukan minimal dengan 2 jenis peta yang
berbeda secara teknis dikatakan harus ada polygon yang terbentuk dari 2 jenis
peta yang dioverlaykan (Lomban et al. 2019).
 III METODOLOGI

3.1 Waktu dan Tempat

Praktikum Sistem Informasi Geografi tentang materi Interpolasi dan
Overlay Data yang dilaksanakan pada hari Selasa, 14 Maret 2023, pada pukul
13.00 WIB sampai dengan selesai. Bertempat di Laboratorium Penginderaan Jauh
dan Sistem Informasi Geografis Kelautan, Jurusan Ilmu Kelautan, Fakultas
Matematika dan Ilmu Pengetahuan Alam, Universitas Sriwijaya.

3.2 Alat dan Bahan

No. Alat dan Bahan Fungsi
1 Laptop Sebagai alat praktikum
2 Mouse Sebagai pengganti kursor
3 Modul Sebagai panduan praktikum
4 Software ArcGIS Sebagai software pengolahan data
5 Indo shp Sebagai bahan praktikum
3.3 Cara Kerja

3.3.1 Interpolasi
a. IDW
Buka ArcGIS, Add data dan masukkan Indo.shp

Lalu klik file pilih add data, lalu add XY data, masukkan data yang akan
digunakan, masukkan coordinate system WGS 1984 dan ok.

Klik ArcToolbox, kemudian pilih spatial analysis tools, pilih Interpolation lalu
pilih IDW

Pilih Input point features pilih laju sedimentasi, Z Value field pilih kecepatan, lalu
klik ok

b. Kriging
Uncentang semua kecuali laju sedimentasi dan Idkabu 2010

Klik ArcToolbox, kemudian pilih spatial analysis tools, pilih Interpolation lalu
pilih Kriging

Pilih Input point features pilih laju sedimentasi, Z Value field pilih kecepatan, lalu
klik ok

c. Natural Neighbor
Uncentang semua kecuali laju sedimentasi dan Idkabu 2010

Klik ArcToolbox, kemudian pilih spatial analysis tools, pilih Interpolation lalu
pilih Natural Neighbor

Pilih Input point features pilih laju sedimentasi, Z Value field pilih kecepatan, lalu
klik ok

d. Spline
Uncentang semua kecuali laju sedimentasi dan Idkabu 2010

Klik ArcToolbox, kemudian pilih spatial analysis tools, pilih Interpolation lalu
pilih Spline

Pilih Input point features pilih laju sedimentasi, Z Value field pilih kecepatan, lalu
klik ok
3.3.2 Overlay
a. Erase
Pada Indo.shp pilih daerah yang berbeda dari proses Interpolation

Buka Catalog pilih tempat penyimpanan pada file new geodatabase, klik kanan
pilih new dan pilih feature class.

Beri nama dengan polygon, kemudian next. Masukkan coordinate system WGS
1984, lalu klik next dan finish

Klik editor kemudian start editing, pilih polygon dan ok.

Klik create features, pilih polygon, untuk tipenya pilih circle. Buat circle pada
peta kemudian save edits dan stop editing

Klik ArcToolbox, kemudian pilih analysis tools, pilih Overlay lalu pilih Erase

Pilih Input point features pilih polygon, lalu erase features pilih idKABU dan ok

b. Identity
Uncentang semua kecuali laju sedimentasi, polygon dan Idkabu 2010

Klik ArcToolbox, kemudian pilih analysis tools, pilih Overlay lalu pilih Identity

Pilih Input point features pilih polygon, lalu erase features pilih idKABU dan ok

c. Intersect
Uncentang semua kecuali laju sedimentasi, polygon dan Idkabu 2010

Klik ArcToolbox, kemudian pilih analysis tools, pilih Overlay lalu pilih Intersect

Pilih Input point features pilih polygon dan idKABU dan ok

d. Spatial join
Uncentang semua kecuali laju sedimentasi, polygon dan Idkabu 2010

Klik ArcToolbox, kemudian pilih analysis tools, pilih Overlay lalu pilih Spatial
join

Pilih Input point features pilih polygon, lalu erase features pilih idKABU dan ok
 e. Symmetrical difference
Uncentang semua kecuali laju sedimentasi, polygon dan Idkabu 2010

Klik ArcToolbox, kemudian pilih analysis tools, pilih Overlay lalu pilih
Symmetrical difference

Pilih Input point features pilih polygon, lalu erase features pilih idKABU dan ok

f. Union
Uncentang semua kecuali laju sedimentasi, polygon dan Idkabu 2010

Klik ArcToolbox, kemudian pilih analysis tools, pilih Overlay lalu pilih Union

Pilih Input point features pilih polygon dan idKABU dan ok

g. Update
Uncentang semua kecuali laju sedimentasi, polygon dan Idkabu 2010

Klik ArcToolbox, kemudian pilih analysis tools, pilih Overlay lalu pilih Update

Pilih Input point features pilih polygon, lalu erase features pilih idKABU dan ok

3.4 Analisa Data

3.4.1 Interpolasi
a. IDW
1. Buka ArcGIS, Add data dan masukkan Indo.shp

Sayyidah Eva Thia Ningrum

2. Lalu klik file pilih add data, lalu add XY data, masukkan data yang akan
digunakan, masukkan coordinate system WGS 1984 dan ok.

Sayyidah Eva Thia Ningrum

3. Klik ArcToolbox, kemudian pilih spatial analysis tools, pilih Interpolation

lalu pilih IDW
Sayyidah Eva Thia Ningrum

4. Pilih Input point features pilih laju sedimentasi, Z Value field pilih
kecepatan, lalu klik ok
Sayyidah Eva Thia Ningrum
b. Kriging
1. Uncentang semua kecuali laju sedimentasi dan Idkabu 2010. Klik
ArcToolbox, kemudian pilih spatial analysis tools, pilih Interpolation lalu
pilih Kriging
Sayyidah Eva Thia Ningrum

2. Pilih Input point features pilih laju sedimentasi, Z Value field pilih
kecepatan, lalu klik ok
Sayyidah Eva Thia Ningrum

c. Natural Neighbor
1. Klik ArcToolbox, kemudian pilih spatial analysis tools, pilih Interpolation
lalu pilih Natural Neighbor
Sayyidah Eva Thia Ningrum
2. Pilih Input point features pilih laju sedimentasi, Z Value field pilih
kecepatan, lalu klik ok

Sayyidah Eva Thia Ningrum

d. Spline
1. Uncentang semua kecuali laju sedimentasi dan Idkabu 2010. Klik
ArcToolbox, kemudian pilih spatial analysis tools, pilih Interpolation lalu
pilih Spline
Sayyidah Eva Thia Ningrum

2. Pilih Input point features pilih laju sedimentasi, Z Value field pilih
kecepatan, lalu klik ok

Sayyidah Eva Thia Ningrum

3.4.2 Overlay
a. Erase
1. Pada Indo.shp pilih daerah yang berbeda dari proses Interpolation. Buka
Catalog pilih tempat penyimpanan pada file new geodatabase, klik kanan
pilih new dan pilih feature class.
Sayyidah Eva Thia Ningrum

2. Beri nama dengan polygon, kemudian next. Masukkan coordinate system

WGS 1984, lalu klik next dan finish
Sayyidah Eva Thia Ningrum

3. Klik editor kemudian start editing, pilih polygon. Buat circle pada peta
kemudian save edits dan stop editing

Sayyidah Eva Thia Ningrum

4. Klik ArcToolbox, kemudian pilih analysis tools, pilih Overlay lalu pilih
Erase

Sayyidah Eva Thia Ningrum

5. Pilih Input point features pilih polygon, lalu erase features pilih idKABU
dan ok

b. Identity
1. Uncentang semua kecuali laju sedimentasi, polygon dan Idkabu 2010. Klik
ArcToolbox, kemudian pilih analysis tools, pilih Overlay lalu pilih Identity
2. Pilih Input point features pilih polygon, lalu erase features pilih idKABU
dan ok

Sayyidah Eva Thia Ningrum

c. Intersect
1. Uncentang semua kecuali laju sedimentasi, polygon dan Idkabu 2010. Klik
ArcToolbox, kemudian pilih analysis tools, pilih Overlay lalu pilih
Intersect
Sayyidah Eva Thia Ningrum

2. Pilih Input point features pilih polygon dan idKABU dan ok

Sayyidah Eva Thia Ningrum

d. Spatial join
1. Uncentang semua kecuali laju sedimentasi, polygon dan Idkabu 2010. Klik
ArcToolbox, kemudian pilih analysis tools, pilih Overlay lalu pilih Spatial
join

Sayyidah Eva Thia Ningrum

2. Pilih Input point features pilih polygon, lalu erase features pilih idKABU
dan ok
Sayyidah Eva Thia Ningrum

e. Symmetrical difference
1. Klik ArcToolbox, kemudian pilih analysis tools, pilih Overlay lalu pilih
Symmetrical difference
Sayyidah Eva Thia Ningrum
2. Pilih Input point features pilih polygon, lalu erase features pilih idKABU
dan ok

Sayyidah Eva Thia Ningrum

f. Union
1. Uncentang semua kecuali laju sedimentasi, polygon dan Idkabu 2010. Klik
ArcToolbox, kemudian pilih analysis tools, pilih Overlay lalu pilih Union

Sayyidah Eva Thia Ningrum

2. Pilih Input point features pilih polygon dan idKABU dan ok

Sayyidah Eva Thia Ningrum
g. Update
1. Uncentang semua kecuali laju sedimentasi, polygon dan Idkabu 2010. Klik
ArcToolbox, kemudian pilih analysis tools, pilih Overlay lalu pilih Update
Sayyidah Eva Thia Ningrum

2. Pilih Input point features pilih polygon, lalu erase features pilih idKABU
dan ok

Sayyidah Eva Thia Ningrum

 IV HASIL DAN PEMBAHASAN

4.1 Hasil Interpolasi

IDW Kriging

Natural Neighbor Spline

4.2 Pembahasan Interpolasi
Interpolasi adalah suatu motode atau fungi matematika yang menduga
nilai pada lokasi-lokasi yang datanya tidak tersedia. Interpolasi spasial
mengangsumsikan bahwa atribut data bersifat kontinyu didalam ruang (space) dan
atribut ini saling berhubungan (dependence) secara spasial. Logika dalam
interpolasi spasial adalah bahwa nilai titik observasi yang berdekatan akan
memiliki nilai yang sama atau mendekati dibandingkan dengan nilai di titik yang
lebih jauh.
Interpolasi data spasial secara khusus bertujuan untuk interpolasi dari dua
titik. Interpolasi spasial adalah prosedur dalam memperkirakan nilai sebuah
variabel lapangan yang tidak termasuk dalam sampel penelitian dan berlokasi
didalam area yang dicakup oleh lokasi sampel atau dalam kata-kata sederhana,
diberikan dalam rangka untuk menentukan nilai-nilai yang dihasilkan pada bagian
yang tidak di sampel.
Metode interpolasi IDW mengasumsikan bahwa semakin dekat jarak suatu
titik terhadap titik yang tidak diketahui nilainya, maka semakin besar
pengaruhnya. IDW menggunakan nilai yang terukur pada titik-tiik di sekitar
lokasi, untuk memperkirakan nilai variabel. Asumsi yang dipakai dalam metode
IDW adalah titik yang lokasinya lebih dekat dari lokasi yang diperkirakan akan
lebih berpengaruh dari pada titik yang lebih jauh jaraknya. Oleh karena itu, titik
yang jaraknya lebih dekat diberi bobot yang lebih besar. Karena itu jarak
berbanding terbalik dengan nilai rata-rata tertimbang (weighting average) dari
titik data yang ada di sekitarnya.
Metode Kriging adalah estimasi stochastic yang mirip dengan IDW, di
mana menggunakan kombinasi linear dari weight untuk memperkirakan nilai di
antara sampel data. Secara umum, Kriging merupakan analisis data geostatistika
untuk menginterpolasikan suatu nilai kandungan mineral berdasarkan nilai-nilai
yang diketahui. Kriging menghasilkan taksiran yang akan tetap mendekati nilai
sampel data yang diinterpolasi, walaupun sampel diperbesar menuju tak terhingga.
Kriging menimbang nilai yang terukur di sekitarnya untukmemperoleh prediksi di
lokasi yang tidak terukur.
 Interpolasi Natural Neighbour merupakan metode dengan sifat lokal,
dimana sampel data yang digunakan berdekatan atau berada disekitar hasil yang
diperoleh sebagai nilai masukan proses interpolasi. Metode interpolasi didasarkan
pada pendekatan dengan poligon thiessen. Metode natural neighbour mempunyai
kemiripan dengan metode Inverse Distance Weighting (IDW), yaitu nilai
pembobotan (weight) dengan nilai yang berbeda (faktor eksponen/power).
Natural Neighbor merupakan metode interpolasi yang menggunakan
pendekatan tetangga terdekat dengan bobot luasa diagram voronoi yang terbentuk.
Metode ini merupakan gabungan dari metode TIN dan Nearest Neighbor. Metode
ini menghasilkan nilai yang bersifat lokal yaitu serupa atau tidak berbeda jauh
dengan sampel terdekatnya.
Spline merupakan metode interpolasi yang menggunakan perhitungan
matematis dimana metode ini meminimalisir kelengkungan permukaan. Metode
ini memiliki efek streching sehingga baik untuk mengestimasinilai dibawah
minimum maupun diatas maksimum nilai sampel. Interpolasi Spline
menggunakan metode interpolasi yang memperkirakan nilai dengan menggunakan
fungsi matematika yang meminimalkan seluruh kelengkungan permukaan,
sehingga permukaan halus yang melewati tepat melalui titik input.
Bentuk dasar dari Spline interpolasi kelengkungan minimum memaksakan
dua kondisi berikut pada interpolant. Permukaan harus melewati tepat melalui
titik data. Permukaan harus memiliki kelengkungan minimum-jumlah kumulatif
kuadrat turunan kedua dari permukaan yang diambil alih setiap titik di permukaan
harus minimum.
Dapat dilihat pada gambar diatas terdapat perbedaan antara keempat
interpolasi yang telah dibuat. Perbedaan terletak pada kontur yang muncul da nada
juga dari bentuk interpolasi. Pada interpolasi ini menggunakan 7 klasifikasi
karena titik laju sedimen juga sedikit dan menggunakan warna pada kontur
dimulai dari warna merah. Pendekatan yang berbeda digunakan pada metode
interpolasi ini akan menghasilkan bentuk data dan kontur yang berbeda juga.
Fungsi metode ini dapat digunakan untuk memperediksi nilai variable atau
menduga nilai pada lokasi atau bahkan menduga nilai laju sedimen yang datanya
tidak tersedia dengan lengkap.
4.3 Hasil Overlay

Erase Identity

Intersect Spatial join

Symmetrical difference Union

Update
4.4 Pembahasan Overlay
Overlay adalah prosedur penting dalam analisis SIG (Sistem Informasi
Geografis). Overlay yaitu kemampuan untuk menempatkan grafis satu peta
dengan grafis peta yang lain dan menampilkan hasilnya di layar komputer atau
pada plot. Overlay menampalkan suatu peta digital pada peta digital yang lain
beserta atribut-atributnya dan menghasilkan peta gabungan keduanya yang
memiliki informasi atribut dari kedua peta tersebut. Overlay merupakan proses
penyatuan data dari lapisan layer yang berbeda. Secara sederhana overlay disebut
sebagai operasi visual yang membutuhkan lebih dari satu layer untuk digabungkan
secara fisik.
Metode weighted overlay merupakan analisis data spasial dengan
menggunakan teknik overlay beberapa peta raster yang berkaitan dengan faktor-
faktor yang berpengaruh terhadap penilaian kerentanan suatu masalah. Salah satu
fungsi dari metode ini adalah untuk menyelesaikan masalah yang memiliki
banyak kriteria seperti pemilihan lokasi yang optimal atau pemodelan kesesuaian.
Weighted Overlay dapat mengkombinasikan berbagai macam input dalam bentuk
peta grid dengan pembobotan dari metode Analitycal Hieararchy Process (AHP).
Overlay adalah bagian penting dari analisis spasial. Overlay dapat
menggabungkan beberapa unsur spasial menjadi unsur spasial yang baru. Dengan
kata lain, overlay dapat didefinisikan sebagai operasi spasial yang
menggabungkan layer geografik yang berbeda untuk mendapatkan informasi baru.
Overlay dapat dilakukan pada data vektor maupun raster.
Tool erase digunakan untuk menghapus bagian fitur yang overlap dengan
fitur erase (polygon). Fitur yang tidak overlap dengan fitur erase akan disimpan
sebagai fitur baru seperti pada gambar hasil diatas. Identity yaitu proses overlay
dimana fitur identify akan disesuaikan dengan area input dan akan digabungkan
data tabularnya dimasukkan dalam dalam fitur input. Tool identity digunakan
untuk menentukan overlap antara fitur input dan fitur identity. Keseluruhan bagian
dari fitur input dan bagian overlap antara fitur input dengan fitur identity akan
menjadi file baru. Tool identity memiliki sedikit kesamaan dengan tool intersect.
Perbedaannya adalah jika tool identity tetap menjaga keseluruha bagian dari fitur
input, sedangkan tool intersect hanya menjaga bagian fitur yang overlap saja.
 Tool intersect digunakan untuk menentukan overlap antar fitur-fitur input.
Bagian yang overlap antar fitur input akan dijadikan file fitur baru seperti gambar
diatas. Tool spatial join digunakan untuk. menggabungkan dua tabel dengan
menggunakan korelasi spasial di antara fitur dari masing-masing tabel. Spatial
join dapat dilakukan meskipun tidak terdapat field kunci pada masing-masing
tabel karena yang digunakan adalah korelasi spasial. Spasial dapat diartikan
sebagai sesuatu yang berkaitan dengan ruang atau tempat. Spatial join dapat
dilakukan meskipun tidak terdapat field kunci pada masing-masing tabel karena
yang digunakan adalah korelasi spasial.
Tool union digunakan untuk menggabungkan dua atau lebih fitur polygon.
Seluruh fitur dan data atributnya digunakan pada fitur baru, baik itu pada bagian
yang overlap maupun yang tidak. Tool update digunakan untuk menghitung
bagian yang overlap antara fitur input dan fitur update. Data atribut dan geometri
fitur input-diganti oleh atribut dan geometri fitur update. Operasi union digunakan
untuk meng-overlaykan dua theme. Output theme yang dihasilkan merupakan
gabungan dari kedua features. Pada operasi ini kedua theme baik input theme
maupun overlay theme harus merupakan theme dengan tipe polygon.
Symmetrical Difference merupakan usaha untuk membentuk feature baru
dengan bentuk luar hasil gabungan kedua feature sebelumnya dan bagian dalam
yang terhapus karena tumpang tindih, seperti ditunjukkan pada gambar hasil
diatas. Tool symmetrical difference digunakan untuk membuat fitur kelas baru
dari dua fitur polygon yang saling overlap. Hanya fitur yang tidak overlap yang
akan dijadikan fitur baru. Fungsi dari perintah ini adalah untuk membuang
lokasi yang tercakup oleh dua buah layer. Perintah ini adalah kebalikan dari
fungsi Intersect. Perintah ini seperti perintah intersect, hanya saja feature yang
terbentukmerupakan feature-feature yang tidak saling berpotongan.
Dapat dilihat dari gambar diatas bahwa overlay ini terdiri dari beberapa
tool. Ketujuh gambar diatas jika dilihat begitu tampak sama tetapi jika lebih teliti
lagi maka terdapat perbedaan. Pada pengolahan data yang telah dilakukan
menggunakan wilayah lampung dengan cara mempolygonkan daerah yang
kemudian dilakukan beberapa jenis proses overlay data.
 V KESIMPULAN DAN SARAN

5.1 Kesimpulan
Berdasarkan dari hasil dan pembahasan yang telah dibuat dapat
disimpulkan bahwa :
1. Interpolasi merupakan suatu motode menduga nilai pada lokasi-lokasi
yang datanya tidak tersedia.
2. Interpolasi terdiri dari beberapa bagian diantaranya IDW, Kriging, Natural
Neighbor dan Spline.
3. Overlay yaitu kemampuan untuk menempatkan grafis satu peta dengan
grafis peta yang lain.
4. Overlay terdiri dari Erase, Identity, Intersect, Spatial join, Symmetrical
difference, Union dan Update.
5. Overlay dilakukan dengan penambahan polygon sedangkan Interpolasi
tidak.

5.2 Saran
Berdasarkan dari praktikum yang telah dilakukan dan berdasarkan dari
kesimpulan diatas maka ada sedikit saran yang akan disampaikan yaitu dapat
untuk praktikum materi semester depan agar dapat menambah daerah yang dikaji
agar terlihat lebih menarik lagi dan agar dapat memperluas area jangkauan. Dan
semoga praktikan mempu mengembangkan pengetahuan yang telah diajarkan.
 DAFTAR PUSTAKA

Arif N. 2019. Studi komparasi kriging dan IDW untuk estimasi spasial bahan
organic tanah. Geomedia Vol.17(2) : 83-87

Asy’ari M, Syam’ani, Satriadi T. 2022. Estimasi biomassa tegakan hutan hujan

tropis di Bukit Mandiangin menggunakan metode interpolasi spasial.
Hutan Tropis Vol.10(3) : 315-328

Blegur IKS. 2021. Kajian interpolasi dua dimensi dalam tabel nilai kritik sebaran
berbatuan program matlab. Matematika dan Pendidikan Matematika
Vol.2(1) : 64-79

Khusnawati NA, Kusuma AP. 2020. Sistem informasi geografis pemetaan potensi
wilayah peternakan menggunakan weighted overlay. Mnemonic Vol.3(2) :
21-29

Lina, Anthony K. 2019. Komparasi metode interpolasi untuk sistem pengenalan

sel darah putih. Technology Information Vol.5(1) : 31-36

Lomban GP, Tillar S, Siregar FOP. 2019. Kajian pengembangan kawasan

pemukiman di Kecamatan Amurang Timur berdasarkan daya dukung
lahan. Spasial Vol.6(3) : 820-830

Mursyidin, Musfikar R. 2021. Pemetaan zona potensi penangkapan ikan perairan

Pidie menggunakan citra satelit aqua modis. Ilmiah Pendidikan Teknik
Elektro Vol.5(1) : 43-50

Putra HMM, Karomah A. 2022. Implementasi Sistem Informasi Geografis (SIG)

untuk pemetaan lokasi rawan banjir di Kabupaten Kebumen. Saintek
Vol.1(1) : 437-444

Sihombing LD. 2020. Implementasi metode interpolasi CSRBF untuk proses haze
removal pada citra penginderaan jauh. Pelita Informatika Vol.8(3) : 393-
396

Syafwan E, Syafwan M, Tresnawati S. 2022. Pengembangan metode interpolasi

splin kubik terapit dan aplikasinya pada masalah pelacakan trajektori
objek. Teknologi Informasi dan Ilmu Komputer Vol.9(5) : 943-950

Syifa AF, Subiyanto S, Amarrohman FJ. 2020. Analisis perkembangan ruang

terbuka hijau terhadap cakupan ir tanah di Kota Semarang. Geodesi Undip
Vol.9(1) : 96-105

Thera D, Sitorus SH, Midyanti DM. 2020. Penerapan metode interpolasi linear
dan histogram equalization untuk perbesaran dan perbaikan citra.
Computer dan Aplikasi Vol.8(1) : 34-43
Utomo AS, Syam’ani, Kanti R.2019. perbandingan metode interpolasi geostatistik
untuk hutan alam. Sylva Scienteae Vol.2(3) : 548-557

Wulansari H. 2020. Metode Defuzzifikasi Artificial Neural Network untuk

klasifikasi penggunaan lahan. Geografi Gea Vol.20(2) : 120-140