1. Presentasi IDW Dan Kriging

July 7, 2019 | Author: Margaritha Alexanderina Francis | Category: N/A
Share Embed Donate


Short Description

iihg...

Description

TUGAS GEOSTATISTIK 

OLEH : KELOMPOK I Nama : 1. 2.

Awal Raafiandi Raafia ndi (212160001 (212160 001

Ma!"a!i#$a A. A. %!an&i' (212160002 (2 12160002 . -.

)*lin'a Ma$+l,##, (21216000 And!i S+!ana#a (21216000-

MENGGUNAKAN SO%T/ SO%T/A ARE GS10 GS 10 UNTUK UN TUK INTERPOLASI ATA

Geostatistik adalah : penerapan metode probabilistik untuk variabel yang teregionalisasi (data spasial). Data spasial adalah data yang dikumpulkan dari lokasi-lokasi yang berkorelasi satu sama lain. Lokasi yang saling berdekatan memiliki sifat-sifat yang mirip dibandingkan dengan lokasi yang saling  berjauhan.Ini dikenal dengan kekontinuan spasial (spatial continuity).



Pe ne mpat an dat as pas i alme r upakan l angkah a wa l y a ng pe nt i ng . Hal i ni di ka r e naka n pe ne mp mpa t an ni l ait e r t i ng g ida nt e r e ndah aka n me nc i pt akan bebe r apa kec e nder ungan ( t r e n d) dal am dat a.Se muat   yangadadal am dat a r e n d dapatdi gamb mbar kan denganpe t akont ur .



Interpolasi adalah metode untuk mendapatkan data  berdasarkan beberapa data yang telah diketahui.



ada soft!are G"# ini interpolasi data dilakukan dengan menggunakan metode kriging dan ID$

%. &'D' ID$ &etode ID$ merupakan metode deterministik yang sederhana dengan mempertimbangkan titik di sekitarnya. *sumsi dari metode ini adalah nilai interpolasi akan lebih mirip pada data sampel yang dekat daripada yang lebih jauh. +obot (!eight) akan berubah se,ara linear sesuai dengan jaraknya dengan data sampel. +obot ini tidak akan dipengaruhi oleh

ada metode ID$ pemilihan nilai pada  po!er sangat mempengaruhi hasil interpolasi. ilai po!er yang tinggi akan memberikan hasil seperti menggunakan interpolasi nearest neighbor dimana nilai yang didapatkan merupakan nilai dari data  point terdekat.

/erugian dari metode ID$ adalah nilai hasil interpolasi terbatas pada nilai yang ada pada data sampel. engaruh dari data sampel terhadap interpolasi disebut sebagai isotropi,. Dengan kata lain karena metode ini menggunakan rata-rata dari data sampel sehingga nilainya tidak bisa lebih ke,il dari minimum atau lebih  besar dari data sampel.

0ntuk mendapatkan hasil yang baik sampel data yang digunakan harus rapat yang berhubungan denganvariasi lokal. 1ika sampelnya agak jarang dan tidak merata hasilnya kemungkinan besar tidak sesuai dengan yang diinginkan.

2. &'D' /3IGIG &etode kriging mirip dengan ID$ dimana menggunakan kombinasi linear dari !eight untuk memperkirakan nilai diantara sampel data. *sumsi dari metode ini adalah jarak dan orientasi antar sampel data menunjukkan korelasi spasial yang  penting dalam hasil interpolasi. +erbeda dengan metode ID$ /riging memberikan ukuran eror dan ,onfiden,e.

Me t o dei nime nggunakans e mi v ar i o gr am y ang mempr es ent as i kan per bedaan s pas i al dan ni l a idia nt a r as e muapa s a ng ans ampe lda t a. Se mi var i o gr am j ugame nunj ukkanbobo tyang di g una ka n dal am i nt e r po l a s i .Se mi v a r i o g r am di hi t ung b e r da s a r ka ns a mpe ls e mi v a r i o g r a m de ngan j ar ak ( h) ,be da ni l ai( z )dan j uml ah s a mpe ldat a( n) .

I NTERPOLASIDATADENGAN MENGGUNAKAN DATA DEMO1



Bukas o f t war eGS+10ke mudi anpi l i hmenuFi l e, opendanpi l i hdat ademo1.

TAMPI LAN DATADEMO1





FI LE   OPEN   PI LI H DATA DEMO STATI STI CSZ



  KLI KI CON SUMMARY

UNTUK MENGETAHUIDI STRI BUSIFREKUENSI CARANYA:SETELAH DATADEMO DIOPEN,KLI KI CON DI STRI BUSIFREQUENCY

FREKUENSIKUMULATI F

PENYEBARAN DATA ( QUANTI LESPOSTI NG)

 VARI OGRAM

MODELVARI OGRAM

GAUSSI AN VSLI NEAR

GAUSSI AN VSSPHERI CAL

GAUSSI AN VSEXPONENTI AL

I NTERPOLASIDATA( DENGAN KRI GI NG)

I NTERPOLASIDATA( DENGAN I DW)

PERBANDI NGAN MODELVARI OGRAM NO

MODEL

RESSS

R2

C/ C +Co

1.

LI NEAR

9611

0. 846

0. 969

2.

EKSPONENTI AL

8508

0. 883

1. 000

3.

GAUSSI AN

4132

0. 934

0. 961

4.

SPHERI CAL

6086

0. 916

1. 000

5.

PARAMETER

~0

~1

~0

PERBANDI NGAN I DW DENGAN KRI GI NG N

MODEL

O

REG

SE

R2

YI NT

COEF

SE PRED

1. I DW 1

1. 016

0. 026

0. 881

0. 14

3. 772

2. POI NTKRG

0. 990

0. 022

0. 907

0. 09

3. 322

3. BLOCK KRG

0. 990

0. 022

0. 907

0. 09

3. 323

4. PARAMETER

~1

~0

~1

~0

~0

NO

MODE

REG

SE

R2

YI NT

COEF

SE PRED

1.

I D1

1. 006

0. 023

0. 902

0. 07

3. 414

2.

I D2

0. 991

0. 023

0. 901

0. 04

3. 442

3.

I D3

0. 982

0. 023

0. 896

0. 10

3. 517

4.

I D4

0. 978

0. 023

0. 893

0. 14

3. 566

5.

I D5

0. 975

0. 024

0. 892

0. 16

3. 592

6.

I D 10

0. 972

0. 024

0. 890

0. 19

3. 618

7 .

I D 20

0. 971

0. 024

0. 890

0. 20

3. 620

8.

I D 30

0. 971

0. 024

0. 890

0. 20

3. 619

9.

I D 40

0. 971

0. 024

0. 890

0. 20

3. 619

10.

I D 50

0. 971

0. 024

0. 890

0. 20

3. 619

11.

I D 60

0. 971

0. 024

0. 890

0. 20

3. 619

12.

I D 70

0. 971

0. 024

0. 890

0. 20

3. 619

13

I D 80

0971

0024

0890

020

3619

MODEL1D DARIDATADEMO

KESI MPULAN DARIDATADEMO1 

Be r da s a r ka nmo d e lv a r i o g r a my a ngadadit a be l , makamo de lyangpal i ngc o c o kadal ahmo de l Gaus s i ankar e name ndekat ipar ame t e ryang t e l ahdi t e nt ukan



Be r das a r ka ni nt e r po l a s idat ade ng anme t o de kr i gi ngdanI DW makame t o dey angc o c o k di g una ka ny a i t ume t o d ekr i g i ng

I NTERPOLASIDATA DENGAN MENGGUNAKAN DATA DEMO2

CARANYAMI RI PDENGAN CARA PADADATADEMO1

TAMPI LAN DATADEMO2

STATI STI K DATADEMO2

PENYEBARAN DATANYASEBAGAI BERI KUT

 VARI OGRAM

MODELSPHERI CAL

MODELLI NEAR

MODELEKSPONENSI AL

MODELGAUSSI AN

I NTERPOLASIDATADENGAN POI NT KRI GI NG

I NTERPOLASIDATADENGAN BLOCK KRI GI NG

I NTERPOLASIDATADENGAN I DW

MODEL2D DARIDATA

MODEL3D DARIDATA

PERBANDI NGAN MODELVARI OGRAM UNTUK DATA DEMO2D

NO

MODEL

RESSS

R2

C/ C +Co

1.

LI NEAR

2. 736E04

0. 858

0. 643

2.

EKSPONENTI AL

1990E04

0. 897

0. 784

3.

GAUSSI AN

1. 951E04

0. 899

0. 610

4.

SPHERI CAL

1. 854E04

0. 904

0. 707

5.

PARAMETER

~0

~1

~0

PERBANDI NGAN I DW DENGAN KRI GI NG N

MODEL

O

REG

SE

R2

YI NT

COEF

SE PRED

1. I DW 1

1. 080

0. 110

0. 433

0. 02

0. 155

2. POI NTKRG

0. 782

0. 098

0. 336

0. 08

0. 168

3. BLOCK KRG

0. 782

0. 098

0. 336

0. 08

0. 168

4. PARAMETER

~1

~0

~1

~0

~0

View more...

Comments

Copyright ©2017 KUPDF Inc.
SUPPORT KUPDF