MODUL KE – 04
KRIGING
Oleh:
Andiya Satria Yudha 121120173
Asisten:
Ndiko Pradana Putra 120120023
Ravika Glori Oktavia H. 120120069
Yoel Sanove Haganta Sebayang 120120075
Natal Hutajulu 120120121
Dimas Astomo 120120130
Muhamad Arif Samsudin 120120158
Yogi Y. CH. Sitio 120120168
Josma Hardianto Damanik 120120183
2.1. Kriging
Metode kriging merupakan metode geostatistika yang bertujuan untuk
melakukan prediksi nilai pada lokasi lain yang belum terukur dari nilai
l,okasi yang terukur (Webster, 2015). Kata “kriging” berasal dari D.G.
Krige, seorang insinyur pertambangan dari Afrika Selatan yang pada
tahun 1950 mengembangkan metode empiris untuk pendugaan kadar
mineral pada lokasi yang tidak diketahui dengan menggunakan kadar
mineral dari lokasi yang diketahui yang terdekat. Metode awal Krige ini
sekarang dikenal dengan ordinary kriging (Wackernagel, 1995)
Kriging memberikan solusi untuk masalah mendasar yang dihadapi
oleh ilmuwan untuk memprediksi nilai dari data sampel yang jarang
berdasarkan model stokastik dari variasi spasial (Fischer dan Getis,
2010). Beberapa jenis metode kriging antara lain sebagai berikut: simple
kriging, ordinary kriging, block kriging, robust kriging, universal kriging
dan cokriging.
Secara umum, kriging merupakan suatu metode yang digunakan
untuk menganalisis data geostatistk, yaitu untuk menginterpolasi suatu
nilai kandungan mineral berdasarkan data sampel. Data sampel pada ilmu
kebumian biasanya diambil di lokasi-lokasi atau titik-titik yang tidak
beraturan. Dengan kata lain, metode ini digunakan untuk mengestimasi
besarnya nilai karakterisasi Ẑ pada titik tidak tersampel berdasarkan
informasi dari karakteristik titik-titik tersampel Z yang berada di
sekitarnya dengan mempertimbangkan korelasi spasial yang ada dalam
data tersebut (Puspita, 2013).
Estimator kriging Ẑ (s) dari Z(s) dapat dituliskan sebagai berikut:
si = lokasi untuk estimasi dan salah satu lokasi dari data yang berdekatan,
dinyatakan dengan I
m(s) = nilai ekspektasi dari Z(s)
m(si) = nilai ekspektasi dari Z(si)
λi = factor bobot
n = banyaknya data sampel yang digunakan untuk estimasi
Dengan
Bobot untuk tiap sampel dapat diselesaikan dengan matriks di bawah
ini :
• Ordinary Kriging
Ordinary kriging adalah metode estimasi dari suatu nilai variabel
pada lokasi tertentu dengan memberi pembobot pada variabel sejenis
pada lokasi lain. Digunakan pada kasus di mana data spasial
stasioner instrinsik dengan rata-rata (x) konstan yang nilainya
tidak diketahui (Setiyowati, 2015).
• Software HRS
• Buka aplikasi HRS
Buka file HRS > pilih geoview > exe > geoview apk > klik tanda
silang (x). Maka tampilannya akan seperti ini
• Pilih ISMap > start new project > pilih tempat penyimpanan >
beri nama > Ok
• Masukkan data yang digunakan
select data > new well log data > asci data > ok > cari data yang
digunakan > open > Ok > Ok
• Untuk menampilkan Variogram
klik variogram > well to well… > Ok
Untuk mengubah model dan parameter pada variogram yaitu.
pilih options > analyze data atau set parameters
➢ Untuk menampilkan Kriging
klik kriging > pilih type kriging > ubah nilai maximum radius
sesuai keinginan > Ok
➢ Untuk menampilkan error validasi
klik kriging > pilih type kriging > ubah nilai maximum radius
sesuai keinginan > ceklis cross validation > Ok.
Setelah keluar gambar pilih view > pilih percent error.
• Software Surfer
➢ Buka aplikasi surfer 13
➢ Pilih new plot
➢ Pilih menu grid > data > cari data “BANKSAND” > open
> untuk start import at row tulis 8 > Ok.
• Hasil Kriging
Gambar 23. Hasil Peta 2D dan 3D Surface Triangulation With Linear Interpolation
Hasil antara surfer dan HRS lebih bagus hasil yang diperoleh
menggunakan software surfer, karena dengan menggunakan surfer hasil yang
didapat lebih pasti dibandingkan hasil yang diperoleh dari HRS. Dengan hasil
surfer dapat dilihat hasil tiga dimensinya, namun pada HRS tidak dapat untuk
melihat hasil untuk 3D.
V. PENUTUP
5.1. Kesimpulan
a. Kriging merupakan teknik perhitungan untuk estimasi dari suatu
variabel menggunakan pendekatan bahwa data yang dianalisis
dianggap sebagai suatu realisasi dari suatu variabel acak, dan
keseluruhan variabel acak yang dianalisis tersebut akan membentuk
suatu fungsi acak menggunakan model struktural variogram.
b. Pada praktikum ini diperoleh hasil yang berbeda-beda tergantung
dari parameter variogram yang digunakan. variogram, angular
tolerance, number of offset dan calculation methodnya. Metode
variogram sendiri dipengaruhi oleh nilai range, sill dan nugget.
Metode variogram dengan nilai error paling kecil didapatkan oleh
metode spherical sedangkan nilai error paling besar didapatkan oleh
metode gaussian.
5.2. Saran
Dari praktikum ini untuk mendapatkan hasil yang baik maka harus
bisa untuk menetukan parameter sill, range dan lain-lain supaya bisa
menurunkan nilai errornya.
DAFTAR PUSTAKA
Fischer, M.M. dan Getis, A. (2010). Handbook of Applied Spatial Analysis. New
York: Springer Heidelberg Dordrecht London.
Saifudin, T., Ana, E., Chamidah, N., dan Khalmah, B.G., (2013), “Pendugaan
Curah Hujan, Kelembaban dan Suhu di Surabaya Berdasarkan Metode Ordinary
Kriging”, Prosiding Seminar Nasional Statistika 15 Juni 2013: Statistika
dalam Manajemen Kebencanaan,Universitas Islam Indonesia, D.I.
Yogyakarta, hal. 189-194.