KAJIAN AKURASI HASIL INTERPOLASI METODE INVERSE DISTANCE

WEIGHTED

Seniarwan

Pendahuluan

Interpolasi adalah suatu metode atau fungsi matematika yang menduga nilai pada lokasi-

lokasi yang datanya tidak tersedia. Interpolasi spasial mengasumsikan bahwa atribut data bersifat

kontinu di dalam ruang (space) dan atribut ini saling berhubungan (dependence) 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

(bertetangga) atau berada pada radius tertentu akan lebih mirip dari pada nilai pada titik-titik

yang terpisah lebih jauh. Salah satu metode yang sering digunakan adalah metode Inverse

Distance Weighted (IDW).

IDW merupakan salah satu teknik interpolasi yang sering digunakan, karena relatif

mudah untuk diprogram, mudah dimengerti dan memberikan hasil yang cukup akurat (Lam,

1983). IDW memberikan bobot pada data titik (point) yang telah diketahui ketika dilakukan

interpolasi. Akan tetapi penetapan bobot sangat rentan terhadap subjektivitas terutama bila data

yang digunakan dalam bentuk vector-grid atau raster (Trisasongko dan Diar, 2010). Subjektivitas

dalam penetapan bobot dapat dipengaruhi oleh beberapa parameter antara lain penentuan jarak

tetangga atau jarak radius titik-titik yang akan ditetapkan dan ukuran unit data khususnya data

grid.

Adapun tujuan dari studi ini adalah untuk mengetahui perbandingan dan keakurasian nilai

titik tinggi hasil interpolasi IDW berdasarkan perbedaan ukuran grid dan jumlah tetangga

terhadap nilai titik tinggi uji yang telah ditentukan.

Metodolologi

Data yang digunakan dalam

(survei) dalam bentuk format

interpolasi dengan metode IDW. Hasil interpolasi titik tinggi dengan IDW diperoleh dengan

menggunakan software ArcView 3.2

proses interpolasi, terlebih dahulu data titik tinggi dibagi menjadi dua yaitu

testing. Data training digunakan untuk melakukan proses interpolasi sedangkan

digunakan untuk menguji hasil interpolasi.

dalam bentuk format grid (dengan satuan meter).

Gambar 1. Data titik tinggi hasil pengukuran lapangan

Proses interpolasi IDW pada data

perbedaan antara besarnya ukuran grid (

neighbors). Besarnya ukuran grid yang dipilih adalah 30, 50, 100, dan 150. Sedangkan jumlah

tetangga yang dipilih adalah 5, 10, 15, dan 20. Kemudian hasil interpolasi dari masing

perlakuan tersebut dibandingkan

keakurasian hasil interpolasi, maka dilakukan analisis korelasi antara nilai setiap perlakuan

terhadap nilai data testing.

Data yang digunakan dalam studi ini adalah data titik tinggi hasil

dalam bentuk format shapefile (shp). Data tersebut digunakan untuk

IDW. Hasil interpolasi titik tinggi dengan IDW diperoleh dengan

ArcView 3.2 dan ekstensi Spatial Analyst 2.0a.

proses interpolasi, terlebih dahulu data titik tinggi dibagi menjadi dua yaitu

digunakan untuk melakukan proses interpolasi sedangkan

digunakan untuk menguji hasil interpolasi. Hasil interpolasi IDW yang

dalam bentuk format grid (dengan satuan meter).

Gambar 1. Data titik tinggi hasil pengukuran lapangan

Proses interpolasi IDW pada data training dilakukan dengan membuat beberapa

besarnya ukuran grid (output grid cell size) dan jumlah tetangga (

). Besarnya ukuran grid yang dipilih adalah 30, 50, 100, dan 150. Sedangkan jumlah

tetangga yang dipilih adalah 5, 10, 15, dan 20. Kemudian hasil interpolasi dari masing

perlakuan tersebut dibandingkan dengan data titik tinggi pada data testing

keakurasian hasil interpolasi, maka dilakukan analisis korelasi antara nilai setiap perlakuan

ini adalah data titik tinggi hasil pengukuran lapangan

. Data tersebut digunakan untuk membuat

IDW. Hasil interpolasi titik tinggi dengan IDW diperoleh dengan

dan ekstensi Spatial Analyst 2.0a. Sebelum melakukan

proses interpolasi, terlebih dahulu data titik tinggi dibagi menjadi dua yaitu data training dan data

digunakan untuk melakukan proses interpolasi sedangkan data testing

yang dilakukan tersimpan

Gambar 1. Data titik tinggi hasil pengukuran lapangan

dilakukan dengan membuat beberapa

) dan jumlah tetangga (no. of

). Besarnya ukuran grid yang dipilih adalah 30, 50, 100, dan 150. Sedangkan jumlah

tetangga yang dipilih adalah 5, 10, 15, dan 20. Kemudian hasil interpolasi dari masing-masing

data testing. Untuk mengetahui

keakurasian hasil interpolasi, maka dilakukan analisis korelasi antara nilai setiap perlakuan

Perbandingan Nilai dan Uji Akurasi

Perbandingan nilai tinggi antara data testing dan hasil interpolasi dengan berbagai

perlakuan disajikan pada Tabel 1. Berdasarkan hasil analisis korelasi antara nilai setiap

perlakuan terhadap nilai data testing diketahui bahwa perlakuan yang memiliki akurasi yang

tinggi adalah ukuran grid 50 dan jumlah tetangga 5 dengan perolehan koefisien korelasi (R )

yaitu 0,9544 serta koefisien determinasi (R2) yaitu 0,9108. Hubungan antara nilai R2 setiap

perlakuan terhadap ukuran grid dan jumlah tetangga dapat dilihat dengan scatter plot seperti

pada Gambar 3 dan 4. Hubungan antara nilai R2 setiap perlakuan terhadap ukuran grid

menunjukkan bahwa ukuran grid yang dapat digunakan dengan nilai R2 yang tinggi berada pada

selang antara 50 sampai 100 dengan menggunakan jumlah tetangga 5. Sedangkan hubungan

antara nilai R2 setiap perlakuan terhadap jumlah tetangga menunjukkan bahwa semakin tinggi

jumlah tetangga maka nilai R2 yang diperoleh semakin rendah.

Dalam pengaplikasiannya metode interpolasi IDW juga dapat dilakukan berdasarkan

jarak radius, selain jumlah tetangga. Selain itu penggunaan power juga mempengaruhi hasil

interpolasi, baik berdasarkan jarak radius maupun jumlah tetangga. Menurut Pramono (2008)

power dapat digunakan untuk menentukan pentingnya nilai sampel data pada perhitungan

interpolasi. Power yang lebih tinggi akan menjadikan kurangnya pengaruh dari sampel data

sekitarnya dan hasil interpolasi menjadi lebih detail. Pada studi ini digunakan nilai power yang

sama pada semua perlakuan yaitu 2 (nilai default ArcView). Trisasongko dan Diar (2010)

menambahkan bahwa parameter lainnya dalam metode IDW adalah barrier. Barrier adalah

parameter opsional yang ditujukan untuk memasukkan informasi pembatas interpolasi yang

secara umum lebih mendekati kenyataan di lapangan. Berdasarkan hal-hal tersebut diperlukan

studi lebih lanjut untuk mengetahui keakurasian hasil interpolasi IDW dengan

mempertimbangkan semua parameter yang terkait.

Gambar 2. Hasil interpolasi dengan menggunakan ukuran grid 50 dan jumlah tetangga 5

Tabel 1. Perbandingan nilai tinggi antara data testing dan hasil interpolasi dengan berbagai perlakuan serta analisis korelasi masing-masing perlakuan.

Testing Estimator (Ukuran Grid,JumlahTetangga)

30,5 30,10 30,15 30,20 50,5 50,10 50,15 50,20 100,5 100,10 100,15 100,20 150,5 150,10 150,15 150,20

250 260 249 252 251 260 249 252 251 260 249 253 251 260 249 252 251

250 256 255 257 254 256 255 257 254 257 255 257 254 256 255 257 254

50 51 47 45 46 51 47 45 46 51 47 45 46 50 47 45 46

75 55 60 57 57 54 59 57 56 55 60 58 57 54 59 57 56

100 89 100 94 88 89 100 94 88 88 100 94 88 86 98 93 87

150 165 162 161 161 165 162 161 161 164 161 160 160 170 168 168 168

50 59 69 71 69 59 62 71 68 59 63 71 68 59 60 71 68

100 85 63 81 81 85 83 81 81 86 84 82 82 86 84 82 82

408 316 286 266 257 317 287 267 257 315 286 266 257 315 285 266 257

125 172 170 169 168 172 170 169 168 172 169 168 167 172 169 168 167

R 0,9540 0,9287 0,9118 0,9023 0,9544 0,9367 0,9122 0,9028 0,9539 0,9364 0,9120 0,9028 0,9514 0,9340 0,9096 0,9002

R2 0,9101 0,8626 0,8313 0,8141 0,9108 0,8775 0,8321 0,8151 0,9100 0,8769 0,8318 0,8151 0,9051 0,8724 0,8274 0,8103

Signifikansi t (0,05)

Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid

Gambar 3. Hubungan Ukuran grid terhadap nilai R2 hasil interpolasi pada setiap perlakuan

Gambar 4. Hubungan Jumlah tetangga terhadap nilai R2 hasil interpolasi pada setiap perlakuan

0.8

0.82

0.84

0.86

0.88

0.9

0.92

0 50 100 150 200

R2

Ukuran Grid

5

10

15

20

0.8

0.82

0.84

0.86

0.88

0.9

0.92

0 5 10 15 20 25

R2

Jumlah Tetangga

30

50

100

150

Kesimpulan

Keakurasian nilai titik tinggi hasil interpolasi IDW dipengaruhi oleh penentuan ukuran grid dan jumlah tetangga. Hasil analisis korelasi antara nilai titik tinggi hasil interpolasi IDW setiap perlakuan terhadap nilai titik tinggi uji (data testing) menunjukkan bahwa semakin tinggi jumlah tetangga yang digunakan maka nilai R2 yang diperoleh semakin rendah. Perlu dilakukan studi lebih lanjut untuk melihat keakurasian secara maksimal hasil interpolasi IDW dengan mempertimbangkan semua parameter yang terkait.

Daftar Pustaka

Anderson, S., 2001. An Evaluation of Spatial Interpolation Methods on Air Temperature in Phoenix. Department of Geography, Arizona State University Tempe.

Pramono, Gatot H. (2008) Akurasi Metode IDW Dan Kriging Untuk Interpolasi Sebaran Sedimen Tersuspensi Di Maros, Sulawesi Selatan. Forum Geografi, 22 (1). pp. 145-158.

Lam, N. S. (1983), Spatial interpolation methods review. The American Cartographer 10: 129-149.

Trisasongko, Bambang H. dan Diar Shiddiq, 2010. Manajemen dan Analisis Data Spasial dengan Arcview GIS. Bagian Penginderaan Jauh dan Informasi Spasial. Departemen Ilmu Tanah dan Sumberdaya Lahan. IPB.