Вы находитесь на странице: 1из 15

# LAPORAN II

## PRAKTIKUM STATISTIKA SPASIAL

“INVERSE DISTANCE WEIGHTED (IDW)”
Tanggal Penyerahan : 25 Oktober 2018

Kelas B

## Asisten Dosen : 1. Azwardy Putra 23-2014-013

2. Bella Nuraini 23-2017-087

## LABORATORIUM SISTEM INFORMASI SPASIAL

JURUSAN TEKNIK GEODESI
FAKULTAS TEKNIK SIPIL DAN PERENCANAAN
INSTITUT TEKNOLOGI NASIONAL
BANDUNG
2018
Laporan Praktikum Statistika Spasial

DAFTAR ISI

## DAFTAR ISI .................................................................................................................................. 1

BAB I PENDAHULUAN .............................................................................................................. 2
1.1 Maksud dan Tujuan ....................................................................................................... 2
1.2 Waktu dan Tempat Pelaksanaan Pekerjaan ................................................................ 2
BAB II DASAR TEORI ................................................................................................................ 3
2.1 Prinsip Interpolasi ............................................................................................................... 3
2.2 Interpolasi Metode Deterministik ...................................................................................... 3
BAB III PELAKSANAAN PRAKTIKUM.................................................................................. 5
3.1 Langkah Praktikum........................................................................................................ 5
BAB IV HASIL DAN ANALISIS............................................................................................... 10
4.1 Hasil................................................................................................................................ 10
4.2 Analisis ........................................................................................................................... 10
4.2.1 Searching Neighborhood ............................................................................................ 10
4.2.2 Cross Validation .......................................................................................................... 11
4.2.3 Analisis Hasil Interpolasi Curah Hujan Menggunakan IDW ................................. 12
BAB V KESIMPULAN ............................................................................................................... 13
5.1 Kesimpulan .................................................................................................................... 13
DAFTAR PUSTAKA .................................................................................................................... ii

## Prima cinthya Eka P / 232015113/ C 1

Laporan Praktikum Statistika Spasial

BAB I
PENDAHULUAN

## 1.1 Maksud dan Tujuan

Maksud dari praktikum ini adalah agar mahasiswa dapat mempelajari cara menganalisis
data spasial dengan menggunakan metode Inverse Distance Weighted.
Tujuan dari praktikum ini adalah agar mahasiswa dapat melakukan proses Inverse Distance
Weighted dengan menggunakan ArcGis.
1.2 Waktu dan Tempat Pelaksanaan Pekerjaan
Waktu : Senin, 18 Oktober 2018
Tempat : Ruang 18307, Gedung 18, Institut Teknologi Nasional, Bandung

## Prima Cinthya Eka P / 232015113/ C 2

Laporan Praktikum Statistika Spasial

BAB II
DASAR TEORI
2.1 Prinsip Interpolasi
Dalam bidang matematika analisis numeris, interpolasi adalah metode menghasilkan titik-
titik data baru dalam suatu jangkauan dari suatu set diskret data-data yang diketahui.

Interpolasi adalah suatu metode atau fungsi matematika yang menduga nilai pada lokasi-
lokasi yang datanya tidak tersedia. Interpolasi spasial mengasumsikan bahwa atribut
yang bersifat kontinu di dalam ruang (space) dan atribut ini saling berhubungan secara spasial
(Anderson, 2001). Kedua asumsi tersebut mengindikasikan bahwa pendugaan atribut data dapat
dilakukan berdasarkan lokasi-lokasi di sekitarnya dan nilai pada titik-titik yang berdekatan akan
Dalam pemetaan, interpolasi adalah proses estimasi nilai pada wilayah yang tidak disampel
atau diukur, sehingga terbentuk peta atau sebaran nilai pada seluruh wilayah. Untuk mengolah
dan menganalisa data secara spasial, Sistem Informasi Geografis (SIG) biasanya menggunakan
metode interpolasi ini. Didalam analisa spasial baik dalam format vektor maupun raster,
diperlukan data yang meliputi seluruh studi area. Oleh sebab itu, proses interpolasi perlu
dilaksanakan untuk mendapatkan nilai diantara titik sampel. Hal ini bertujuan agar dalam
perbandingan nilai dari titik observasi dan titik model bisa berimbang.

## 2.2 Interpolasi Metode Deterministik

Metode Inverse Distance Weighted (IDW) merupakan metode deterministik yang sederhana
dengan mempertimbangkan titik disekitarnya. 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.

Kelebihan dari metode IDW adalah karakteristik interpolasi dapat dikontrol dengan
membatasi titik-titik masukan yang digunakan dalam proses interpolasi. Titik-titik yang terletak
jauh dari titik sampel dan yang diperkirakan memiliki korelasi spasial dapat dihapus dari

## Prima Cinthya Eka P / 232015113/ C 3

Laporan Praktikum Statistika Spasial

perhitungan. Titik-titik yang digunakan dapat ditentukan langsung, atau ditentukan berdasarkan
jarak yang ingin di interpolasi.

Kelemahan dari interpolasi IDW adalah tidak dapat mengestimasi nilai di atas nilai
maksimum dan dibawah nilai minimum dari titik-titik sampel (Pramono, 2008). Efek yang terjadi
kecuali jika titik-titik tertinggi dan terendah merupakan bagian dari titik sampel. Karena nilai
estimasi merupakan nilai rata-rata, hasil permukaan tidak akan tepat melewati titik-titik sampel.

## Prima Cinthya Eka P / 232015113/ C 4

Laporan Praktikum Statistika Spasial

BAB III
PELAKSANAAN PRAKTIKUM
3.1 Langkah Praktikum
Berikut merupakan langkah-langkah praktikum Inverse Distance Weighted:

No Gambar Keterangan
1 Membuka Arcgis, lalu klik
menambahkan file yang akan
diproses. Masukkan data
Masukkan data curah hujan.

2 Memilih “Gestatistical
Analyst” lalau pilih Inverse
Distance Weighted, dan
kemudian rubah source
intensitas, kemudian memilih
“next”.

## Prima Cinthya Eka P / 232015113/ C 5

Laporan Praktikum Statistika Spasial

## 3 Memilih “Use Mean”

kemudian pilih “Ok”.

## 4 Disamping adalah hasil dari

“Inverse Distance Weighted”
dan bulatkan nilai mayor dan
minor 3 angka dibelakang
koma Kemudian pilih “Next”.

## 5 Maka akan muncul tampilan

seperti disamping. Hasil dari
Cross Validation dari IDW
prediksi.

## Prima Cinthya Eka P / 232015113/ C 6

Laporan Praktikum Statistika Spasial

## 6 Jika kita pilih “error” maka

akan muncul tampilan seperti
disamping. Hasil dari Cross
Validation dari IDW error.

## 7 Setelah itu akan muncul hasil

interpolasi IDW, kemudian
untuk proses editing
memunculkan kontur dengan
IDW dan pilih properties.

## 8 Untuk memunculkan kontur

pilih “Filled Contour”
kemudian pilih “classify”.

## Prima Cinthya Eka P / 232015113/ C 7

Laporan Praktikum Statistika Spasial

## 9 Memilih metode klasifikasi

manual dan lakukan
masing interval kelas,
kemudian pilih Ok.

## 10 merubah data raster menjadi

vektor dengan cara, klik
data dan pilih “export to
vector”.

## 11 mengubah tipe kontur

pilih tempat penyimpanan,
kemudian memilih Ok.

## 12 Setelah itu lakukan clip

antara filled contour dan

## Prima Cinthya Eka P / 232015113/ C 8

Laporan Praktikum Statistika Spasial

## 13 Akan hasil dari clip seperti

gambar di samping

## 14 Kemudian lakukan layouting

peta tematik tersebut.

## Prima Cinthya Eka P / 232015113/ C 9

Laporan Praktikum Statistika Spasial

BAB IV
HASIL DAN ANALISIS

4.1 Hasil
Hasil dari pengolahan data spasial menggunakan metode Inverse Distance Weighted di kota
Cimahi dapat dilihat pada gambar dibawah ini.

4.2 Analisis

## 4.2.1 Searching Neighborhood

Pencarian tetangga terdekat menggunakan prinsip seperti pada Hukum Tobler, yaitu yang
ahmpir dekat satu sama lain yang mempunyai nilai hamper mirip dibandingkan dengan yang
lebih jauh. Semakin jauh lokasi nilai atau pusat maka nilai yang dihasilkan tidak mirip

## Prima Cinthya Eka P / 232015113/ C 10

Laporan Praktikum Statistika Spasial

sehingga data tersebut kurang baik, data yang baik yang dilihat pada gambar diatas berupa titik
titik yang mempunya nilai orange itu yang memiliki nilai hampir sama.

## 4.2.2 Cross Validation

Validasi silang menggunakan semua data untuk menggabarkan tren dan model
autokorelasi, sehingga akan menghapus setiap lokasi data satu per satu dan memprediksi nilai
data yang terkait. Pada hasil validasi silang di atas, jumlah data sebanyak 265 data, dengan nilai
rata – rata sebesar - 1.6599444 dan besar RMS adalah 88.54768. nilai RMS menggambarkan
kualitas data yang mendekati sebenarnya.

## Prima Cinthya Eka P / 232015113/ C 11

Laporan Praktikum Statistika Spasial

## 4.2.3 Analisis Hasil Interpolasi Curah Hujan Menggunakan IDW

Hasil dari interpolasi curah hujan dengan menggunakan metode Inverse Distance
Weighting ( IDW ) di atas adalah hasil interpolasi dari 265 sampel data dengan nilai RMS
sebesar 88.548.

## Prima Cinthya Eka P / 232015113/ C 12

Laporan Praktikum Statistika Spasial

BAB V
KESIMPULAN

5.1 Kesimpulan
Hasil dari interpolasi dengan menggunakan metode Inverse Distance Weighting (IDW)
belum memberikan hasil estimasi yang baik, dikarenakan nilai RMS eror yang dihasilkan
dari interpolasi ini masih terlalu besar, tetapi sudah dapat memberikan informasi mengenai
tingkat intensitas curah hujan di Kota Cimahi.

## Prima Cinthya Eka P / 232015113/ C 13

Laporan Praktikum Statistika Spasial

DAFTAR PUSTAKA