Skip links

INTERPOLASI OPTIMUM MENGGUNAKAN GEOSTATISTIK PART 2

INTERPOLASI OPTIMUM MENGGUNAKAN GEOSTATISTIK PART 2

Penulis: Siswanto

Bentuk-Bentuk Lain Kriging

(a) Kriging Sederhana (Simple Kriging)

Simple kriging adalah pendugan dengan regresi linear umum dibawah asumsi orde kedua yang tidak berubah (tetap). Dengan rata-rata yang telah diketahui (Olea, 1991). Karena asumsi orde kedua tetap sering terlalu ketat untuk kebanykkan data dari lingkungan fisik, ordinary kriging (tanpa membatasi rata-rata dugaan), kebanyakkan sering digunakan, meski Voltz dan Webster (1990) dan webster dan Mc Brataey (1987) memberikan contoh-contoh.

(b) Non Linear Kriging

Lognormal kriging adalah interpolasi dari log yang secara normal terdistribusi lebih daripada data yang tersebar normal (Deuctsch dan Journell, 1992). Dari mula-mula ditransformasi ke logaritma alami atau berdasarkan logartima 10 sehingga permodelan variogram dan interpolasi dilakukan dengan transform y(u) = Inz(u) untuk memberi suatu dugaan y(u) untuk Inz(u). Nilai-nilai dugaan dapat ditransformasikan kembali setelah interpolasi tetapi harus hati-hati dilatih karena anti-log kembali mentransform ey(u) adalah penduga bias Z(u).

(c) Ordinary Kriging Dengan Anisotrophy atau Nested Variogram

Menggabungkan anisotropy ke dalam prosedur ordinary kriging adalah hal mudah dengan memodfikasi konversi matrik jarak ke dalam semivarian dengan mempertmbangkan variasi dari semivarian dan arah. Tercatat variogram ganda cocok dengan aksis utama (NE-SE) yang mana adalah suatu usaha untuk mendorong kedua variogram mempunyai “nugget yang sama”.

(d) Kriging Menggunakan Informasi Tambahan

Seringkali, titik-titik data tidak hanya sumber informasi tentang distribusi Z dan kita mungkin dapat menggambarkan pada pengetahuan lain yang dapat dibantu dengan interpolasi, Sumber utama adalah (a) suatu strafikisi yang tepat ke dalam bidang-bidang yang berbeda jelas, (b) data dari suatu yang murah untuk mengukur peubah pembantu (co-variabel) yang telah diambil (disample) datanya pada lebih banyak titik data, dan (c) model spasial empiris atau fisika suatu proses perjalanan.

(e) Stratified Kriging

Bila terdapat cukup informasi lunk untuk mengklasifikasi area ke dalam arti sub-area dan disana cukup data untuk menghitung variogram untuk masing-masing bidang berbeda, interpolasi dapat dilakukan pada titik-titik atau blok untuk masing-masing area secara terpisah,penyesuaian persamaan atau rumus kriging untuk mencegah ketidak kontinyuan pada batas-batas kelas.

(f) Co-Kriging

    Sering data tersedia untuk lebih dari satu atribut per lokasi contoh. Satu set (u) mungkin mahal (sulit) diukur dan karenanya jarak diambil contohnya sedangkan yang lainnya (V) mungkin murah (mudah diukur danmempunyai lebih banyak pengamatan. Bila U dan V berkolerasi secara spasial kemudian ini dimungkinkan menggunakan informasi tentang variasi spasial dari V untuk data membantu memetakan U. Ini dapat dilakukan dengan menggunakan suatu perluasan teknik kriging normal yang dikenal sebagai co-kriging, CO-kriging dapat memproduksi pendugaan-pendugaan untuk titik dan blok dalam analogi terhadap ordinary kriging (Isaak dan Srivastava, 1989).

(g) Universal Kriging-Interpolasi dengan Membangun Trend

Co-kriging merupakan teknik yang sulit untuk dilaksanakan, menghendaki wawasan yang dapat dipertimbangkan ke dlam teori geostatistik dan beberapa penulis merasakan bahwa usaha mencocokkan cross-variogram yang memnuhi batasan-batasn dari hipotesis yang hakiki dan model linear dari co-regionalization tidak bermanfaat. Suatu alternatif yang menarik banyak pakar lingkungan adalah menggunakan pengetahuan dari model tranfer empiris (regresi) sebagai bagian dri prosedur kriging. Ini kadang-kadang dikenal sebagai universal atau KT kriging (Deutsch dan Journal, 1992) atau kriging dalam tampilan trend eksternal.

(h) Multivariate Kriging

Multivariate Kriging adalah aplikasi geostatistik terhadap transformasi multivariasi, sepertihasil model-model regresi, prinsip tranformasi komponen, perataan timbal-balik, atau rata-rata k-baur (fuzzy-k-means). Kadang-kadang pembatas harus diaplikasikan misalnya jumlah semua nilai rata-rata k-baur harus sama dengan 1, maka persamaan kriging perlu perlu modifikasi.

(i) Probabilistik Kriging (Kriging Peluang)

Variasi yang lebar dalam hasil diantara metode-metode kriging dan interpolasi deterministic yang berbeda, beberapa pengguna dapat memutuskan bahwa untuk keperluan mereka tidak benar-benar tertarik dalam pendugaan terbaik dari Z(X0), tetapi hanya dalam “peluang” dimana nilai-nilai dari atribut dalam pertanyaan melebihi ketentuan awal.

Langkah-langkah dalam kriging

Kriging memerlukan beberapa langkah sebagai berikut:

  1. Uji data untuk mengetahui tendensi spasial dan kenormalannya dan lakukan transpormasi data bila perlu. Bila menggunakan indicator kriging berubah ke dalam bentuk bilangan kombinasi.
  2. Htinglah variogram percobanya dan cocokkan dengan model yang sesuai, bila kolerasi spasialnya lebih dari autokolerasinya langsung ambil nuggetnya. Bila datanya tidak autokolerasi (100% varian nugget) maka interpolasi tidak peka/sensitif.
  3. Cek modelnya dengan mengulang validasinya.
  4. Pilih kriging atau simulasi terkondisikan.
  5. Jika kriging gunakan model variogram untuk menginterpolasi tempat pada titik grid pengamatan di mana lokasi tersebut sama dengan ukuran contoh aslinya (kriging titik) atau lebih besar dari bagian lahan/blok (blok kriging). Bila simulasi terkondisikan hitung paling sedikit 100 kali hitungan pada titiknya. Dari hasil hitungan ini hitung pula rata-rata dan standar deviasi dari permukaannya.
  6. Gambarkan hasilnya dalam peta titik-titik pengukuran atau beri garis konturnya (bila tidak dengan simulasi terkondisikan); baik sendiri atau ditumpuk/ditumpangkan pada peta lain misalnya DEM.
  7. Hasil perhitungan/model dipakai sebagai masukan SIG dan gunakan untuk dikombinasikan dengan data yang lain.

Leave a comment

This website uses cookies to improve your web experience.
Beranda
Konsultasi
Call Center
Cari Artikel
× Add a menu in "WP Dashboard->Appearance->Menus" and select Display location "WP Bottom Menu"