PERBANDINGAN METODE INTERPOLASI IDW, KRIGING, DAN SPLINE PADA DATA SPASIAL SUHU PERMUKAAN LAUT
IHSANUL FAJRI
DEPARTEMEN ILMU DAN TEKNOLOGI KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN INSTITUT PERTANIAN BOGOR BOGOR 2016
ii
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Perbandingan Metode Interpolasi IDW, KRIGING, dan SPLINE pada Data Spasial Suhu Permukaan Laut adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, November 2016
Ihsanul Fajri NIM C54120072
iii
ABSTRAK
IHSANUL FAJRI. Perbandingan Metode Interpolasi IDW, KRIGING, dan SPLINE pada Data Spasial Suhu Permukaan Laut. Dibimbing oleh SETYO BUDI SUSILO dan RISTI ENDRIANI ARHATIN. Interpolasi adalah suatu metode atau fungsi matematis untuk menduga nilai pada lokasi-lokasi yang datanya tidak tersedia. Penelitian ini dilakukan di Kepulauan Seribu dengan menggunakan data suhu citra NOAA. Penelitian ini bertujuan membandingkan metode interpolasi IDW, kriging, dan spline, sehingga mendapatkan metode interpolasi yang paling akurat dan disesuaikan dengan data suhu uji. Data Citra NOAA diekstraksi menggunakan software Ocean Data View, kemudian difilter menggunakan Microsoft Excel, dan diinterpolasi dengan software ArcGIS. Hasil interpolasi menunjukkan rata-rata nilai suhu dengan menggunakan metode IDW sebesar 30,63, kriging sebesar 30,63, dan spline sebesar 30,63. Standar deviasi metode IDW sebesar 0,4613, standar deviasi metode kriging sebesar 0,4618, dan standar deviasi metode spline sebesar 0,4639. Berdasarkan standar deviasi masing-masing metode, metode IDW merupakan metode yang paling akurat dan mendekati data suhu uji. Kata kunci: IDW, kriging, spline, interpolasi, suhu NOAA.
ABSTRACT IHSANUL FAJRI. The Comparison of IDW, KRIGING, and SPLINES Interpolation Method on Sea Surface Temperature Spatial Data. Supervised by SETYO BUDI SUSILO and RISTI ENDRIANI ARHATIN. Interpolation was a method mathematical function that was applied to predict the values in the areas where the data was not yet available. This research the temperature data was NOAA image. The aim at this research was to get the accurate interpolation data by comparing the IDW, kriging, and spline method. In this research, the NOAA image data was processed by using Ocean Data View software. After that, filtered by using Microsoft excel. And finally, interpolated by using ArcGIS software. The result of the interpolation showed that the mean of temperature test by using IDW method was 30,63 while, for as much as 30,63 by using kriging. And for as much as 0,4639 for spline method. On the based of standart deviation result, it was known that the IDW method was the most accurate method and approach for the temperature test data. Keywords: IDW, kriging, spline, interpolation, NOAA temperature.
PERBANDINGAN METODE INTERPOLASI IDW, KRIGING, DAN SPLINE PADA DATA SPASIAL SUHU PERMUKAAN LAUT
IHSANUL FAJRI
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Ilmu Kelautan pada Departemen Ilmu dan Teknologi Kelautan
DEPARTEMEN ILMU DAN TEKNOLOGI KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN INSTITUT PERTANIAN BOGOR BOGOR 2016
PRAKATA Puji syukur penulis ucapkan kehadirat Allah SWT berkat Rahmat, Hidayah, dan Karunia-Nya, sehingga penulis dapat menyelesaikan penelitian yang berjudul “PERBANDINGAN METODE INTERPOLASI IDW, KRIGING, DAN SPLINE PADA DATA SPASIAL SUHU PERMUKAAN LAUT“. Terima kasih penulis ucapkan kepada Prof Dr Ir Setyo Budi Susilo, MSc dan Risti Endriani Arhatin, SPi, MSi selaku pembimbing. Prof Dr Ir Vincentius P Siregar, DEA selaku penguji dan Dr Ir Johnson L Gaol, MSi selaku dosen Gugus Kendali Mutu. Terima kasih penulis ucapkan kepada Ayahanda Ir Zulkifli, Ibunda Hj Ernawati, SPd, Nurul Iqamah Elza, SE, serta seluruh keluarga, atas segala doa, dukungan, dan kasih sayangnya. Ungkapan terima kasih juga disampaikan kepada teman mahasiswa Ilmu dan Teknologi Kelautan, dan semua pihak yang telah membantu dalam penyelesaian penulisan skripsi ini yang tidak bisa disebutkan satu-persatu. Kritik dan saran yang membangun sangat diharapkan untuk perbaikan skripsi ini kedepannya. Semoga karya ilmiah ini bermanfaat. Bogor, November 2016 Ihsanul Fajri
DAFTAR ISI
DAFTAR GAMBAR
vii
DAFTAR LAMPIRAN
vii
PENDAHULUAN
1
Latar Belakang
1
Tujuan
2
METODE
2
Waktu dan Tempat
2
Alat dan Bahan
3
Tahapan Penelitian
3
Pengambilan Data
4
Proses Pengolahan Data
4
Analisis Data
4
HASIL DAN PEMBAHASAN
5
Suhu Perairan Berdasarkan Sebaran Suhu Satelit
5
Hasil Interpolasi dengan Tiga Metode Interpolasi
6
SIMPULAN DAN SARAN
11
Simpulan
11
Saran
11
DAFTAR PUSTAKA
12
RIWAYAT HIDUP
21
DAFTAR GAMBAR 1 Peta Kepulauan Seribu 2 Diagram alir penelitian 3 Peta sebaran suhu satelit di sekitar titik sampel 4 Peta sebaran suhu berdasarkan interpolasi IDW 5 Grafik suhu interpolasi IDW 6 Peta sebaran suhu berdasarkan interpolasi Kriging 7 Grafik suhu interpolasi Kriging 8 Peta sebaran suhu berdasarkan interpolasi Spline 9 Grafik suhu interpolasi Spline
2 3 6 7 7 8 9 10 11
DAFTAR LAMPIRAN 1 Perbandingan data suhu uji dengan data hasil interpolasi IDW, Kriging, dan Spline
14
1
PENDAHULUAN Latar Belakang Interpolasi salah satu bentuk pengolahan data spasial dari Sistem Informasi Geografis (SIG). SIG sangat membantu pekerjaan yang erat kaitannya dengan bidang spasial dan geo-informasi. SIG dapat memberikan gambaran yang lengkap dan komprehensif terhadap suatu masalah nyata terkait spasial permukaan bumi. Pengolahan data spasial memerlukan data studi area yang didapatkan melalui akuisisi data satelit. Salah satu data spasial yang dapat diolah dengan interpolasi adalah Suhu Permukaan Laut (SPL). Interpolasi adalah suatu metode atau fungsi matematis untuk menduga nilai pada lokasi-lokasi yang datanya tidak tersedia. Interpolasi spasial mengasumsikan bahwa atribut data bersifat kontinu di dalam ruang jarak (space) dan saling berhubungan secara spasial (Anderson 2001). Dalam pemetaan, interpolasi adalah proses estimasi nilai pada wilayah yang tidak disampel atau diukur, sehingga terbuatlah peta atau sebaran nilai pada seluruh wilayah (Gamma Design Software 2005). Setiap metode interpolasi akan memberikan hasil yang berbeda (Pramono 2008). Pemilihan metode yang tepat dalam interpolasi bertujuan untuk mendapatkan dugaan data yang lebih mendekati dengan data suhu uji. Data spasial dapat diolah dengan beberapa metode interpolasi, namun setiap metode akan menghasilkan hasil yang berbeda, pemilihan metode akan mempengaruhi hasil yang didapatkan. Pemilihan metode interpolasi yang tidak tepat akan memberikan informasi yang kurang tepat, oleh karena itu diperlukan pemilihan metode interpolasi yang tepat supaya informasi yang diberikan sesuai dengan keadaan sebenarnya, untuk memperoleh metode yang tepat perlu adanya suatu penelitian. Penelitian ini dilakukan untuk mendapatkan dugaan data yang lebih mendekati nilai data uji yang diperoleh dari satelit National Oceanic and Atmospheric Administration (NOAA). Perbandingan metode interpolasi ini sudah dilakukan. Perbandingan metode Interpolasi IDW dan kriging oleh BIG dengan judul akurasi metode IDW dan kriging untuk interpolasi sebaran sedimen tersuspensi, didapatkan hasil metode IDW lebih baik dibandingkan metode kriging. Perbandingan metode Interpolasi trend dan spline telah dijelaskan dalam Pramono (2005). Perbandingan metode Interpolasi IDW dan kriging dalam Pramono (2008), didapatkan metode IDW lebih baik dibandingkan metode kriging dalam interpolasi sedimen tersuspensi. Pemanfaatan SIG dalam pemetaan potensi merbau di areal IUPHHK-HA PT.Wapoga Mutiara Tiber Unit II Papua dalam Hastuti (2013), metode IDW memberikan hasil sedikit lebih baik dibandingkan metode kriging dalam menduga sebaran spasial sediaan dan biomassa tegakan. Suhu permukaan laut merupakan salah satu parameter oseanografi yang dapat berubah-ubah, suhu permukaan laut dapat diukur secara langsung dengan cara pengukuran insitu, dan juga oleh sensor satelit yang bekerja pada spektrum infra merah termal. Suhu yang berubah-ubah dapat dideteksi oleh satelit lingkungan dan cuaca, seperti NOAA yang memiliki sensor termal band 4 dan band 5. Band tersebut merupakan saluran yang sensitif terhadap perubahan suhu
2
di laut (Wicaksono et al. 2010). Satelit NOAA menghasilkan data citra yang dapat digunakan untuk mempelajari parameter meteorologi, yang meliputi pembuatan peta awan, penentuan korelasi antara curah hujan dengan jenis awan dan liputan awan, penentuan variasi tahunan liputan awan, serta pembuatan peta suhu dan peramalan cuaca lainnya (Massinai 2005). Satelit NOAA merupakan satelit yang dimiliki oleh Amerika dan mempunyai misi untuk memantau lingkungan dan cuaca di bumi, salah satunya parameter oseanografi seperti suhu. Satelit NOAA membawa lima jenis sensor, salah satu diantaranya ialah sensor Advanced Very High Resolution Radiometer (AVHRR). Satelit NOAA melintasi daerah ekuator pada pukul 14.00 WIB, dengan panjang gelombang 11,50-12,50 µm dan memiliki resolusi 1,09 Km. Tujuan Penelitian ini bertujuan membandingkan beberapa metode Interpolasi, yaitu IDW, kriging, dan spline, sehingga mendapatkan metode yang paling mendekati nilai suhu sebenarnya.
METODE Waktu dan Tempat Penelitian ini dilakukan di Gugusan Kepulauan Seribu, Jakarta Utara yang terletak pada 5˚ 2’ 29,26 ҆ ҆ LS - 5˚ 57 ҆ 7,38 ҆ ҆ LS 106˚ 5’ 29,57 ҆ ҆ BT - 106˚ 52 ҆ 24,83 ҆ ҆ BT. Penelitian ini terdiri atas dua kegiatan, yakni pengambilan data dan pengolahan data. Kegiatan pengambilan data dilaksanakan pada bulan Januari, akuisisi data dari satelit NOAA yang digunakan pada tanggal 19 Januari 2016. Pengolahan data dilakukan pada bulan Februari-April 2016 di Laboratorium GIS, Departemen Ilmu dan Teknologi Kelautan, Fakultas Perikanan dan Ilmu Kelautan, Institut Pertanian Bogor. Peta penelitian ditampilkan pada Gambar 1.
Gambar 1 Peta Kepulauan Seribu
3
Alat dan Bahan Alat yang digunakan pada penelitian ini adalah seperangkat komputer, software ArcGIS, Global Mapper, Ms. Excel,dan Ocean Data View (ODV) 4. Bahan yang digunakan data suhu perairan Kepulauan Seribu, yaitu data SPL hasil akuisisi satelit NOAA 18 pada tanggal 19 Januari 2016, dengan jam perekaman 14.00 WIB. Tahapan Penelitian Pengambilan data suhu permukaan laut kepulauan seribu melalui akuisisi data dari satelit NOAA, kemudian data tersebut diolah melalui beberapa tahapan. Urutan tahapan penelitian ditampilkan pada Gambar 2.
Mulai
Pengambilan data
Pengolahan data SPL NOAA
Interpolasi IDW
Interpolasi Kriging
Interpolasi Spline
Perbandingan hasil interpolasi
Uji Akurasi
Selesai
Gambar 2 Diagram alir penelitian
Data Uji
4
Pengambilan data Data SPL diperoleh dari satelit NOAA yang diunduh melalui web http://apdrc.soest.hawaii.edu/las/v6/constrain?var=4928 data tersebut dijadikan sebagai data yang di interpolasi dan data uji. Citra NOAA tersebut merupakan citra level 3 sudah dalam bentuk nilai SPL. Citra level 3 merupakan hasil algoritma yang dikembangkan oleh NASA. Algoritma SPL NASA Multi Channel Sea Surface Temperature (MCSST) yaitu:
Algoritma tersebut menggabungkan setiap band thermal satelit NOAA, yakni band 4 dan band 5 untuk mendapatkan nilai SPL, data citra satelit NOAA dalam derajat celcius. Proses pengolahan data Citra yang didapatkan kemudian di ekstrak dengan software Ocean Data View series (ODV) 4. Setelah di ekstrak akan didapatkan data .txt, kemudian data tersebut dipotong menggunakan software Ms.excel agar diperoleh data yang sesuai daerah yang kita inginkan. Proses interpolasi dilakukan dengan software ArcGIS 10.2.2 menggunakan data yang telah di potong sesuai lokasi. Setelah di interpolasi maka data dapat dianalisis. Analisis data Setiap metode interpolasi mempunyai analisis statistik yang berbeda-beda dalam menduga titik-titik di sekitar data sampel. Berikut analisis statistik dari masing-masing metode interpolasi. Metode IDW merupakan metode interpolasi konvesional yang memperhitungkan jarak sebagai bobot. Jarak yang dimaksud disini adalah jarak (datar) dari titik data (sampel) terhadap blok yang akan diestimasi. Jadi semakin dekat jarak antara titik sampel dan blok yang akan diestimasi maka semakin besar bobotnya, begitu juga sebaliknya
=
Keterangan: Z0 = perkiraan nilai pada titik 0 Zi = apakah nilai z pada titik kontrol i di = jarak antara titik I dan titik 0 k = konstanta S = jumlah titik S yang digunakan Kriging merupakan metode yang umum digunakan untuk menganalisis data geostatistik, bedasarkan data sampel. Data sampel biasanya diambil dari lokasi-lokasi atau titik-titik yang tidak beraturan. Metode ini digunakan untuk
5
mengestimasi besarnya nilai variabel teregional Ẑ pada titik tidak tersampel berdasarkan informasi titik tersampel Ẑ yang berada di sekitarnya dengan mempertimbangkan korelasi spasial yang ada dalam data tersebut. didefinisikan sebagai variabel random pada titik .,n. dengan bobot adalah sebagai berikut Estimator kriging Ẑ( ) dari (Bohling 2005):
Keterangan: S = lokasi untuk estimasi Si = salah satu lokasi data yang berdekatan = nilai ekspetasi dari m(S i ) = nilai ekspetasi dari Z(S i ) = pembobot yang menentukan ukuran jarak antar titik n = banyaknya data sampel yang digunakan untuk estimasi Apabila pada setiap lokasi perbedaan antara nilai estimasi berikut (Alfiana 2010):
terdapat estimator error (s) , maka dengan nilai didefinisikan sebagai -
Spline merupakan metode interpolasi yang memiliki kemampuan dalam memprediksi nilai minimum dan maksimum dengan efek stretching data. Persamaan yang digunakan spline adalah dengan menggunakan formula interpolasi permukaan, dengan rumus sebagai berikut:
Keterangan: j = 1,2,… n N = jumlah titik = koefisien yang ditemukan dari system persamaan linier = jarak antara titik ke titik j dan didefinisikan secara berbeda, berdasarkan cara seleksi (regularized spline dan tension spline).
HASIL DAN PEMBAHASAN Suhu Perairan Berdasarkan Sebaran Suhu Satelit Suhu perairan Kepulauan Seribu pada musim barat berkisar antara 28,5ºC - 30ºC, pada musim peralihan barat-timur antara 29,5ºC - 30,7ºC, pada musim timur suhu berkisar antara 28,5ºC - 31ºC dan pada musim peralihan timur barat berkisar antara 28,5ºC - 31ºC (Paonganan 2008). Suhu di perairan nusantara umumnya berkisar antara 28˚C – 31˚C. Pada lokasi yang sering terjadi penaikan air (upwelling) seperti di Laut Banda, suhu air permukaan bisa turun sampai 25˚C
6
karena air yang dingin di lapisan bawah terangkat ke permukaan. Suhu dekat pantai biasanya sedikit lebih tinggi dibandingkan dengan suhu di lepas pantai (Nontji, 1993). Gambar 3 menunjukkan sebaran suhu di Kepulauan Seribu yang di dapat dari citra NOAA yang berkisar antara 29˚C – 31,9˚C. Gambar 3 menjelaskan data suhu data yang di interpolasi dan data suhu uji. Data yang di interpolasi merupakan data citra pulau seribu yang memiliki jumlah 4714 titik, data uji tidak termasuk didalamnya. Data suhu uji digunakan untuk perbandingan hasil dari masing-masing interpolasi, dengan jumlah 247 titik dan memiliki nilai suhu rata-rata adalah 30,63.
Gambar 3 Peta sebaran suhu satelit di sekitar titik sampel Hasil Interpolasi dengan Tiga Metode Interpolasi IDW IDW adalah salah satu teknik interpolasi permukaan (surface interpolation) dengan prinsip titik inputnya dapat berupa titik pusat plot yang tersebar secara acak maupun tersebar merata. Metode bobot inverse distance atau jarak tertimbang terbalik (IDW) memperkirakan nilai-nilai atribut pada titik-titik yang tidak disampel menggunakan kombinasi linier dari nilai-nilai sampel tersebut dan ditimbang oleh fungsi terbalik dari jarak antar titik (Hayati 2012). Hasil interpolasi IDW terdapat pada Gambar 4.
7
Gambar 4 Peta sebaran suhu berdasarkan interpolasi IDW Berdasarkan Gambar 4 hasil interpolasi IDW, suhu berkisar antara 29,15131,699 ˚C. Suhu di sebelah tenggara berkisar antara 31,062˚C – 31,669 ˚C, merupakan suhu yang lebih tinggi dibandingkan daerah lainnya. Nilai interpolasi IDW menghasilkan nilai interpolasi yang lebih baik pada data sampel yang lokasinya berdekatan dari pada data yang lokasinya lebih jauh. Karena metode ini menggunakan rata-rata dari data sampel. Gambar 5 merupakan suhu hasil interpolasi IDW.
MIN MAX MEAN SDev
= 29,279 = 31,654 = 30,63 = 0.4613
Gambar 5 Grafik suhu interpolasi IDW
8
Nilai suhu hasil interpolasi IDW terendah sebesar 29,279˚C yang terletak pada 106˚ 17’ 6’’ BT dan 5˚ 23’ 42’’ LS, nilai suhu hasil interpolasi IDW tertinggi sebesar 31,654˚C yang terletak pada 106˚ 42’ 18’’ BT dan 5˚ 37’ 30’’ LS. Standar deviasi metode IDW didapatkan sebesar 0,4613, standar deviasi ini merupakan standar deviasi yang paling kecil diantara ketiga metode, dimana semakin kecil standar deviasinya maka data yang dihasilkan semakin akurat. Data hasil interpolasi idw terdapat pada lampiran 1. Menurut Ashraf et al. (1997) dikatakan bahwa metode inverse distance cukup baik dalam menduga nilai contoh pada suatu lokasi. Titik sampel yang digunakan cukup rapat, sehingga metode Interpolasi IDW lebih bagus hasilnya. Menurut (Pramono 2008) Untuk mendapatkan hasil yang baik, sampel data yang digunakan harus rapat yang berhubungan dengan variasi lokal. Jika sampelnya agak jarang dan tidak merata, hasilnya kemungkinan besar tidak sesuai dengan yang diinginkan (Pramono 2008). Kriging Interpolasi kriging dapat digolongkan dalam interpolasi stochastic. Interpolasi stochastic menawarkan penilaian kesalahan dengan nilai prediksi dengan mengasumsikan kesalahan acak. Metode kriging merupakan estimasi stochastic mirip dengan IDW yang menggunakan kombinasi linear dari weights untuk memperkirakan nilai di antara sampel data. Metode ini dikembangkan oleh D.L. Krige untuk memperkirakan nilai dari bahan tambang. Asumsi dari model ini adalah jarak dan orientasi antara sampel data menunjukkan korelasi spasial. Hasil interpolasi kriging terdapat pada Gambar 6.
Gambar 6 Peta sebaran suhu berdasarkan interpolasi kriging
9
Berdasarkan Gambar 6 hasil interpolasi kriging, suhu berkisar antara 29,173˚ - 31,693˚ C. Suhu di sebelah tenggara berkisar antara 31,063˚C 31,693˚C, merupakan suhu yang lebih tinggi dibandingkan daerah lainnya. Gambar 7 merupakan grafik suhu hasil interpolasi kriging. Nilai suhu hasil interpolasi kriging terendah sebesar 29,279˚C yang terletak pada 106˚ 17’ 6’’ BT dan 5˚ 23’ 42’’ LS, nilai suhu hasil interpolasi kriging tertinggi sebesar 31,652˚C yang terletak pada 106˚ 39’ 54’’ BT dan 5˚ 38’ 42’’ LS. Standar deviasi metode kriging didapatkan sebesar 0,4618. Data hasil interpolasi kriging terdapat pada lampiran 1.
Min Max Mean SDev
= 29,279 = 31,652 = 30,63 = 0.4618
Gambar 7 Grafik suhu interpolasi kriging Metode kriging mempunyai keunggulan dan kelemahan menurut Largueche (2006), keunggulannya yaitu kemampuan untuk mengkuantifikasi variansi dari nilai yang diestimasi sehingga tingkat presisi dari hasil estimasi dapat diketahui. Metode Kriging tetap dapat digunakan meskipun tidak ditemukan korelasi spasial antar data. Kelemahan Kriging yaitu mengasumsikan data menyebar normal sementara kebanyakan data lapangan tidak memenuhi kondisi tersebut. Selain itu, semi variogram yang dihitung untuk suatu himpunan data tidak berlaku untuk himpunan data lainnya. Dengan demikian estimasi semi variogram akan sulit bila titik sampel yang digunakan tidak mencukupi.
Spline Spline merupakan metode yang mengestimasi nilai dengan menggunakan fungsi matematika untuk meminimalisir total kelengkungan permukaan (Binh dan Thuy 2008). ESRI (1996) menyatakan bahwa metode interpolasi spline dapat mengestimasi nilai sel berdasarkan nilai rata-rata antara point data masing-masing contoh. Hasil interpolasi spline terdapat pada Gambar 8. Suhu berkisar antara 29,146˚ - 31,825˚ C. Suhu di sebelah tenggara berkisar antara 31,155˚C 31,825˚C, merupakan suhu yang lebih tinggi dibandingkan daerah lainnya.
10
Metode interpolasi spline merupakan metode yang baik untuk mengestimasi nilai rendah dan tinggi yang tidak terdapat pada sampel data.
Gambar 8 Peta sebaran suhu berdasarkan interpolasi spline Pada metode spline ini permukaan yang dihasilkan tepat melewati titiktitik sampel. Kelebihan dari metode spline adalah kemampuan untuk menghasilkan akurasi permukaan yang cukup baik walaupun data yang digunakan hanya sedikit. Menurut (Pasaribu dan Haryani 2012) metode ini kurang baik jika diaplikasikan untuk situasi dimana terdapat perbedaan nilai yang signifikan pada jarak yang sangat dekat. Kekurangan dari metode spline adalah ketika titik-titik sampel yang berdekatan memiliki perbedaan nilai yang sangat besar , metode spline tidak dapat berjalan dengan baik. Hal ini disebabkan karena metode spline menggunakan perhitungan slope yang berubah berdasarkan jarak untuk memperkirakan bentuk dari permukaan. Grafik suhu hasil interpolasi spline terdapat pada Gambar 9. Gambar 9 merupakan grafik suhu hasil interpolasi spline. Nilai suhu hasil interpolasi spline terendah sebesar 29,251˚C yang terletak pada 106˚ 15’ 18’’ BT dan 5˚ 20’ 42’’ LS, nilai suhu hasil interpolasi spline tertinggi sebesar 31,671˚C yang terletak pada 106˚ 42’ 18’’ BT dan 5˚ 37’ 30’’ LS. Standar deviasi metode spline didapatkan sebesar 0,4639. Nilai standar deviasi metode spline merupakan standar deviasi paling besar diantara ketiganya, maka metode spline kurang akurat dibandingkan dua metode lainnya. Data hasil interpolasi spline terdapat pada lampiran 1.
11
Min Max Mean SDev
= 29,251 = 31,671 = 30,63 = 0.4639
Gambar 9 Grafik suhu interpolasi spline
SIMPULAN Setelah dilakukan uji akurasi, metode IDW lebih akurat dibandingkan dengan dua metode interpolasi lainnya. suhu terkecil metode IDW sebesar 29,279, suhu terbesar sebesar 31,654 dengan standar deviasi 0,4613, suhu terkecil metode kriging sebesar 29,279, suhu terbesar sebesar 31,652 dengan standar deviasi 0,4618, dan suhu terkecil metode spline sebesar 29,251, suhu terbesar sebesar 31,671 dengan standar deviasi 0,4639.
SARAN Penelitian ini dapat di kembangkan dengan menggunakan resolusi citra yang lebih tinggi dan daerah penelitian yang relatif lebih luas, supaya didapatkan akurasi yang tinggi.
12
DAFTAR PUSTAKA Alfiana AN. 2010. Metode Ordinary Kriging pada Geostatistika [skripsi]. Yogyakarta (ID) : Universitas Negeri Yogyakarta. Anderson S. 2001. An evaluation of spatial interpolation methods on air temperature in Phoenix, AZ [paper]. Department of Geography, Arizona State University Tempe. Ashraf M, Jim CL , Hubbard KG. 1997.Application of geostatistics to evaluate partial weather station network. J Agricultural and Forest Meteorology. 84:255 – 271. Binh TQ, Thuy NT. 2008. Assessment of the influence of interpolation techniques on the accuracy of digital elevation model. VNU J of Scie Earth Sciences 24(1): 176-183. Bohling G. 2005. Kriging. [Internet]. http://people.ku.edu/~gbohling (diakses 4 April 2016). ESRI. 1996. Using the ArcView Spatial Analyst. Redlands, Environmental Systems Research Institute, Inc. Gamma Design Software. 2005. Interpolation in GS+ [internet]. http://www.geostatistics.com/ OverviewInterpolation.html (diakses 4 April 2016). Hayati FD. 2012. Pengujian teknik interpolasi sediaan tegakan dan biomassa berbasis IHMB pada hutan lahan kering PT Trisetia Intiga, Kabupaten Lamandau, Kalimantan Tengah [skripsi]. Bogor (ID): Institut Pertanian Bogor. Largueche, F.Z.B. 2006. Estimating Soil Contamination with Kriging Interpolation Method. American Journal of Applied Sciences: 6(3): 18941898. Massinai MA. 2005. Analisis liputan awan berdasarkan citra satelit penginderaan jauh. Pertemuan ilmiah masyarakat penginderaan jauh XIV. ITS Nontji.1987. Laut Nusantara. Jakarta (ID): Djambatan. Paonganan, Y. 2008. Analisis invasi makroalga ke koloni karang hidup kaitannya dengan laju sedimentasi di Pulau Bokor, Pulau Pari dan Pulau Payung DKI Jakarta [tesis]. Bogor (ID): Institut Pertanian Bogor. Paramithasari HDP. 2013. Pemanfaatan SIG dalam pemetaan potensi merbau di areal IUPHHK-HA PT.Wapoga Mutiara Tiber Unit II Papua [skripsi]. Bogor (ID): Institut Pertanian Bogor.
13
Pasaribu JM, Haryani NS. 2012. Perbandingan teknik interpolasi DEM SRTM dengan metode Inverse Distance Weight (IDW), Natural neighbor dan spline. J Penginderaan Jauh. 9(2):126-139. Pramono G. 2005. Perbandingan metode trend dan spline untuk interpolasi sebaran sedimen tersuspensi di Kabubaten Maros, Sulawesi Selatan. J Ilmiah Geomatika. 11(1): 20-32. Pramono G. 2008. Akurasi metode IDW dan kriging untuk interpolasi sebaran sedimen tersuspensi di Maros, Sulawesi Selatan. J Forum Geografi. 22(1): 145-158. Wicaksono A, Muhsoni FF, Fahrudin A. 2010. Aplikasi data citra satelit noaa-17 untuk mengukur variasi suhu permukaan laut jawa. Jurnal Kelautan.3(1): 70-73.
14
LAMPIRAN Lampiran 1 Perbandingan suhu uji dengan suhu hasil interpolasi IDW Suhu hasil Suhu hasil Suhu hasil No Bujur Lintang SST interpolasi interpolasi interpolasi IDW kriging spline 1 106.875 -5.965 31.36 31.368 31.365 31.359 2 106.735 -5.955 31.4 31.403 31.403 31.400 3 106.835 -5.945 31.42 31.42 31.420 31.422 4 106.835 -5.935 31.43 31.433 31.430 31.430 5 106.835 -5.925 31.43 31.436 31.434 31.428 6 106.705 -5.915 31.42 31.436 31.433 31.427 7 106.875 -5.905 31.38 31.378 31.375 31.379 8 106.505 -5.895 30.87 30.873 30.878 30.877 9 106.875 -5.895 31.37 31.368 31.367 31.373 10 106.185 -5.885 30.41 30.414 30.398 30.415 11 106.445 -5.885 30.92 30.927 30.908 30.913 12 106.825 -5.885 31.44 31.436 31.436 31.439 13 106.395 -5.875 30.73 30.727 30.726 30.724 14 106.595 -5.875 30.96 30.956 30.959 30.958 15 106.715 -5.875 31.49 31.488 31.487 31.487 16 106.125 -5.865 30.62 30.623 30.581 30.635 17 106.575 -5.865 30.87 30.87 30.881 30.874 18 106.705 -5.865 31.46 31.252 31.454 31.458 19 106.365 -5.855 30.52 30.52 30.512 30.516 20 106.455 -5.855 30.81 30.809 30.808 30.814 21 106.695 -5.855 31.42 31.402 31.406 31.410 22 106.245 -5.845 30.27 30.223 30.220 30.270 23 106.475 -5.845 30.76 30.763 30.763 30.755 24 106.855 -5.845 31.33 31.328 31.329 31.325 25 106.305 -5.835 30.03 30.03 30.030 30.033 26 106.385 -5.835 30.54 30.538 30.538 30.547 27 106.585 -5.835 30.83 30.838 30.838 30.829 28 106.805 -5.835 31.45 31.449 31.449 31.452 29 106.205 -5.825 30.12 30.126 30.127 30.121 30 106.465 -5.825 30.73 30.729 30.730 30.733 31 106.665 -5.825 31.23 31.235 31.235 31.233 32 106.755 -5.825 31.51 31.507 31.507 31.509 33 106.125 -5.815 30.24 30.257 30.273 30.245 34 106.515 -5.815 30.76 30.753 30.754 30.754 35 106.695 -5.815 31.37 31.365 31.366 31.361
15
No 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72
Bujur
Lintang
SST
106.265 106.425 106.625 106.725 106.145 106.465 106.665 106.765 106.215 106.485 106.675 106.295 106.145 106.505 106.685 106.285 106.145 106.505 106.685 106.305 106.145 106.505 106.685 106.275 106.375 106.425 106.625 106.775 106.255 106.015 106.545 106.665 106.185 106.385 106.465 106.835 106.735
-5.805 -5.805 -5.805 -5.805 -5.795 -5.795 -5.795 -5.795 -5.785 -5.785 -5.785 -5.775 -5.775 -5.775 -5.775 -5.765 -5.765 -5.765 -5.765 -5.755 -5.755 -5.755 -5.755 -5.745 -5.745 -5.745 -5.745 -5.745 -5.735 -5.735 -5.735 -5.735 -5.725 -5.725 -5.725 -5.725 -5.725
29.96 30.59 31 31.46 30.08 30.69 31.22 31.45 30.09 30.74 31.27 29.78 30.11 30.78 31.3 29.87 30.13 30.76 31.3 29.94 30.16 30.74 31.3 30.04 30.18 30.51 31.13 31.37 30.15 30.41 30.73 31.33 30.18 30.32 30.62 31.27 31.4
Suhu interpolasi IDW 29.994 30.585 31.007 31.455 30.115 30.686 31.218 31.45 30.098 30.734 31.272 29.816 30.118 30.764 31.313 29.886 30.131 30.753 31.311 29.946 30.17 30.729 31.316 30.054 30.188 30.507 31.131 31.369 30.153 30.416 30.732 31.333 30.175 30.314 30.622 31.283 31.398
Suhu interpolasi kriging 29.987 30.585 31.007 31.455 30.110 30.686 31.220 31.450 30.096 30.733 31.272 29.819 30.118 30.765 31.308 29.887 30.134 30.754 31.308 29.947 30.167 30.733 31.312 30.054 30.189 30.507 31.131 31.370 30.153 30.413 30.732 31.332 30.178 30.316 30.622 31.280 31.399
Suhu interpolasi spline 29.977 30.588 31.002 31.460 30.080 30.685 31.221 31.449 30.096 30.740 31.274 29.791 30.107 30.767 31.313 29.862 30.125 30.761 31.308 29.938 30.162 30.742 31.312 30.045 30.174 30.505 31.130 31.369 30.152 30.419 30.729 31.336 30.176 30.315 30.623 31.286 31.401
16
No 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109
Bujur
Lintang
SST
106.315 106.025 106.585 106.745 106.235 106.085 106.535 106.795 106.205 106.105 106.425 106.865 106.705 106.365 106.045 106.565 106.765 106.345 106.255 106.435 106.825 106.665 106.095 106.035 106.585 106.735 106.345 106.255 106.465 106.795 106.155 106.555 106.435 106.855 106.665 106.365 106.055
-5.715 -5.715 -5.715 -5.715 -5.705 -5.705 -5.705 -5.705 -5.695 -5.695 -5.695 -5.695 -5.695 -5.685 -5.685 -5.685 -5.685 -5.675 -5.675 -5.675 -5.675 -5.675 -5.665 -5.665 -5.665 -5.665 -5.655 -5.655 -5.655 -5.655 -5.645 -5.645 -5.645 -5.645 -5.645 -5.635 -5.635
30.28 30.46 30.89 31.41 30.29 30.41 30.65 31.28 30.29 30.4 30.58 31.13 31.52 30.38 30.5 30.66 31.39 30.37 30.49 30.63 31.16 31.66 30.47 30.59 30.77 31.56 30.45 30.57 30.69 31.29 30.39 30.54 30.66 30.92 31.67 30.53 30.64
Suhu interpolasi IDW 30.266 30.456 30.9 31.408 30.29 30.411 30.658 31.285 30.29 30.402 30.579 31.123 31.524 30.381 30.508 30.669 31.393 30.375 30.48 30.622 31.157 31.639 30.471 30.593 30.801 31.547 30.47 30.579 30.691 31.293 30.392 30.559 30.652 30.918 31.653 30.554 30.642
Suhu interpolasi kriging 30.266 30.457 30.899 31.407 30.290 30.411 30.659 31.285 30.290 30.402 30.578 31.125 31.524 30.384 30.508 30.671 31.393 30.379 30.482 30.622 31.158 31.638 30.471 30.593 30.800 31.550 30.470 30.576 30.691 31.291 30.392 30.560 30.652 30.919 31.652 30.551 30.641
Suhu interpolasi spline 30.268 30.451 30.893 31.406 30.285 30.411 30.659 31.277 30.282 30.398 30.582 31.131 31.527 30.378 30.508 30.655 31.393 30.369 30.490 30.626 31.158 31.652 30.473 30.586 30.792 31.554 30.455 30.578 30.691 31.302 30.392 30.541 30.654 30.921 31.667 30.540 30.639
17
No 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146
Bujur
Lintang
SST
106.295 106.135 106.075 106.035 106.825 106.705 106.535 106.465 106.595 106.655 106.555 106.385 106.035 106.615 106.145 106.455 106.505 106.275 106.725 106.555 106.485 106.005 106.755 106.145 106.105 106.585 106.745 106.665 106.175 106.095 106.735 106.345 106.775 106.495 106.715 106.255 106.825
-5.635 -5.625 -5.625 -5.625 -5.625 -5.625 -5.615 -5.615 -5.615 -5.615 -5.605 -5.605 -5.605 -5.605 -5.595 -5.595 -5.595 -5.595 -5.595 -5.585 -5.585 -5.585 -5.585 -5.575 -5.575 -5.575 -5.575 -5.575 -5.565 -5.565 -5.565 -5.565 -5.555 -5.555 -5.555 -5.555 -5.545
30.75 30.43 30.61 30.74 30.99 31.66 30.59 30.69 30.83 31.51 30.52 30.64 30.77 31.1 30.4 30.6 30.71 30.94 31.41 30.54 30.67 30.82 31.1 30.45 30.61 30.75 30.99 31.19 30.54 30.67 30.85 31.06 30.38 30.63 30.76 30.94 30.09
Suhu interpolasi IDW 30.746 30.433 30.593 30.734 30.972 31.654 30.587 30.683 30.804 31.492 30.537 30.646 30.776 31.09 30.412 30.598 30.697 30.931 31.379 30.557 30.658 30.816 31.062 30.458 30.599 30.759 31.023 31.196 30.541 30.669 30.835 31.037 30.375 30.629 30.755 30.929 30.085
Suhu interpolasi kriging 30.744 30.433 30.597 30.733 30.979 31.652 30.589 30.683 30.815 31.491 30.539 30.647 30.774 31.090 30.413 30.600 30.696 30.930 31.380 30.558 30.659 30.819 31.063 30.459 30.602 30.758 31.002 31.193 30.543 30.666 30.842 31.036 30.378 30.626 30.757 30.928 30.084
Suhu interpolasi spline 30.747 30.429 30.601 30.739 30.982 31.671 30.578 30.687 30.815 31.502 30.514 30.646 30.778 31.097 30.398 30.600 30.706 30.942 31.394 30.533 30.666 30.823 31.078 30.448 30.610 30.750 31.010 31.205 30.536 30.668 30.849 31.056 30.368 30.633 30.751 30.940 30.083
18
No 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183
Bujur
Lintang
SST
106.485 106.695 106.665 106.295 106.735 106.165 106.055 106.265 106.835 106.685 106.655 106.275 106.335 106.435 106.255 106.365 106.045 106.855 106.385 106.175 106.125 106.795 106.715 106.665 106.615 106.055 106.445 106.305 106.495 106.545 106.275 106.855 106.195 106.145 106.015 106.765 106.855
-5.545 -5.545 -5.545 -5.545 -5.535 -5.535 -5.535 -5.535 -5.525 -5.525 -5.525 -5.525 -5.525 -5.515 -5.515 -5.515 -5.515 -5.505 -5.505 -5.505 -5.505 -5.495 -5.495 -5.495 -5.495 -5.495 -5.485 -5.485 -5.485 -5.485 -5.475 -5.475 -5.475 -5.475 -5.475 -5.465 -5.465
30.57 30.68 30.82 31.03 30.31 30.64 30.76 30.86 29.95 30.5 30.68 30.78 30.92 30.31 30.65 30.69 30.77 29.99 30.46 30.63 30.67 29.83 30.23 30.45 30.6 30.71 30.08 30.28 30.45 30.62 30.01 30.12 30.32 30.51 30.76 30.05 30.2
Suhu interpolasi IDW 30.564 30.679 30.812 31.013 30.341 30.64 30.758 30.863 29.963 30.507 30.689 30.775 30.911 30.314 30.641 30.689 30.768 30.004 30.449 30.622 30.661 29.855 30.23 30.442 30.592 30.714 30.115 30.325 30.479 30.625 30.029 30.107 30.326 30.516 30.758 30.044 30.221
Suhu interpolasi kriging 30.565 30.672 30.814 31.012 30.335 30.641 30.758 30.858 29.964 30.511 30.688 30.777 30.908 30.314 30.641 30.687 30.767 30.005 30.450 30.621 30.661 29.856 30.231 30.443 30.594 30.715 30.111 30.312 30.469 30.624 30.029 30.120 30.326 30.516 30.758 30.060 30.216
Suhu interpolasi spline 30.568 30.666 30.806 31.036 30.320 30.640 30.756 30.862 29.943 30.498 30.685 30.787 30.932 30.304 30.645 30.697 30.772 29.984 30.453 30.631 30.670 29.836 30.222 30.446 30.590 30.712 30.087 30.302 30.470 30.628 30.017 30.122 30.321 30.514 30.753 30.058 30.202
19
No 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220
Bujur
Lintang
SST
106.165 106.095 106.325 106.765 106.855 106.565 106.255 106.425 106.765 106.145 106.075 106.355 106.455 106.755 106.535 106.305 106.385 106.155 106.815 106.065 106.205 106.505 106.125 106.005 106.225 106.185 106.455 106.845 106.285 106.595 106.395 106.025 106.795 106.355 106.545 106.015 106.845
-5.465 -5.465 -5.455 -5.455 -5.455 -5.455 -5.445 -5.445 -5.445 -5.445 -5.445 -5.435 -5.435 -5.435 -5.435 -5.425 -5.425 -5.425 -5.425 -5.425 -5.415 -5.415 -5.415 -5.415 -5.405 -5.405 -5.405 -5.405 -5.395 -5.395 -5.395 -5.395 -5.395 -5.385 -5.385 -5.385 -5.385
30.36 30.65 29.97 30.16 30.28 30.5 29.62 30.1 30.27 30.4 30.7 30.02 30.21 30.41 30.52 29.59 30.2 30.37 30.52 30.71 30.08 30.36 30.53 30.63 29.8 30.33 30.47 30.63 29.24 30.18 30.44 30.61 30.68 30.01 30.4 30.56 30.66
Suhu interpolasi IDW 30.364 30.648 29.966 30.187 30.326 30.503 29.612 30.135 30.322 30.41 30.694 30.036 30.209 30.409 30.513 29.61 30.2 30.374 30.511 30.707 30.066 30.367 30.537 30.635 29.81 30.323 30.479 30.63 29.279 30.209 30.424 30.62 30.662 30.039 30.392 30.569 30.653
Suhu interpolasi kriging 30.366 30.647 29.968 30.185 30.310 30.503 29.623 30.130 30.308 30.411 30.694 30.034 30.205 30.409 30.512 29.609 30.199 30.375 30.511 30.706 30.067 30.368 30.534 30.633 29.807 30.320 30.473 30.629 29.279 30.205 30.423 30.615 30.664 30.030 30.393 30.569 30.652
Suhu interpolasi spline 30.351 30.649 29.961 30.167 30.290 30.502 29.602 30.113 30.282 30.395 30.698 30.030 30.206 30.408 30.525 29.606 30.204 30.369 30.520 30.715 30.078 30.359 30.532 30.632 29.814 30.335 30.485 30.635 29.251 30.188 30.443 30.611 30.680 30.026 30.402 30.562 30.661
20
No 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247
Bujur
Lintang
SST
106.245 106.195 106.135 106.875 106.755 106.575 106.645 106.465 106.795 106.225 106.505 106.155 106.805 106.255 106.575 106.405 106.465 106.755 106.355 106.105 106.815 106.775 106.295 106.525 106.815 106.015 106.695
-5.375 -5.375 -5.375 -5.375 -5.375 -5.365 -5.365 -5.365 -5.365 -5.355 -5.355 -5.355 -5.355 -5.345 -5.345 -5.345 -5.345 -5.345 -5.335 -5.335 -5.335 -5.335 -5.325 -5.325 -5.325 -5.325 -5.325
29.38 30.34 30.53 30.62 30.74 30.28 30.47 30.58 30.69 29.73 30.41 30.54 30.63 29.26 30.26 30.5 30.56 30.75 29.99 30.45 30.51 30.67 29.54 30.26 30.46 30.57 30.82
Suhu interpolasi IDW 29.402 30.309 30.529 30.618 30.736 30.284 30.47 30.578 30.688 29.746 30.408 30.532 30.622 29.279 30.27 30.522 30.568 30.75 30.015 30.465 30.531 30.667 29.491 30.28 30.498 30.557 30.794
Suhu interpolasi kriging 29.405 30.307 30.529 30.615 30.735 30.285 30.470 30.575 30.685 29.743 30.406 30.531 30.625 29.286 30.270 30.511 30.566 30.750 30.011 30.465 30.525 30.668 29.505 30.276 30.495 30.557 30.799
Suhu interpolasi spline 29.372 30.339 30.531 30.622 30.739 30.276 30.473 30.586 30.690 29.742 30.404 30.544 30.631 29.251 30.265 30.511 30.571 30.760 30.009 30.457 30.513 30.671 29.547 30.261 30.466 30.564 30.819
21
DAFTAR RIWAYAT HIDUP Penulis dilahirkan di Bukitinggi pada tanggal 22 juni 1994. Penulis adalah anak kedua dari empat bersaudara pasangan Bapak Zulkifli dan Ibu Ernawati. Penulis menyelesaikan pendidikan dasar di SD 40 Padang Mentinggi yang lulus pada tahun 2006, setelah itu penulis menamatkan pendidikan menengah pertama di SMP Negeri 1 Rao pada tahun 2009 dan pendidikan menengah atas di SMA Negeri 1 Batusangkar pada tahun 2012. Penulis diterima sebagai mahasiswa Institut Pertanian Bogor melalui jalur SNMPTN tulis Tahun 2012. Setelah melewati Tingkat Persiapan Bersama (TPB), penulis melanjutkan studi di Departemen Ilmu dan Teknologi Kelautan, Fakultas Perikanan dan Ilmu Kelautan, Institut Pertanian Bogor. Selama masa perkuliahan, penulis aktif TPB (2012) di Organisasi Mahasiswa Daerah (Omda) yang diamanahkan sebagai ketua OMDA Ikatan Mahasiswa Harimau Pasaman (IMHP). Pada tingkat 2 (2013) penulis aktif di klub Marine Instrumentation and Telemetry (MIT), klub Marine Science and Technologi Diving School (MSTDS), dan Garuda Community yang diamanahkan sebagai kepala divisi Informasi dan Komunikasi (Infokom). Pada tingkat 3 (2014) penulis aktif di Badan Eksekutif Mahasiswa (BEM) yang diamanahkan sebagai kepala divisi Pemberdayaan Budaya Olahraga dan Seni (PBOS) dan menjadi Dewan Formatur Himpunan Mahasiswa Ilmu dan Teknologi Kelautan (Himiteka). Sebagai salah satu syarat untuk memperoleh gelar Sarjana Ilmu Kelautan pada Fakultas Perikanan dan Ilmu Kelautan, Institut Pertanian Bogor, penulis melakukan penelitian dengan judul “Perbandingan Metode Interpolasi IDW, Kriging, dan Spline pada Sistem Informasi Geografis” dibawah bimbingan Prof. Dr. Ir. Setyo Budi Susilo.M.Sc dan Risti E. Arhatin S.Pi , M.Si