PERBEDAAN METODE KRIGING DAN IDW

A. Metode Interpolasi

Interpolasi adalah metode untuk mendapatkan data berdasarkan beberapa data yang telah diketahui (Wikipedia, 2008). Dalam pemetaan, interpolasi adalah proses estimasi nilai pada wilayah yang tidak disampel atau diukur, sehingga ter-buatlah peta atau sebaran nilai pada selu-ruh wilayah (Gamma Design Software, 2005). Didalam melakukan interpolasi, sudah pasti dihasil- kan. Error yang dihasilkan sebelum mela- kukan interpolasi bisa dikarenakan kesa- lahan menentukan metode sampling data, kesalahan dalam pengukuran dan kesalahan dalam analisa di laboratorium.

- Metode Kriging

  Metode Kriging adalah estimasi sto- chastic yang mirip dengan Inverse Distance Weighted (IDW) dimana menggunakan kombinasi linear dari weight untuk mem- perkirakan nilai diantara sampel data (Ctech Development Corporation, 2004) Metode ini diketemukan oleh D.L. Krige untuk memperkirakan nilai dari bahan tambang. Asumsi dari metode ini adalah jarak dan orientasi antara sampel data me- nunjukkan korelasi spasial yang penting dalam hasil interpolasi ESRI, 1996). Metode Kriging sangat banyak mengguna- kan sistem komputer dalam perhitungan. Kecepatan perhitungan tergantung dari banyaknya sampel data yang digunakan dan cakupan dari wilayah yang diperhitungkan.

    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 di Gambar 2. Pada gambar ini juga ditunjukkan grafik dari sebuah semivariogram. Pada jarak yang dekat (sumbu horisontal), semivariance bernilai kecil. Tetapi pada jarak yang lebih besar, semi-vari- ance bernilai tinggi yang menunjukkan bahwa variasi dari nilai z tidak lagi berhu- bungan dengan jarak sampel point. Jenis Kriging yang bisa dilakukan adalah dengan cara spherical, circular, exponential, gaussian dan linear (ESRI, 1999). Penjelasan yang lebih lengkap tentang kelima jenis Kriging ini bisa dilihat pada McBratney & Webster (1986).

- Metode IDW

Metode Inverse Distance Weighted (IDW) merupakan metode deterministikyang sederhana dengan mempertimbangkan titik disekitarnya (NCGIA, 1997). Asumsi dari metode ini adalah nilai interpolasi akan lebih mirip pada data sampel yang dekat daripada yang lebih jauh. Bobot (weight) akan berubah secara linear sesuai dengan jaraknya dengan data sampel. Bobot ini tidak akan dipengaruhi oleh letak dari data sampel.

Metode ini biasanya digunakan dalam industri pertambangan karena mudah untuk digunakan. Pemilihan nilai pada power sangat mempengaruhi hasil interpolasi. Nilai power yang tinggi akan memberikan hasil seperti menggunakan interpolasi near- est neighbor dimana nilai yang didapatkan merupakan nilai dari data point terdekat.

Kerugian dari metode IDW adalah nilai hasil interpolasi terbatas pada nilai yang ada pada data sampel. Pengaruh dari data sampel terhadap hasil interpolasi disebut sebagi isotropic. Dengan kata lain, karena metode ini menggunakan rata-rata dari data sampel sehingga nilainya tidak bisa lebih kecil dari minimum atau lebih besar dari data sampel. Jadi, puncak bukit atau lembah terdalam tidak dapat ditampil- kan dari hasil interpolasi model ini (Watson & Philip, 1985). Untuk mendapatkan hasil yang baik, sampel data yang digunakan harus rapat yang berhubungan dengan variasi lokal. Jika sampelnya agak jarang dan tidak merata, hasilnya kemungkinan besar tidak sesuai dengan yang diinginkan.

Penentuan nilai baru didasarkan pada data yang ada pada titik-titik sampel. Tanpa adanya langkah interpolasi ini, maka analisis spasial tidak dapat dilakukan secara akurat. Ada beberapa metode yang dapat digunakan untuk melakukan interpolasi spasial. Menurut Demers (2000), interpolasi spasial dapat diklasifikasikan menjadi tiga, yakni global and local interpolation, exact interpolation and inexact interpolation, deterministic and stochastic interpolation. Diantara metode deterministik yang populer adalah Trend, Spline, Inverse Distance Weighted (IDW) dan Kriging. Praktikum kali ini akan dibahas penggunaan metode IDW dan Kriging untuk kajian curah hujan. Metode IDW dapat dikelompokkan ke dalam estimasi determenistik, yakni interpolasi dilakukan berdasarkan perhitungan matematika. Sementara metode Kriging dapat digolongkan ke dalam estimasi stochastik, di mana perhitungan secara statistik digunakan untuk menghasilkan interpolasi (Pramono 2008).

Metode IDW merupakan metode interpolasi konvesional yang memperhitungkan jarak sebagai bobot. Jarak yang dimaksud disini adalah jarak (datar) dari titik data (sampel) terhadap blok yang akan diestimasi. Jadi semakin dekat jarak antara titik sampel dan blok yang akan diestimasi maka semakin besar bobotnya, begitu juga sebaliknya.

Interpolasi stochastic menawarkan penilaian kesalahan dengan nilai prediksi. Metode ini mengasumsikan kesalahan acak. Contoh model ini yang populer adalah  metode Kriging. Metode Kriging merupakan estimasi stochastik yang mirip dengan IDW, menggunakan kombinasi linear dari weights untuk memperkirakan nilai di antara sampel data. Metode ini dikembangkan oleh D.L. Krige untuk memperkirakan nilai dari bahan tambang. Asumsi dari model ini adalah jarak dan orientasi antara sampel data menunjukkan korelasi spasial. Model ini memberikan ukuran error dan confidence. Model ini juga menggunakan semivariogram yang merepresentasikan perbedaan spasial dan nilai diantara semua pasangan sampel data. Semivarogram ini menunjukkan bobot (weights) yang digunakan dalam interpolasi (Hadi 2013).

Penentuan hasil pada metode IDW berdasarkan pada asumsi bahwa nilai atribut z (nilai yang diestimasi) pada titik yang tidak didata adalah merupaka fungsi jarak dan nilai rata-rata titik yang berada disekitarnya. Hasil interpolasi tergantung dari seberapa kuat sebuah titik data yang diketahui mempengaruhi daerah di sekitarnya. Selain itu juga jumlah titik di sekitarnya yang digunakan untuk menghitung rata-rata nilai, serta ukuran pixel/raster yang dikehendaki. Sedangkan penentuan hasil pada metode Kriging berdasarkan asumsi bahwa setiap titik di dalam bentang alam saling berhubungan dan mempunyai sebuah trend. Trend (persamaan matematis) yang digunakan untuk memprediksi titik yang tidak memiliki data/informasi.   Sumber data yang digunakan praktikum kali ini berasal dari NOAA. Data stasiun yang digunakan untuk interpolasi adalah 41 stasiun cuaca yang tersebar di Indonesia, mulai dari Pulau Sumatera, Jawa, Kalimantan, Sulawesi, Nusa Tenggara, sampai Papua (nama stasiun terlampir). Unsur iklim yang diinterpolasikan adalah curah hujan. 

DAFTAR PUSTAKA

Had   Hadi BS. 2013. Metode Interpolasi Spasial dalam Studi Geografi. J   Geomedia. Vol             11(2):231-240.

Pramono dan Gatot H. 2008. Akurasi Metode IDW dan Kriging untuk Interpolasi Sebaran Sedimen Tersuspensi. Forum Geografi. Vol. 22(1):97-110.

NCGIA. 2007. Interpolation: Inverse Distance Weighting. http://www.ncgia.ucsb.edu/pubs/ spherekit/inverse.html (23 Juni 2008).

Watson DF & Philip GM. 1985. A Refinement of Inverse Distance Weighted Interpolation. J Geo Processing. Vol 2: 315-327.

Wikipedia.2008. Interpolasi