LAPORAN PRAKTIKUM I

PRAKTIKUM STATISTIKA SPASIAL

ANALISIS DATA SPASIAL EKSPLORATORI

Tanggal Penyerahan : 31 Oktober 2017

Disusun Oleh :
Remilla Sapta Nada / 23-2014-020
Kelas A
Nama Asisten :
Fitriani Mutiara Sari
Tessalonika Natalia Djie

LABORATORIUM SISTEM INFORMASI SPASIAL

JURUSAN TEKNIK GEODESI
FAKULTAS TEKNIK SIPIL DAN PERENCANAAN
INSTITUT TEKNOLOGI NASIONAL
BANDUNG
2017
 Praktikum Statistika Spasial : Interpolasi Metode Geostatistik

BAB I

PENDAHULUAN

1.1. Maksud dan Tujuan

Maksud dari praktikum kali ini yaitu dapat memahami apa itu Kriging, selain itu juga
mampu melakukan analisis Kriging.
Tujuan dari praktikum ini adalah mahasiswa mampu melakukan proses Kriging, paham
dan mampu membedakan type Kriging Ordinary dan Simple dilihat dari segi transformation
type dan produk akhirnya yakni peta curah hujan dengan hasil Geostatistika Metode Kriging.
1.2. Waktu Pelaksanaan Pekerjaan
Praktikum ini dilaksanakan pada :
Hari,Tanggal : Selasa, 14 November 2017
Pukul : 13.00 WIB s.d. Selesai
Tempat : Gedung Teknik Geodesi ITENAS Bandung, Ruang 18301

Remilla Sapta Nada / 232014020 / Kelas A 1

 Praktikum Statistika Spasial : Interpolasi Metode Geostatistik

BAB II
DASAR TEORI

2.1. Interpolasi Geostatistik

Interpolasi adalah suatu cara untuk mencari nilai di antara beberapa titik data yang
telah diketahui. Di dunia nyata, interpolasi dapat digunakan untuk memperkirakan suatu
fungsi, yang mana fungsi tersebut tidak terdefinisi dengan suatu formula, tetapi
didefinisikan hanya dengan data-data atau tabel, misalnya tabel dari hasil percobaan.
Interpolasi dapat juga diaplikasikan untuk pengolahan citra digital, membuat kontur-kontur,
dan berguna dalam proses recovery.
Interpolasi merupakan metode untuk mendapatkan data berdasarkan beberapa data
yang telah diketahui. Dalam pemetaan, interpolasi adalah proses estimasi nilai pada wilayah
yang tidak disampel atau diukur, sehingga terbentuk peta atau sebaran nilai pada seluruh
wilayah.
Proses interpolasi adalah mengisi kekosongan data dengan metoda tertentu dari suatu
kumpulan data untuk menghasilkan sebaran yang kontinyu. Pada modul Spatial Analyst
proses ini dilakukan dengan menjalankan fungsi Interpolate Grid yang terdapat pada menu
Surface.Aplikasi yang biasanya menggunakan fungsi ini antara lain adalah membuat DEM
(Digital Elevation Model, Model Ketinggian Digital) dari titik-titik ketinggian yang dimiliki
pada suatu area, membuat peta sebaran hujan dari titik-titik stasiun hujan yang merekam data
meteorology.
Geostatistik merupakan suatu disiplin yang menerapkan bermacam-macam metode
kriging untuk interpolasi spasial optimal (Carr, 1995). Menurut Matheron (1963),
mendefinisikan geostatistik adalah ilmu yang khusus mempelajari distribusi dalam ruang,
yang sangat berguna untuk insinyur tambang dan ahli geologi, seperti grade, ketebalan,
akumulasi dan termasuk semua aplikasi praktis untuk masalah-masalah yang muncul di
dalam evaluasi endapan bijih.
Geostatistik melibatkan analisis dan prediksi data yang terdistribusi dalam ruang
atau waktu, seperti kadar logam di suatu daerah, nilai porositas dan permeabilitas di lapangan
tertentu, konsentrasi polutan di wilayah perkotaan, dan sebagainya. Saat ini geostatistik
hanyalah sebuah nama yang terkait dengan metoda yang digunakan untuk menganalisis dan

Remilla Sapta Nada / 232014020 / Kelas A 2

 Praktikum Statistika Spasial : Interpolasi Metode Geostatistik

memprediksi nilai dari variabel yang didistribusikan dalam ruang atau waktu. Nilai-nilai
tersebut diasumsikan berkorelasi satu sama lain, dan metode yang digunakan untuk
mengkorelasikan nilai-nilai tersebut adalah dengan variogram modeling. Setelah variogram
modeling, prediksi nilai di lokasi yang tidak memiliki data dibuat dengan menggunakan
kriging atau dapat disimulasikan dengan simulasi kondisional.

2.1. Metode Kriging/CoKriging

Istilah kriging diambil dari nama seorang ahli, yaitu D.G. Krige, yang pertama
kalimenggunakan korelasi spasial dan estimator yang tidak bias. Istilah kriging
diperkenalkan oleh G. Matheron untuk menonjolkan metode khusus dalam moving average
terbobot (weighted moving average) yang meminimalkan varians dari hasil estimasi.
Metode Kriging sendiri yaitu sebuah teknik interpolasi di mana nilai yang diukur di
sekitarnya ditimbang untuk mendapatkan nilai prediksi untuk lokasi yang tidak terukur.
Bobot didasarkan pada jarak antara titik terukur, lokasi prediksi, dan keseluruhan pengaturan
spasial di antara titik-titik yang diukur. Kriging unik di antara metode interpolasi karena
metode ini mudah digunakan untuk mengkarakterisasi varians, atau presisi, prediksi. Kriging
didasarkan pada teori variabel regional, yang mengasumsikan bahwa variasi spasial dalam
data yang dimodelkan bersifat homogen di permukaan.

Gambar 1. Interpolasi Metode Kriging

Pada penerapannya, kriging dibawah asumsi kestasioneran dalam rata-rata () dan
varians (2), sehingga jika asumsi kestasioneran tersebut dilanggar maka kriging
menghasilkan nilai prediksi yang kurang presisif. Selain itu, sebagaimana pada semua
metode analisis data non-spatial (crosssectional, time series, panel, dll.), kriging juga dapat
menghasilkan nilai prediksi kurang presisif jika di antara data yang ada terdapat pencilan
(outlier).

Remilla Sapta Nada / 232014020 / Kelas A 3

 Praktikum Statistika Spasial : Interpolasi Metode Geostatistik

BAB III
PELAKSANAAN PRAKTIKUM
3.1. Langkah Praktikum

No. Screenshot Keterangan

1. Buka aplikasi
ArcGis 10.1

2. Tunggu hingga
ada tampilan
awalnya.

3. Klik tab add

data.

Remilla Sapta Nada / 232014020 / Kelas A 4

 Praktikum Statistika Spasial : Interpolasi Metode Geostatistik

4. Pilih data shp

batas admin
dan data curah
hujan kota
cimahi

5. Setelah di input
akan seperti
pada
disamping.

6. Setelah itu klik

pada tab
geostatistical
analyst lalu
pilih
geostatistical
wizard.

Remilla Sapta Nada / 232014020 / Kelas A 5

 Praktikum Statistika Spasial : Interpolasi Metode Geostatistik

7. Setelah itu
akan ada
tampilan
seperti ini pada
point
Geostatistical
Methods pilih
pada Kriging.

8. Lalu pada
pilihan Dataset
pilih Source
dataset pada
curah hujan
dan Data
filednya di isi
dengan
intensitas.

9. Setelah itu
akan ada
windows
seperti ini klik
OK.

Remilla Sapta Nada / 232014020 / Kelas A 6

 Praktikum Statistika Spasial : Interpolasi Metode Geostatistik

10. Setelah di OK
akan ada
tampilan
seperti pada
disamping
yaitu kriging
stepnya.

11. Lalu pilih pada

simple lalu
pada pilihan
Dataset #1
pilih
transformation
type pada
None, order of
trend removal
pun none, dan
mean value
sesuai angka yg
ada.

Remilla Sapta Nada / 232014020 / Kelas A 7

 Praktikum Statistika Spasial : Interpolasi Metode Geostatistik

12. Selanjutnya
akan ada tabel
covariance
yang terdiri
dari garis
modelnya, lalu
titik merah
yang berarti
nilai
covariancenya
dan titik plus
biru yaitu nilai
rata ratanya.
Klik next untuk
tahap
selanjutnya.

13. Tampilan ini

sama seperti
pada praktikum
sebelumnya,
untuk
melanjutkan
klik Next

Remilla Sapta Nada / 232014020 / Kelas A 8

 Praktikum Statistika Spasial : Interpolasi Metode Geostatistik

14. Lalu tahapan

selanjutnya
yaitu cross
validation yang
menunjukkan
nilai-nilai error
dsb.

15. Setelah itu

akan keluar
report dari
hasil step
metode tsb.

Remilla Sapta Nada / 232014020 / Kelas A 9

 Praktikum Statistika Spasial : Interpolasi Metode Geostatistik

16. inilah hasilnya

dari kriging

simple dengan

transformation

type none dan

Lakukan hal

sama pada cara

simple pada

transformasi

yang berbeda

17. Setelah itu

lakukan ulang
step
geostatistic
wizard untuk
kriging
ordinary. Klik
pada ordinary
lalu pilih pada
trasnformartio
n type none

Remilla Sapta Nada / 232014020 / Kelas A 10

 Praktikum Statistika Spasial : Interpolasi Metode Geostatistik

18. Selanjutnya
akan ada sama
tabel
covariance
yang terdiri
dari garis
modelnya, lalu
titik merah
yang berarti
nilai
covariancenya
dan titik plus
biru yaitu nilai
rata ratanya.
Klik next untuk
tahap
selanjutnya

19. Setelah selesai

maka tampilan
pada samping
akan sesuai
data yang
dirubah. Klik
Next

Remilla Sapta Nada / 232014020 / Kelas A 11

 Praktikum Statistika Spasial : Interpolasi Metode Geostatistik

20. Lalu tahapan

selanjutnya
yaitu cross
validation yang
menunjukkan
nilai-nilai error
dsb

21. Setelah itu

akan keluar
report dari
hasil step
metode tsb.

Remilla Sapta Nada / 232014020 / Kelas A 12

 Praktikum Statistika Spasial : Interpolasi Metode Geostatistik

22. inilah hasil

kriging
ordinary
transformation
type none,
lakukan hal
sama pada
kriging dengan
transformasi
tipe yang
berbeda.

Remilla Sapta Nada / 232014020 / Kelas A 13

 Praktikum Statistika Spasial : Interpolasi Metode Geostatistik

BAB IV
HASIL DAN ANALISIS
4.1 Analisis Simple Kriging

Gambar 2. Hasil dari Simple Kriging Gambar 4. Hasil dari Simple Kriging
Transformation type None Transformation type Cox-Box

Gambar 3. Hasil dari Simple Kriging Gambar 5. Hasil dari Simple Kriging
Transformation type Log Transformation type Normal Score

Analisis pada hasil simple kriging ini terlihat tidak terlihat perubahan yang
signifikan dari beda-beda tipe transformasi namun ada sedikit berbeda pada hasil reportnya.
Dari hasil filledcounturnya pada simple kriging ini masih terlihat belum smooth dalam proses
pengkonturan. Dan ada beberapa hasil yang tidak beda jauh pada hasil filledcounturnya
sehingga terlihat sama-sama saja seperti pada tipe transormasi none dan Cox-Box sama
halnya juga pada tipe Log dan Normal Score. Untuk simple kriging, dapat asumsikan bahwa
komponen tren adalah nilai mean konstan dan diketahui.

Remilla Sapta Nada / 232014020 / Kelas A 14

 Praktikum Statistika Spasial : Interpolasi Metode Geostatistik

4.2 Analisis Ordinary Kriging

Gambar 6. Hasil dari Gambar 7. Hasil dari Gambar 7. Hasil dari

Ordinary Kriging Ordinary Kriging Ordinary Kriging
Transformation type None Transformation type Log Transformation type Cox-Box

Analisis pada hasil ordinary kriging ini juga tidak terlihat perubahan yang
signifikan dari beda-beda tipe transformasi namun ada sedikit berbeda pada hasil reportnya
juga. Dari hasil filledcounturnya pun pada ordinary kriging ini sudah sedikit terlihat smooth
dalam proses pengkonturanny. Dan juga ada beberapa hasil yang tidak beda jauh pada hasil
filledcounturnya sehingga terlihat sama-sama saja seperti pada tipe transormasi none dan
Cox-Box. Untuk ordinary kriging, dapat mengasumsikan bahwa mean bernilai konstan pada
seluruh domain, juga dapat diasumsikan bahwa nilai konstan di local neighbouhood dari
setiap titik estimasi.

Remilla Sapta Nada / 232014020 / Kelas A 1

 Praktikum Statistika Spasial : Interpolasi Metode Geostatistik

BAB V
KESIMPULAN
5.1. Kesimpulan
Dari praktikum yang telah dilakukan dapat disimpulkan bahwa proses Kriging
merupakan perangkat yang digunakan untuk menganalisis sifat-sifat statistik data sampel
yang digunakan untuk membuat prediksi permukaan dan merupakan metode deterministik
yang sederhana dengan mempertimbangkan titik disekitarnya. Pada interpolasi kriging
cakupan wilayah interpolasi lebih sempit. Pada jarak yang dekat (sumbu horizontal),
semivariance bernilai kecil, tetapi pada jarak yang lebih besar, semivariance bernilai tinggi
yang menunjukkan bahwa variasi dari nilai z tidak lagi berhubungan dengan jarak sampel
point.
Dan pada praktikum kali ini peta yang dilampirkan yakni peta curah hujan kota
cimahi dengan metode geostatistik ordinary kriging. Alasan digunakan model ini karena
model ini merupakan interpolator dengan bobot kebalikan jarak yang bersifat exact atau
smoothing.

Remilla Sapta Nada / 232014020 / Kelas A 1

 Praktikum Statistika Spasial : Interpolasi Metode Geostatistik

DAFTAR PUSTAKA

Reeves, Vincent. 2015. Scribd.com: Pengertian Model Kriging. Dari

https://www.scribd.com/doc/281130684/Pengertian-Dan-Model-Kriging

Bohling, Geoff. 2005. Assistant Scientist, Kansas Geological Survey: Kriging.dari

http://people.ku.edu/~gbohling/cpe940/Kriging.pdf

Esri. 2017. Esri.com : Definition Kriging. Dari

https://support.esri.com/en/other-resources/gis-dictionary/term/kriging

Rahman, Abdur. 2012. Program Studi Manajemen Sumberdaya Perairan Fakultas Perikanan dan
Ilmu Kelautan, Universitas Lambung Mangkurat : Model Interpolasi Geostatistik Logam Berat
dan Biota di Perairan Muara Sungai Kuin.

Unlam, Biery. 2017. Lalatjantan. Semua Informasi Pengetahuan Umum, Sosial, Budaya, Kuliner,
serta Seni dalam Kebudayaan Indonesia : Interpolasi Geostatistik. Dari
http://berylele.blogspot.co.id/2017/02/interpolasi-geostatistik.html

Handareni, Wulan. 2015. Metode interpolasi spasial Kriging dan IDW : Departemen Geofisika
dan Meteorologi IPB.

Remilla Sapta Nada / 232014020 / Kelas A 2