Professional Documents
Culture Documents
BAB I
PENDAHULUAN
BAB II
DASAR TEORI
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.
BAB III
PELAKSANAAN PRAKTIKUM
3.1. Langkah Praktikum
1. Buka aplikasi
ArcGis 10.1
2. Tunggu hingga
ada tampilan
awalnya.
5. Setelah di input
akan seperti
pada
disamping.
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.
10. Setelah di OK
akan ada
tampilan
seperti pada
disamping
yaitu kriging
stepnya.
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.
dari kriging
simple dengan
transformation
Lakukan hal
simple pada
transformasi
yang berbeda
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
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.
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.
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.
DAFTAR PUSTAKA
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.