Laporan geostatistik

MEMBUAT PETA PERSEBARAN CURAH

HUJAN MENGGUNAKAN METODE

THIESSEN, IDW, DAN SPLINE

KELOMPOK VI:

RESKI KURNIAWAN

NURUL ALFIAH ARNA

ZUHAA FACHRANI

IKAWATI BASRI

PROGRAM STUDI GEOFISIKA JURUSAN FISIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS HASANUDDIN

2014

KATA PENGANTAR

Bismillahirrahmanirrahim. Tiada kata yang lebih indah selain puji dan

syukur yang hanyalah tercurah kepada Allah SWT, yang memberi penulis rahmat

serta karunia sehingga penulisan laporan geostatistik dapat terselesaikan, salawat

serta salam semoga senantiasa tercurah kepada Nabi Muhammad SAW yang

telah membawa umat manusia kepada jalan yang diridhaiNya.

Dengan terselesaikannya laporan geostatistik ini penulis ingin

berterimakasih kepada kedua orangtua penulis, dan kepada dosen yang

membimbing mata kuliah geostatistik.

Dalam penulisan laporan geostatistik ini disadari masih banyak

kekurangan dan jauh dari kesempurnaan, karenanya kritik dan saran sangat

diharapkan. Walau begitu penulis tetap barharap agar laporan geostatistik ini

dapat bermanfaat. Aamiin…

Makassar, Desember 2014

Penulis

DAFTAR ISI

KATA PENGANTAR …………………………………………………….

DAFTAR ISI …………………………………………………………………….

BAB I TINJAUAN PUSTAKA …………………………………………….

Metode thiessen …………………………………………………….

Metode IDW …………………………………………………………….

Metode Spline …………………………………………………………….

BAB II METODOLOGI …………………………………………………….

Alat dan bahan …………………………………………………….

Jenis,format, dan sumber data …………………………………………….

Langkah-langkah kerja …………………………………………….

BAB III HASIL ANALISIS …………………………………………………….

BAB IV KESIMPULAN …………………………………………………….

DAFTAR PUSTAKA …………………………………………………………….

LAMPIRAN …………………………………………………………………….

BAB I

TINJAUAN PUSTAKA

Data hujan yang diperoleh dari alat penakar hujan merupakan hujan yang terjadi

hanya pada satu tempat atau titik saja (point rainfall). Mengingat hujan sangat

bervariasi terhadap tempat (space), maka untuk kawasan yang luas, satu penakar

hujan belum dapat menggambarkan hujan wilayah tersebut. Dalam hal ini

diperlukan hujan kawasan yang diperoleh dari harga rata-rata curah hujan

beberapa stasiun penakar hujan yang ada di dalam/atau disekitar kawasan tesebut.

Curah hujan setiap hari yang direkam dari stasiun curah hujan digunakan sebagai

masukan untuk pemodelan konsep periode pertumbuhan yang dihitung

berdasarkan curah hujan dengan metode interpolasi spasial(Dewi,2012).

Interpolasi adalah suatu metode atau fungsi matematika yang menduga nilai pada

lokasi-lokasi yang datanya tidak tersedia. Interpolasi spasial mengasumsikan

bahwa attribut data bersifat kontinu di dalam ruang (space) dan attribut ini saling

berhubungan (dependence) secara spasial (Anderson,2001).

Kedua asumsi tersebut mengindikasikan bahwa pendugaan attribut data dapat

dilakukan berdasarkan lokasi-lokasi di sekitarnya dan nilai pada titik-titik yang

berdekatan akan lebih mirip daripada nilai pada titik-titik yang terpisah lebih jauh.

Data curah hujan yang tercatat diproses berdasarkan areal yang mendapatkan

hujan sehingga didapat tinggi curah hujan rata-rata dan kemudian meramalkan

besarnya curah hujan pada periode tertentu. Dalam menentukan Curah Hujan

Areal yang berasal dari pencatatan penakaran curah hujan. Dari pencatatan curah

hujan, kita hanya mendapatkan data curah hujan di suatu titik tertentu (point

rainfall). Jika dalam

suatu areal terdapat beberapa alat penakar atau pencatat curah hujan, maka dapat

diambil nilai rata-rata untuk mendapatkan nilai curah hujan areal(Dewi,2012).

Pengujian metode untuk meramalkan sebaran curah hujan menggunakan aplikasi

berbasis system infromasi geografi yang bisa ditampilkan sebagai peta rata-rata

curah hujan dalam setiap bulannya. Dan hujan setiap hari di setiap bulannya. Zone

curah hujan dalam bentuk poligon melingkupi permukaan curah hujan yang dibuat

berdasarkan metode thiessen., serta statistik curah hujan untuk setiap zone

diestimasikan menggunakan fungsi-fungsi matematika.

Analisis Kawasan Curah Hujan

a. Klasifikasi Tipe Iklim Oldeman

Oldeman membagi iklim menjadi 5 tipe iklim yaitu :

a. Iklim A. Iklim yang memiliki bulan basah lebih dari 9 kali berturut-turut

b. Iklim B. Iklim yang memiliki bulan basah 7-9 kali berturut-turut

c. Iklim C. Iklim yang memiliki bulan basah 5-6 kali berturut-turut

d. Iklim D. Iklim yang memiliki bulan basah 3-4 kali berturut-turut

Berdasarkan urutan bulan basah dan kering dengan ketententuan tertentu

diurutkan sebagai berikut:

a. Bulan basah bila curah hujan lebih dari 200 mm

b. Bulan lembab bila curah hujan 100 – 200 mm

c. Bulan kering bila curah hujan kurang dari 100 mm

A : Jika terdapat lebih dari 9 bulan basah berurutan.

B : Jika terdapat 7 - 9 bulan basah berurutan.

C : Jika terdapat 5 - 6 bulan basah berurutan.

D : Jika terdapat 3 - 4 bulan basah berurutan.

E : Jika terdapat kurang dari 3 bulan basah berurutan.

Pada dasarnya Kriteria bulan basah dan bulan kering yang dipakai Oldeman

berbeda denganyang digunakan oleh Koppen atau pun Schmidt - Ferguson Bulan

basah yang digunakan Oldeman adalah sebagai berikut:

Bulan basah apabila curah hujan lebih dari 200 mm. Bulan Lembab apabila curah

hujannya 100 - 200 mm. Bulan kering apabila curah hujannya kurang dari 100

mm.

Tabel 1. Klasifikasi tipe Iklim Oldeman

Dalam pembuatan peta persebaran curah hujan, pada ArcGis dapat dilakukan

dengan menggunakan beberapa metode yaitu:

1.metode theissen

2. metode IDW

3. metode spline

1.Metode Thiessen Poligon

Rata-rata terbobot (weighted average), masing-masing stasiun hujan ditentukan

luas daerah pengaruhnya berdasarkan poligon yang dibentuk (menggambarkan

garis-garis sumbu pada garis-garis penghubung antara dua stasion hujan yang

berdekatan).

Cara ini diperoleh dengan membuat poligon yang memotong tegak lurus pada

tengah-tengah garis penghubung dua stasiun hujan. Dengan demikian tiap stasiun

penakar Rn akan terletak pada suatu poligon tertentu An. Dengan menghitung

perbandingan luas untuk setiap stasiun yang besarnya = An/A, dimana A adalah

luas daerah penampungan atau jumlah luas seluruh areal yang dicari tinggi curah

hujannya. Curah hujan rata-rata diperoleh dengan cara menjumlahkan pada

masing-masing penakar yang mempunyai daerah pengaruh yang dibentuk dengan

menggambarkan garis-garis sumbu tegak lurus terhadap garis penghubung antara

dua pos penakar.

Cara perhitungannya adalah sebagai berikut:

Keterangan:

A = Luas areal (km2) ,

d = Tinggi curah hujan rata-rata areal ,

d1, d2, d3,...dn = Tinggi curah hujan di pos 1, 2, 3,...n

A1, A2, A3,...An= Luas daerah pengaruh pos 1, 2, 3,...n .

Hasil perhitungan dengan rumus (2-9) lebih teliti dibandingkan perhitungan

dengan rumus (2-8).

Metode Kalkulasi Thiessen Polygons :

Gambar 3. Metode Kalkulasi Thiessen Polygons

Garis yang dibuat tidak boleh ada tiap titik hanya terdapat pada satu polygon yang

berpotongan satu sama lain.

2. Metoda IDW (Inverse Distance Weighted)

Metoda IDW (Inverse Distance Weighted) mengasumsikan bahwa tiap titik input

mempunyai pengaruh yang bersifat local yang berkurang terhadap jarak. Metoda

ini memberi bobot lebih tinggi pada sel yang terdekat dengan titik data

dibandingkan sel yang lebih jauh. Titik-titik pada radius tertentu dapat digunakan

dalam menentukan nilai luaran untuk tiap lokasi.

Metode IDW umumnya di pengaruhi oleh invers jarak yang diperoleh dari

persamaan matematika. Pada metode interpolasi ini kita dapat menyesuaikan

pengaruh relative dari titik sampel. Nilai power pada interpolasi IDW ini

menentukan pengaruh terhadap titik-titik masukan (input), dimana pengaruh akan

lebih besar pada titik-titik yang lebih dekat sehingga menghasilkan permukaan

yang lebih detail.pengaruh akan lebih kecil dengan bertambahnya jarak dimana

permukaan yang dihasilkan kurang detail dan terlihat lebih halus. Jika nilai power

di perbesar berarti nilai keluaran (output) sel menjadi lebih terlokalisasi dan

memiliki nilai rata-rata yang rendah. Penurunan nilai power akan memberikan

keluaran dengan rata-rata yang lebih besar karena akan memberikan pengaruh

untuk area yang lebih luas. Jika nilai power diperkecil, maka di hasilkan

permukaan yang lebih halus. Bobot yang digunakan untuk rata-rata adalah fungsi

jarak antara titik sa\mpel dan titik yang di interpolasi (Philip dan Watson, 1982).

Fungsi umum pembobotan adalah invers dari kuadrat jarak, dan persamaan ini

digunakan pada metode invers distance wighted yang dirumuskan dalam formula

berikut ini:

Dimana Zi (I = 1,2,3,…..,n) merupakan nilai ketinggian data yang ingin di

interpolasi sejumlah N titik dan bobot(weight) Wi yang dirumuskan sebagai:

P adalah nilai positif yang dapat diubah-ubah yang disebut dengan parameter

power (biasanya bernilai 2) dan hj merupakan jarak dari sebaran titik ke titik

interpolasi yang dijabarkan sebagai:

(x,y) adalah koordinat titik interpolasi dan (xi,yi) adalah koordinat untuk setiap

sebaran titik. Fungsi peubah weight bervariasi untuk keseluruhan data sebaran

titik sampai pada nilai yang mendekati nol, dimana jarak bertambah terhadap

sebaran titik.

Kelebihan metode interpolasi IDW ini adalah karakteristik interpolasi dapat

dikontrol dengan membatasi titik-titik masukan yang digunaka dalam proses

interpolasi. Titik-titik yang terletak jauh dari titik sampel dan yang diperkirakan

memiliki korelasi spasial dapat dihapus dari perhitungan. Titik –titik yang

digunakan dapat ditentukan langsung, atau ditentukan berdasarkan jarak yang

ingin di interpolasi. Kelemahan dari inetrpolasi IDW adalah tidak dapat

mengestimasi nilai di atas nilai maksimum dan di bawah nilai minimum dari

tititk-titik sampel(Pramono,2008).

Efek yang terjadi apabila interpolasi IDW diaplikasikan adalah terjadinya

perataan(flattening) puncak dan lembah kecuali jika titik-titik tertinggi dan

terendah merupakan bagian dari titik sampel. Karena nilai estimasi merupakan

nilai rata-rata, hasil permukaan tidak akan tepat melewati titik-titik sampel.

Kelemahan lain dari metode interpolasi ini adalah adanya efek bull-eye.

3.Metoda Spline

Metoda Spline merupakan metoda yang mengestimasi nilai dengan menggunakan

fungsi matematika yang meminimalisir total kelengkungan permukaan (Binh dan

Thuy, 2008). Efek stretching yang dimiliki spline sangat berguna jika kita ingin

memperkirakan nilai di bawah nilai minimum dan nilai di atas nilai maksimum

yang mungkin di temukan dalam data set yang digunakan. Hal ini membuat

metoda interpolsi Spline merupakan metode yang baik untuk mengestimasi nilai

rendah dan tinggi yang tidak terdapat pada sampel data. Pada metode Spline ini

permukaan yang dihasilkan dapat melewati titik-titik sampel.

Kelebihan dari metode Spline ini adalah kemampuan untuk mengjasilkan akurasi

yang cukup baik walaupun data yang digunakan hanya sedikit. Metode ini baik di

gunakan dalam membuat permukaan seperti ketinggian permukaan

bumi,ketinggian muka air tanah maupun konsentrasi polusi udara.

Metode ini kurang baik jika diaplikasikan pada situasi dimana terdapat perbedaan

nilai yang signifikan pada jarak yang sangat dekat (Sibson,1981). Kekurangan

dari metode Spline ini adalah ketika titik-titik sampel yang berdekatan memiliki

perbedaan nilai yang sangat besar, metode Spline tidak dapat bekerja dengan baik.

Hal ini disebabkan karena metode Spline menggunakan perhitungan slope yang

berubah berdasarkan jarak untuk memperkirakan bentuk dari permukaan.

Persamaan yang digunakan pada metode Spline adalah menggunakan

formulainterpolasi permukaan:

T(x,y) dan R(r) didefenisikan secara berbeda berdasarkan cara seleksi.

Terdapat dua jenis metode dalam interpolasi Spline (Mitas dan Mitasova, 1998)

yaitu:

1. Tipe regularized Spline

Tipe regularized Spline memodifikasi kriteria minimum sehinngga

turunan ketiga digabungkan menjadi kriteria minimum. Parameter spesifik

weight menetukan bobot yang di ambil dari tururnan ketiga selama proses

minimalisasi, disebut sebagai τ (tau). Besarnya nilai tau ini menentukan

kemulusan permukaan. Nilai tau atau weight yang tinggi akan

menghasilkan nilai permukaan. Nilai parameter ini harus sama besar atau

sama dengan nol. Dengan menggunakan tipe regulralized Spline,

permukaan yang kalus akan dihasilkan untuk turunan pertama. Teknik ini

juga berguna untuk turunan kedua.

Persamaan yang digunakan dalam metode regularized spline sebagai

berikut:

2. Tipe tension spline

Tipe tension spline memodifikasi kriteria minimum sehinnga turunan

pertama di gabungkan ke dalam kriteria minimum parameter spesifik

weight menentukan bobot yang di ambil dari turunan ketiga selama proses

minimalilsasi disebut sebagai φ (phi). Semakin besar nilai weight , hasil

permukaannya akan lebiah kasar . nilai masukan parameter ini harus lebih

besar atau sama dengan nol.

Persamaan yang digunakan dalam metode tension Spline adalah sebagai

berikut:

BAB II

METODOLOGI

III.1 Alat dan Bahan

III.1.1 Alat Beserta Fungsinya

a. Laptop/komputer yang telah diinstal program arcgis digunakan untuk

menjalankan aplikasi aacgis

b. Arcgis adalah aplikasi yang digunakan untuk membuat peta curah hujan

III.1.2 Bahan Beserta Fungsinya

a. Data curah hujan dalam format shp sebagai data yang akan diolah

b. Data wilayah dalam format shp sebagai data yang akan diolah.

III.2 Jenis, Format dan Sumber Data.

a. Jenis data yang digunakan yaitu raster dan vector.

b. Format data yang digunakan yaitu shp

c. Sumber data berasal dari Dosen.

III.3. Langkah- Langkah Kerja

1. Thiessen

a. Langkah pertama adalah membuka Arcmap

b. Kemudian pilih add data

c. Lalu masukkan data shp wiayah, dan data shp curah hujan maka

akan tampak seperti ini

d. Lalu pilih arctoolbox yang terdapat pada menu Geoprocessing pada

menu bar, kemudian pilih Analisys tools, lanjut pilih proximity,

lalu pilih create thiessen polygons, yang tampak seperti gambar

e. Kemudian akan muncul kotak menu create thiessen polygons,

tampak seperti gambar

Pada kotak input features pilih shp curah hujan, pada kotak menu

outpu fields(optional) pilih All, lanjutkan dengan memilih

Environments, lalu pilih processing extent tampak seperti pada

gambar

Kemudian pilih browse, kemudian masukkan data shp wilayah

yang digunakan, lalu pilih ok, maka akan kembali ke menu awal,

lalu salin yang di blok seperti yang di tunjukkan gambar

Lalu buat folder baru tempat menyimpan data, lalu klik paste pada

kolom nama file lalu pilih save, kemudian pilih ok.

f. Tampilan berikutnya seperti pada gambar

Kemudian pada layer thiessen yang berada pada table of content

ubah warnanya dengan meng klik kotak yang berwarna, maka akan

muncul kotak menu warna lalu pilih hallow, maka akan tampak

seperti gambar, Lalu tarik layer wilayah ke layer titik curah hujan

g. Selanjutnya menyesuaikan thiessen dengan wilayah, dengan cara

menggunakan clip, langkahnya yaitu, buka arctoolbox, kemudian

pilih analysis tools, lalu pilih extract, kemudian pilih clip, maka

akan tampak seperti gambar

Pada kotak Input features pilih thiessen, pada Clip features pilih

data wilayah, kemudian pilih ok. Maka akan tampak seperti

gambar

h. Untuk memberikan keterangan pada tiap titik, dapat dilakukan

dengan mengkilk kanan layer curah hujan yang terdapat pada table

of content, kemudian pilih properties, lalu pilih labels, beri centang

pada dialog label features in this layer, kemudian pada label field,

pilih yang ingin di tampilkan, lalu pilih ok, maka akan tampak

seperti gambar.

i. Lalu ganti nama layer menjadi thiessen dengan mengklik dua kali pada layer di

table of content, maka akan muncul menu pilih general, lalu ketikkan Thiesen.

2. IDW

a. Klik insert lalu pilih Data Frame

b. Ganti nama dengan meng klik dua kali New Data Frame yang

berada di table of content, dengan nama IDW.

c. Masukkan data wilayah dan data curah hujan, keduanya dalam

bentuk shp.

d. Lalu pilih Arctoolbox, pilih spatial Analisys Tools, kemudian pilih

Interpolation, pilih IDW, tampak seperti gambar.

Maka akan muncul kotak menu, pada input point features pilh shp

curah hujan, kemudian pilih environments, lanjut pilih processing

extent, lalu cari dan masukkan shp wilayah yang digunakan,

tampak seperti pada gambar.

Kemudian pilih ok, maka akan kembali ke kotak menu

sebelumnya, lalu blok dan copy seperti tampak pada gambar,

kemudian pilih browse, buat folder baru dengan nama IDW, lalu

paste di kotak Name, lalu pilih save, lalu ok.

Lanjut dengan menekan ok lagi, maka proses akan terjadi, dan

akan tampak seperti gambar berikut,

e. Lalu ganti warna pada layer dengan mengklik kotak warna pada

layer wilayah, kemudian pilih Hallow, maka akan tampak seperti

berikut

f. Kemudian untuk meyesuaikan IDW dengan wilayah dengan

menggunakan Reclass, yang terdapat di Spatial Analisys Tools,

pilih Reclass, lanjut pilih Reclassify, maka akan muncul kotak

menu seperti pada gambar

Pada input raster pilih idw, kemudian lanjut pilih classify, maka

akan muncul kotak seperti berikut

Pada Method pilih equal interval, lalu pilih ok, maka akan kembali

ke menu awal, lanjut pilih ok lagi.Maka akan muncul seperti pada

gambar

g. Kemudian sesuaikan dengan wilayah dengan memilih extraction

yang terdapat di Spatial Analisys Tools, lalu pilih Extract By

Mask, tampak seperti pada gambar

Pada Input raster pilih data Reclass, kemudian pada kotak input

raster or features mask data pilih data wilayah, kemudian klik ok.

Lanjut dengan menghilangkan ceklist pada layer Reclass dan Idw,

maka akan tampak seperti gambar.

Metode IDW selesai.

3. Spline

a. Klik insert lalu pilih Data Frame.

b. Ganti nama dengan meng klik dua kali New Data Frame yang

berada di table of content, dengan nama Spline.

c. Masukkan data wilayah dan data curah hujan, keduanya dalam

bentuk shp.

d. Lalu pilih Arctoolbox, pilih spatial Analisys Tools, kemudian pilih

Interpolation, pilih Spline, tampak seperti gambar.

Maka akan muncul kotak menu, pada input point features pilh shp

curah hujan, pada kotak Z value pilih jumlah/total, kemudian pilih

environments, lanjut pilih processing extent, lalu cari dan

masukkan shp wilayah yang digunakan, tampak seperti pada

gambar.

Kemudian pilih ok, maka akan kembali ke kotak menu sebelumnya, lalu

blok dan copy seperti tampak pada gambar, kemudian pilih browse, buat

folder baru dengan nama Spline, lalu paste di kotak Name, lalu pilih save,

lalu ok.

Lanjut dengan menekan ok lagi, maka proses akan terjadi, dan akan tampak

seperti gambar berikut,

e. Lalu ganti warna pada layer dengan mengklik kotak warna pada layer

wilayah, kemudian pilih Hallow, maka akan tampak seperti berikut

f. Kemudian untuk meyesuaikan Spline dengan wilayah dengan

menggunakan Reclass, yang terdapat di Spatial Analisys Tools, pilih

Reclass, lanjut pilih Reclassify, maka akan muncul kotak menu seperti

pada gambar.

Pada input raster pilih data spline, kemudian lanjut pilih classify, maka

akan muncul kotak seperti berikut

Pada Method pilih equal interval, lalu pilih ok, maka akan kembali ke

menu awal, lanjut pilih ok lagi.Maka akan muncul seperti pada

gambar.

g. Kemudian sesuaikan Spline dengan wilayah dengan memilih

extraction yang terdapat di Spatial Analisys Tools, lalu pilih Extract

By Mask, tampak seperti pada gambar

Pada Input raster pilih data Reclass, kemudian pada kotak input raster

or features mask data pilih data wilayah, kemudian klik ok. Lanjut

dengan menghilangkan ceklist pada layer Reclass dan Spline, maka

akan tampak seperti gambar.

Metode Spline selesai.

BAB IV

HASIL ANALISIS

IV.1 METODE THIESSEN

Berikut adalah hasil dari metode thiessen

Metode Thiessen adalah metode yang ditentukan dengan cara membuat

poligon antar stasiun pada suatu wilayah kemudian tinggi hujan rata-rata dihitung

dari jumlah perkalian antara setiap luas poligon dan tinggi hujan dibagi dengan

seluruh luas wilayah. Metode poligon Thiessen biasanya digunakan untuk

mengetahui tinggi hujan rata-rata serta apabila stasiun hujan tidak tersebar

merata. Jika data diperbesar maka akan tampak seperti berikut

IV.2 METODE IDW

Berikut adalah hasil dari metode IDW

Metode Inverse Distance Weighted (IDW) merupakan metode deterministic yang

sederhana dengan mempertimbangkan titik disekitarnya. 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.

Tampak panah hitam menunjukkan daerah dengan curah hujan yang

besar/banyak, dengan ciri – ciri dikelilingi oleh tiga warna yaitu biru tua paling

luar, merah muda lapisan kedua, kemudian hijau dilapisan paling dekat dengan

titik.

IV.2 METODE SPLINE

Berikut hasil dari metode spline

Metoda Spline adalah metoda interpolasi yang biasa digunakan

untuk mendapatkan nilai melalui kurva minimum antara nilai-nilai input. Metoda ini

baik digunakan dalam membuat permukaan seperti ketinggian permukaan

bumi,ketinggian muka air tanah, ataupun konsentrasi polusi udara. metode interpolasi

spline mengestimasinilai sel berdasarkan nilai rata-rata pada hampiran antara point data

masing-masingcontoh. Metode ini memiliki asumsi bahwa variabel yang dipetakan akan

berkurang pengaruhnya ketika menjauhi point sentral. Kelebihan metode ini yaitu

dapatmemetakan dengan baik interpolasi beberapa point yang menyebar

serta penggambaran spasial yang lebih halus. Dari gambar diatas dapat dilihat bahwa

semua statiun titik curah hujan mempunyai warna yang sama yaitu hijau.

Bab V

Penutup

V.1 Kesimpulan

Pada praktikum Geostatistik ini, kami membuat sebuah peta persebaran curah

hujan yang terdapat di sepuluh titik stasiun di Kabupaten Maros. Diantaranya di

Pakelli Lompo, Palladingan, Maccini, Mandai / Tanralili, Manrimisi, Maros Baru /

Panyaling, Pasosokia, Maros, dan Songkolo. Dimana dalam pembuatan peta

tersebut, kami menggunakan tiga metode, yaitu metode theissen, metode

IDW, dan metode spline.

Metode theissen diperoleh dengan membuat poligon yang memotong

tegak lurus pada tengah-tengah garis penghubung dua stasiun hujan.

Metode IDW mengasumsikan bahwa tiap titik input mempunyai pengaruh

yang bersifat local yang berkurang terhadap jarak. Metoda ini memberi

bobot lebih tinggi pada sel yang terdekat dengan titik data dibandingkan

sel yang lebih jauh. Titik-titik pada radius tertentu dapat digunakan dalam

menentukan nilai luaran untuk tiap lokasi. Sedangkan metode spline

merupakan metoda yang mengestimasi nilai dengan menggunakan fungsi

matematika yang meminimalisir total kelengkungan permukaan (Binh dan

Thuy, 2008). Efek stretching yang dimiliki spline sangat berguna jika kita

ingin memperkirakan nilai di bawah nilai minimum dan nilai di atas nilai

maksimum yang mungkin di temukan dalam data set yang digunakan.

V.2 Saran

Sebaiknya pembelajaran dilangsungkan lebih efektif lagi. Dan sebelum

memulai praktikum lebih menekankan kepada fungsi-fungsi dari setiap

perintah yang terdapat di ArcGIS sehingga praktikan lebih memahaminya.

DAFTAR PUSTAKA

Wirjohamidjojo, S. & Swarinoto, Y.S. (2007). PraktekMeteorologi Pertanian.

Jakarta: Badan Meteorologi dan Geofisika (BMG).

Swarinoto Y. S. (2009). Validasi Spasial Data Estimasi Suhu Udara Turunan Dari

Citra Satelit Landsat7-ETM+ Terhadap Data Observasi Stasiun Cuaca/Iklim Darat

(Kasus Provinsi Jawa Barat Bagian Selatan). Jurnal Agroklimatologi, IPB, Bogor.

Zimmerman, D., Pavlik, C., Ruggles, A., &Amstrong, M.P. (1999). An

Experimental Comparison of Ordinary and Universal Krigging and Inverse

Distance Weighting. Mathematical Geology, 31 (4), 375-390.

LAMPIRAN

1. NURUL ALFIAH ARNA

PERAN:

MENGHITUNG DAN MENYETUKAN DATA CURAH HUJAN DALAM

BENTUK EXCEL

2. RESKI KURNIAWAN

PERAN:

MEMBUAT PETA DALAM Arcgis

3. ZUHAA FACHRANI

PERAN:

MEMBUAT KATA PENGANTAR DAN MENYIMPULKAN HASIL

ANALISIS DATA

4. IKAWATI BASRI

PERAN:

MEMBUAT TINJAUAN PUSTAKA DAN MERAMPUNGKAN SEMUA

DATA LAPORAN YANG DIKERJAKAN OLEH SEMUA ANGGOTA

KELOMPOK.

Metode Thiessen

Metode IDW

Metode Spline

Data Excel