ejemplo proteccion de distancia con caja de pruebas omicron cmc356Descripción completa
Full description
Full description
Statistika
Tugas Statistika Hal. 158-159_2
ne tugas matek gw, mo bagi2 nich ma kalian!
dfor allFull description
permodelan spasialFull description
asdfgDescription complète
Describes The Quadrilateral Characteristic
Deskripsi lengkap
indeks moranFull description
Distance education programmer of Kalvi Trust has its link with various reputed education universities and they are focusing on the youth drop-outs
LAPORAN PRAKTIKUM II
PRAKTIKUM STATISTIKA SPASIAL
I D W (I ( I nve nver se D i sta stance nce Wei Wei ghti ghti ng) Tanggal Penyerahan : 17 November 2017 Disusun Oleh : Rian Nurohman / 23-2014-126 Kelas C Nama Asisten : Herdis Dwi Toga
(23-2013-071)
Marianus Filipe Logo (23-2014-118)
LABORATORIUM SISTEM INFORMASI SPASIAL JURUSAN TEKNIK GEODESI FAKULTAS TEKNIK SIPIL DAN PERENCANAAN INSTITUT TEKNOLOGI NASIONAL BANDUNG 2017
BAB I PENDAHULUAN................................................................................. .............................2
1.1. Maksud dan Tujuan................................................................................................................2 1.2. Waktu Pelaksanaan Praktikum...............................................................................................2
BAB II DASAR TEORI.................................................................................................................3
2.1. Prinsip Interpolasi............................................................................ .......................................3 2.2. Interpolasi Metode Deterministik................................................................... ........................4
BAB III PELAKSANAAN PRAKTIKUM.................................................................. ................5
Maksud dari praktikum ini adalah untuk mempelajari bagaimana cara menggunakan fitur interpolasi metode deterministik pada suatu data yang diperoleh menggunakan software ArcGis, lalu mahasiswa juga diharapkan dapat menganalisis suatu data yang dapat dilihat dari fitur ArcGis yang digunakan tersebut. Tujuan dari praktikum adalah mahasiswa dapat melakukan analisis dan pengamatan data menggunakan metode interpolasi deterministik IDW ( Inverse Distance Weighted) di dalam fitur analisis spasial software ArcGIS.
1.2 Waktu Pelaksanaan Praktikum
Waktu dan tempat pelaksanaan praktikum ini dilaksanakan pada : Hari, Tanggal : Senin, 16 Oktober 2017 Pukul
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 lebih mirip daripada nilai pada titik-titik yang terpisah lebih jauh. 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.
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 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 apabila interpolasi IDW diaplikasikan adalah terjadinya perataan ( flattening ) puncakdan lembah, 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. Kelemahan lain dari metode interpolasi ini adalah adanya efek bull-eye.
Setelah itu akan muncul seperti tampilan disamping. Kemudian kita export ke format vektor dengan klik kanan pada layer IDW kemudian klik “ Data” lalu pilih “export to Vector”
11
Maka akan muncul tampilan seperti disamping lalu pilih “contour type” nya “CONTOUR” lalu klik “OK”
BAB IV HASIL DAN ANALISIS 4.1. Searching Neighborhood
Pada hasil ini, menggunakan maximum neighbors 15 dan minimum neighbors 10 dan neighoorhood type nya menggunakan yang standard
4.2. Cross Validation
Pada tampilan diatas yaitu hasil dari indeks kesalahan RMSE (Root Mean Square Error) juga nilai error pada setiap titik yang diinterpolasi
Rian Nurohman / 23-2014-126 / C
11
Praktikum Statistika Spasial : Inverse Distance Weighting 4.3. Analisis Hasil Interpolasi Curah Hujan Menggunakan I DW
Disusun Oleh : Rian Nurohman 23-2014-126 C
Tampilan diatas adalah hasil dari interpolasi metode deterministik IDW ( Inverse Distance Weighted) curah hujan kota Cimahi dengan skala 1:100.000 . yang berwana hijau menunjukan curah hujan yang rendah dan warna merah menunjukan curah hujan yang tinggi. Dengan metode IDW ini, hasil interpolasinya tidak halus atau smooth karena nilai estimasi merupakan nilai rata-rata, hasil permukaan tidak akan tepat melewati titik-titik sampel.
Dengan praktikum ini, kita dapat menggunakan tools yang ada pada fitur geostatistical analyst, terutama fitur IDW ( Inverse Distance Weighted) bahwa tools tersebut juga memiliki tipe yang berbeda-beda. Hal ini karena fungsi tiap tools IDW ( Inverse Distance Weighted) memiliki tujuan dan fungsi yang berbeda bergantung pada kebutuhan. Teknik interpolasi ini sangat cocok digunakan untuk kebutuhan yang relatif tidak rumit.
