ANALISIS PERBANDINGAN METODE INTERPOLASI UNTUK …

ANALISIS PERBANDINGAN METODE

INTERPOLASI UNTUK PEMETAAN pH AIR PADA

SUMUR BOR DI KABUPATEN ACEH BESAR

BERBASIS SIG

HALAMAN JUDUL

TUGAS AKHIR

Diajukan untuk melengkapi tugas-tugas dan

memenuhi syarat-syarat guna memperoleh gelar

Oleh:

ILHAM AL ASWANT

1208107010066

JURUSAN INFORMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SYIAH KUALA

DARUSSALAM BANDA ACEH

JULI, 2016

ii

PENGESAHAN TUGAS AKHIR

iii

KATA PENGANTAR

Bismillahirahmanirahim, Alhamdulillah, puji dan syukur penulis panjatkan

ke hadirat Allah SWT yang telah melimpahkan rahmat dan karunia-Nya. Salawat

beriring salam penulis sanjungkan kepada Nabi Besar Muhammad SAW

sehingga penulis dapat menyelesaikan Tugas Akhir yang berjudul “ANALISIS

PERBANDINGAN METODE INTERPOLASI UNTUK PEMETAAN pH

AIR PADA SUMUR BOR DI KABUPATEN ACEH BESAR BERBASIS

SIG” guna memenuhi tugas dan syarat untuk memperoleh gelar Sarjana

Komputer di Jurusan Informatika, Fakultas Matematika dan Ilmu Pengetahuan

Alam, Universitas Syiah Kuala.

Penulis menyadari bahwa penulisan Tugas Akhir ini tidak terlepas dari

bantuan dan dorongan dari berbagai pihak, baik secara moril maupun material.

Oleh sebab itu pada kesempatan ini penulis mengucapkan terima kasih kepada:

1. Bapak Dr. Teuku Mohamad Iqbalsyah, S.Si, M.Sc selaku Dekan

Fakultas FMIPA Universitas Syiah Kuala.

2. Bapak Dr. Muhammad Subianto selaku ketua Jurusan Informatika

FMIPA yang telah memberi dukungan penulis dalam penyusunan

Tugas Akhir ini hingga selesai.

3. Bapak Rasudin Abubakar, M.InfoTech selaku dosen wali yang telah

mendidik, menginspirasi, dan terus memantau penulis dalam

penyusunan Tugas Akhir ini hingga selesai.

4. Bapak Dr. Nizamuddin, M.Info.Sc selaku dosen pembimbing I dan

Bapak Marwan. S.Si, M.T selaku dosen pembimbing II yang telah

meluangkan waktu untuk membimbing dan memberikan arahan

kepada penulis dalam penyelesaian Tugas Akhir ini.

5. Ayahanda Aswan Tarmili ST yang telah mendidik dan mendukung

penulis dari awal masa studi hingga penulisan Tugas Akhir ini selesai.

6. Ibunda Amilah yang telah mendidik, memberi semangat dan

mendukung penulis hingga penulisan Tugas Akhir ini selesai.

iv

7. Seluruh Dosen Informatika yang telah membantu dan memberi ilmu

kepada penulis dalam penyusunan Tugas Akhir ini hingga selesai.

8. Dinas Pertambangan dan Energi Provinsi Aceh yang telah membantu

penulis dan mepersiapkan hingga menyelesaikan Tugas Akhir.

9. Teman seperjuangan yang sangat teristimewa Hilda Fadhilla, SE,

terima kasih atas segala dukungan, doa, dan semangat yang tidak

pernah henti diberikan.

10. Teman-teman seperjuangan jurusan informatika khususnya leting 2012

Sani, Furqan, Dede, Tri, Bang pon, Hendra, Rifka, Icut, Dara, Ayu, Zia

dan banyak yang tidak disebutkan satu persatu yang telah menemani

penulis ketika senang maupun susah. Harapan penulis semoga tulisan

ini memberikan manfaat bagi Universitas Syiah Kuala juga bagi

perkembangan ilmu pengetahuan.

Semoga pahala dan rahmat selalu menyertai pihak-pihak tersebut di

atas oleh Allah SWT. Akhir kata, penulis menyadari bahwa tugas akhir ini masih

jauh dari kesempurnaan, oleh karena itu kritik dan saran dari berbagai pihak akan

sangat membantu. Harapam penulis semoga tulisan ini dapat bermanfaat bagi

perkembangan dan ilmu pengetahuan.

Banda Aceh, September 2016

(Ilham Al Aswant)

iv

v

ABSTRAK

Air merupakan salah satu kebutuhan pokok kehidupan bagi mahkluk hidup yang

ada di bumi. Air yang digunakan untuk kebutuhan hidup sehari-hari

khususnya untuk penyediaan air minum dan air bersih harus memenuhi

persyaratan. Kabupaten Aceh Besar memiliki jumlah penduduk pada tahun 2012

sebanyak 371.41 ribu/jiwa dan setiap tahunnya akan bertambah. Kebutuhan air

bersih sangat berpengaruh pada kehidupan sekarang di mana kualitas pada air

bersih jadi pertimbangan. Maka dari itu bagaimana mengetahui tingkat kualitas air

pada sumur bor di Kabupaten Aceh Besar. Luasnya Kabupaten Aceh Besar tidak

memungkinkan mengambil data satu persatu di seluruh lokasi. Oleh karena itu

untuk memperoleh data kualitas air di seluruh wilayah dapat dilakukan

menggunakan interpolasi. Interpolasi merupakan suatu metode atau fungsi

matematika untuk menduga nilai pada lokasi-lokasi yang datanya tidak tersedia.

Metode yang digunakan adalah metode Interpolasi Inverse Distance Weighted

(IDW) dan Kriging. Pendekatan yang berbeda dalam interpolasi dapat

menghasilkan hasil data yang berbeda. Tujuan dari penelitian ini adalah

menganalisis perbandingan metode dari interpolasi Inverse Distance Weight

(IDW) dan Kriging dengan memanfaatkan Sistem Informasi Geografis (SIG) di

Kabupaten Aceh Besar. Perbandingan dilakukan dengan menghitung nilai RSME

dari hasil interpolasi. Hasil yang diperoleh menunjukkan bahwa metode

interpolasi IDW lebih akurat dalam mengestimasi nilai yang dekat dengan sampel

yang tersedia dibandingkan dengan Kriging. Walaupun demikian Kriging lebih

akurat dalam memprediksi nilai dari lokasi yang jauh dari titik sampel.

Kata Kunci: Kualitas Air, pH Air, Interpolasi, Inverse Distance Weighted (IDW),

Kriging

vi

ABSTRACT

Water is one of the basic necessities of life for living creatures on earth. Water

used for the needs of daily life, especially for the provision of drinking water and

clean water must meet the requirements. Aceh Besar district has a total population

in 2012 of 371.41 thousand / soul and every year will increase. The need for clean

water is influential in life now where the quality of the water so it consideration.

Therefore how to determine the level of water quality in wells drilled in the

district of Aceh Besar. The extent of Aceh Besar district does not allow the taking

of data one by one across locations. Therefore, to obtain water quality data

throughout the region can be done using interpolation. Interpolation is a method

or a mathematical function to estimate the value of the locations for which data

are available. The method used is the method of interpolation Inverse Distance

Weighted (IDW) and Kriging. Different approaches in the interpolation can yield

different data. The purpose of this study was to analyze the comparison method of

interpolation Inverse Distance Weight (IDW) and Kriging utilizing Geographic

Information Systems (GIS) in Aceh Besar district. Comparison is done by

calculating the value of the interpolation RSME. The results obtained showed that

the IDW interpolation method is more accurate in estimating a value close to the

sample provided in comparison with Kriging. However Kriging is more accurate

in predicting the value of the remote location of the sample points.

Keywords : Water Quality, pH Water, Interpolation, Inverse Distance Weighted

(IDW), Kriging

vii

DAFTAR ISI

Halaman

Halaman Judul .......................................................................................................... i Pengesahan Tugas Akhir ......................................................................................... ii Kata Pengantar ....................................................................................................... iii

Abstrak .................................................................................................................... v Daftar Isi................................................................................................................ vii Daftar Tabel ........................................................................................................... ix Daftar Gambar ......................................................................................................... x Daftar Lampiran ..................................................................................................... xi

BAB I PENDAHULUAN ...................................................................................... 1 1.1. Latar Belakang Masalah .................................................................... 1 1.2. Rumusan Masalah .............................................................................. 2 1.3. Tujuan Penelitian ............................................................................... 2 1.4. Manfaat Penelitian ............................................................................. 3

BAB II TINJAUAN PUSTAKA ........................................................................... 4

2.1. Gambaran Umum Wilayah Kabupaten Aceh Besar .......................... 4 2.1.1. Letak, Luas dan Batas Wilayah ............................................. 4 2.1.2. Sumber Air Minum ............................................................... 4

2.2. Air Bersih ........................................................................................... 5

2.2.1. Pengertian Air Bersih ............................................................ 5 2.2.2. Macam – Macam Sumber Air ............................................... 6 2.2.3. Syarat Air Minum ................................................................. 7

2.3. Sumur Bor ........................................................................................ 11 2.4. Sistem Informasi Geografis (SIG) ................................................... 12

2.4.1. Pengolahan Sistem Informasi Geografis (SIG) ................... 13 2.4.2. ArcGIS ................................................................................ 15 2.4.3. Analisa Data Spasial ........................................................... 16 2.4.4. Fungsi Analisis Spasial ....................................................... 16

2.4.5. Sumber Data Spasial ........................................................... 18 2.5. Peta ................................................................................................... 20

2.6. Interpolasi ........................................................................................ 20 2.6.1. Invesrse Distance Weighted (IDW) .................................... 21 2.6.2. Kriging ................................................................................ 23 2.6.3. RMSE .................................................................................. 27

BAB III METODELOGI PENELITIAN .......................................................... 28

3.1. Tempat dan Waktu Penelitian .......................................................... 28 3.2. Alat dan Bahan ................................................................................. 28

3.3.1. Alat ...................................................................................... 28 3.3.2. Bahan ................................................................................... 28

3.3. Cara Kerja ........................................................................................ 30

3.4. Penjabaran Penelitian ....................................................................... 31 3.4.1. Survei Lapangan dan Pengumpulan Data ........................... 31

viii

BAB IV HASIL DAN PEMBAHASAN ........................................................... 33

4.1. Inverse Distance Weighted (IDW) .................................................. 34 4.1.1. Parameter Power ................................................................. 34 4.1.2. Parameter Jumlah Sampel ................................................... 36

4.2. Kriging ............................................................................................. 40

BAB V KESIMPULAN DAN SARAN ............................................................. 53

5.1. Kesimpulan ...................................................................................... 53 5.2. Saran ................................................................................................ 53

DAFTAR PUSTAKA .......................................................................................... 54

LAMPIRAN ......................................................................................................... 56

ix

DAFTAR TABEL

Halaman

Tabel 2. 1. Rata – rata kebutuhan air perorangan per hari di daerah pedesaan ... 8

Tabel 2. 2. Rata – rata kebutuhan air perorangan per hari di daerah perkotaan .. 8

Tabel 2. 3. Kualitas air bersih berdasarkan parameter ......................................... 9

Tabel 4. 1. Statistik Metode IDW dengan perubahan Nilai power dan

Jumlah Sampel ................................................................................. 38

Tabel 4. 2. Perbandingan Nilai RMSE ................................................................ 39

Tabel 4. 3. Statistik Metode Kriging Menggunakan Model Spherical,

Eksponensial, Gaussian, Linier dan Circular dengan Perubahan

Jumlah Sampel. ................................................................................ 50

Tabel 4. 4. Perbandingan RMSE ......................................................................... 50

x

DAFTAR GAMBAR

Halaman

Gambar 2. 1. Konsumsi Air Minum di Aceh Besar (persen), 2014 ................. 5

Gambar 2. 2. Peta Sebaran Sumur Bor Di Kabupaten Aceh Besar ................ 12

Gambar 3. 1. Peta Administrasi Kabupaten Aceh Besar ................................. 28

Gambar 3. 2. Skema Kerja .............................................................................. 30

Gambar 4. 1. Peta sebaran kualitas (pH) sumur bor di Kabupaten Aceh Besar 33

Gambar 4. 2. Peta Hasil Interpolasi Metode IDW dengan perubahan Nilai

Power .......................................................................................... 35

Gambar 4. 3. Peta Hasil Interpolasi Metode IDW dengan perubahan Jumlah

Sampel ......................................................................................... 37

Gambar 4. 4. Peta Hasil Interpolasi Metode Kriging Menggunakan Model

Spherical dengan Perubahan Jumlah Sampel ............................. 41


Exponential dengan Perubahan Jumlah Sampel ......................... 43


Gaussian dengan Perubahan Jumlah Sampel .............................. 45


Circular dengan Perubahan Jumlah Sampel ............................... 47


Linear dengan Perubahan Jumlah Sampel .................................. 49

xi

DAFTAR LAMPIRAN

Halaman Lampiran 1. Peta Administrasi Kabupaten Aceh Besar .............................................56

Lampiran 2. Peta Sebaran Sumur Bor Kabupaten Aceh Besar ..................................57

Lampiran 3. Peta Hasil Interpolasi Metode IDW menggunakan Variable Search

Radius dengan Nilai Power 3 ................................................................58

Lampiran 4. Peta Hasil Interpolasi Metode IDW menggunakan Variable Search

Radius dengan Nilai Sampel 24 ............................................................59

Lampiran 5. Peta Hasil Interpolasi Metode Kriging menggunakan Model Spherical

dengan Nilai Sampel 24 ........................................................................60

Lampiran 6. Peta Hasil Interpolasi Metode Kriging menggunakan Model

Exponential dengan Nilai Sampel 24 ....................................................61

Lampiran 7. Peta Hasil Interpolasi Metode Kriging menggunakan Model Gaussian


Lampiran 8. Peta Hasil Interpolasi Metode Kriging menggunakan Model Ciucular


Lampiran 9. Peta Hasil Interpolasi Metode Kriging menggunakan Model Linear


1

BAB I

PENDAHULUAN

1.1. Latar Belakang Masalah

Sesuai dengan arah pembangunan kesehatan untuk meningkatkan

derajat kesehatan masyarakat, salah satu upayanya adalah meningkatkan

kesehatan lingkungan, termasuk di dalamnya adalah program penyediaan air

bersih dan memenuhi syarat (Ind. DepKes 1982). Air yang bersih adalah air

yang tidak berbau, tidak berasa, dan tidak berwarna.Agar dapat mencapai

persyaratan kesehatan haruslah dapat memenuhi kualitas dan kuantitas. Syarat

kualitas yang harus dimiliki adalah bebas dari mikroorganisme dan bebas dari

bahan kimia yang dapat membahayakan kesehatan (Indra, 2000).

Terdapat dua macam metode yang sangat lazim digunakan untuk

mendapat air bersih yang cukup yaitu dengan menggunakan metode penyaluran

air dari Pemerintah/PAM dan dengan mengunakan metode Sumur Bor. Di zaman

modern yang penuh Polusi ini, sebagian besar sumber air yang berasal dari aliran

sungai dan danau sudah tidak steril lagi karena tercemar oleh limbah-limbah

industri. Karena kualitasnya kini kurang baik, penggunaan sumber air bawah

tanah atau sering disebut Aquifer bawah tanah sangat disarankan. Di Indonesia

istilah Aguifer bawah tanah lebih sering disebut sumur. Pembuatan sumur bor di

Indonesia sangat murah dibandingkan negara negara lain, dikarenakan tanah yang

berbeda.

Sistem informasi geografis merupakan sistem informasi berbasis

komputer yang digunakan untuk mengolah dan menyimpan data atau informasi

geografis (Aronoff, 1989). Pada dasarnya Sistem Informasi Geografis (SIG) ini

berintegrasi berdasarkan 4 komponen , yaitu: Hardware, Software, Manusia dan

Data. Data merupakan bagian yang tidak dapat dipisahkan dalam Sistem

Informasi Geografi. Data SIG dapat berupa data spasial dan data atribut. Data

spasial atau keruangan merupakan data yang merepresentasikan kenampakan

nyata permukaan bumi.

Menurut Burrough dan McDonell (1998), interpolasi merupakan proses

memprediksi nilai pada suatu titik yang bukan merupakan titik sampel,

2

berdasarkan pada nilai-nilai dari titik-titik di sekitarnya yang berkedudukan

sebagai sampel. Dalam konteks pemetaan, interpolasi merupakan proses estimasi

nilai pada wilayah-wilayah yang tidak disampel atau diukur untuk keperluan

penyusunan peta atau sebaran nilai pada seluruh wilayah yang dipetakan.

Interpolasi spasial mempunyai dua asumsi yakni atribut data bersifat kontinyu di

dalam ruang (space) dan atribut tersebut saling berhubungan (dependence) secara

spasial (Anderson, 2001). Kedua asumsi tersebut berimplikasi pada logika bahwa

pendugaan atribut data dapat dilakukan berdasarkan data dari lokasi-lokasi di

sekitarnya dan nilai pada titik-titik yang berdekatan akan lebih mirip dari pada

nilai dari titik-titik yang berjauhan (Prasasti dkk, 2005). Hal ini sesuai pula

dengan hukum Tobler pertama yaitu segala sesuatu terkait dengan segala sesuatu

yang lain, tetapi segala sesuatu yang dekat akan lebih terkait dari pada yang jauh

(Longley dkk, 2005). Untuk melakukan interpolasi spasial diperlukan data titik –

titik sampel, sehingga nilai dari titik yang tidak diketahui nilainya dapat destinasi.

Ada beberapa metode intepolasi yang sering digunakan diantaranya

Inverse Distence Weighted (IDW), Kriging, Spline dan Natural Neighbor. Oleh

karena itu penulis tertarik untuk meneliti tentang : “ANALISIS

PERBANDINGAN METODE INTERPOLASI UNTUK PEMETAAN pH AIR

PADA SUMUR BOR DI KABUPATEN ACEH BESAR BERBASIS SIG”.

1.2. Rumusan Masalah

Dari latar belakang yang diuraikan di atas, dapat di identifikasi rumusan

masalah, yaitu bagaimana memetakan sebaran pH air pada sumur bor serta

membandingkan metode dari interpolasi Inverse Distance Weight (IDW) dan

Kriging dengan memanfaatkan Sistem Informasi Geografis (SIG) di Kabupaten

Aceh Besar.

1.3. Tujuan Penelitian

Berdasarkan rumusan masalah di atas, maka tujuan dari penelitian ini

adalah memetakan sebaran pH air pada sumur bor di Kabupaten Aceh Besar. Dan

menganalisis perbandingan metode dari interpolasi Inverse Distance Weight

3

(IDW) dan Kriging dengan memanfaatkan Sistem Informasi Geografis (SIG) di

Kabupaten Aceh Besar.

1.4. Manfaat Penelitian

Manfaat Penelitian yang diharapkan dari penelitian ini adalah dapat

memberikan informasi mengenai baik dan buruk air bersih pada sumur pada

setiap masing – masing Gampong di Kabupaten Aceh Besar. Dapat mengetahui

kondisi sebaran sumur dan kualitas air pada sumur bor dengan memanfaatkan

Sistem Informasi Geografis (SIG) di Kabupaten Aceh Besar. Manfaat penelitian

ini untuk penulis sendiri adalah menambah pemahaman tentang analisis

perbandingan menggunakan metode interpolasi berbasis SIG.

4

BAB II

TINJAUAN PUSTAKA

2.1. Gambaran Umum Wilayah Kabupaten Aceh Besar

2.1.1. Letak, Luas dan Batas Wilayah

Secara administrasi, Aceh Besar sebagai salah satu kabupaten di Provinsi

Aceh, merupakan satu – satunya kabupaten yang berbatasan langsung dengan

daratan ibukota Provinsi Aceh. Letak astronomisnya antara 5,20 – 5,8

0 LU dan

antara 95,00 – 95,8

0 BT. Sebelah Utara berbatasan dengan Selat Malaka, Kota

Banda Aceh, dan Kota Sabang; sebelah selatan berbatasan dengan Kabupaten

Aceh Jaya; sebelah timur dengan Kabupaten Pidie; dan sebelah barat dengan

Samudera Indonesia. Kabupaten Aceh Besar (dengan ibukotanya yang bernama

Kota Jantho) terletak lebih kurang 50 km sebelah timur Kota Banda Aceh (BPS,

2014).

Luas wilayah Kabupaten Aceh Besar adalah 2.903,50 km2 atau sebesar

5,11 % dari total luas wilayah Provinsi Aceh. Sebagian besar wilayahnya berada

di daratan dan sebagian kecil berada di kepulauan. Sebanyak 64 desa di

Kabupaten Aceh Besar (10 persen dari total desa) terletak di daerah pesisir pantai.

Jumlah penduduk Aceh Besar terus mengalami peningkatan. Pada tahun 2013,

jumlahnya mencapai 383.477 jiwa meningkat 3,25 persen dari tahun 2012.

Dengan luas wilayah sebesar 2.903,50 km2, setiap km

2 ditempati penduduk

sebanyak 132 orang pada tahun 2013 (BPS, 2014).

2.1.2. Sumber Air Minum

Sumber air minum pada Kabupaten Aceh Besar sudah relatif baik, hal ini

terlihat dari tingginya persentase jumlah penduduk yang mengakses sumber air

minum bersih seperti ledeng/kemasan dan sumur terlindungi. Sumber air minum

dari sumur terlindungi dikonsumsi oleh 28,51 persen rumah tangga. Konsumsi air

minum dari ledeng/kemasan juga menjadi pilihan oleh banyak rumah tangga yang

dikonsumsi mencapai 58,72 persen rumah tangga.

5

Sumber : Susenas, 2014

Gambar 2. 1. Konsumsi Air Minum di Aceh Besar (persen), 2014

2.2. Air Bersih

2.2.1. Pengertian Air Bersih

Air adalah merupakan salah satu kebutuhan pokok kehidupan bagi

mahkluk hidup yang ada di bumi untuk berlangsungnya proses metabolisme

tubuh, baik bagi manusia atau bagi mahkluk hidup lainnya. Secara teoritis di bumi

terdapat tiga jenis sumber air yaitu air hujan, air permukaan dan air tanah. Sumber

– sumber tersebut tidak selamanya cocok semua untuk kebutuhan manusia, karena

harus memenuhi syarat baik secara kimia, fisika, bakteriologi maupun radioaktif.

Yang dimaksud dengan air bersih menurut permenkes RI

No.416/Menkes/Per/IX/1990 tentang syarat syarat dan pengawasan kualitas, air

bersih adalah air yang digunakan untuk keperluan sehari – hari yang kualitasnya

memenuhi syarat kesehatan dan dapat di minum apabila telah dimasak

(Permenkes RI, 1990).

Menurut (EG. Wagner dan J.N. Lanix 1959) dalam bukunya Water Suply

for Rural and Small Communication menyatakan bahwa air yang sehat adalah air

yang tidak merugikan bagi kesehatan pemakainya. Sedangkan menurut Fair dan

Geyer air yang sehat harus bebas dari pengotoran sehingga tidak sempat

30,14 persen

60,29 persen

9,19 persen

0,38 persen

Sumur terlindungi

Leding/ Kemasan

Lainnya

Sumur Bor/ Pompa

6

menyebabkan kerugian bagi pemakainya, bebas dari bahan – bahan yang beracun

yang tidak mengandung mineral dan bahan – bahan organik berbahaya. (EG.

Wagner, JN. Lonik, 1959).

Selama ribuan tahun manusia sudah menyadari secara samar – samar,

bahkan dengan jelas pentingnya peranan air. Begitu berlimpah dan begitu

pentingnya air sehingga zat ini selalu membangkitkan rasa heran dan kagum.

Manusia sendiri adalah kantong air yang berpori, hanya sepertiga bobot tubuh saja

yang terdiri dari unsur lain.

Air adalah zat utama pada setiap mahkluk hidup dibumi. Manusia

tergantung pada air bukan hanya memenuhi kebutuhan minumnya melainkan juga

untuk pembangkit tenaga, rekreasi, pengangkutan dan pengairan. Karena

teknologi modern menuntun makin banyak air, maka orang harus terus berusaha

merencanakan cara – cara baru untuk menyadap sumber – sumber dan

mengusahakan agai air yang sudah dicemarkan oleh manusia dapat dimanfaatkan

kembali. (Luna B, Leopold. 1980).

2.2.2. Macam – Macam Sumber Air

Dialam ini banyak sekali sumber air minum, sumber – sumber tersebut

dapat dibedakan dari macam, letaknya dan kemurniannya. Dari segi letaknya Sri

Soewasti membagi air minum menjadi 3 yaitu :

Air Hujan (Air Angkasa)

Air hujan adalah air angkasa sebelum jatuh ke permukaan tanah.

Air Permukaan.

Air permukaan meliputi air sungai, danau, telaga, waduk rawa dan lain –

lain.

Air Tanah.

Air tanah adalah air permukaan yang meresap kedalam tanah dan dapat

menjadi air tanah tertekan. Air tanah tertekan dan air tanah tidak tertekan.

Air tanah tertekan dalah lapisan air tanah yang dibatasi oleh dua lapisan

kedap air dan karenanya mempunyai tekanan seperti halnya air mengalir

melalui pipa yang penuh terletak miring. Sedangkan air tanah tidak

tertekan adalah air yang berasal dari rembesan melalui permukaan tanah

7

yang mengisi pori – pori tanah. Apabila digali atau dibor air tanah ini akan

menuju lobang – lobang pengeboran. (Sri Soewasti, 1981.)

Ada tiga macam sumber air yang dilihat dari sudut kualitasnya yaitu :

1. Air angkasa ; berupa embun, air hujan dan salju pada umumnya belum

terkontaminasi, hanya saja mudah merusak logam – logam.

2. Air permukaan tanah ; pada umunya telah terkontaminasi jadi bersifat

kotor, mengandung bakteri dan zat – zat kimia, kaya akan CO2 dan O

2

serta mengandung zat – zat lain yang bersifat merusak.

3. Air tanah ; pada umumnya jika mengalami penyaringan sempurna

maka bersifat bersih, bebas dari bakteri. Hanya saja kemungkinan

mengandung zat mineral cukup besar dan karena itu sering berwarna,

berbau dan mempunyai rasa yang tidak enak (Asrul Aswar, 1986).

Dari uraian diatas dikatakan bahwa hampir tidak mungkin ditemukan air

yang benar – benar murni di alam ini, karena air tersebut selalu ada kemungkinan

tercemar. Pencemaran air yang mengakibatkan kualitas (mutu) air tersebut

menurun, sehingga dapat mengganggu dan membahayakan kesehatan masyarakat.

2.2.3. Syarat Air Minum

Rencana penyediaan air bersih sebagai air minum harus diperhatikan

syarat – syarat dari air tersebut, maka langkah yang perlu diperhatikan adalah

antara lain :

2.2.3.1. Syarat Kuantitas

Jumlah air minum untuk keperluan rumah tangga perorangan per hari

tidak sama pada setiap negara. Pada umumnya di negara – negara yang sudah

maju pemakaian air perorangan per hari akan lebih besar dari pada negara –

negara yang sedang berkembang. Hal ini disebabkan terutama sekali karena

kegiatan lebih komplek dan lebih rumit dibandingkan negara yang sedang

berkembang.

Di Indonesia diperlukan 40 – 60 liter perorang per hari pada daerah

pedesaan dan 100 liter perorang per hari pada daerah perkotaan. Menururt Dirjen

Pemberantasan Pencegahan Penyakit Menular (P2M) Departemen Kesehatan RI

8

kebutuhan air perorang per hari di daerah pedesaan antara 40 – 60 liter dengan

perincian sebagai berikut :

Tabel 2. 1. Rata – rata kebutuhan air perorangan per hari di daerah pedesaan

Kebutuhan Air Liter / Orang / Hari

- Minum dan masak 5 – 8

- Mandi 20 – 25

- Mencuci 10 – 15

- Kebersihan 1 – 3

- W.C 4 – 9

JUMLAH 40 – 60

Sumber : (DepKes RI, 1980)

Pada daerah perkotaan di Indonesia diperlukan 100 liter / orang / hari

dengan rincian sebagai berikut :

Tabel 2. 2. Rata – rata kebutuhan air perorangan per hari di daerah perkotaan

Kebutuhan Air Liter / Orang / Hari

- Minum dan masak 5

- Mandi 5

- Mencuci 15

- Kebersihan 30

- W.C 45

JUMLAH 100

Sumber : (Indan Entjang, 1986)

9

2.2.3.2. Syarat Kualitas

Kualitas air yang digunakan untuk kebutuhan manusia haruslah air yang

tidak tercemar atau memenuhi persyaratan fisika, kimia, dan biologis diukur

dengan beberapa parameter.

Tabel 2. 3. Kualitas air bersih berdasarkan parameter

Golongan A = Air baku yang dapat digunakan untuk air bersih, tanpa

pengolahan

Golongan B = Air baku yang dapat digunakan untuk air bersih, dengan

pengolahan sederhana

Golongan C = Air baku yang dapat digunakan untuk air bersih,

memerlukan pengolahan yang intensif

10

2.2.4. pH

pH merupakan suatu parameter penting untuk menentukan kadar

asam/basa dalam air. Penentuan pH merupakan tes yang paling penting dan paling

sering digunakan pada kimia air. pH digunakan pada penentuan alkalinitas, CO2,

serta dalam kesetimbangan asam basa. Pada temperatur yang diberikan, intensitas

asam atau karakter dasar suatu larutan diindikasikan oleh pH dan aktivitas ion

hidrogen. Perubahan pH air dapat menyebabkan berubahnya bau, rasa, dan warna.

Pada proses pengolahan air seperti koagulasi, desinfeksi, dan pelunakan air, nilai

pH harus dijaga sampai rentang dimana organisme partikulat terlibat.

Asam dan basa pada dasarnya dibedakan dari rasanya kemudian dari efek

yang ditimbulkan pada indikator. Reaksi netralisasi dari asam dan basa selalu

menghasilkan air. Ion H+ dan OH

- selalu berada pada keseimbangan kimiawi yang

dinamis dengan H2O berdasarkan reaksi

pH = 7 menunjukkan keadaan netral

0 < pH < 7 menunjukkan keadaan asam

7 < pH < 14 menunjukkan keadaan basa (alkalis)

Air minum sebaiknya netral, tidak asam/basa, untuk mencegah terjadinya

pelarutan logam berat dan korosi. Air adalah bahan pelarut yang baik sekali, maka

dibantu dengan pH yang tidak netral, dapat melarutkan berbagai elemen kimia

yang dilaluinya. Berdasarkan SNI AMDK dan EC rules air yang baik ph-nya

antara 6 sampai 8, air mineral 6,5 sampai 8,5 dan air demineral 5,0 sampai 7,5.

Pengukuran pH dapat dilakukan menggunakan kertas lakmus, kertas pH

universal, larutan indikator universal (metode Colorimeter) dan pHmeter (metode

Elektroda Potensiometri). Pengukuran pH penting untuk mengetahui keadaan

larutan sehingga dapat diketahui kecenderungan reaksi kimia yang terjadi serta

pengendapan materi yang menyangkut reaksi asam basa.

11

2.3. Sumur Bor

Sumur bor adalah sebuah sumur yang metode pembuatannya

menggunakan alat, alat tersebut dapat dikategorikan menjadi 3 yaitu :

Manual ( pantek )

Semi automatic

Full automatic

ketiga kategori di atas mempunyai definisi yang berbeda, mungkin saya

akan sedikit jelaskan definisi di atas berdasarkan pengalaman saya di bidang

pengeboran.

Manual (pantek) adalah suatu metode pengeboran yang dilakukan oleh 4

orang atau lebih dengan menggunakan tenaga dan alat yang digerakan secara

manual. biasanya sumur manual hanya mampu sampai kedalaman 0 - 40 m,

dengan diameter lubang 2". metode ini hanya mengambil air resapan dan bukan

akuifer. tapi metode ini lebih murah dan banyak digunakan pada daerah yang

sempit.

Semi automatic adalah suatu metode pengeboran dengan menggunakan

mesin yang digerakan oleh mesin dan manual, karena metode ini bekerja

menggunakan gearbox , tenaga diesel dan untuk turun naik menggunakan tekel.

metode ini juga banyak digunakan oleh masyarakat pada umumnya. karena

metode ini mampu mencapai kedalaman 0-80 mtr, dengan diameter 0-6", dengan

metode pengambilan akuifer lebih terjangkau . harganya pun relatif , tergantung

dari lokasi.

Full automatic adalah suatu metode pengeboran dengan menggunakan

system automatic, dari mulai mesin dan cara pengeborannya pun berbeda.

biasanya pengeboran ini hanya untuk artesis atau kedalaman 0 - 200mtr atau

lebih, dengan diameter 0-12". harganya pun begitu mahal. biasanya digunakan

oleh perusahaan – perusahaan atau apartemen – apartemen atau yang memerlukan

debit air yang sangat banyak.

2.3.1. Sumur Bor Kabupaten Aceh Besar

Sumur Bor di Kabupaten Aceh Besar pada tahun 2013 ada 264 titik sumur

bor terbagi dari kecamatan yang ada di Kabupaten Aceh Besar. Titik – titik sumur

bor tersebut tersebar dengan kondisi yang berbeda – beda ada kondisi yang baik,

12

rusak dan gagal dibangun. Kebutuhan air bersih di Kabupaten Aceh Besar sangat

besar dapat dilihat dari pembangunan sumur bor. Sumur Bor yang dibangun di

Kabupaten Aceh Besar sesuai dengan kebutuhan masyarakat akan air bersih dan

sumur bor yang dibangun keseluruhannya pada tempat – tempat umum seperti

mesjid, meunasah, puskesmas, dan lainnya. Aspek yang mempengaruhi pada

kondisi sumur bor tersebut dikarenakan faktor kualitas dan dana pembangunan

sumur bor tersebut.

Sumber : Dinas Pertambangan dan Energi Kab. Aceh Besar, 2013

Gambar 2. 2. Peta Sebaran Sumur Bor Di Kabupaten Aceh Besar

2.4. Sistem Informasi Geografis (SIG)

Aronaff (1989), SIG adalah sistem informasi yang didasarkan pada kerja

computer yang memasukkan, mengelola, memanipulasi dan menganalisa

data serta memberi uraian. Sedangkan menurut Gistut (1994), SIG adalah sistem

yang dapat mendukung pengambilan keputusan spasial dan mampu

mengintegrasikan deskripsi-deskripsi lokasi dengan karakteristik-karakteristik

fenomena yang ditemukan di lokasi tersebut. SIG yang lengkap mencakup

metodologi dan teknologi yang diperlukan, yaitu data spasial perangkat keras,

perangkat lunak dan struktur organisasi.

Sistem Informasi Geografis atau disingkat SIG dalam bahasa Inggris

Geographic Information System (disingkat GIS) merupakan sistem informasi

khusus yang mengelola data yang memiliki informasi spasial (bereferensi

13

keruangan). Atau dalam arti yang lebih sempit adalah sistem komputer yang

memiliki kemampuan untuk membangun, menyimpan, mengelola dan

menampilkan informasi bereferensi geografis atau data geospasial untuk

mendukung pengambilan keputusan dalam perencanaan dan pengelolaan suatu

wilayah, misalnya data yang diidentifikasi menurut lokasinya, dalam sebuah

database (Adam, 2012).

SIG Merupakan pengolahan data geografis yang didasarkan pada kerja

Komputer. Dalam analisis tingkat kerawanan banjir digunakan beberapa

parameter yang menggambarkan kondisi lahan. Gambaran mengenai kondisi

lahan tersebut pada yang dasarnya memiliki distribusi keruangan (spasial), atau

dengan kata lain kondisi lahan antara satu tempat tidak sama dengan tempat

yang lain. Media yang paling sesuai untuk menggambarkan distribusi spasial ini

adalah peta. Dengan demikian parameter tumpang tindih harus dipresentasikan

kedalam bentuk peta.

2.4.1. Pengolahan Sistem Informasi Geografis (SIG)

Menurut Adam (2012), Dalam pengolahan Sistem Informasi Geografi

(SIG) memiliki beberapa prosedur dalam penginput data SIG, yaitu :

1. Digitasi manual dengan digitizer (manual digitizing) proses input data

dilakukan menggunakan bantuan meja digitizer.

2. Digitasi di layar monitor ("heads-up" digitizing) Proses input data dilakukan

langsung pada layar monitor. Metode ini banyak dikembangkan karena

keterbatasan manual digitizing (harus menggunakan meja digitizer yang

harganya cukup mahal dan tidak semua instansi/kantor memilikinya)

3. Penyiaman (automatic scanning) – raster to vector (menggunakan

ArcScan) Proses ini digunakan untuk mempercepat proses input data dari data

raster, namun metode ini memiliki kelemahan semua kenampakan yang ada

dijadikan bentuk vektor.

4. Koordinat geometri (coordinate geometry keyboard entry) Metode ini

merupakan teknik input data yang memiliki akurasi sangat baik, di mana

pengguna dapat memperoleh posisi, panjang serta luas sesuai dengan

pengukuran di lapangan. Caranya dengan memasukan nilai- nilai koordinat

dari obyek sehingga menjadi data spasial.

14

5. Data langsung dari GPS ("live" digitizing with GPS) Metode ini dilakukan

dengan bantuan alat GPS, di mana pengguna yang sedang survey lapangan

dapat secara otomatis menentukan wilayah yang rawan banjir.

6. Hasil Pengolahan Citra Penginderaan Jauh Digital (image processing),

yaitu:

a. Peta Digital

Data utama yang membedakan sistem informasi geografik dengan

sistem informasi lainnya adalah kemampuannya dalam menampilkan dan

menangani basis data spasial atau data bergeoreferensi. Dalam hal inilah

keberadaan peta digital menjadi sangat esensial bagi system ini.

b. Data Tabular

Yang dimaksud dengan data tabular adalah data-data yang berupa

teks, angka, ataupun biner yang disimpan dalam bentuk tabel- tabel.

Terdapat 2 (dua) jenis data tabular yang dimaksud, yaitu data tabular yang

terikat dengan objek dalam peta dan yang tidak terikat.

c. Data Image

Database GIS dapat menerima data masukan berupa foto digital,

gambar, dan objek grafis digital lainnya. Data-data tersebut dapat

ditampilkan sebagai data pelengkap, misalnya: foto Lokasi Bangunan

pelintas, pintu air, tapal batas, obyek vital, dan berbagai macam hal

lainnya.

d. Data Digital Lainnya

Secara umum, hampir semua jenis data dalam bentuk digital yang

ingin dicantumkan dan ditampilkan dapat diterima dan disimpan dengan

baik oleh basis data GIS dan dapat pula ditampilkan sesuai dengan

kebutuhan. Selain data peta digital, data image, dan data tabular, data-data

berbentuk digital lainnya juga dapat dengan mudah diikutkan dalam sistem

ini: musik, animasi, atau film misalnya.

1. Analisis data yang tersimpan dalam sistem basis data yang

bersangkutan kemudian dijadikan bahan untuk melakukan analisis

sehingga dapat ditarik sebuah informasi darinya sesuai dengan

kebutuhan pengguna dan pemilik sistem. Adapun analisis-analisis

15

yang dapat dilakukan dalam sistem ini adalah sebagai berikut: analisis

spasial, analisis tabular, analisis numeris, analisis statistik, analisis

tekstual.

2. Output keluaran dari proses analisis-analisis yang telah disebutkan

sebelumnya adalah berupa informasi- informasi yang diinginkan oleh

pengguna. Informasi tersebut disajikan dalam berbagai bentuk yaitu

peta tematik, tabel, dan grafik. Salah satu keunggulan GIS adalah

kemampuannya untuk menghasilkan sebuah peta tematik sebagai hasil

analisis nya. Peta tematik yang dihasilkan selaindapat ditampilkan

pada monitor komputer pada saat analisis selesai dilakukan, ia dapat

juga disimpan dan dipanggil lagi saat diperlukan, dan dicetak di atas

kertas setelah dilakukan penyesuaian terhadapnya.

Karena informasi parameter tumpang tindih kegiatan dan lahan ini

disajikan dalam bentuk peta, maka diperlukan satuan pemetaan (mapp ing unit)

yang digunakan sebagai acuan keruangan (spasial reference). Manfaat dari satuan

pemetaan ini yang pertama adalah digunakan untuk mengaitkan parameter lahan

yang tidak memiliki acuan keruangan secara langsung, sehingga parameter

tersebut bisa dipetakan, sedangkan yang kedua adalah untuk memudahkan dalam

proses skoring karena skor parameter ini akan dilakukan ke dalam tiap satuan

pemetaan.

2.4.2. ArcGIS

Software ArcGIS pertama kali diperkenalkan kepada publik oleh ESRI

pada tahun 1999, yaitu dengan kode versi 8.0 (ArcGIS 8.0): ArcGIS merupakan

penggabungan, modifikasi dan peningkatan dari 2 software ESRI yang sudah

terkenal sebelumnya yaitu ArcView dan ArcINFO. Dalam kaitannya dengan

ArcGIS ini, secara umum ada dua versi yaitu ArcGIS desktop (untuk komputer

biasa/PC/Lsptop based) dan ArcGIS Server yaitu untuk GIS berbasis web dan

disebut ArcGis sebetulnya adalah ArcGIS desktop, berhubungan mungkin ArcGIS

server belum banyak yang memakainya.

Menurut prahasta (2011) ArcGIS adalah produk sistem software yang

merupakan kumpulan dari produk – produk software lainnya dengan tujuan untuk

membangun SIG yang lengkap.

16

2.4.3. Analisa Data Spasial

Data spasial merupakan dasar operasional pada sistem informasi geografis.

Hal ini terutama dalam sistem informasi geografis yang berbasiskan pada system

digital computer. Sedangkan dalam pengertiannya, data spasial adalah data yang

mengacu pada posisi, obyek, dan hubungan diantaranya dalam ruang bumi. Data

spasial merupakan salah satu item dari informasi, di mana di dalamnya terdapat

informasi mengenai bumi termasuk permukaan bumi, di bawah permukaan bumi,

perairan, kelautan dan bawah atmosfir (Rajabidfard dan Williamson, 2000).

Analisa data spasial merupakan sekumpulan metode untuk menemukan

dan menggambarkan tingkatan/ pola dari sebuah fenomena spasial, sehingga dapat

dimengerti dengan lebih baik. Dengan melakukan analisis spasial, diharapkan

muncul infomasi baru yang dapat digunakan sebagai dasar pengambilan

keputusan di bidang yang dikaji. Berdasarkan tujuannya, secara garis besar

metode dalam melakukan analisis spasial dapat dibedakan menjadi dua macam:

1. Analisis Spasial Exploratory

Digunakan untuk mendeteksi adanya pola khusus pada sebuah

fenomena spasial serta untuk menyusun sebuah hipotesa penelitian.

Metode ini sangat berguna ketika hal yang diteliti merupakan sesuatu hal

yang baru, di mana peneliti belum memiliki banyak pengetahuan tentang

fenomena spasial yang sedang diamati.

2. Analisis Spasial Confirmator

Dilakukan untuk mengonfirmasi hipotesis penelitian. Metode ini

sangat berguna ketika peneliti sudah memiliki cukup banyak informasi

tentang fenomena spasial yang sedang diamati, sehingga hipotesis yang

sudah ada dapat diuji keabsahannya.

2.4.4. Fungsi Analisis Spasial

Menurut Nurpilihan dkk, (2011), Fungsi analisis spasial terdiri :

1. Klasifikasi (reclassify): fungsi ini mengklasifikasikan kembali

suatu data spasial (atau atribut) menjadi data spasial yang baru

dengan menggunakan kriteria tertentu. Misalnya dengan

menggunakan data spasial ketinggian permukaan bumi (topografi),

dapat diturunkan data spasial kemiringan atau gradien permukaan

17

bumi yang dinyatakan dalam persentase nilai- nilai kemiringan.

Nilai-nilai persentase kemiringan ini dapat diklasifikasikan hingga

menjadi data spasial baru yang dapat digunakan untuk merancang

perencanaan pengembangan suatu wilayah. Adapun contoh kriteria

yang digunakan adalah 0-14% untuk pemukiman; 15-29% untuk

pertanian dan perkebunan; 30-44% untuk hutan produksi, dan 45%

ke atas untuk hutan, lindung dan taman nasional. Contoh lain dan

manfaat analisis spasial kesuburan tanah dari data spasial

kesuburan tanah dari data spasial kadar air atau kedalaman air

tanah, kedalaman efektif, dan sebagainya.

2. NetWork (jaringan): fungsi ini merujuk data spasial titik-titik

(point) atau garis-garis (lines) sebagai suatu jaringan yang tidak

terpisahkan. Fungsi ini sering digunakan, di dalam bidang-bidang

transportasi dan utility (misalnya aplikasi jaringan kabel listrik,

komunikasi - telepon, pipa minyak dan gas, air minum, saluran

pembuangan). Sebagai contoh, dengan fungsi analisis spasial

network, untuk menghitung jarak terdekat antara dua titik tidak

menggunakan selisih absis dan koordinat titik awal dan titik

akhirnya. Tetapi menggunakan cara lain yang terdapat di dalam

lingkup network. Pertama, cari seluruh kombinasi jalan-jalan

(segmen- segmen) yang rnenghubungkan titik awal dan titik akhir

yang dimaksud. Pada setiap kornbinasi, hitung jarak titik awal dan

akhir dengan mengakumulasikan jarak-jarak segmen-segmen yang

membentuknya. Pilih jarak terpendek (terkecil) dari kombinasi –

kombinasi yang ada.

3. Overlay: fungsi ini menghasilkan data spasial baru dari minimal

dua data spasial yang rnenjadi masukannya. Sebagai contoh, bila

untuk rnenghasilkan wilayah-wilayah yang sesuai untuk budi daya

tanaman tertentu (misalnya padi) diperlukan data ketinggian

perrnukaan bumi, kadar air tanah, dan jenis tanah, maka fungsi

analisis spasial overlay akan dikenakan terhadap ketiga data spasial

(dan atribut) tersebut.

18

4. Buffering: fungsi ini akan menghasilkan data spasial baru yang

berbentuk poligon atau zone dengan jarak tertentu dari data spasial

yang menjadi masukannya. Data spasial titik akan menghasilkan

data spasial baru yang berupa lingkaran – lingkaran yang

mengelilingi titik – titik pusatnya. Untuk data spasial garis akan

menghasilkan data spasial baru yang berupa poligon-poligon yang

melingkupi garis-garis. Demikian pula untuk data spasial poligon

akan menghasilkan data spasial baru yang berupa poligon-poligon

yang lebih besar dan konsentris.

5. 3D analysis: fungsi ini terdiri dari sub-sub fungsi yang

berhubungan dengan presentasi data spasial dalam ruang 3 dimensi.

Fungsi analisis spasial ini banyak menggunakan fungsi interpolasi.

Sebagai contoh, untuk menampilkan data spasial ketinggian,

tataguna tanah, jaringan jalan dan utility dalam bentuk model 3

dimensi, fungsi analisis ini banyak digunakan.

6. Digital image processing: (pengolahan citra digital), fungsi ini

dimiliki oleh perangkat SIG yang berbasiskan raster. Karena data

spasial permukaan bumi (citra digital) banyak didapat dari

perekaman data satelit yang berformat raster, maka banyak SIG

raster yang juga dilengkapi dengan fungsi analisis ini. Fungsi

analisis spasial ini terdiri dari banyak sub-sub fungsi analisis

pengolahan citra digital. Sebagai contoh adalah sub fungsi untuk

koreksi radiometrik, geometrik, filtering, ciustering dan

sebagainya.

2.4.5. Sumber Data Spasial

Data spasial dapat dihasilkan dari berbagai macam sumber (Nurpilihan,

2011), diantaranya adalah:

1. Citra Satelit, data ini menggunakan satelit sebagai wahananya.

Satelit tersebut menggunakan sensor untuk dapat merekam kondisi

atau gambaran dari permukaan bumi. Umumnya diaplikasikan

dalam kegiatan yang berhubungan dengan pemantauan sumber

daya alam di permukaan bumi (bahkan ada beberapa satelit yang

19

sanggup merekam hingga dibawah permukaan bumi), studi

perubahan lahan dan lingkungan, dan aplikasi lain yang melibatkan

aktifitas manusia di permukaan bumi. Kelebihan dari teknologi

terutama dalam dekade ini adalah dalam kemampuan merekam

cakupan wilayah yang luas dan tingkat resolusi dalam merekam

obyek yang sangat tinggi. Data yang dihasilkan dari citra satelit

kemudian diturunkan menjadi data tematik dan disimpan dalam

bentuk basis data untuk digunakan dalam berbagai macam aplikasi.

2. Peta Analog, sebenarnya jenis data ini merupakan versi awal dari

data spasial, di mana yang membedakannya adalah hanya dalam

bentuk penyimpanannya saja. Peta analog merupakan bentuk

tradisional dari data spasial, di mana data ditampilkan dalam

bentuk kertas atau film. Oleh karena itu dengan perkembangan

teknologi saat ini peta analog tersebut dapat di scan menjadi format

digital untuk kemudian disimpan dalam basis data.

3. Foto Udara (Aerial Photographs), merupakan salah satu sumber

data yang banyak digunakan untuk menghasilkan data spasial

selain dari citra satelit. Perbedaan dengan citra satelit adalah hanya

pada wahana dan cakupan wilayahnya. Biasanya foto udara

menggunakan pesawat udara. Secara teknis proses pengambilan

atau perekaman datanya hampir sama dengan citra satelit. Sebelum

berkembangnya teknologi kamera digital, kamera yang digunakan

adalah menggunakan kamera konvensional menggunakan negatif

film, saat ini sudah menggunakan kamera digital, dimana data hasil

perekaman dapat langsung disimpan dalam basis data. Sedangkan

untuk data lama (format foto film) dapat disimpan dalam basis data

harus dilakukan konversi dahulu dengan mengunakan scanner,

sehingga dihasilkan foto udara dalam format digital.

4. Data Tabular, data ini berfungsi sebagai atribut bagi data spasial.

Data ini umumnya berbentuk tabel. Salah satu contoh data ini yang

umumnya digunakan adalah data sensus penduduk, data sosial, data

20

ekonomi. Data tabular ini kemudian di relasikan dengan data

spasial untuk menghasilkan tema data tertentu.

5. Data Survei (Pengamatan atau pengukuran dilapangan), data ini

dihasilkan dari hasil survei atau pengamatan dilapangan.

Contohnya adalah pengukuran persil lahan dengan menggunakan

metode survei terestris

2.5. Peta

Dalam kamus bahasa Indonesia pemetaan atau visualisasi adalah

pengungkapan suatu gagasan atau perasaan dengan menggunakan gambar, tulisan,

peta, dan grafik. Menurut ICA (International Cartography Association), Peta

adalah gambaran konvesional yang dibuat dengan menggambarkan elemen –

elemen yang ada dipermukaan bumi dan gejala yang ada hubungannya dengan

elemen – elemen. Peta dilukiskan dengan skala tertentu, dengan tulisan atau

simbol sebagai keterengan yang dapat dilihat dari atas. Peta dapat meliputi

wilayah yang luas, dapat juga hanya mencakup wilayah yang sempit. Peta dalam

Bahasa Inggris berarti Map dan dalam bahasa yunani berarti mappa. Ilmu

pengetahuan yang mempelajari tentang peta disebut kartografi (Prahasta, 2005).

Menurut Prihandito (1989), peta berarti komunikasi, artinya suatu signal

atau saluran antara pengirim pesan (pembuat peta) dengan penerima pesan

(pembaca peta). Dengan demikian peta digunakan untuk mengirim pesan yang

berupa informasi tentang realita dalam wujud berupa yang sama antara pembuat

peta dan pembaca peta. Kartografer disini harus bisa memahami apa yang hendak

disampaikan pembuat peta kepada pembaca peta, dengan menerjemahkan dalam

bahasa simbol agar pembaca peta dapat mengerti.

2.6. Interpolasi

Menurut Anderson (2001), interpolasi adalah suatu motode atau fungi

matematika yang menduga nilai pada lokasi – lokasi yang datanya tidak tersedia.

Interpolasi spasial mengangsumsikan bahwa atribut data bersifat kontinyu di

dalam ruang (space) dan atribut ini saling berhubungan (dependence) secara

spasial. Logika dalam interpolasi spasial adalah bahwa nilai titik observasi yang

21

berdekatan akan memiliki nilai yang sama atau mendekati dibandingkan dengan

nilai di titik yang lebih jauh (Prasati dkk, 2005).

Interpolasi data spasial secara khusus bertujuan untuk interpolasi dari dua

titik. Interpolasi spasial adalah prosedur dalam memperkirakan nilai sebuah

variabel lapangan yang tidak termasuk dalam sampel penelitian dan berlokasi di

dalam area yang dicakup oleh lokasi sampel atau dalam kata – kata sederhana,

diberikan dalam rangka untuk menentukan nilai – nilai yang dihasilkan pada

bagian yang tidak di sampel. Tipe interpolasi terbagi dua:

a. Interpolasi diskret (Discrete Interpolasi) adalah interpolasi yang

menggunakan asumsi bahwa nilai diantara titik kontrol diketahui nilainya

bukan merupakan nilai yang kontinyu. Tipe interpolasi diskret antara lain:

Zero-order interpolation, thiessen polygons, voronoi polygons dan Dirichlet

cells.

b. Interpolasi kontinyu (Continues interpolation) adalah interpolasi dengan

menggunakan asumsi bahwa nilai di antara titik kontrol yang diketahui

nilainya adalah kontinyu. Tipe interpolasi kontinyu antara lain: Inverse

distance, kriging dan spline.

2.6.1. Invesrse Distance Weighted (IDW)

Metode Inverse Distance Weighted (IDW) merupakan metode

deterministik yang sederhana dengan mempertimbangkan titik disekitarnya

(NCGIA, 1997). Metode interpolasi IDW mengasumsikan bahwa semakin dekat

jarak suatu titik terhadap titik yang tidak diketahui nilainya, maka semakin besar

pengaruhnya. IDW menggunakan nilai yang terukur pada titik-tiik di sekitar

lokasi tersebut, untuk memperkirakan nilai variabel pada lokasi yang dimaksud.

Asumsi yang dipakai dalam metode IDW adalah titik yang lokasinya lebih dekat

dari lokasi yang diperkirakan akan lebih berpengaruh dari pada titik yang lebih

jauh jaraknya. Oleh karena itu, titik yang jaraknya lebih dekat diberi bobot yang

lebih besar. Karena itu jarak berbanding terbalik dengan nilai rata-rata tertimbang

(weighting average) dari titik data yang ada di sekitarnya. Efek penghalusan dapat

dilakukan dengan faktor pangkat (Johnston dkk, 2001).

22

Nilai power pada interpolasi IDW ini menentukan pengaruh terhadap titik

– titik masukan, dimana pengaruh akan lebih besar pada titik – titik yang lebih

dekat sehingga menghasilkan permukaan yang lebih bagus. Bobot yang digunakan

untuk rata-rata adalah turunan fungsi jarak antara titik sampel dan titik yang

diinterpolasi. Metode IDW menggunakan rata-rata dari data sampel sehingga

nilainya tidak bisa lebih kecil dari minimal atau lebih besar dari data sampel. Jadi,

puncak bukit atau lembah terdalam tidak dapat ditampilkan. 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 (Philip dan Watson,

1985).

Fungsi umum pembobotan adalah inverse dari kuadrat jarak, dan

persamaan ini digunakan pada metode Inverse Distance Weighted (IDW) dalam

formula berikut ini (Azpurua dan Ramos, 2010).

𝑍 = ∑ 𝑤𝑖𝑁𝑖=1 𝑧𝑖 ................................................................................................ (2.1)

Dimana 𝑧𝑖 (i = 1,2,3, ... N) merupakan nilai ketinggian data yang ingin

diinterpolasi sejumlah N titik, dan bobot (weight) 𝑤𝑖 yang dirumuskan sebagai:

𝑤𝑖 =ℎ𝑖

−𝑝

∑ ℎ𝑗 −𝑝𝑛

𝑗

................................................................................................. (2.2)

p adalah nilai positif yang dapat diubah-ubah yang disebut dengan

parameter power (biasanya bernilai 2) dan ℎ𝑗 merupakan jarak dari sebaran titik

ke titik interpolasi yang dijabarkan sebagai:

ℎ𝑖 = √(𝑥 − 𝑥𝑖)2 + (𝑦 − 𝑦𝑖)2 ................................................................................... (2.3)

(x,y) adalah koordinat titik interpolasi dan (𝑥𝑖, 𝑦𝑖 ) adalah koordinat untuk

setiap sebaran titik. Fungsi peubah weight bervariasi untuk keseluruhan data

sebaran titik sampai pada nilai yang mendekati nol dimana jarak bertambah

terhadap sebaran titik.

Kelebihan dari metode interpolasi IDW adalah karakteristik interpolasi

dapat dikontrol dengan membatasi titik-titik masukkan yang digunakan dalam

proses interpolasi. Titik-titik yang terletak jauh dari sampel dan diperkirakan

memiliki korelasi spasial yang kecil atau bahkan tidak memiliki korelasi spasial

23

dapat dihapus dari perhitungan. Titik-titik yang digunakan dapat ditentukan secara

langsung, atau ditentukan berdasarkan jarak yang ingin diinterpolasi. Kelemahan

dari interpolasi IDW adalah tidak dapat mengestimasi nilai diatas nilai maksimum

dan di bawah minimum dari titik-titik sampel (Pramono, 2008).

2.6.2. Kriging

Metode Kriging ditemukan oleh D.L. Krige untuk memperkirakan nilai

dari bahan tambang. Asumsi dari metode ini adalah jarak dan orientasi antara

sampel data menunjukkan korelasi spasial yang penting dalam hasil interpolasi

(ESRI, 1996). Metode Kriging digunakan oleh G. Matheron pada tahun 1960,

untuk menonjolkan metode khusus dalam moving average (weighted moving

average) yang meminimalkan variasi dari hasil estimasi. Metode Kriging adalah

estimasi stochastic yang mirip dengan IDW, di mana menggunakan kombinasi

linear dari weight untuk memperkirakan nilai di antara sampel data. Secara

umum, Kriging merupakan analisis data geostatistika untuk menginterpolasikan

suatu nilai kandungan mineral berdasarkan nilai-nilai yang diketahui.

Menurut Suprajitno (2005), metode ini merupakan metode khusus dalam

moving average terbobot (weighted moving average) yang meminimalkan variasi

dari hasil estimasi. Kriging menghasilkan taksiran yang akan tetap mendekati nilai

sampel data yang diinterpolasi, walaupun sampel diperbesar menuju tak

terhingga. Metode estimasi ini mempertimbangkan faktor-faktor yang

mempengaruhi akurasi estimasi, yaitu: banyaknya sampel, posisi sampel, jarak

antar sampel dengan titik yang akan diestimasi, kontinuitas spasial dari variabel –

variabel yang terlibat dll. Dengan kata lain metode ini digunakan untuk

mengestimasi besarnya nilai karakteristik dari estimator (Z ) pada titik tidak

tersampel berdasarkan informasi dari titik-titik tersampel yang berada

disekitarnya. Tujuan dari kriging adalah menentukan nilai koefisien pembobotan

𝜆𝑖 yang meminimalkan estimasi variansi.

Pada metode Kriging, bobot tidak hanya didasarkan pada jarak antara

ukuran dan lokasi titik prediksi tetapi juga pada keseluruhan letak titik-titik yang

diukur (ESRI, 2011). Kriging menimbang nilai yang terukur di sekitarnya untuk

memperoleh prediksi di lokasi yang tidak terukur. Point Kriging merupakan

24

metode mengestimasi suatu nilai dari sebuah titik pada tiap-tiap grid. Rumus

umum Kriging adalah sebagai berikut :

𝑍∗ = ∑ 𝑤𝑖𝑁𝑖=1 𝑧𝑖 ............................................................................................... (2.4)

Dimana :

𝑍∗ = Nilai prediksi

𝑧𝑖 = Nilai terukur pada lokasi pengamatan ke - i

𝑤𝑖 = bobot pada lokasi ke - i

Metode Kriging sangat banyak menggunakan sistem komputer dalam

perhitungan. Kecepatan perhitungan tergantung dari banyaknya sampel data yang

digunakan dan cakupan dari wilayah yang diperhitungkan. Tidak seperti metode

IDW, Kriging memberikan ukuran error dan confidence. Salah satu yang terdapat

dalam metode ini adalah Ordinary Kriging, yang didalamnya memiliki model

semivariogram yang merepresentasikan perbedaan spasial dan nilai diantara

semua pasangan sampel data. Semivariogram dipakai untuk menentukan jarak

dimana nilai-nilai data pengamatan menjadi saling tidak tergantung atau tidak ada

korelasinya. Semivariogram adalah perangkat dasar dari geostatistik untuk

visualisasi, pemodelan dan eksploitasi autokorelasi spasial dari variabel

teregionalisasi. Semivariogram juga menunjukkan bobot (weight) yang digunakan

dalam interpolasi. Semivariogram dihitung berdasarkan sampel semivariogram

dengan jarak h, beda nilai z dan jumlah sampel dan data n. Jenis kriging yang bisa

dilakukan adalah dengan cara spherical, circular, exponential, gaussian dan

linear (ESRI, 1999).

Menurut Largueche (2006), metode Kriging memiliki beberapa

keunggulan, antara lain sebagai interpolator, metode Kriging memadukan korelasi

spasial antara data, hal mana tidak di lakukan oleh prosedur statistik klasik.

Keunggulan Kriging dibandingkan teknik konturisasi lainnya adalah

kemampuannya untuk mengkuantifikasi variansi dari nilai yang diestimasi

sehingga dapat diketahui. Metode Kriging tetap dapat digunakan meskipun tidak

ditemukan korelasi spasial antar data. Pada pengamatan yang saling bebas, proses

25

estimasi Kriging akan mirip dengan estimasi menggunkan analisa regresi kuadrat

terkecil.

Kelemahan Kriging yaitu banyaknya metode yang membangun teknik ini,

sehingga menghendaki banyak asumsi yang jarang sekali dapat dipenuhi. Kriging

mengasumsikan data menyebar normal sementara kebanyakan data lapangan tidak

memenuhi kondisi tersebut. selain itu, semivariogram yang dihitung untuk suatu

himpunan data tidak berlaku untuk himpunan data lainnya. Dengan demikian

estimasi semivariogram akan sulit bila titik sampel yang digunakan tidak

mencukupi.

2.6.2.1. Ordinary kriging

Metode ordinary kriging dapat digunakan apabila data yang ada

merupakan data yang bersifat stasioner. Suatu data dikatakan memiliki sifat

stasioner apabila data tersebut tidak memiliki kecenderungan terhadap trend

tertentu. Atau dengan kata lain, apabila fluktuasi data berada disekitar suatu nilai

rata-rata yang konstan, tidak tergantung pada waktu dan variansi dari fluktuasi

tersebut.

2.6.2.2. Universal Kriging

Universal kriging adalah bentuk umum dari simple kriging sebagai salah

satu cara perluasan dari metode ordinary kriging. Universal kriging merupakan

kriging dari data yang mempunyai kecenderungan trend tertentu. Metode ini tepat

jika digunakan pada nilai-nilai di titik sampel yang memang mempunyai

kecenderungan tertentu. Misalnya tebal lapisan bertambah dengan berubahnya

arah atau nilai permeabilitas yang berkurang dengan menjauhnya lokasi dari

chanel sand.

2.6.2.3. Variogram dan Semivariogram

Pada geostatistika, terdapat suatu perangkat dasar dari geostatistika untuk

visualisasi, pemodelan dan eksploitasi autokorelasi spasial dari variabel

teregionaisasi yang biasa dikenal sebagai semivariogram, Sedangkan

semivariogram adalah setengah dari variogram, dengan simbol N. Sesuai dengan

namanya, Variogram adalah ukuran dari variansi. Variogram digunakan untuk

menentukan jarak dimana nilai-nilai data pengamatan menjadi tidak saling

tergantung atau tidak ada korelasinya. Simbol dari variogram adalah 2N.

26

Semivariogram ini digunakan untuk mengukur korelasi spasial berupa variansi

eror pada lokasi u dan lokasi u + h (Suprajitno, 2005).

1. Variogram dan Semivariogram Eksperimental

Variogram eksperimental adalah variogram yang diperoleh dari data yang

diamati atau data hasil pengukuran.

2. Varaiogram dan Semivariogram teoritis

Variogram teoritis mempunyai bentuk kurva yang paling mendekati

variogram eksperimental. Sehingga, untuk keperluan analisis lebih lanjut

variogram eksperimental harus diganti dengan variogram teoritis. Terdapat

beberapa jenis variogram teoritis yang sering digunakan, yaitu Spherical,

Ekponensial, Gaussian, Circular dan Linier.

A. Spherical

𝑦(ℎ) = 𝐶 [(3ℎ

2𝑎) − (

ℎ

2𝑎) 3] Untuk h ≤ a ................................................................ (2.5)

Untuk h > a

B. Eksponensial

Pada model eksponensial terjadi peningkatan dalam samivariogram yang

sangat curam dan mencapai nilai sill secara asimtotik, dirumuskan sebagai

berikut:

𝑦(ℎ) = 𝐶 [1 − 𝑒𝑥𝑝 (−ℎ

𝑎)] ....................................................................................... (2.6)

C. Gaussian

Model Gaussian merupakan bentuk kuadrat dari eksponensial sehingga

menghasilkan bentuk parabolik pada jarak yang dekat dan dirumuskan sebagai

berikut:

𝑦(ℎ) = 𝐶 [1 − 𝑒𝑥𝑝 (−ℎ

𝑎) 2] .................................................................................... (2.7)

D. Circular

𝑦(ℎ) = 𝐶 (1 −2

𝜋cos−1 (

ℎ

𝑎) + √1 −

ℎ2

𝑎2) ................................................................. (2.8)

E. Linear

𝑦(ℎ) = 𝐶 (ℎ

𝑎) ........................................................................................................... (2.9)

27

Dimana:

h adalah jarak lokasi antar sampel

C adalah sill, yaitu nilai variogram untuk jarak pada saat besarnya konstan (tetap).

Nilai ini sama dengan nilai variasi data

a adalah range, yaitu jarak pada nilai variogram mencapai sill

2.6.3. RMSE

RMSE (Root Mean Square Error) adalah suatu angka yang menunjukkan

akurasi suatu data dalam kaitannya dengan sistem koordinat. Semakin besar nilai

RMSE maka dipastikan semakin besar pula kesalahan letak (informasi posisi)

pada data tersebut (Indrabayu dkk, 2011). Rumus umum RMSE pada penelitian

ini adalah sebagai berikut :

RMSE√∑ (𝑧𝑖−ẑ𝑖)2𝑛

𝑖=1

𝑛 .................................................................................... (2.10)

Dimana :

𝑧𝑖 = Nilai aktual pH ke - i

ẑ𝑖 = Nilai hasil prediksi pH ke – i

n = Banyak data

Bobot tidak hanya didasarkan pada jarak antara titik yang diukur dan

lokasi prediksi, tetapi juga penataan ruang keseluruhan di antara poin yang diukur

dan juga menggunakan pengaturan tata ruang dari berat. Untuk memberikan

prediksi akurat pada model, nilai dari Root Mean Square Error (RMSE) harus

mendekati 0, dan sebaran data yang diprediksi tidak bias. Jika standar

kesalahannya akurat dan nilai prediksi RMSE kecil, maka nilai yang diprediksi

harus dekat dengan nilai yang diukur (Chaidir, 2012). RMSE paling sering

digunakan untuk membandingkan akurasi antara 2 atau lebih model dalam analisis

spasial. Semakin kecil nilai RMSE suatu model menandakan semakin akurat

model tersebut (ESRI, 2011).

28

BAB III

METODELOGI PENELITIAN

3.1. Tempat dan Waktu Penelitian

Penelitian dilakukan di Kabupaten Aceh Besar Provinsi Aceh. Letak

astronomisnya antara 5,20 – 5,8

0 LU dan antara 95,0

0 – 95,8

0 BT. Analisa ini

dilaksanakan di Lab GIS. Lokasi penelitian disajikan pada gambar 4.1.

Gambar 3. 1. Peta Administrasi Kabupaten Aceh Besar

3.2. Alat dan Bahan

3.3.1. Alat

Perangkat keras yang digunakan dalam penelitian ini adalah sebagai

berikut:

a. Laptop Asus X550Z c. GPS

b. Printer

3.3.2. Bahan

Perangkat lunak yang digunakan dalam penelitian ini adalah sebagai

berikut:

29

a. ARCGIS

b. Microsoft Word dan Excel

c. Data Kualitas Air Sumur Bor di Kabupaten Aceh Besar

d. Peta Sebaran Sumur Bor Aceh Besar

30

3.3.Cara Kerja

Gambar 3. 2. Skema Kerja

31

3.4. Penjabaran Penelitian

Pada kerangka penelitian diatas penulis akan menjabarkan tahapan proses

penelitian sebagai berikut :

3.4.1. Survei Lapangan dan Pengumpulan Data

Survei lapangan dilakukan pada bulan oktober 2015 sampai dengan awal

bulan november 2015. Survei dilakukan ke semua titik sumur bor di kabupaten

Aceh Besar. Setelah melakukan survei penelitian dilanjutkan dengan

pengumpulan data pada pertengahan bulan november 2015 sampai dengan bulan

desember 2015. Survei yang dilakukan menentukan titik koordinat sumur bor

menggunakan GPS. Selanjutnya pengumpulan data mengenai kualitas sumur bor

di Dinas Pertambangan dan Energi Kabupaten Aceh Besar dan di Dinas

Kesehatan Kabupaten Aceh Besar.

3.4.2. Interpolasi

Interpolasi merupakan salah satu menu yang disediakan ArcToolbox pada

software ArcGIS, yang memiliki kemampuan mencari nilai diantara beberapa titik

data yang telah diketahui. Metode Interpolasi yang digunakan yaitu metode

Inverse Distance Weighted (IDW) dan Kriging. Pada Metode IDW dilakukan

variasi dua parameter dengan search radius optional nya variabel, yang berarti

radius akan berubah sesuai sebaran sampel agar dapat mencakup jumlah sampel

yang digunakan untuk interpolasi. Pertama adalah power dengan nilai power 0.5,

1, 2 dan 3. Adapun yang kedua adalah jumlah titik sampel terdekat yang akan

digunakan untuk melakukan interpolasi, variasi jumlah titik sampel yang

digunakan adalah 6, 12, 18 dan 24.

Pada metode Kriging terdapat variasi parameter semivariogram dengan

perubahan nilai sampel. Adapun variasi semivariogramnya yaitu Spherical,

Eksponensial, Gaussian, Circular dan Linier. Nilai sampel yang digunakan 6, 12,

18 dan 24.

32

3.4.3. Analisa dan Perbandingan

Analisa pada penelitian ini dilakukan dengan melihat perbandingan

metode Interpolasi IDW dan Kriging. Kedua metode ini nantinya akan

dibandingkan berdasarkan titik pH air. Dengan melihat perbedaan output peta

yang dihasilkan dan perbandingan nilai RMSE dari setiap metode. Kemudian

menyimpulkan metode mana yang baik digunakan dan lebih akurat dalam

pengukuran. Cara mencari nilai RMSE dengan Extract multi value by point yang

terdapat dalam ArcGIS, guna mengambil nilai yang telah diinterpolasi.

Kemudian selisih nilai pH dari data sampel yang digunakan untuk

interpolasi dikurangi dengan nilai pH hasil interpolasi dengan menggunakan field

calculator dan hasilnya dikuadratkan.

Hasil yang telah dikuadratkan kemudian dijumlahkan untuk mendapatkan

rata-rata dari nilai error kuadrat, selanjutnya hasil rata-rata diakarkan secara

manual menggunakan alat calculator. Dalam mencari nilai RMSE pada 183 data

yang tergabung dalam satu tabel atribut digunakan selected by atribut, guna

mendapatkan data yang telah dipisahkan. Ilustrasi mendapatkan nilai RMSE dari

162 data yang digunakan untuk interpolasi dan 16 data yang digunakan untuk

pengujian akurasi.

33

BAB IV

HASIL DAN PEMBAHASAN

Proses penelitian ini saya lakukan dengan cara menginterpolasi data

kualitas air (pH) pada sumur bor yang saya kumpulkan dari beberapa lokasi yang

tersebar di Kabupaten Aceh Besar. Dalam pengujian ini data sumur bor yang saya

dapatkan 183 titik sumur bor dimana 167 sumur dalam kondisi baik dan 16 sumur

dalam kondisi rusak. Semua sumur bor tersebut tersebar di Kabupaten Aceh

Besar. Daerah sebaran sumur bor yang akan diuji dapat dilihat pada gambar 4.1.

Gambar 4. 1. Peta sebaran kualitas air (pH) sumur bor di Kabupaten Aceh Besar

Interpolasi dilakukan dengan menggunakan dua metode yaitu Inverse

Distance Weighted (IDW) dan Kriging, guna mendapatkan seluruh sebaran

kualitas air (pH) sumur bor di Kabupaten Aceh Besar. Kemudian dilakukan

perbandingan hasil dari kedua metode dengan melihat akurasi dari nilai RMSE

dan output peta yang dihasilkan.

34

4.1. Inverse Distance Weighted (IDW)

Dalam interpolasi dengan menggunakan metode Inverse Distance

Weighted (IDW), dilakukan variasi pada parameter power dan jumlah sampel.

Hasil yang diperoleh akan dijelaskan pada sub bab berikut.

4.1.1. Parameter Power

Power dapat digunakan untuk menentukan pentingnya nilai sampel data

pada perhitungan interpolasi. Interpolasi lokal bisa berubah menjadi interpolasi

global dengan merubah power. Nilai power yang digunakan pada perhitungan ini

adalah 0.5, 1, 2 dan 3, dengan parameter sampel tetap yaitu 12. Penentuan nilai

power harus bernilai positif dan beberapa nilai power yang digunakan ini adalah

untuk melihat perbedaan yang dihasilkan.

Pada Gambar 4.2. menunjukkan peta sebaran kualitas air (pH) sumur bor

di Kabupaten Aceh Besar menggunakan metode IDW dengan nilai power yang

berbeda. Pada gambar terlihat jelas bahwa semakin tinggi nilai power, maka

wilayah disekitar titik sampel tampak semakin terpusat dan membesar. Hal ini

sesuai dengan pernyataan (Philip dan Watson, 1985), bahwa nilai power pada

interpolasi IDW ini menentukan pengaruh terhadap titik-titik masukan, dimana

pengaruh akan lebih besar pada titik-titik yang lebih dekat sehingga menghasilkan

permukaan yang lebih bagus. Hasil perubahan nilai power dapat dilihat pada

Gambar 4.2.

35

Gambar 4. 2. Peta Hasil Interpolasi Metode IDW dengan perubahan Nilai Power

36

4.1.2. Parameter Jumlah Sampel

Pada pengujian ini jumlah sampel data yang digunakan bervariasi, mulai

dari 6, 12, 18 hingga 24 dengan parameter power tetap yaitu 2. Sampel data disini

adalah titik-titik yang nilainya digunakan untuk memperkirakan nilai baru di suatu

lokasi menurut persamaan (2-1). Misal jumlah sampel yang diinputkan adalah 6,

maka 6 titik sampel terdekat dengan lokasi digunakan dalam perhitungan. Sesuai

dengan pernyataan (Watson dan Philip, 1985), bahwa metode IDW menggunakan

rata-rata dari data sampel sehingga nilainya tidak bisa lebih kecil dari minimal

atau lebih besar dari data sampel. Jadi, puncak bukit atau lembah terdalam tidak

dapat ditampilkan. 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.

Gambar 4.3. menunjukkan sebaran kualitas air (pH) sumur bor dengan

menggunakan metode IDW dengan jumlah sampel data yang berbeda-beda. Pada

gambar terlihat bentuk mirip lingkaran sama seperti parameter power karena

digunakan ketetapan power sama dengan 2. Namun pada perubahan sampel

masukkan lebih dari 12 sampel, tidak terlalu berpengaruh pada output peta karena

tidak ada perubahan bentuk yang penting dengan perubahan jumlah sampel. Hasil

perubahan nilai sampel dapat dilihat pada Gambar 4.3.

37

Gambar 4. 3. Peta Hasil Interpolasi Metode IDW dengan perubahan Jumlah

Sampel

38

Ringkasan nilai tingkat (pH) sumur bor yang mencakup nilai maksimal

dan minimal dari sel raster yang dihasilkan menggunakan metode IDW dangan

variabel search radius dan perubahan nilai power serta jumlah sampel dapat

dilihat pada Tabel 4.1. Pada tabel terlihat bahwa nilai minimal dan maksimal dari

hasil interpolasi mendekati atau sama dengan nilai dari sampel data. Tidak ada

nilai interpolasi yang negatif atau terlalu besar. Nilai minimal pada power 2 dan 3

sama dengan nilai minimal pada sampel yang digunakan untuk interpolasi.

Sedangkan nilai maksimal pada kedua power tersebut berbeda tipis dari nilai

sampel. Dengan demikian dapat dinyatakan bahwa merubah nilai power tidak

merubah secara drastis hasil interpolasi. Nilai hasil interpolasi masih dalam

kisaran sampel data.

Pada parameter jumlah sampel, nilai minimal pada setiap jumlah sampel

masukkan sama dengan nilai minimal pada sampel yang digunakan untuk

interpolasi. Sedangkan nilai maksimal pada setiap sampel masukkan tersebut

berbeda tipis dari nilai sampel yang digunakan untuk interpolasi. Oleh karena itu

dapat dinyatakan bahwa dengan merubah jumlah nilai sampel data tidak memiliki

efek yang berarti dalam proses interpolasi.

Tabel 4. 1. Statistik Metode IDW dengan perubahan Nilai power dan Jumlah

Sampel

Inverse Distance Weighted (IDW)

Parameter Power Parameter Jumlah

Sampel

Power Max Min Jumlah

Max Min Sampel

0,5 8,082 3,164 6 9,498 0,036

1 8,902 0,979 12 9,497 0,044

2 9,497 0,044 18 9,496 0,05

3 9,544 0,001 24 9,495 0,055

Perbandingan nilai RMSE dari 167 data sumur bor yang baik digunakan

untuk interpolasi pH air dengan metode IDW dan nilai RMSE dari 16 data sumur

bor yang rusak digunakan untuk pengujian akurasi dapat dilihat pada Tabel 4.2.

39

Tabel 4. 2. Perbandingan Nilai RMSE

Perbandingan RMSE

Parameter Power Parameter Jumlah Sampel

Power Data Data Jumlah Data Data

Baik Rusak Sampel Baik Rusak

0,5 1,14069 5,17669 6 0,72834 2,18716

1 0,93976 3,6668 12 0,73101 2,23201

2 0,73101 2,23201 18 0,73149 2,24967

3 0,65645 1,96155 24 0,73187 2,26205

Pada tabel terlihat bahwa nilai RMSE terkecil yaitu 0.65645 diperoleh

pada interpolasi IDW dengan nilai power sama dengan 3. Namun demikian nilai

RMSE dari 16 data yang digunakan untuk pengujian akurasi tidak begitu kecil,

yaitu sebesar 1.96155 untuk nilai power sama dengan 3. Dilihat dari tingkat

akurasi pada 167 data yang diuji menggunakan metode IDW dengan perubahan

jumlah sampel, maka interpolasi IDW dengan menggunakan 6 sampel

memberikan RMSE yang paling kecil dibandingkan jika menggunakan jumlah

sampel lainnya yaitu 0.72834. Walaupun demikian nilai RMSE terkecil dari 16

data yang digunakan untuk pengujian akurasi yaitu 2.26205, yang diperoleh pada

jumlah sampel sama dengan 24.

Oleh sebab itu dapat dikatakan bahwa hasil interpolasi IDW pada lokasi

titik sampel mengikuti jumlah sampel. Akurasi meningkat dengan meningkatnya

nilai power. Hal ini sesuai dengan pendapat (Chaidir, 2012), untuk memberikan

prediksi akurat, nilai dari Root Mean Square Error (RMSE) mendekati 0.

Semakin besar nilai RMSE maka dipastikan semakin besar pula kesalahan letak

informasi posisi pada data tersebut. Metode IDW kurang baik dalam memprediksi

nilai selain sampel. Hal ini terlihat dari nilai RMSE yang cenderung besar yaitu

lebih dari 0.5.

Dari kedua variasi parameter power dan jumlah sampel diatas, dapat

dinyatakan bahwa parameter power lebih berpengaruh dalam ketepatan hasil

interpolasi data pH dengan menggunakan metode IDW dari pada parameter

jumlah sampel. Hal ini dapat dilihat dari hasil perbandingan Root Mean Square

Error (RMSE) yang terdapat dalam setiap variasi parameter. Oleh karena itu

untuk mengukur tingkat pH dengan menggunakan metode IDW, parameter power

40

dapat diterapkan karena parameter power memiliki kesalahan lebih kecil

dibandingkan parameter jumlah sampel.

4.2. Kriging

Pada interpolasi dengan menggunakan metode Kriging, dilakukan variasi

parameter semivariogram dengan perubahan jumlah sampel. Adapun variasi

semivariogramnya yaitu Spherical, Eksponensial, Gaussian, Circular dan Linier.

Hasil yang diperoleh akan dijelaskan pada sub bab berikut.

4.2.1. Parameter Model Semivariogram

Metode Kriging dapat dilakukan dengan 5 jenis tipe variogram yaitu:

Spherical, Eksponential, Gaussian, Circular dan Linear. Masing-masing model

diuji berdasarkan jumlah sampel, untuk menentukan nilai RMSE yang terkecil,

sehingga membentuk sebuah peta kontur. Setiap jumlah sampel yang diujikan

menghasilkan nilai yang berbeda-beda, nilai sampel yang diujikan yaitu 6, 12, 18

dan 24.

1. Spherical

Gambar 4.4 menunjukkan peta sebaran kualitas air (pH) sumur bor di

Kabupaten Aceh Besar menggunakan metode Kriging yang diuji berdasarkan tipe

Spherical dengan jumlah sampel 6, 12, 18 dan 24. Pada gambar terlihat bahwa

semakin besar masukkan jumlah sampel maka akan se makin rapi dan semakin

halus permukaan pada peta. Tidak ada nilai terpusat yang membentuk lingkaran-

lingkaran seperti pada IDW. Hasil perubahan jumlah sampel dapat dilihat pada

Gambar 4.4.

41


Spherical dengan Perubahan Jumlah Sampel

42

2. Eksponensial


Kabupaten Aceh Besar menggunakan metode Kriging diuji tipe Eksponensial

dengan jumlah sampel 6, 12, 18 dan 24. Pada gambar terlihat bahwa semakin

besar jumlah sampel maka akan permukaan pada peta semakin rapi dan semakin

halus. Tidak ada nilai terpusat yang membentuk lingkaran-lingkaran seperti pada

IDW. Hasil perubahan jumlah sampel dapat dilihat pada Gambar 4.5.

43


Exponential dengan Perubahan Jumlah Sampel

44

3. Gaussian


Kabupaten Aceh Besar menggunakan metode Kriging diuji berdasarkan tipe

Gaussian dengan jumlah sampel 6, 12, 18 dan 24. Pada gambar terlihat bahwa

semakin besar nilai sampel maka akan semakin rapi dan semakin halus

permukaan pada pada peta. Namun bentuk kontur yang dihasilkan pada model

Gaussian sangat berbeda dengan bentuk kontur tiap model lainnya. Hasil metode

Kriging model Gaussian perubahan jumlah sampel dapat dilihat pada Gambar 4.6.

45


Gaussian dengan Perubahan Jumlah Sampel

46

4. Circular



Circular dengan jumlah sampel 6, 12, 18 dan 24. Pada gambar terlihat bahwa


permukaan pada pada peta. Hasil perubahan jumlah sampel dapat dilihat pada

Gambar 4.7.

47


Circular dengan Perubahan Jumlah Sampel

48

5. Linier



Linier dengan jumlah sampel 6, 12, 18 dan 24. Pada gambar terlihat bahwa


permukaan pada pada peta. Hasil perubahan jumlah sampel dapat dilihat pada

Gambar 4.8.

49

Gambar 4. 8. Peta Hasil Interpolasi Metode Kriging Menggunakan Model Linear

dengan Perubahan Jumlah Sampel

50

Ringkasan nilai tingkat (pH) sumur bor yang mencakup nilai maksimal

dan minimal dari sel raster yang dihasilkan menggunakan metode Kriging model

Spherical, Eksponensial, Gaussian, Circular dan Linier dengan perubahan jumlah

sampel dapat dilihat pada Tabel 4.3. Pada tabel terlihat bahwa nilai minimal dan

maksimal dari interpolasi mendekati dengan nilai dari sampel data, walaupun ada

nilai interpolasi minimal yang negatif pada model Gaussian.

Tabel 4. 3. Statistik Metode Kriging Menggunakan Model Spherical,

Eksponensial, Gaussian, Linier dan Circular dengan Perubahan Jumlah Sampel.

Kriging

Jumlah Spherical Exponential Gaussian Circular Linear

Sampel Max Min Max Min Max Min Max Min Max Min

6 8,62 3,35 8,62 3,375 9,63 -0,11 8,62 3,35 8,625 3,356

12 8,039 4,852 8,03 3,94 9,81 -0,05 8,03 4,85 8,039 4,851

18 7,759 5,15 7,87 4,45 9,82 -0,13 7,75 5,15 7,75 5,15

24 7,749 5,64 7,78 4,35 9,87 -0,12 7,74 5,64 7,749 5,646

Perbandingan nilai RMSE dari 167 data sumur bor yang baik digunakan

untuk interpolasi pH air dengan metode Kriging model Spherical, Eksponensial,

Gaussian, Circular, Linier dan nilai RMSE dari 16 data sumur bor yang rusak

digunakan untuk pengujian akurasi dapat dilihat pada Tabel 4.4.

Tabel 4. 4. Perbandingan RMSE

Perbandingan RMSE

Jumlah Sampel

Spherical Exponential Gaussian Circular Linear

Sampel Baik

Sampel Rusak

Sampel Baik

Sampel Rusak

Sampel Baik

Sampel Rusak

Sampel Baik

Sampel Rusak

Sampel Baik

Sampel Rusak

6 1,362 5,8668 1,2248 5,1359 0,8172 2,2361 1,3619 5,8662 1,3629 5,8714

12 1,3237 6,2858 1,1838 5,4487 0,8128 2,2865 1,3236 6,2852 1,3246 6,2908

18 1,2676 6,485 1,1374 5,5821 0,8086 2,2988 1,2675 6,4844 1,2684 6,4901

24 1,2597 6,5109 1,1292 5,6055 0,8107 2,3005 1,2596 6,5102 1,2605 6,516

Pada tabel dapat dilihat bahwa nilai RMSE dari 167 data sumur yang baik

dan 16 data sumur yang rusak yang digunakan untuk pengujian akurasi tidak

mengalami perubahan yang signifikan. Dilihat dari tingkat akurasi pada 167 data

51

yang diuji menggunakan metode Kriging model Spherical dengan perubahan

jumlah sampel, maka interpolasi Kriging dengan menggunakan 24 sampel

memberikan RMSE yang paling kecil dibandingkan menggunakan jumlah sampel

lainnya yaitu 1,2597.

Namun demikian nilai RMSE terkecil dari 16 data yang digunakan untuk

pengujian akurasi yaitu 5.8668, yang diperoleh pada jumlah sampel sama dengan

6. Pada model Eksponensial dengan perubahan jumlah sampel, maka interpolasi

Kriging dengan menggunakan 24 sampel memberikan RMSE yang paling kecil

dibandingkan jika menggunakan jumlah sampel lainnya yaitu 1.1292. Namun

nilai RMSE terkecil dari 16 data yang digunakan untuk pengujian akurasi yaitu

5.1359, yang diperoleh pada jumlah sampel sama dengan 6.

Pada model Gaussian dengan perubahan jumlah sampel, maka interpolasi

Kriging dengan menggunakan 18 sampel memberikan RMSE yang paling kecil

dibandingkan jika menggunakan jumlah sampel lainnya yaitu 0.8086, tetapi nilai

RMSE terkecil dari 16 data yang digunakan untuk pengujian akurasi yaitu 2.3005,

yang diperoleh pada jumlah sampel sama dengan 24. Pada model Circular dengan

perubahan jumlah sampel, maka interpolasi Kriging dengan menggunakan 24

sampel memberikan RMSE yang paling kecil dibandingkan jika menggunakan

jumlah sampel lainnya yaitu 1.2596. Namun nilai RMSE terkecil dari 16 data

yang digunakan untuk pengujian akurasi yaitu 5.8662, yang diperoleh pada

jumlah sampel sama dengan 12. Pada model Linier dengan perubahan jumlah

sampel, maka interpolasi Kriging dengan menggunakan 24 sampel memberikan

RMSE yang paling kecil dibandingkan jika menggunakan jumlah sampel lainnya

yaitu 1.2605. Namun nilai RMSE terkecil dari 16 data yang digunakan untuk

pengujian akurasi yaitu 5.8714, yang diperoleh pada jumlah sampel sama dengan

6.

Dari parameter model semivariogram Spherical, Eksponensial, Gaussian,

Circular dan Linier dengan perubahan nilai sampel diatas dapat dinyatakan bahwa

pengujian data sampel pH air, yang diuji menggunakan metode interpolasi

Kriging dengan model variogram dan perubahan nilai sampel. Bahwa dengan

melakukan percobaan menggunakan model variogram dan perubahan jumlah

sampel sangat berpengaruh pada output peta, dari percobaan yang telah dilakukan,

52

dengan bertambahnya jumlah sampel maka hasil permukaan pada peta akan lebih

rapi dan halus. Perubahan jumlah sampel pada setiap model variogram ini tidak

begitu berpengaruh pada nilai minimal dan maksimal yang dihasilkan dari sel

raster setiap variogram, kerena nilai minimal dan maksimal yang dihasilkan

mendekati nilai sampel data.

Hal ini sesuai dengan pendapat Suprajitno (2005), bahwa metode Kriging

merupakan metode khusus dalam moving average terbobot (weighted moving

average) yang meminimalkan variasi dari hasil estimasi. Kriging menghasilkan

taksiran yang akan tetap mendekati nilai sampel data yang diinterpolasi, walaupun

sampel diperbesar menuju tak terhingga. Jika dilihat dari RMSE setiap model

variogram, model Gaussian baik digunakan dalam metode Kriging. Hal ini

dikarenakan model Gaussian lebih akurat dibandingakan dengan Spherical,

Eksponensial, Circular dan Linier. Model Gaussian dikatakan akurat karena

model ini memiliki nilai RMSE paling kecil dibandingkan dengan empat model

lainnya, yaitu Spherical, Gaussian, Circular dan Linier.

53

BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Berdasarkan analisa perbandingan menggunakan metode interpolasi

Inverse Distance Weighted (IDW) dan Kriging dalam ArcGIS untuk pemetaan

(pH) air sumur bor di Kabupaten Aceh Besar dapat diambil kesimpulan bahwa:

1. Dalam penelitian dengan menggunakan metode interpolasi IDW, parameter

power sangat berpengaruh dalam interpolasi ini. Semakin besar nilai power

maka permukaan peta yang dihasilkan akan semakin membesar, halus dan

terpusat. Begitu juga dengan Kriging yang diuji berdasarkan model variogram

dan perubahan nilai sampel, semakin besar sampel masukkan maka semakin

halus dan rapi permukaan yang dihasilkan.

2. Metode interpolasi IDW lebih akurat dalam mengestimasi nilai yang dekat

dengan sampel yang tersedia dibandingkan dengan Kriging.

3. Dalam memprediksi nilai yang baru IDW lebih lemah dibandingkan dengan

Kriging. Hal ini ditunjukkan IDW dengan menghasilkan nilai RMSE berkisar

hingga 4.0 ~ 5.2 sedangkan Kriging hanya berkisar 5.8 ~ 5.9. Maka dari itu

dalam memprediksi nilai Kriging lebih unggul dari IDW.

5.2. Saran

Untuk penelitian selanjutnya sebaiknya dibandingkan juga dengan

menggunakan metode interpolasi yang lain, karena ada kemungkinan metode

interpolasi lain menghasilkan output dan nilai RMSE yang lebih baik.

54

DAFTAR PUSTAKA

Adam Suseno dan Ricky Agus T, 2012, Penggunaan Quantum GIS Dalam Sistem

Informasi Geografis, Quantum GIS, Bogor.

Anderson, S. 2001. An Evaluation of Spatial Interpotion Methods on Air

Temperature in Phonix. Department of Geography, Arizona State

UnArizona State University Tempe.

Arronof, S. 1993. Geographical Information Systems. WDL Publication, Ottawa.

Azpurua, M., and Ramos, K. D. 2010. A Comparizon of Spatial Interpolation

Methods for Estimation of Average Electromagnetic Field

Magnitude".

BPS. 2012. Aceh Besar Dalam Angka 2012. Biro Pusat Statistik Kabupaten Aceh

Besar. Aceh Besar.

BPS. 2012. Statistik Daerah Kabupaten Aceh Besar 2012. Biro Pusat Statistik

Kabupaten Aceh Besar. Aceh Besar.


Kabupaten Aceh Besar. Aceh Besar.


Provinsi Aceh. Banda Aceh.

Chaidir, W. 2012. Analisis Sebaran Iklim Klasifikasi SCHMIDT-FERGUSON

Menggunakan Sistem Informasi Geografis Di Kabupaten Banteng

Sulawesi Selatan. Skripsi. Makassar. Tidak diterbitkan.

ESRI. 2011. How Kriging Works. http://webhelp.esri.com/arcgisdesktop/9.3/

Ginting, E. 2011. Analisis Intrusi Air laut Pada Sumur Gali dan Sumur Bor

Dengan Metode Konduktivitas Listrik Di Kecamatan Hamparan

Perak. Tesis. Universitas Sumatera Utara.

Johnston, K., Ver Hoef, J.M., Krivoruchko, K., and Lucas, N.. 2001. Using

ArcGIS Geostatistical Analyst. GIS by ESRI.

Keputusan Menteri. 2000. Pedoman Teknik Penentuan Nilai Perolehan Air Dari

Pemanfaatan Air Bawah Tanah Dalam Menentukan Pajak

Pemanfaatan Air Bawah Tanah. 1451 K/10/MEM/2000.

Largueche, F.Z.B. 2006. Estimating Soil Contamination with Kriging

Interpolation Method. American Journal of Applied Sciences: Vol.3,

No.6. Hal:1894-1898.

NCGIA. 2007. Interpolation Inverse Distance Weighting.

http://www.ncgia.ucsb.edu/pubs/spherekit/inverse.html/

55

Nurpilihan Bafdal, Kharista Amaru, Boy Macklin Pareira, 2011, Buku Ajar Sistem

Informasi Geografis, Jurusan Teknik Manajemen industry Pertanian

FTIP UNPAD, Bandung.

Permenkes RI No. 416/Menkes/PER/XI. 1990. Syarat-Syarat dan Pengawasan

Kualitas Air. Jakarta.

Prahasta, E. 2011. Tutorial ArcGIS Desktop Untuk Bidang Geodesi dan

Geomatika. Bandung: Informatika Bandung.

Pramono, G. H. 2008. Akurasi Metode IDW dan Kriging untuk Interpolasi

Sebaran Sedimen Tersuspensi di Maros, Sulawesi Selatan, Forum

Geografi, Vol. 22, No, 1, pp.145-158.

Prasati, I., wijayanto, H., Christianto, M. 2005. Analisis Penerapan Metode

Kriging dan Inverse Distanse Pada Interpolasi Data Dugaan Suhu,

Air Mampu Curah (AMC) Dan Indeks Stabilitas Atmosfer (ISA) Dari

Data NOAA-TOVS. Pemanfaatan Efektif Penginderaan Jauh Untuk

Peningkatan Kesejahteraan Bangsa.

Prihandito, A. ir. M.Sc. 1989. Kartografi. Yogyakarta: PT. Mitra Gama Widya.

Rajabidfard, Abbas, and I.P. Williamson, 2000, Spatial Data Infrastructures:

Concept, SDI Hierarchy and Future Directions. Melbourne, Victoria:

Spatial Data Research Group, Department of Geomatics, The

University of Melbourne.

Sitorus, E. 2011. Analisis Intrusi Air laut Pada Sumur Gali dan Sumur Bor

Dengan Metode Konduktivitas Listrik Di Kecamatan Medan Belawan.

Tesis. Universitas Sumatera Utara.

Suprajitno, M. 2005. Pengantar Geostatistik. Jakarta: Universitas Indonesia.

Watson, D.F. dan Philip, G.M. 1985. A Refinement of Inverse Distance Weighted

Interpolation. Geo-Processing 2: 315-327

Wagner, EG., and Lanix, J.N. 1959. Water Suply For Rural and Small

Communication. Butterworth-Heinimann, London.

56

LAMPIRAN

Lampiran 1. Peta Administrasi Kabupaten Aceh Besar

57

Lampiran 2. Peta Sebaran Sumur Bor Kabupaten Aceh Besar

58

Lampiran 3. Peta Hasil Interpolasi Metode IDW menggunakan Variable Search Radius dengan Nilai Power 3

59

Lampiran 4. Peta Hasil Interpolasi Metode IDW menggunakan Variable Search Radius dengan Nilai Sampel 24

60

Lampiran 5. Peta Hasil Interpolasi Metode Kriging menggunakan Model Spherical dengan Nilai Sampel 24

61

Lampiran 6. Peta Hasil Interpolasi Metode Kriging menggunakan Model Exponential dengan Nilai Sampel 24

62

Lampiran 7. Peta Hasil Interpolasi Metode Kriging menggunakan Model Gaussian dengan Nilai Sampel 24

63

Lampiran 8. Peta Hasil Interpolasi Metode Kriging menggunakan Model Ciucular dengan Nilai Sampel 24

64

Lampiran 9. Peta Hasil Interpolasi Metode Kriging menggunakan Model Linear dengan Nilai Sampel 24

Documents

ANALISIS PERBANDINGAN METODE INTERPOLASI UNTUK …