MATERI IV

ANALISIS GEOSTATISTIK

(GEOSTATISTICS ANALYSYS)

I. TUJUAN

1. Menjelaskan pemahaman tentang konsep analisis geostatistik.

2. Memberikan keterampilan terkait fungsi dan operasi pada SIG berupa teknik

interpolasi data yang merupakan bagian teknis dari analisa geostatistik.

II. ALAT

1. Perangkat komputer (PC atau notebook)

2. Software ArcGIS 9.3 atau ArcGIS 10.

III. BAHAN

1. Data spasial administrasi kabupaten

2. Data spasial jaringan jalan dan sungai

3. Data titik elevasi (altimeter)

4. Data intensitas hujan (point rainfall)

5. Data titik-titik pusat pencemaran

IV. DASAR TEORI

a. Interpolasi dalam Analisis Geostatistik

Analisis geostatistik adalah kumpulan metode yang memungkinkan untuk

memperkirakan nilai pada suatu lokasi dimana pada lokasi tersebut tidak ada sampel

yang diambil dan juga untuk menilai ketidakpastian dari perkiraan (ESRI, 2001).

Fungsi-fungsi ini sangat penting dalam banyak proses pengambilan keputusan,

karena dalam prakteknya tidak mungkin untuk mengambil keseluruhan sampel di

setiap lokasi kajian. Secara umum fungsi analisis geostatistik yakni membangun

wujud model tentang suatu fenomena.

Salah satu fitur penting dari geostatistik adalah bahwa fenomena yang akan

digambarkan tidak harus diambil nilai (tidak harus diukur) di setiap lokasi pada unit

kajian. Misalnya dalam contoh kasus pencemaran, untuk menggambarkan distibusi

pencemaran pada suatu wilayah tidak harus mengambil semua sampel dari setiap

lokasi pada unit kajian, namun dengan metode analisis geostatistik distribusi tersebut

akan dapat tergambarkan secara matemati, atau dengan kata lain metode matematis

tersebut dikatakan sebagai sebuah teknik interpolasi. Secara sederhana konsep

analisis tersebut digambarkan pada gambar sebagai berikut.

Misalkan persegi panjang berikut sebagai wilayah studi yang akan kaji. Lokasi

spasial dalam wilayah studi di simbolkan oleh huruf (S), dimana setiap lokasi

tertentu memilki variasi nilai yang digambarkan oleh simbol angka (1, 2, 3, dst).

Gambar 4.1 Contoh Konsep dalam Metode Interpolasi

Dalam contoh gambar di atas, misalkan untuk memprediksi nilai pada lokasi

S0 (berwarna merah), dengan analisis geostatistik maka nilai pada lokasi yang

diprediksi (S0) dapat diketahui melalui pendekatan matematis terhadap masing-

masing nilai pada lokasi S1, S2, sampai S7. Teknik demikian dinamakan interpolasi.

Secara statistik, nilai-nilai yang sering digambarkan dalam interpolasi meliputi

beberapa tipe nilai yakni sebagai berikut (ESRI, 2001) :

Continuous Semua bilangan cacah (misal: -1, 4789, 10.965, 6891)

Integer (misal: -2, -1, 0, 1, 2,)

Ordered categorical - Kategori tersusun (misal: rendah, sedang, tinggi)

Unordered categorical Kategori tidak tersusun /acak (misal: hutan,

pertanian, perkotaan)

Binary (misal: 0 atau 1)

b. Metode Interpolasi dalam Sistem Informasi Geografis (SIG)

Dalam analisis geostatistik terdapat banyak metode interpolasi yang ada,

namun dalam operasi Sistem Informasi Geografis hanya ada beberapa metode yang

ditawarkan. Beberapa metode yang ada dipilih dengan alasan bahwa metode tersebut

cukup fleksibel dan dapat mengakomodasi aspek yang berbeda dari data sampel.

Pada teknis operasi SIG, interpolasi selalu diwujudkan dengan perwujudan

data raster, karena data raster lebih representatif dalam menunjukkan suatu besaran

nilai dibanding vektor (ESRI, 2001). Misalkan sebagai berikut, interpolasi

memprediksi nilai untuk setiap piksel dalam data raster dari sejumlah titik data

sampel yang ada. Dengan demikian hal ini dapat digunakan untuk memprediksi nilai

yang tidak diketahui untuk setiap data geografis, seperti elevasi, sebaran curah hujan,

konsentrasi polutan, tingkat kebisingan, dan sebagainya.

Adapun metode interpolasi yang tersedia dalam operasi SIG (ArcGIS) adalah

sebagai berikut :

1. IDW

IDW (Inverse Distance Weighted) adalah metode interpolasi yang

memperkirakan nilai sel dengan rata-rata nilai-nilai titik data sampel di sekeliling sel

yang diproses. Titik terdekat adalah pusat dari sel yang diperkirakan, semakin

banyak titik terdekat yang memebrikan pengaruh maka nilai akan diproses secara

rata-rata.

2. Kriging

Kriging merupakan prosedur geostatistik canggih yang menghasilkan

gambaran permukaan yang diperkirakan dari satu set titik yang tersebar dengan nilai

tertentu (nilai-z). Lebih daripada metode interpolasi lain, Kriging dapat melalukan

penyelidikan menyeluruh terhadap perilaku spasial dari fenomena yang diwakili oleh

nilai-z, namun demikian harus dilakukan pemilihan metode estimasi nilai yang akan

diproses untuk menghasilkan luaran (output) yang terbaik.

3. Natural Neighbour

Interpolasi Natural Neighbour digunakan untuk menemukan nilai terdekat

terhadap titik sampel masukan ke titik tujuan dan berlaku bobot terhadap kedua titik

tersebut berdasarkan daerah proporsional untuk menginterpolasi nilai (Sibson, 1981).

Hal ini juga dikatakan oleh Sibson sebagai "area-stealing" interpolasi.

4. Spline

Spline menggunakan metode interpolasi yang memperkirakan nilai dengan

menggunakan fungsi matematika yang meminimalkan kelengkungan permukaan

(surface) secara keseluruhan, sehingga dapat menghasilkan luaran permukaan

(surface) yang lebih halus dan melewati tepat melalui titik input.

5. Topo to Raster

Topo to Raster menggunakan teknik interpolasi khusus yang dirancang untuk

menciptakan permukaan (surface) yang lebih akurat. Penerapan metode ini

digunakan untutk menghasilkan permukaan (surface) yang dapat mewakili kondisi

drainase alami dan juga dapat menghasilkan luaran model topografis yang lebih

akurat dari masukan data berupa data kontur.

6. Trend

Trend adalah interpolasi polinomial global yang cocok dengan model

permukaan (surface) yang relatif halus. Prinsip metode ini menerapkan oleh fungsi

matematika (polinomial) terhadap nilai titik sampel masukan (input). Model

permukaan (surface) yang dihasilkan metode Trend dapat merubah skala secara

bertahap terhadap pola data.

c. Aplikasi Metode Interpolasi

Berikut beberapa contoh aplikasi dari metode interpolasi dalam SIG. Ilustrasi yang

disertakan akan menunjukkan distribusi dan nilai-nilai dari titik sampel serta luaran

model raster yang dihasilkan oleh metode interpolasi tersebut.

Interpolasi Sebaran Curah Hujan

Input di sini adalah berupa titik (point feature) yang memiliki tingkat nilai

curah hujan, yang ditunjukkan oleh ilustrasi di sebelah kiri. Ilustrasi di sebelah kanan

menunjukkan raster yang diinterpolasi dari titik-titik pada gambar sebelah kiri. Nilai-

nilai piksel yang tidak diketahui diperkirakan dengan rumus matematika yang

menggunakan pendekatan terhadap nilai-nilai titik terdekat.

Gambar 4.2 Ilustrasi Interpolasi untuk Analisis Sebaran Curah Hujan

Data titik-titik curah hujan masukan Model permukaan yang dihasilkan

Interpolasi Ketinggian Permukaan (Elevasi)

Pada konteks ini aplikasi interpolasi yaitu untuk menciptakan model

ketinggian permukaan (elevasi) dari beberapa titik sampel masukan. Dalam grafik

berikut, setiap simbol titik dalam layer menunjukkan lokasi dimana titik sampel

ketinggian telah diukur. Dengan teknik interpolasi, nilai-nilai untuk setiap sel (yang

belum diketahui) antara titik-titik masukan akan dapat diprediksi.

Gambar 4.3 Ilustrasi Interpolasi untuk Analisis Profil Ketinggian Permukaan

Interpolasi Distribusi Konsentrasi

Dalam contoh di bawah, aplikasi teknik interpolasi digunakan yakni untuk

mengetahui korelasi konsentrasi ozon (O3) terhadap penyakit paru-paru di suatu

kawasan terlarang. Gambar di sebelah kiri menunjukkan lokasi stasiun pemantauan

ozon. Gambar pada bagian kanan model permukaan (surface) yang menunjukan

prediksi untuk setiap lokasi di kawasan terlarang. Model permukaan (surface)

diperoleh menggunakan teknik Kriging.

Gambar 4.4 Ilustrasi Interpolasi untuk Prediksi Persebaran Penyakit

Data titik-titik ketinggian masukan Model ketinggian permukaan yang dihasilkan

Data titik lokasi stasiun pengukuran Ozon Model prediksi sebaran penyakit

V. LANGKAH KERJA

1. Buka program ArcCatalog kemudian copy file Materi Interpolasi kedalam folder

kerja anda.

2. Pastikan folder Materi Interpolasi berisi sub-folder berikut file .shp dengan nama

Elevasi, Hujan, dan Polusi.

3. Selanjutnyabuat personal geodatabase di dalam folder Materi Interpolasi tersebut

dengan nama geodatabase Analisis.

4. Setelah langkah 1-3 selesai kemudian buka program ArcMap dan buat project baru.

5. Berikutnya munculkan semua file .shp yang ada pada folder Materi Interpolasi

pada jendela view.

6. Masing-masing feature tentu memiliki metode interpolasi yang berbeda, untuk itu

dimulai dari teknis analisa yang pertama yakni analisis sebaran curah hujan.

Metode Kriging

7. Langkah pertama aktifkan (centang) feature Titik_Hujan dan feature Kab.Grobogan

pada kolom jendela Table of Contents.

8. Selajutnya buka menu ArcToolbox

Spatial Analysis Tools

Interpolation Kriging

9. Setelah memilih menu kriging maka akan muncul jendela baru, kemudian masukan

Input Point Feature dengan file Titik_Hujan.

10. Selanjutnya masukan pula Z Value Field dengan kolom Curah_Hujan.

11. Isikan output Surface Raster ke dalam geodatabase Analisis pada folder kerja anda,

kemudian beri nama output dengan nama Hujan_Kriging.

12. Pada menu Semivariogram Properties atur konfigurasi sebagai berikut :

Kriging Method : Ordinary

Semivarogram Model : Exponential

13. Biarkan kolom Output Cell Size dan kolom selanjutnya (optional) berada pada kondisi

standart (default) kemudian klik OK dan tunggu proses sampai selesai.

14. Lihat luaran raster surface hasil interpolasi kriging.

15. Setelah luaran output surface muncul di jendela view kemudian atur gradasi warna

dengan langkah sebagai berikut : Klik Feature Properties Color Ramp.

16. Masih pada jendela Properties, untuk mengatur kelas interval klik Classify setelah

muncul jendela Classify pilih metode klasifikasi (untuk analisa ini gunakan Equal

Intervals dengan 6 Kelas) terakhir klik OK.

17. Lihat hasil dari luran surface raster yang sudah anda buat.

18. Kemudian munculkan (centang) feature Kab_Grobogan, buat symbology feature

supaya warna outline-nya saja yang nampak (fill : hollow), dan munculkan label

kecamatan dari feature tersebut.

Catatan :

Pada langkah teknis ini (Kriging) analisis dilakukan melalui prosedur matematis

dengan melakukan pendekatan Statistik Semivariogram.

Semivariogram dalam Kriging dibagi menjadi 2 metode :

- Ordinary (nilai variabel disusun menurut fungsi matematika yaitu : fungsi

polinomial, fungsi linear, fungsi kecembungan parabola, maupun fungsi

ekponensial).

- Universal (nilai variabel disusun berdasar fungsi linear khusus yaitu : fungsi

penyimpangan garis, dan fungsi penyimpangan kuadran).

Metode Spline

19. Masih pada features yang sama, Titik_Hujan dan Kab_Grobogan.

20. Berikutnya buka kembali menu

ArcToolbox Spatial Analysis

Tools Interpolation pilih Spline.

21. Kemudian akan muncul kotak dialog baru sebagai berikut.

22. Masukkan Titik_Hujan pada kolom input point features, kemudian isikan parameter

Curah_Hujan pada kolom Z Value Field

23. Simpan Output Raster di geodatabase pada folder kerja anda dan beri nama output

Hujan_Spline, untuk kolom yang lainya biarkan default, kemudian klik OK.

24. Setelah proses selesai maka akan muncul luaran Raster kurang lebih seperti pada

halaman selanjutnya.

25. Selanjutnya atur gradasi warna dan kelas interval menjadi 6 kelas (Lihat langkah kerja

pada nomor 15 & 16).

26. Berikutnya munculkan kembali feature Kab_Grobogan seperti pada langkah kerja

nomor 18.

27. Kemudian secara visual (kualitatif) bandingkan hasilnya dengan hasil Metode Kriging

yang sudah anda buat sebelumnya. Anda analisa lebih lanjut dengan membandingkan

luaran nilai variabelnya.

28. Diantara hasil kedua metode tersebut adakah perbedaan ??!

Metode Inverse Distance Weighted (IDW)

29. Pada langkah analisis ini feature yang digunakan yakni Titik_Elevasi yang

berpasangan dengan feature Kab_Wonosobo, pastikan kedua feature tersebut aktif

(centang).

30. Langkah berikutnya yakni kembali ke menu ArcToolbox Spatial Analysis Tools

Interpolation pilih IDW.

31. Maka akan muncul kotak dialog sebagai berikut.

32. Kemudian isikan kolom input point feature dengan Titik_Elevasi Z Value Field isi

dengan Elevation Output Raster simpan di geodatabase analisis anda dan beri

nama Elevasi_IDW OK.

33. Setelah proses selesai maka akan muncul luaran sebagai berikut.

34. Langkah selanjutnya atur lagi gradasi warnanya (color ramp).

35. Untuk kelas interval klasifikasikan menurut kruteria lereng yang umum digunakan,

atau atur kelas intervalnya sebagai berikut.

Classes : 7

Method : Manual

Break Value : %

Interval : 3%, 8%, 15%, 30%, 45%, 65%,

Metode Trend

37. Untuk analisa kali ini feature yang digunakan adalah Titik_Polusi dan

Kab_Pemalang.

38. Setelah feature yang dibutuhkan aktif (dicentang) selanjutnya klik kembali menu

ArcToolbox Spatial Analysis Tools Interpolation dan pilih Trend.

39. Maka akan muncul kotak dialog sebagai berikut.

40. Isikan kolom Input Feature dengan : Titik_Polusi ; Z Value Field : TgktPolusi ;

Output Raster : simpan pada geodatabase Analisis dan beri nama Polusi_Trend.

41. Biarkan kolom selanjutnya dalam kondisi standar (default) lalu klik OK.

42. Setelah output surface muncul , selanjutnya atur gradasi warna dan kelas interval

menjadi 5 kelas. Maka hasilnya kurang lebih demikian.

43. Kemudian munculkan Kab_Pemalang dan atur symbology-nya seperti aturan

langkah kerja nomor 18.

44. Lihat hasil-nya kemudian anda amati secara detil.

45. Adakah yang jauh berbeda ??!

Metode Natural Neighbor

46. Untuk analisa dengan metode Natural Neighbor tetap gunakan feature Titik_Polusi

beserta pasanganya Kab_Pemalang.

47. Langkah pertama diawali dengan membukan menu menu ArcToolbox Spatial

Analysis Tools Interpolation dan pilih Natural Neighbor.

48. Selanjutnya akan muncul kotak dialog sebagi berikut.

49. Atur parameter sesuai contoh, Input Point Feature : Titik_Polusi, Z Value Field :

TgktPolusi , Output : simpan di geodatabase Analsis beri nama Polusi_Neighbor.

50. Setelah anda klik OK, maka akan muncul hasil sebagai berikut.

51. Atur kembali gradasi warna dan kelas interval-nya menjadi 5 kelas (equal interval).

52. Raster yang dihasilkan kurang lebih seperti contoh pada halaman selanjutnya.

53. Kemudian langkah terakhir munculkan (centang) feature Kab_Pemalang , dan atur

symbology seperti pada langkah kerja nomor 18, dan berikut hasilnya.

54. Selanjutnya anda cermati hasil luaran surface raster tersebut dan anda bandingkan

dengan hasil luaran dari metode IDW. Apakah sama ??!

55. Setelah langkah kerja selesai pastikan hasil kerja ini anda simpan sebagai Project

(Save Project), beri nama Interpolasi kemudian anda simpan pada folder kerja anda.

56. Jangan lupa untuk mengasilkan luaran peta yang representatif, masing-masing hasil

metode yang sudah dikerjakan anda Layout seperti pada materi sebelumnya.

VI. TUGAS ANALISIS (Kelompok)

1. Lakukan masing-masing metode interpolasi untuk Kajian Sebaran Polusi Udara.

2. Gunakan feature Titik_Polusi beserta feature Kab_Pemalang.

3. Terapkan semua metode interpolasi yang sudah dicontohkan (Kriging, Spline, IDW,

Trend, dan Natural Neighbor).

4. Bandingkan hasil luaran dari masing-masing metode, kemudian uraikan dengan kata-

kata anda sendiri disertai perbandingan luaran nilai variabel-nya.

5. Jika semua langkah anda benar, maka anda akan memahami kegunaan dari masing-

masing metode interpolasi.

G o o d l u c k ! ! !