Interpolasi Inverse Distance Weighted

Interpolasi adalah metode untuk mendapatkan data berdasarkan beberapa data yang telah diketahui. Dalam pemetaan, interpolasi adalah proses estimasi nilai pada wilayah yang tidak disampel atau diukur, sehingga terbentuk peta atau sebaran nilai pada seluruh wilayah.

Ada beberapa metode yang bisa digunakan untuk melakukan interpolasi seperti Trend, Spline, Inverse Distance Weighted (IDW) dan Kriging. Setiap metode ini akan memberikan hasil interpolasi yang berbeda. Postingan kali ini memfokuskan pencarian nilai titik observasi dari hasil luaran model menggunakan metode IDW dan hasilnya dipetakan lagi menggunakan SIG.

Metode Inverse Distance Weighted (IDW) merupakan metode deterministik 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.

Untuk mengolah dan menganalisa data secara spasial, Sistem Informasi Geografis (SIG) biasanya digunakan. Didalam analisa spasial baik dalam format vektor maupun raster, diperlukan data yang meliputi seluruh studi area. Oleh sebab itu, proses interpolasi perlu dilaksanakan untuk mendapatkan nilai diantara titik sampel. Hal ini bertujuan agar dalam perbandingan nilai dari titik observasi dan titik model bisa berimbang.

Data hasil keluaran model prediksi cuaca numerik berupa data grid, sehingga dalam satu wilayah spasial bisa terdiri dari banyak grid tergantung dari resolusinya. Sedangkan data observasi merupakan data pengamatan yang terletak pada suatu titik tertentu berdasarkan koordinat. Dari pengertian ini, bisa diartikan bahwa lokasi antara titik observasi dan grid bisa sama atau berada dalam area antar grid. Dimana titik merah adalah grid dari data model dan titik biru adalah lokasi yang akan dicari datanya.


Selanjutnya mencari nilai titik observasi yang berada di dalam suatu grid model menggunakan metode interpolasi inverse distance weighted (IDW). Ide dasar dalam mencari nilai titik observasi adalah memanfaatkan berkas database model, selanjutkan dispasialkan bersama titik pos hujan kerjasama. Titik-titik yang berada dalam suatu grid dikelompokan dan dihitung berdasarkan titik grid diluarnya dengan persamaan interpolasi IDW. Untuk mendapatkan berkas database model bisa membaca postingan sebelumnya tentang Merubah Tampilan GrADS menjadi Shapefile.

Untuk lebih mudah dalam menginterpretasikan gambar diatas, lihat dulu ilustrasi gambar dibawah ini :


Penghitungan metode interpolasi dilakukan secara manual setelah mengumpulkan grid-grid dan titik-titik yang diperlukan. Hasilnya seperti contoh tabel berikut :


Nilai pada kolom dengan arsiran warna hijau merupakan nilai hasil interpolasi dari titik observasi, jika di peta kan dalam software GIS hasilnya kurang lebih akan seperti ini :


Semoga bermanfaat.

Sumber :

Pramono, G. H., 2008, Akurasi Metode IDW dan Kriging untuk Interpolasi Sebaran Sedimen Tersuspensi di Maros Sulawesi Selatan, Forum Geografi, Vol. 22, No. 1, Juli 2008: 145-158.

Hartkamp, D., Beurs, K. D., Stein, A., et al, 1999, Interpolation Technique for Climate Variables, CIMMYT Natural Resource Group, Geographic Information Sustem Series 99-01.

http://www.uiowa.edu/~geog/health/interp/inv2.html

Advertisements

One thought on “Interpolasi Inverse Distance Weighted

  1. Materinya bagus, Mas. Pengen belajar lebih dalam tentang Interpolasi lagi. Ada nomor kontak atau akun tertentu yang bisa saya hubungi, Mas ? Terima kasih

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s