GD4209

Pengantar Statistik Spasial

Variogram (1)

Dr. Ir. Bambang Setyadji, [Link].

Program Studi Teknik Geodesi & Geomatika
Fakultas Ilmu dan Teknologi Kebumian
Institut Teknologi Bandung

21 Februari 2023
Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 1 / 31
Ilustrasi Variogram

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 2 / 31
Variogram
Definisi
Jangkauan (range) dan zona pengaruh
Sifat-sifat di sekitar titik asal
Anisotropy, variasi pada arah berbeda
Drift
Struktur terkurung(nested structure)
Efek proporsional
Efek lubang (hole effect) dan perulangan (periodicity)

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 3 / 31
Definisi Variogram
Variogram dari sebuah fungsi acak intrinsik:
γ(h) = 0.5 Var[Z(x + h) − Z(x)]
Untuk variabel-variabel stasioner dan intrinsik, nilai menengah
Z(x + h) − Z(x) adalah nol, sehingga γ(h) hanya perbedaan
kuadrat nilai menengah. Sehingga
γ(h) = 0.5 E[Z(x + h) − Z(x)]2
variabel x dan x + h merujuk pada titik-titik dalam n-dimensi.
Sehingga variogram adalah fungsi dari n-komponen (h1 · · · hn ).
Atau, modulus dari vektor h dan orientasinya.
Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 4 / 31
Definisi Variogram

untuk sudut yang tetap, variogram menunjukkan seberapa besar

perubahan perbedaan sebanding dengan peningkatan jarak (saja).
Bila sudut berubah, variogram tidak memperlihatkan sifat sebagai
fungsi sudut jurusan, seperti anisotropy.
Beberapa sifat variogram
▶ Selalu mulai dari 0 (untuk h = 0, Z(x + h) = Z(x)). Tetapi bisa saja
diskontinyu begitu lepas dari titik asalnya.
▶ Secara umum akan meningkat sebanding dengan h.
▶ Meningkat sampai pada suatu level tertentu yang disebut sebagai “sill” dan
selanjutnya mendatar. Tetapi bisa juga meningkat terus saja.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 5 / 31
Jangkauan (range) dan zona pengaruh

rate peningkatan variogram sebanding dengan jarak. Menunjukkan

seberapa cepat pengaruh satu sample menurun sebanding dengan
jarak.
Setelah variogram mencapai nilai batas (sill), tidak ada lagi korelasi
antar sampel.
Jarak kritis ini (saat mulai terjadi kondisi sill), disebut sebagai
range, memberikan definisi yang lebih jelas tentang “zona
pengaruh” (zone of influence).

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 6 / 31
Jangkauan (range) dan zona pengaruh
Untuk variabel-variabel yang stasioner, γ(h) sama dengan variansi
untuk jarak sebelum range:
γ(h) = 0.5 Var [Z(x + h) − Z(x)]
= 0.5 [Var(Z(x + h)) + Var(Z(x))] = σ 2
range tidak harus selalu sama pada semua jurusan/arah atau
dikenal sebagai fenomena anisotropy.
Dalam jurusan/arah yang sama pun bisa terdapat lebih dari satu
range bila terdapat beberapa struktur/fenomena terbatas yang
berpengaruh dalam sekala jarak yang berbeda.
Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 7 / 31
Sifat-sifat di sekitar titik asal
1 Kuadratis. Variabel regional benar-benar kontinyu, dan
diferensiabel. Dapat juga berhubungan dengan adanya sebuah drift.
2 Linier. Variabel regional kontinyu tetapi tidak diferensiabel, dan
kurang reguler seperti yang di atas.
3 Diskontinyu di titik asal. γ(h) tidak menuju nol walaupun h
menuju 0, variabel sangat irregular untuk jarak-jarak pendek.
4 Datar. Betul-betul murni acak atau white noise. Variabel-variabel
regional tidak berkorelasi untuk semua nilai h. Model ini juga yang
diadopsi untuk analisis trend surface.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 8 / 31
Variogram Kuadratis

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 9 / 31
Variogram linier

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 10 / 31
Variogram Diskontinyu

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 11 / 31
Variogram bounded

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 12 / 31
Variogram unbounded

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 13 / 31
Sifat-sifat di sekitar titik asal

Variogram pada hampir semua variabel geologi memiliki

diskontinyuitas pada titik asalnya, yang disebut sebagai sebuah
nugget effect.
Grade kandungan mineral meningkat secara cepat dari nol di luar
sebuah nugget menjadi nilai yang tinggi di dalam.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 14 / 31
Ilustrasi Variogram

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 15 / 31
Anisotropy, variasi pada arah berbeda

Anisotropi geometris dapat berbentuk:

Variogram ke semua arah memiliki nilai sill yang sama, walaupun
range-nya berbeda.
Variogram linier pada arah yang berlainan, tetapi memiliki slope
yang berbeda.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 16 / 31
Anisotropy

Range atau slope nya dapat digambarkan sebagai fungsi dari

arah/jurusan dengan, a.l., memanfaatkan bentuk geometris ellips
(2-D).
Kalau digunakan bentuk geometri ellips, maka dengan
memanfaatkan formula transformasi koordinat sederhana dapat
diperoleh bentuk geometri lingkaran yang sekaligus mengeliminir
sifat anisotropy geometris ini.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 17 / 31
Anisotropy

Transformasi sederhana dapat dijelaskan bila dipilih sumbu utama

ellips berhimpit dengan sumbu X koordinat (absis). Jika persamaan
variogram pada arah 1 adalah γ1 (h), maka keseluruhan variogram
setelah dikoreksi untuk sifat anisotropy-nya menjadi:
p 
γ(h) = γ1 2 2
h1 + k h22

dengan
range 1 slope 1
k= range 2 atau k = slope 2

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 18 / 31
Anisotropy

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 19 / 31
Anisotropy

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 20 / 31
Anisotropy

Contoh: Arah vertikal juga memainkan peranan penting dalam

menentukan variogram karena ada perlapisan (strata) secara vertikal.
Biasanya, digunakan pemilahan variogram menjadi komponen horisontal
dan komponen vertikalnya:

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 21 / 31
Anisotropy

Komponen isotropy Komponen vertikal

p 
γ0 2 2 2
h1 + h2 + h3 γ(h3 )

Komponen keseluruhan

γ(h) = γ0 (h) + γ1 (h)

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 22 / 31
Drift

Pada umumnya, secara teoritis diperlihatkan bahwa variogram

untuk variabel-variabel yang intrinsik dan stasioner meningkat lebih
lambat dibandingkan sebuah fungsi kuadratiknya untuk jarak yang
besar.
γ(h)
h2 → 0 untuk h → ∞
Dalam prakteknya, seringkali terjadi bahwa variogram meningkat
lebih cepat daripada h2 , yang menunjukkan adanya sebuah drift
atau pergeseran.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 23 / 31
Drift
Variogram eksperimental memberikan sebuah estimasi raw
variogram
0.5 E (Z(x + h) − Z(x))2 ,
dan tidak mengestimasi variogram sebenarnya (underlying).
Kedua jenis variogram ini akan berhimpit hanya jika peningkatannya
memiliki sebuah nilai-menengah (zero mean) sama dengan nol.
 2      2
E Z(x + h) − Z(x) = Var Z(x + h) − Z(x) + E Z(x + h) − Z(x)

raw variogram = variogram sebenarnya + (bias)2

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 24 / 31
Drift

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 25 / 31
Struktur terkurung (nested structure)

Struktur terkurung dibentuk dari sebuah struktur range pendek dan

sebuah struktur range yang lebih panjang.
Struktur ini mengindikasikan adanya proses-proses yang bekerja
pada sekala yang berlainan.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 26 / 31
Struktur terkurung

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 27 / 31
Efek proporsional
Efek proporsional muncul apabila nilai (terutama nilai sill)
sebanding dengan kuadrat gradasi nilai-menengah lokal, yang
biasanya muncul dalam data yang terdistribusi secara lognormal.
Nilai variogram untuk zona yang berbeda memiliki bentuk sama,
tetapi nilai sill berbeda satu sama lain.
Nilai sill menjadi sebanding dengan nilai-menengah local, sementara
model variogram sebenarnya (underlying) dapat diperoleh dengan
membagi setiap variogram lokal dengan kuadrat nilai menengah
lokal dan merata-ratakannya sebelum disesuaikan (fitted) dengan
sebuah model variogram.
Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 28 / 31
Efek lubang (hole effect) dan perulangan (periodicity)

Dari nol ke tak hingga ada berbagai sifat variogram, mulai dari
struktur terkurung, efek lubang (hole effect), dan perulangan
(periodicity).
hole effect muncul pada kondisi dimana suatu saat variogram
eksperimental meningkat di atas nilai sill kemudian jatuh. · · · →
Efek ini berhubungan dengan adanya lubang pada kovariansi.
Secara alamiah, efek lubang disebabkan oleh fluktuasi variogram
atau fluktuasi statistik akibat dari kurangnya pasangan titik yang
dipakai untuk menghitung variogram eksperimental tersebut.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 29 / 31
Efek lubang dan perulangan (Cont.)

Lapisan-lapisan yang terlipat dapat menghasilkan suatu

perulangan/periodisitas dalam variogram.
Namun, periodisitas dalam variogram seringkali berupa suatu
artefak akibat aktifitas manusia daripada muncul secara alamiah.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 30 / 31
Next

Model-model Variogram

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 31 / 31
 GD4209
Pengantar Statistik Spasial
Variogram (2)

Dr. Ir. Bambang Setyadji, [Link].

Program Studi Teknik Geodesi & Geomatika
Fakultas Ilmu dan Teknologi Kebumian
Institut Teknologi Bandung

21 Februari 2023
Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 1 / 20
Model-2 Variogram

Sebuah model matematika harus disesuaikan pada variogram,

sebelum dapat dipakai dalam estimasi (interpolasi spasial).
Variogram yang dipilih harus memenuhi suatu kondisi tertentu.
· · · → Kekeliruan dalam memilih variogram dapat menyebabkan
terjadinya variansi negatif.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 2 / 20
Ilustrasi interpolasi spasial

Fungsi estimasi:
Z ∗ (x) = λi Z(xi )
P
i

Pembobotan (weighting), λi :
P
γ(|xi − x|) = γ(|xi − xj |)λi + µ
j
P
1 = λi
i

Variogram, γ(h):
γ(h) = f (C(h, a))

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 3 / 20
Variansi dari suatu kombinasi linier

Estimator-estimator (statistik) biasanya merupakan kombinasi linier

(rata-rata dengan pemberatan/pembobotan), sehingga perlu
dihitung variansinya.
▶ Diketahui variabel stasioner Z(x) dengan kovariansi C(h)
▶ Kombinasi linier Z ∗ adalah
Z∗ =
P
λi Z(xi ) (nilai yang akan di-estimasi)
i
dengan λi adalah pembobotan dan xi adalah lokasi-lokasi sampel.
▶ Perdefinisi, variansinya adalah
Var(Z ∗ ) = E (Z ∗ − E(Z ∗ ))2
Bila nilai menengah Z(x) adalah m, maka E(Z ∗ ) = m
P
▶ λi .
i

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 4 / 20
Model-2 Variogram

▶ Sehingga  2
∗
P
Var(Z ) = E λi (Z(xi ) − m)
i

= λ21 C(x1 − x1 ) + λ22 C(x2 − x2 ) + · · · + λ2n C(xn − xn )

+2λ1 λ2 C(x1 − x2 ) + · · · + 2λn−1 λn C(xn−1 − xn )

atau
Var(Z ∗ ) =
PP
λi λj C(xi − xj )
i j
▶ Nilai Var(Z ∗ ) ini harus positif berapapun titik maupun pembobotannya.
Fungsi C(h) yang memenuhi kondisi ini disebut “definit positif”.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 5 / 20
Model-2 Variogram

Situasi akan berbeda bila muncul kasus variabel intrinsik tetapi

tidak stasioner, dimana variansi untuk kombinasi linier antara
(arbitrary) tidak harus ada. Tetapi, variansi pasti ada untuk
kombinasi linier perubahan/jarak (h), (xi − xj ).
▶ Kombinasi disebut “admissible”, dapat diterima, bila jumlah dari
pembobotannya adalah nol.
P
λi = 0
▶ Setiap kombinasi linier dari penubahan akan memenuhi kondisi ini karena
setiap perubahan tunggal melibatkan bobot -1 dan +1.
▶ Sebaliknya juga, setiap kombinasi yang memenuhi kondisi ini dapat ditulis
sebagai satu kombinasi linier perubahan.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 6 / 20
Model-2 Variogram

Karena kovariansi tidak perlu muncul dalam fungsi acak intrinsik,

maka rumusan harus ditulis dalam bentuk variogram
P  PP
Var λi Z(xi ) = − λi λj γ(xi − xj ).
Karena variansi ini harus non-negatif, maka model variogram harus
memenuhi beberapa kondisi:
▶ Untuk suatu himpunan titik-titik x1 , x2 , . . . , xn , terdapat
P suatu himpunan
pembobotan λ1 , λ2 , . . . , λn , sedemikian rupa sehingga λi = 0, dan
disyaratkan
PP
− λi λj γ (xi − xj ) ≥ 0
selanjutnya, −λ ini disebut sebagai definit positif kondisional.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 7 / 20
Model-2 Variogram

▶ Kondisi ini lebih lemah daripada kovariansi sebelumnya, yang harus

mengakomodir semua bobot yang mungkin, karena kovariansi ini hanya
harus mengakomodir himpunan bobot yang jumlahnya nol. konsekwensinya,
kelas variogram “admissible” lebih kaya dibandingkan untuk kovariansi.
▶ Ko-variogram ini mengandung variogram terbatas (bounded variogram)
yang berhubungan dengan kovariansi dan juga yang tanpa batas yang tidak
memiliki pasangan kovariansi.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 8 / 20
Model-2 Variogram

Kesimpulan: ada trade-off antara kedua hipotesa.

▶ Hipotesa intrinsik memperbolehkan penggunaan variogram dengan rentang
lebar, tetapi jumlah pembobotan harus nol.
▶ Rentang model variogram admissible lebih terbatas untuk hipotesa
stasioner tetapi dengan bobot berapa saja.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 9 / 20
Model-2 Variogram Teoritis

(Bayram Ali Mert* and Ahmet Dag, 2017)

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 10 / 20
Model Nugget (Nugget effect)


0 h=0
γ(h)
 C |h| > 0

Model ini berhubungan dengan fenomena yang murni acak (white

noise) dengan tanpa-korelasi antar nilai-nilainya.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 11 / 20
Model bola (Spherical model)

  
 C 23 |h| 1 |h|3
a − |h| < a

2 a3
γ(h)

C |h| ≥ a

model yang paling umum dipakai. Model ini menggunakan ekspresi polinomial yang
sederhana dan bentuknya sesuai dengan berbagai jenis fenomena yang diamati: Satu
pertumbuhan yang hampir linier sampai pada satu jarak tertentu, kemudian tercapai
stabilitas. Garis singgung (tangen) pada titik asal (origin) berpotongan dengan sill
√
pada satu titik dengan absis 2a 3.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 12 / 20
Model eksponensial (Exponential model)
 
(− |h| )
γ(h) = C 1 − e a

Range praktis untuk model ini adalah 3a, karena nilai ini adalah jarak
ketika nilai batas mencapai 95%. Garis singgung di titik asal memotong
nilai sill pada satu titik dengan absis a. Dibandingkan dengan model
spherical, model eksponensial pada awalnya meningkat lebih cepat tetapi
hanya mengarah pada sill namun tidak betul-betul mencapai nilai
tersebut.
Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 13 / 20
Fungsi pangkat (Power functions)

γ(h) = C|h|α , dengan 0 < α ≤ 2

model linier γ(h) = |h| adalah satu kasus khusus.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 14 / 20
Model Gaussian (Gaussian model)

  2 
− |h|
γ(h) = C 1 − e a2

Range praktis adalah 1.73a. Model ini menggambarkan fenomena yang

sangat kontinyu. Hasil eksperimen memperlihatkan bahwa
ketidakstabilan secara numeris seringkali muncul bilamana digunakan
tanpa efek nugget.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 15 / 20
Model kubus (Cubic model)


 C (7r2 − 8.75r3 + 3.5r5 − 0.757 ) r < 1
γ(h)
C yang lain


r = h/a
Model ini memiliki sifat parabolik di titik asal dan secara umum mirip
dengan model gaussian, kecuali bahwa model ini tidak diferensiabel
secara tak terbatas,

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 16 / 20
Model efek lubang 2D (2D hole effect model)

 
(−|r|)
γ(h) = C 1 − e J0 (2πr2 )

dengan r = h/2, r2 = h/λ, dan J0 adalah fungsi Bessel. Nilai λ

mengatur magnitude efek lubang.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 17 / 20
Model sinus Cardinal (Cardinal sine model)

 
sin r
γ(h) = C 1 −
|r|

dengan r = h/a. Model ini termasuk model yang langka, dengan sebuah
efek lubang 3D, dan berhubungan dengan struktur yang kontinyu.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 18 / 20
Model Prismato

Model Prismato-magnetic
 
1
γ(h) = C 1 − (1+r2 )1.5
dengan r = h/a

Model Prismato-gravimetric
 
1
γ(h) = C 1 − (1+r2 )0.5
dengan r = h/a

Kedua model ini dipakai untuk memodelkan jenis data anomali

gravimetris atau magnetik.
Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 19 / 20
Next

Variogram Eksperimental

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 20 / 20
 GD4209
Pengantar Statistik Spasial
Variogram (3)
Variogram Eksperimental

Dr. Ir. Bambang Setyadji, [Link].

Program Studi Teknik Geodesi & Geomatika
Fakultas Ilmu dan Teknologi Kebumian
Institut Teknologi Bandung

21 Februari 2023
Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 1 / 16
Variogram Eksperimental
Variogram eksperimental adalah variogram yang dihitung/diturunkan
dari data ukuran menggunakan formulasi:
N (h)
1 X
⋆
γ (h) = [Z(xi + h) − Z(xi )]2
2N (h) i=1

dengan:
xi : lokasi-lokasi sampel,
Z(xi ) : nilai/data terkait posisi xi , dan
N (h) : banyaknya pasangan data/posisi (xi , xi + h) berjarak h.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 2 / 16
Variogram Eksperimental

Formulasi ini mudah diterapkan bilamana sampel terletak pada

posisi yang berjarak tetap (berpola reguler) dalam 1-dimensi,
misalnya pada suatu profil transek atau seismik.
Jika ada sampel yang hilang dari pola reguler, maka nilainya tidak
boleh di-interpolasi dengan nilai rata-rata tetangganya ataupun
diisi dengan angka nol, karena akan mendistorsi variabilitas yang
sesungguhnya.
Jika data tidak berada pada pola posisi yang regular, maka
variogram dihitung untuk kelas-kelas jarak dengan toleransi
tertentu, biasanya 50%, untuk melingkupi semua jarak yang
memungkinkan.
Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 3 / 16
Contoh variogram eksperimental 1-D

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 4 / 16
Variogram Eksperimental 1D

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 5 / 16
Variogram Eksperimental Pada bidang datar (2-D)

Jika data berada pada ruang 2-Dimensi, maka variogram dihitung

paling sedikit ke empat arah/jurusan untuk memeriksa kondisi
anisotropisnya.
▶ Tentukan arah-arah/jurusan-jurusan utama dan toleransinya, kemudian
▶ Tentukan variogram lag dan toleransinya,
▶ Hitung variogram untuk setiap kelas jurusan yang dipilih.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 6 / 16
Contoh variogram eksperimental 2-D

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 7 / 16
Variogram Eksperimental

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 8 / 16
Contoh variogram eksperimental 3-D

Jika sampel berada pada ruang 3-Dimensi, tahapan yang digunakan

pada model ruang 2-dimensi dapat digunakan.
Tetapi, seringkali variasi pada arah vertikal lebih beragam daripada
pada arah horisontal.
Sehingga lebih masuk akal bilamana digunakan tahapan untuk
2-dimensi pada setiap strata/lapisan. · · · → Ruang 2.5D (two and
a half dimensions).

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 9 / 16
Variogram cloud - Plotting Variogram

Cara standar → Plot rata-rata perbedaan kuadrat (γ ⋆ (h)) vs

kelas jarak (h),
Keuntungan: mensintesa semua informasi
dalam satu titik per-kelas. Tetapi kehilangan
detail.
Awan variogram → Plot “awan” setiap perbedaan kuadrat
([Z(xi + h) − Z(xi )]2 ) vs kelas jarak (h)
Keuntungan: memperlihatkan efek outlier den-
gan jelas.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 10 / 16
Variogram Eksperimental

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 11 / 16
Beberapa Masalah pada variogram eksperimental

Pencilan (Outliers),

lonjakan pseudo-periodik,

artefak.

(Margaret Armstrong, Basic Linear Geostatistics)

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 12 / 16
Variogram Eksperimental

Sifat-sifat utama fenomena yang penting:

efek nugget, C0 , → ekstrapolasi mundur ke titik nol,
slope/kemiringan di titik asal (origin), C(h), → diturunkan dari 3
atau 4 nilai variogram,
nilai range, a, → diturunkan intuitif secara visual,
nilai sill, C0 + C (= γ(h ≥ a)) → nilai variogram mulai stabil, dan
sifat anisotropis → lihat ke semua kelas jurusan.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 13 / 16
Variogram Eksperimental
Secara visual ▶ (-) Subjektif
▶ (+) Bisa mendeteksi berbagai masalah
pada data dan perhitungannya.
▶ (+) Hipotesa intrinsik dan ketidak-
homogenan data bisa terdeteksi

Kuadrat terkecil baku ▶ (-) “blind”

(Least Squares) ▶ (-) Error diasumsikan independent

Maximum likelihood fit ▶ (-) “blind”

▶ (-) Error diasumsikan independent

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 14 / 16
Tahapan aplikasi praktis
1 Pengumpulan dan pemeriksaan data,
▶ Hitung parameter statistik
dasar:
▶ Jika berasal dari data sekunder ⋆ Nilai abnormal atau
⋆ Jenis sampling dan analisis outliers,
yang digunakan serta ⋆ Data tidak homogen
perubahan prosedur (jika ada), (beberapa populasi).
⋆ breakline, atau perubahan
karakteristik zona survei, 2 Hitung variogram eksperimental,
⋆ adakah sampling khusus?
▶ Beberapa batasan: 3 Cocokkan (fit) suatu model
⋆ Model hitungan 3D, 2.5D, variogram,
atau 2D,
⋆ Pembatasan area studi,
variabel pendukung, dan
4 Lakukan interpolasi kriging atau
stationarity. simulasi.

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 15 / 16
Next

Pemetaan: prediksi dan kriging

Dr. Ir. Bambang Setyadji, [Link]. GD4209 - Pengantar Statistik Spasial 21 Februari 2023 16 / 16