Metode Kriging Metode Interpolasi

3. Metode Kriging

Menurut Primatika 2011, metode Kriging merupakan interpolasi suatu nilai peubah pada suatu titik lokasi tertentu yang dilakukan dengan mengamati data yang sejenis di lokasi lainnya. Metode ini menghasilkan dugaan yang bersifat tak bias linier terbaik Best Linier Unbiased Estimator. Metode interpolasi untuk pendugaaan dalam geostatistika yang disebut sebagai Kriging , didasarkan atas struktur spasial dari data yang dimodelkan oleh variogram Wackernagel 1998 dalam Tiryana 2005. Pada dasarnya, suatu metode Kriging akan menentukan pembobot weights untuk nilai-nilai pengamatan yang kemudian digunakan untuk memprediksi nilai dugaan pada lokasi-lokasi yang tidak diambil sampelnya, serta meminimumkan sisaan dan menghasilkan nilai-nilai dugaan yang tidak berbias Watson et al. 2001. Salah satu metode Kriging yang umum digunakan adalah Ordinary Kriging, dimana nilai dugaan pada lokasi x dinotasikan sebagai Z x diduga dari nilai pengamatan x i disekitarnya dengan pembobot α i melalui persamaan 5. Pada penelitian ini metode Ordinary Kriging digunakan karena dapat menghasilkan beberapa bentuk semivariogram yang berbeda dibandingkan dengan metode Kriging lainnya. Semivariogram ini nantinya berguna dalam menentukan dan memilih dialog yang terbaik berdasarkan informasi dari masing-masing semivariogram. Selain itu tidak ada trend dalam data dan tidak ada pengaruh lokal, seperti tinggi. Artinya metode ini hanya dipengaruhi oleh faktor jarak.   xi Z Z i x  Keterangan: ∑α i =1 Zx = nilai dugaan pada lokasi x Xi = nilai pengamatan αi = pembobot Ordinary Kriging yaitu metode Kriging yang digunakan jika data memenuhi asumsi stasioner intrinsik dan mean dari populasi diasumsikan konstan akan tetapi nilainya tidak diketahui. Ketepatan dugaan Kriging sangat bergantung pada model semivariogram yang dipilih yang digunakan untuk menentukan bobot Kriging. …………………………5 13 Cressie 1993 dalam Primatika 2011. Pertimbangan terpenting dalam Kriging adalah metode ini memberikan bobot yang lebih besar pada titik contoh dengan jarak yang lebih dekat dibandingkan dengan titik contoh dengan jarak lebih jauh Khoerudin 2010 dalam Primatika 2011. Ukuran keragaman spasial antar titik contoh dapat ditunjukkan oleh semivarian yang besarnya bergantung pada jarak antar titik Khoerudin 2010 dalam Primatika 2011. Jarak antar titik contoh yang kecil akan menghasilkan semivarian yang kecil dan semakin besar jarak antar titik contoh akan menghasilkan semivarian yang semakin besar. Konsep jarak yang digunakan adalah jarak euclide. Plot semivarian sebagai fungsi jarak disebut variogram. Semivariogram berfungsi untuk menggambarkan dan memodelkan korelasi spasial antar data. Adapun metode-metode Kriging lainnya, seperti Universal Kriging dan Kriging with External Drift, merupakan perluasan dari Kriging Tiryana 2005.

2.4 Metode Penelitian