• Tidak ada hasil yang ditemukan

Interpolasi Data Curah Hujan Menggunakan

N/A
N/A
Protected

Academic year: 2018

Membagikan "Interpolasi Data Curah Hujan Menggunakan"

Copied!
18
0
0

Teks penuh

(1)

PRAKTIKUM APLIKASI SISTEM INFORMASI GEOGRAFI LAPORAN PRAKTIKUM 5

“Interpolasi Data Curah Hujan Menggunakan Metode IDW Pada Argis”

(2)

KATA PENGANTAR

Puji syukur penulis ucapkan kehadirat Allah Subhanahu wata’ala, yang telah memberikan rahmat-Nya sehingga penulis dapat menyelesaikan laporan ini. Laporan ini diajukan guna memenuhi tugas mata kuliah Praktikum Aplikasi Sistem Informasi Geografi. Terima kasih penulis sampaikan kepada dosen mata kuliah yang turut membantu dalam menyelesaikan laporan ini serta kepada semua pihak yang telah membantu secara langsung maupun tak langsung sehingga ini dapat diselesaikan sesuai dengan waktunya.

Penulis menyadari sepenuhnya bahwa laporan ini masih jauh dari sempurna. Oleh karena itu, kritik dan saran yang bersifat membangun sangat diharapkan, sekecil apapun akan penulis perhatikan dan pertimbangkan guna penyempuranaan dalam membuat laporan yang akan datang.

Semoga laporan ini mampu memberikan nilai tambah bagi pembacanya dan juga bermanfaat untuk pengembangan ilmu pengetahuan bagi kita semua.

Padang, 26 November 2016

(3)

BAB I

TUJUAN DAN LANDASAN TEORI

1. TUJUAN

Adapun tujuan praktikum mata kuliah Aplikasi Sistem Informasi Geografi adalah: a) Menerapkan hasil pembelajaran SIG yang berupa teori kedalam praktik

b) Meningkatkan pemahaman mahasiswa tentang pemanfaatan SIG c) Melatih mahasiswa dalam menerapkan hasil pembelajaran SIG d) Mengetahui bagaimana cara MemBuffer pada ArcGis 10.0.

2. LANDASAN TEORI

Sistem Informasi Geografis merupakan sistem berbasis computer yang digunakan untuk menyimpan dan memanipulasi informasi geografis. Sistem Informasi Geografis diciptakan untuk mengumpulkan, meyimpan, dan memnganalisis objek atau fenomenadimana lokasi geografis menjadi karakteristik atau fenomena dimana lokasi geografis menjadi karkteristik atau kritik penting untuk analisis.

Dalam mengolah data dengan sistem informasi geografis (SIG) terkadang memerlukan metode untuk menganalisis data, namun keterbatasan data dalam menganalisis sering menjadi permasalahan tersendiri. Data yang diperoleh terkadang tidak terlalu lengkap sehingga kita membutuhkan beberapa metode interpolasi untuk dapat mengestimasi data menjadi output yang baik sesuai dengan keingginan.

Interpolasi adalah suatu metode atau fungsi matematika yang menduga nilai pada lokasi-lokasi yang datanya tidak tersedia atau tidak didapatkan. Interpolasi spasial mengasumsikan bahwa atribut data bersifat kontinu di dalam ruang dan atribut ini saling berhubungan (dependence) secara spasial.

(4)

Definisi lainnya Interpolasi juga merupakan metode untuk mendapatkan data berdasarkan beberapa data yang telah diketahui. Dalam ruang lingkup pemetaan interpolasi adalah proses estimasi nilai pada wilayah yang tidak disampel atau diukur, sehingga terbuatlah peta atau sebaran nilai pada seluruh wilayah. Didalam melakukan interpolasi, sudah pasti dihasilkan sebuah bias dan error. Error yang dihasilkan sebelum melakukan interpolasi bisa dikarenakan kesalahan menentukan metode sampling data, kesalahan dalam pengukuran dan kesalahan dalam analisa di laboratorium (Pramono,2008).

Ada beberapa metode interpolasi yang sering digunakan dalam SIG, masing masing metode memiliki karakteristik serta kelebihan dan kekurangan masing-masing. metode interpolasi pada SIG antara lain Inverse Distance Weighted (IDW), Natural Neighbor, Kriging

dan Spline.

1. Interpolasi Inverse Distance Weighted (IDW).

Metode Inverse Distance Weighted (IDW) memiliki asumsi bahwa setiap titik input mempunyai pengaruh yang bersifat lokal dan berkurang terhadap jarak. Pada metode interpolasi IDW pada umumnya dipengaruhi oleh inverse jarak yang diperoleh dari persamaan matematika. Pengaruh akan lebih besar dari titik input dengan titik yang lebih dekat sehingga menghasilkan permukaan yang lebih detail. Namun seiring bertambahnya jarak pengaruh akan semakin berkurang detailnya dan terlihat lebih halus.

2. Interpolasi kriging

Metode interpolasi kriging adalah metode interpolasi spasial yang memanfaatkan nilai spasial pada lokasi tersampel untuk memproduksi nilai pada lokasi lain yang tidak tersampel. Metode kriging merupakan estimasi stochastic yang mirip dengan IDW. Dimana menggunakan kombinasi linier dari weight untuk memperkirakan nilai diantara sampel data. (Yulianto,2012)

3. Interpolasi Natural Neighbor

(5)

4. Interpolasi spline

(6)

BAB II

LANGLAH KERJA

A. ALAT DAN BAHAN

Adapun alat dan bahan yang digunakan dalam praktikum SIG adalah: a.) Seperangkat komputer

b.) Software Arcgis 10.1 c.) Software Arcgis Catalog

B. LANGKAH KERJA

(7)

Langkah selanjutnya adalah membuat sheet baru pada Ms.Exel dengan memindahkan data curah hujan kabupaten (nama stasiun, koordinat XY, dan rata-rata curah hujan pertahun, disini saya menggunakan data curah hujan kabupaten Tulang Bawang Barat, Provinsi Lampung.

(8)

Langkah selanjutnya adalah melakukan Display XY data, dengan mengklik kanan pada data Sheet.

(9)
(10)

Selanjutnya yang akan kita lakukan adalah menginterpolasi titik-titik dari masing masing stasiun yang ada dengan mengklik ArcToolBook Spatial Analysis Tool InterpolationIDW

(11)

Setelah selesai maka hasil dari IDW tersebut akan tampak seperti dibawah ini

(12)
(13)
(14)

Proses selanjutnya adalah melakukan convert to polygon

(15)

Hasil dari Raster To Polygon seperti si bawah ini.

(16)

Langkah selanjutnya adalah mengklip peta administrasi dengan data polygon dari curah hujan tersebut. Dengan cara

(17)
(18)

Referensi

Dokumen terkait

Dari hasil penilitian menggunakan metode rata-rata aljabar, metode normal ratio, dan metode Inversed Square Distance dengan data hujan harian satu tahun, data hujan

Penerapan Fuzzy Sugeno dalam memprediksi curah hujan bulanan pada 36 sampel yatu data dari Januari 2011 sampai dengan Desember 2013 menghasilkan nilai (AFER) sebesar

Manfaat dari penelitian ini adalah dengan model prediksi dengan metode interpolasi Lagrange yang dipero- leh dapat digunakan untuk memprediksi jumlah orang yang terpapar

Sistem sudah mampu menerapkan metode Weibull, gringorten, California, Hazen, Cunnane, Bloom, dan Tukey dalam proses pengolahan data untuk mencari periode ulang dan

Berbeda dengan [5], dimana teknik interpolasi dilakukan pada citra yang dibagi menjadi 3x3 blok dan menggunakan empat sudut pikselnya sebagai piksel referensi, menyebabkan

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 menggunakan metode rata-rata aljabar, metode normal ratio, dan metode Inversed Square Distance hasil perhitungan data hujan harian satu tahun, data hujan kumulatif

Hasil penelitian didapatkan bahwa Analisis Interpolasi dengan menggunakan metode interpolasi Kriging menghasilkan taksiran yang mendekati nilai sampel data yang diinterpolasi, sehingga