Pendekatan Interpolasi Spasial Ordinary Kriging Dan Robust Kriging Pada Data Pencilan (Studi Kasus Pada Data Curah Hujan Kabupaten Jember)
| Main Author: | Antono, Tri |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/4092/ |
Daftar Isi:
- Pada metode ordinary kriging jika terdapat memiliki data pencilan akan menghasilkan nilai prediksi yang kurang baik. Untuk mengatasi hal tersebut digunakan metode robust kriging yang dapat mengakomodir adanya pencilan. Dalam metode ordinary dan robust kriging perlu memperhitungkan semivariogram. Terdapat dua jenis semivariogram yaitu isotropik dan ansiotropik. Hujan merupakan suatu proses jatuhnya air yang berasal dari awan ke daratan bumi. Hujan diukur melalui curah hujan. Curah hujan dipengaruhi beberapa faktor diantaranya jarak perjalanan angin di atas medan datar dan arah angin sejajar. Tujuan penelitian ini adalah mengidentifikasi spatial outlier pada data curah hujan di Kabupaten Jember, menentukan semivariogram terbaik antara isotropik dan anisotropik dan menentukan metode yang lebih akurat dalam melakukan pendekatan interpolasi ordinary kriging terhadap robust kriging. Data yang digunakan adalah data curah hujan bulanan Kabupaten Jember periode September 2015 s/d Agustus 2016. Dari dataset bulanan curah hujan data yang terdapat spatial outlier adalah data bulan November 2015 s/d Agustus 2016. Pada metode ordinary kriging semivariogram isotropik terbaik pada Januari, Februari, April, Mei, Juni dan Agustus 2016 sedangkan semivariogram anisotropik terbaik pada bulan November, Desember 2015, Maret dan Juli 2016. Pada metode robust kriging semivariogram isotropik terbaik pada Mei dan Juli 2016 sedangkan semivariogram anisotropik terbaik pada bulan November, Desember 2015, Januari, Februari, Maret, April, Juni dan Agustus 2016. Pada November 2015, Januari, Februari, Maret, Mei dan Juni 2016 metode yang terbaik adalah metode ordinary kriging. Sedangkan bulan Desember 2015, April, Juli dan Agustus 2016 metode yang terbaik adalah robust kriging.