Tutorial Interpolasi IDW dan Kriging

Interpolasi merupakan metode mendapatkan data dengan memanfaatkan beberapa data yang sudah diketahui (Pasaribu 2012). Dalam pemetaan, interpolasi merupakan proses estimasi nilai pada wilayah yang tidak disampel atau diukur, sehingga tampilah peta atau sebaran nilai pada seluruh wilayah.

            Inverse Distance Weighting (IDW) adalah metode interpolasi yang mengasumsikan bahwa semakin dekat jarak suatu titik terhadap titik yang tidak diketahui nilainya, maka semakin besar pengaruhnya.  IDW menggunakan nilai yang terukur pada titik-tiik di sekitar lokasi tersebut, untuk memperkirakan nilai variabel pada lokasi yang dimaksud. Asumsi dalam metode IDW adalah titik yang lokasinya lebih dekat dari lokasi yang diperkirakan akan lebih berpengaruh daripada titik yang lebih jauh jaraknya. Oleh karena itu, titik yang jaraknya lebih dekat diberi bobot yang lebih besar (Indarto 2013).

            Kerugian dari metode IDW adalah nilai hasil interpolasi terbatas pada nilai yang ada pada data sampel. Pengaruh dari data sampel terhadap hasil interpolasi disebut sebagi isotropic. Dengan kata lain, karena metode ini menggunakan rata rata dari data sampel sehingga nilainya tidak bisa lebih kecil dari minimum atau lebih besar dari data sampel. (Watson et al. 1985).             

            Metode Kriging adalah estimasi stochastic yang mirip dengan Inverse Distance Weighted (IDW) dimana menggunakan kombinasi linear dari weight untuk memperkirakan nilai diantara sampel data (Pramono 2008). Asumsi dari metode ini adalah jarak dan orientasi antara sampel data menunjukkan korelasi spasial yang penting dalam hasil interpolasi. Metode Kriging sangat banyak menggunakan sistem komputer dalam perhitungan.

            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. Jenis Kriging yang bisa dilakukan adalah dengan cara spherical, circular, exponential, gaussian dan linear (Pramono 2008).

Dalam melakukan interpolasi, diperlukan data dalam bentuk excel berupa titik koordinat X (Bujur) dan Y (Lintang) beserta data yang akan diinterpolasi (dalam tutorial ini berupa data curah hujan tahunan di beberapa titik wilayah Indonesia).

1. Inputkan peta wilayah sebagai peta dasar, Add data format shp. Pastikan sebagai data yang diinput pertama, proyeksi data harus dalam Geographic Coordinate System (Decimal degree). Hal ini berpengaruh untuk mensinkronkan data yang akan diinput selanjutnya yaitu data titik koordinat. Kesalahan jenis sistem koordinat sering menimbulkan error yang menyebabkan data lokasi titik koordinat tidak muncul.

2. Add data excel, File - Add data – Add XY data

Data titik yang sudah diinput tidak dapat diproses, maka perlu di export ke format shp untuk proses selanjutnya.

Klik kanan pada data titik – data – export data

3. Lakukan interpolasi

Pilih ArcToolBox – Spatial Analyst tools – Interpolation – IDW/Kriging

Batas hasil interpolasi akan mengikuti batas lokasi terluar data yang tersedia menyebabkan sebagian wilayah tidak akan terinterpolasi. Sehingga untuk menyesuaikan hasil interpolasi dengan batas wilayah kajian yang diinginkan, lakukan pengaturan sebelum melakukan running interpolasi. Environments – Processing extent, pada bagian extent pilih same as… (shp peta dasar yang digunakan / sesuaikan dengan kebutuhan)

 

4. Hasil interpolasi

IDW

Kriging