LAPORAN AKHIR

PRKTIKUM GEOSTATISTIKA TG 3009

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

PROGRAM STUDI TEKNIK GEOFISIKA

FAKULTAS TEKNOLOGI INDUSTRI
INSTITUT TEKNOLOGI SUMATERA
2024
I. TUJUAN
Praktikum geostatistika modul 4 ini “Kriging” memiliki tujuan sebagai
berikut:

1. Mahasiswa mampu menjelaskan prinsip kerja kriging.

2. Mahasiswa mampu membandingkan dan menganalisis hasil kriging
menggunakan variogram yang berbeda.

II. DASAR TEORI

Geostatistika merupakan ilmu yang menggunakan analisis spasial.
Analisis spasial merupakan analisis yang memiliki atribut lokasi seperti
koordinat. Geostatistika juga dapat dikatakan sebagai suatu jembatan
antara statistika dan Geographic Information System (GIS). Analisis
geostatistik terfokus pada volume spasial, yaitu hubungan antara variabel
yang diukur pada suatu titik tertentu pada variabel yang sama diukur pada
saat solusi dari permasalahan estimasi telah diketahui.Geostatistika
muncul pada tahun 1980 an sebagai perpaduan ilmu pertambangan,
geologi, matematika dan statistika.

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

2.2. Variansi Kriging

Kriging mempuyai dua variasi yaitu ada
• Simple Kriging
Simpe kriging merupakan metode kriging dengan asumsi bahwa mean
dari populasi sudah diketahui dan nilainya konstan. Dengan kata lain,
focus yang dipertimbangkan pada simple kriging ini adalah mean
datanya.

Dengan
 Bobot untuk tiap sampel dapat diselesaikan dengan matriks di bawah
ini :

Eror variansi yang berhubungan dengan hasil estimasi dapat ditulis

sebagai :

• 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).

Secara teori ordinary kriging berdasarkan pada model geostatistik

dengan batasan-batasan sebagai berikut :

- Rata-rata (x) diasumsikan bernilai tetap

- Semivariogram (h) diasumsikan diketahui

Menurut Isaaks dan Srivastava (1989) dalam Saifudin, Ana,

Chamidah, dan Khalmah (2013), penduga ordinary kriging
mempunyai sifat-sifat sebagi berikut :

- Merupakan kombinasi linear dari nilai-nilai data

- Tidak bias
- Fungsi dari data yang memenuhi kedua sifat di atas, merupakan
estimasi terbaik yang meminimumkan varians dari estimasi galat
dinyatakan sebagai berikut :
III. LANGKAH KERJA
a) Langkah Pengerjaa
Pada praktikum geostatistik modul empat ini dilakukan pengolahan data
dengan dua software yaitu HRS dan surfer.

Adapun langkah kerjanya yaitu

• 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.

Kemudian atur data columns > pilih metode gridding > Ok

➢ Untuk menampilkan peta 2D

Pilih new counter map > pilih data “BANKSAND” yang

sudah digrid > Open.
Kemudian untuk menampilkan warna klik pada gambar >
setelah muncul property manager pilih levels > ceklis fill
contour > atur warna sesuai keinginan > Ok.

➢ Untuk menampilkan peta 3D

pilih new 3D surface > pilih data “BANKSAND” yang

sudah digrid > Open.
 Kemudian untuk menampilkan warna klik pada gambar >
setelah muncul property manager pilih general > atur warna
sesuai keinginan pada material color > Ok.

➢ Kemudian untuk menampilkan gridding dengan metode yang

berbeda lakukan langkah seperti diatas, namun pada saat
pemilihan metode gridding sesuaikan dengan apa yang diminta.
b) Diagram Alir
➢ Diagram Alir HRS

Gambar 1. Diagram Alir HRS

➢ Diagram Alir Surfer 13

Gambar 2. Diagram Alir Surfer 13

IV. HASIL DAN PEMBAHASAN
4.1. HASIL
4.1.1. Hasil HRS Variasi 2 Jenis Variogram Tradisional
• Variogram Tradisional Model Spherical

Gambar 3. Hasil Variogram Tradisional Model Sepherical Tradisional

• Hasil Kriging Model Spherical Tradisional

Gambar 4. Hasil Kriging Model Spherical Tradisional

• Hasil Percent Error Model Spherical Tradisional

Gambar 5. Hasil Percent Error Model Spherical Tradisional

• Variogram Tradisional Model Gaussian

Gambar 6. Hasil Variogram Tradisional Model Gaussian

• Hasil Kriging Model Gaussian Tradisional

Gambar 7. Hasil Kriging Model Gaussian Tradisional

 • Hasil Percent Error Model Gaussian Tradisional

Gambar 8. Hasil Percent Error Model Gaussian Tradisional

4.1.2. Hasil HRS Variasi 2 Variogram Covarience

• Hasil Variogram Covarience Model Spherical

Gambar 9. Hasil Variogram Covarience Model Spherical

• Hasil Kriging Model Spherical Covarience

Gambar 10. Hasil Kriging Model Spherical Covarience

• Hasil Percent Error Model Spherical Covarience

Gambar 11. Hasil Percent Error Model Spherical Covarience

• Hasil Variogram Covarience Model Gaussian

Gambar 12. Hasil Variogram Covarience Model Gaussian

• Hasil Kriging Model Gaussian Covarience

Gambar 13. Hasil Kriging Model Gaussian Covarience

• Hasil Percent Error Model Gaussian Covarience

Gambar 14. Hasil Percent Error Model Gaussian Covarience

4.1.3. Hasil Pengolahan Peta 2D Dan 3D Surface Menggunakan Surfer
• Hasil Inverse Distance to a Power

Gambar 15. Hasil Peta 2D dan 3D Surface Inverse Distance to a Power

• Hasil Kriging

Gambar 16. Hasil Peta 2D dan 3D Surface Kriging

• Hasil Minimum Curvature

Gambar 17. Hasil Peta 2D dan 3D Surface Minimum Curvature

• Hasil Modified Shepard’s Method

Gambar 18. Hasil Peta 2D dan 3D Surface Modified Shepards Method

• Hasil Natural Neighbor

Gambar 19. Hasil Peta 2D dan 3D Surface Natural Neighbor

• Hasil Nearest Neighbor

Gambar 20. Hasil Peta 2D dan 3D Surface Nearest Neighbor

• Hasil Polynomial Regression

Gambar 21. Hasil Peta 2D dan 3D Surface Polynomial Regression

• Hasil Radial Basic Function

Gambar 22. Hasil Peta 2D dan 3D Surface Radil Basic Function

• Hasil Triangulation with Linear Interpolation

Gambar 23. Hasil Peta 2D dan 3D Surface Triangulation With Linear Interpolation

• Hasil Moving Average

Gambar 24. Hasil Peta 2D dan 3D Surface Moving Average

• Hasil Data Metrics

Gambar 25. Hasil Peta 2D dan 3D Surface Data Metrics

• Hasil Local Polynomial

Gambar 26. Hasil Peta 2D dan 3D Surface Local Polynomial

4.2. Pembahasan
Pada praktikum modul 4 ini membahas mengenai Kriging dengan
menggunakan dua software yaitu HRS dan Surfer. Pengolahan data
menggunakan HRS ditampilkan set parameter, analyzise data, model
variogram, hasil kriging dan percent error dengan menggunakan empat kali
percobaan dengan menggunakan variasi variogram tradisional dan
covarience. Pada variasi variogram tradisional saya menggunakan model
spherical dan gaussian karena menurut saya lebih mudah untuk menurunkan
percent errornya. Pada variogram tradisional model spherical saya
mendapat nilai percent error 25% sedangkan untuk variogram tradisional
model gaussian saya mendapatkan error 17,5%. Pada hasil kriging yang
ditampilkan dari 2 model tersebut pun berbeda dimana untuk model
gaussian bentuk contour linenya seperti lingkaran. Pada variasi variogram
covarience saya juga menggunakan model spherical dan gaussian dimana
nilai percent error yang saya dapatkan yaitu 25% dan 17,5%. Untuk
menurunkan nilai percent error kita harus memainkan parameter data yang
terdapat di variogram serta memainkan parameter yang ada pada saat ingin
melakukan kriging dengan menambah atau mengurangi banyaknya sampel.

Pada pengolahan data menggunakan surfer ditampilkan map secara

2D dan 3D menggunakan 12 model griding method yang ada pada surfer.
Pada pemetaan 2D yang dihasilkan memiliki hasil yang berbeda dan
menurut saya yang terbaik adalah metode inverse distance to a power dan
untuk 3D surfacenya juga memiliki hasil pemodelan yang berbeda
tergantung metode yang kita gunakan dan yang terbaik adalah inverse
distance to a power.

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.

Puspita, W. (2013). Analisa Data Geofisika Menggunakan Metode Ordinary

Kriging. Bandung: repository.upi.edu.

Setiyowati, Devy. (2015). Cokriging Pada Interpolasi Konsentrasi Sulfur Dioksida

(SO2) dan Nitrogen Dioksida (NO2) di DKI Jakarta. Surabaya: Institut
Teknologi Sepuluh November.

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.

Wackernagel, H. (1995). Multivariate Geostatistics: An Introduction with

Applications. New York: Springer.

Webster, M. O. (2015). Basic Steps in Geostatictics: The Variogram and Kriging.

New York: Springer- Verlag berlin Heidelberg.
LAMPIRAN
• Bukti Praktikum