ABSTRAK
Dalam pemodelan permukaan digital membutuhkan input data berupa Digital Elevation Model (DEM) dengan
resolusi spasial 10 meter yang lebih tinggi dibandingkan data DEM Shuffle Radar Topography Mission (SRTM)
yang tersedia saat ini. Pembuatan DEM yang lebih
Metode Inverse Distance Weighted (IDW)
Metode Inverse Distance Weighted (IDW) merupakan metode deterministic yang sederhana
dengan mempertimbangkan titik disekitarnya (NCGIA, 1997).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. Metode ini biasanya digunakan dalam
industri
pertambangan
karena mudah untuk
digunakan.
Pemilihan nilai pada power sangat mempengaruhi hasil interpolasi. Nilai power yang tinggi
akan memberikan hasil seperti menggunakan interpolasi nearest neighbor dimana nilai yang
didapatkan merupakan nilai dari data point terdekat.
Kerugian
dari
metode
IDW
adalah nilai
hasil
interpolasi
terbatas
yang ada pada data sampel. Pengaruh dari data sampel terhadap hasil interpolasi
pada
nilai
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. Jadi,
puncak bukit atau lembah terdalam tidak dapat ditampilkan dari hasil interpolasi model ini
(Watson & Philip, 1985). Untuk mendapatkan hasil yang baik, sampel data yang digunakan
harus rapat yang berhubungan dengan variasi lokal. Jika sampelnya agak jarang dan tidak
merata,hasilnya kemungkinan besar tidak sesuai dengan yang diinginkan. Menurut
Pramono(2004), metode IDW cocok digunakan untuk melakukan interpolasi pada data
fisik wilayah pesisir karena tidak menghasilkan nilai melebihi rata-ratanya.
Hasil dari interpolasi ini tergantung dari:
a.
Seberapa
kuat
sebuah
titik
data yg
diketahui
mempengaruhi
sekitarnya(ArcGIS : Power)
b. Jumlah titik di sekitarnya yang digunakan untuk menghitung rata-rata nilai
c. Ukuran pixel/raster yang dikehendaki
Metode Interpolasi kriging
daerah
di
Metode Kriging adalah estimasi stochastic yang mirip dengan InverseDistance Weighted
(IDW) dimana menggunakan kombinasi linear dari weight untuk memperkirakan nilai
diantara sampel data. 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 dalamhasil (ESRI, 1996)
Metode
Kriging
sangat
banyak
menggunakan
sistem
komputer
dalam perhitungan. Kecepatan perhitungan tergantung dari banyaknya sampel data yangdigun
akan dan cakupan dari wilayah yang diperhitungkan. Tidak seperti metodeIDW, Kriging
memberikan ukuran error dan confidence. Metode ini menggunakansemivariogram yang
merepresentasikan
perbedaan
spasial
dan
nilai
diantara
semua pasangan sampel data. Semivariogram juga menunjukkan bobot (weight) yangdigunak
an dalam interpolasi. Semivariogram dihitung berdasarkan sampelsemivariogram dengan
jarak h, beda nilai z dan jumlah sampel data n. Pada gambar ini juga ditunjukkan grafik dari
sebuah semivariogram. Pada jarak yang dekat (sumbuhorisontal), semivariance bernilai kecil.
Tetapi pada jarak yang lebih besar, semi-variance bernilai tinggi yang menunjukkan bahwa
variasi
dari
nilai
tidak
lagi berhubungan dengan jarak sampel point. Jenis Kriging yang bisa dilakukan adalahdengan
cara spherical, circular, exponential, gaussian dan linear (ESRI, 1999).
Hasil dari kriging :
. Ukuran pixel/raster yang dikehendaki
b. Fungsi dari trend
Metode Nearest Neighbour
Interpolasi tetangga terdekat ( Nearest Neighbor Interpolation) adalah metode paling
sederhana dan pada dasarnya membuat piksel lebih besar. Warna pixel dalamgambar yang
baru adalah warna dari piksel terdekat dari gambar asli.
ada interpolasi
(tetangga terdekat)
nilai keabuan titik hasildiambil dari nilai keabuan pada titik asal yang paling dekat dengan
koordinat hasil perhitungan dari transformasi spasial. Untuk citra 2 dimensi, tetanggaterdekat
dipilihdi antara 4 titik asal yang saling berhubungan satu sama lain (Ginanjar, 2005).
Daftar Pustaka
ESRI. 1996. Using the ArcView Spatial Analyst. Redlands, Environmental SystemsResearch
Institute, Inc.
Ginanjar, Gun. 2005. perbandingan implementasi interpolasi nearest neighbour dan bilinier
dalam scaling pada file [Link] Komputer Indonesia.
NCGIA. (2007) : Interpolation: Inverse Distance Weighting,
[Link] spherekit/[Link] , diunduh pada 4 April 2015.
Wardani, Cintya Kusuma. (2009) : Perbedaan Interpolasi,
[Link] diunduh pada 4 april 2015.