Pada artikel sebelumnya telah
dijelaskan pengertian
interpolasi dan juga jenis
jenis interpolasi, dimana interpolasi di dalam sistem
informasi geografis ada beberapa jenis yang sering digunakan terutama, IDW,
Kingging, Spline, dan natural Neighbor. Namun pada artikel kali ini akan
mencoba menjelaskan lebih detil mengenai metode Krigging.
Apa itu Krigging? Krigging
adalah
salah satu metode intepolasi spasial yang memanfaatkan nilai spasial
pada lokasi tersampel untuk memprediksi nilai pada lokasi lain yang belum
dan/atau tidak tersampel. Metode Kriging merupakan estimasi stochastic yang
mirip dengan Inverse Distance Weighted (IDW) dimana menggunakan kombinasi
linear dari weight untuk memperkirakan nilai diantara sampel data.
Metode ini
diketemukan oleh D.L. Krige untuk memperkirakan nilai dari bahan tambang.
Asumsi dari metode ini adalah jarak dan orientasi antara sampel data yang
menunjukkan korelasi spasial yang penting dalam hasil interpolasi. Metode Kriging
sangat
banyak menggunakan sistem komputer dalam perhitungan dimana kecepatan
perhitungan tergantung dari banyaknya sampel data yang digunakan dan
cakupan dari wilayah yang diperhitungkan (Pramono, 2008).
Tidak seperti
metode IDW, Kriging memberikan ukuran error dan confidence. Metode ini
menggunakan semivariogram yang merepresentasikan perbedaan
spasial dan nilai diantara semua pasangan sampel data. Semivariogram juga
menunjukkan bobot (weight) yang digunakan dalam interpolasi. Semivariogram
dihitung
berdasarkan sampel semivariogram dengan jarak h, beda nilai
z dan jumlah sampel data n diperlihatkan pada persamaan berikut:
Pada Gambar dibawah ini juga ditunjukkan grafik dari sebuah semivariogram.
Pada jarak
yang dekat (sumbu horisontal), 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. Jenis Kriging
yang
bisa dilakukan adalah dengan cara spherical, circular, exponential, gaussian
dan
linear .
Gambar diatas menunjukkan Grafik dan persamaan semivariogram Penjelasan
yang lebih lengkap tentang kelima jenis Kriging ini bisa dilihat pada
McBratney dan Webster (1986). Tahapan dalam menggunakan metode ini adalah:
analisa statistik dari sampel data, pemodelan variogram, membuat hasil interpolasi
dan menganalisa nilai variance. Metode ini sangat tepat digunakan bila kita
mengetahui korelasi spasial jarak dan orientasi dari data.
metode ini
sering digunakan dalam bidang ketanahan dan geologi. Kelemahan dari
metode ini adalah tidak dapat menampilkan puncak, lembah atau nilai yang berubah
drastis dalam jarak yang dekat. Untuk keterangan lebih lanjut tentang penelitian
metode Kriging bisa dilihat dalam tulisan Bancroft dan Hobbs (1986) dalam (Yulianto,2015)
Beberapa software
SIG (Sistem Informasi Geografis) menyediakan tiga variasi
metode interpolasi kriging meskipun mereka semua beroperasi dengan cara
yang sama namun memiliki hasil yang sedikit berbeda, tergantung jenis dan jumlah
data yang dipakai. Tiga metode tersebut adalah Ordinary Kriging, Simple Kriging, dan Universal
Kriging.
Metode Ordinary
Kriging mengasumsikan bahwa kumpulan data memiliki varians
yang stasioner, tetapi juga nilai rata-rata nonstasioner dalam
radius pencarian, metode ini sangat handal dan direkomendasikan untuk
sebagian besar set data.
Metode Simple
Kriging mengasumsikan bahwa kumpulan data memiliki varians
stasioner dan nilai rata-rata stasioner dan mengharuskan
pengguna untuk memasukkan nilai rata-rata.
Metode Universal Kriging
merupakan
pendekatan geostatistik untuk interpolasi trend permukaan area.
Metode ini melibatkan proses dua tahap di mana permukaan mewakili arus data
yang dibangun pada tahap pertama dan residu untuk permukaan ini dihitung di
tahap kedua. Dengan Universal Kriging pengguna dapat mengatur ekspresi polinomial
digunakan untuk mewakili permukaan area. Gambar dibawah ini merupakan contoh
perhitungan interpolasi secara umum.
Baca juga artikel lainnya dibawah ini yang terkait :
Demikian penjelasan mengenai metode krigging yang diambil
dari beberapa sumber dibawah ini. Untuk lebih jelasnya mengenai metode ini
dapat langsung searching di google sesuai dengan judul karya ilmiah dari sumber
yang dicantumkan dibawah ini.
Sumber :
Yulianto,
2015. “Pemetaan Indeks Iklim Ekstrim di Provinsi Aceh menggunakan data TRMM
dan APHRODITE.”
Junita, 2012 “Perbandingan Teknik Interpolasi DEM SRTM dengan Metode Inverse
Distance Weighted (IDW), Natural Neighbor dan Spline.”
Pramono, 2008. Akurasi Metode IDW dan Kriging
untuk Interpolasi Sebaran
Sedimen Tersuspensi di Maros – Sulawesi Selatan. Forum
Geografi, 22: 145-158.
Christanto,2005. Analisis
Penerapan Metode Krigging
dan Invers Distance pada Interpolasi Data Dugaan Suhu, Air Mampu Curah (AMC) dan Indeks Stabilitas Atmosfir (ISA) dari Data
NOAA-TOVS. Makalah PIT Mapin XIV, ITS Surabaya
Blogger Comment