View
5
Download
2
Embed Size (px)
DESCRIPTION
Krigging Full, METODE KRIGING YANG SUDAH DI SUSUN SEPADAT DAN SESINGKAT MUNKIN
Citation preview
Metode Kriging adalah estimasi sto- chastic yang mirip dengan Inverse Distance
Weighted (IDW) dimana meng gunakan 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
menunjukkan korelasi spasial yang penting dalam hasil interpolasi ESRI, 1996).
Metode Kriging sangat banyak menggunakan 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 ting gi 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).
y (h )= 12n
∑i=1
n
{Z ( xi )−Z ( xi+h )}2
Gambar 2: Grafik dan persamaan semi-variogram (ESRI, 1999)
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 orien- tasi dari data.
Oleh sebab itu, 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 & Hobbs (1986) atau
Siska & Hung (2001)
Semivariogram menggambarkan selisih ra- ta-rata antara harga titik conto yang terpisah
oleh jarak pada arah tertentu atau titik-titik yang dipisahkan oleh lag tertentu. Menurut
Armstrong (1998).
Semivariogram eksperimental dinyata- kan dalam rumus sebagai berikut:
y (h )=∑i=1
n
{Z ( xi )−Z ( xi+h ) }2
2 N x (h)
dimana :
γ(h) = (semi) variogram untuk arah tertentu dari jarak h,
h = jarak antara conto atau lag semivariogram,
z(xi) = nilai variabel,
z(xi + h)= nilai variabel yang terpisah sejauh h,
N(h) =jumlah pasangan data.
Model matematis dari semivariogram ter- sebut adalah sebagai berikut:
y (h )=Co+C ( 3 h2 a
− H 3
2 a3 )dimana h≤ a(2)
y (h )=Co+C dimana h>a(3)
dimana:
γ(h) = Semivariogram,
h = Jarak pa- sangan titik perconto,
a = daerah dimana nilai semivariogram mencapai nilai sill dimana sesu- dah mencapai nilai
sill data tidak memiliki korelasi lagi. Range biasa juga disebut daerah pengaruh.
Co = Variansi antar titik conto de- ngan titik conto yang diperkirakan (Nugget ef- fect).
C = Variansi total dari suatu endapan (Sill) yang dikurangi dengan nilai Co.