KAJIAN AKURASI HASIL INTERPOLASI METODE INVERSE DISTANCE
WEIGHTED
Seniarwan
Pendahuluan
Interpolasi adalah suatu metode atau fungsi matematika yang menduga nilai pada lokasi-
lokasi yang datanya tidak tersedia. Interpolasi spasial mengasumsikan bahwa atribut data bersifat
kontinu di dalam ruang (space) dan atribut ini saling berhubungan (dependence) secara spasial
(Anderson, 2001). Kedua asumsi tersebut mengindikasikan bahwa pendugaan atribut data dapat
dilakukan berdasarkan lokasi-lokasi di sekitarnya dan nilai pada titik-titik yang berdekatan
(bertetangga) atau berada pada radius tertentu akan lebih mirip dari pada nilai pada titik-titik
yang terpisah lebih jauh. Salah satu metode yang sering digunakan adalah metode Inverse
Distance Weighted (IDW).
IDW merupakan salah satu teknik interpolasi yang sering digunakan, karena relatif
mudah untuk diprogram, mudah dimengerti dan memberikan hasil yang cukup akurat (Lam,
1983). IDW memberikan bobot pada data titik (point) yang telah diketahui ketika dilakukan
interpolasi. Akan tetapi penetapan bobot sangat rentan terhadap subjektivitas terutama bila data
yang digunakan dalam bentuk vector-grid atau raster (Trisasongko dan Diar, 2010). Subjektivitas
dalam penetapan bobot dapat dipengaruhi oleh beberapa parameter antara lain penentuan jarak
tetangga atau jarak radius titik-titik yang akan ditetapkan dan ukuran unit data khususnya data
grid.
Adapun tujuan dari studi ini adalah untuk mengetahui perbandingan dan keakurasian nilai
titik tinggi hasil interpolasi IDW berdasarkan perbedaan ukuran grid dan jumlah tetangga
terhadap nilai titik tinggi uji yang telah ditentukan.
Metodolologi
Data yang digunakan dalam
(survei) dalam bentuk format
interpolasi dengan metode IDW. Hasil interpolasi titik tinggi dengan IDW diperoleh dengan
menggunakan software ArcView 3.2
proses interpolasi, terlebih dahulu data titik tinggi dibagi menjadi dua yaitu
testing. Data training digunakan untuk melakukan proses interpolasi sedangkan
digunakan untuk menguji hasil interpolasi.
dalam bentuk format grid (dengan satuan meter).
Gambar 1. Data titik tinggi hasil pengukuran lapangan
Proses interpolasi IDW pada data
perbedaan antara besarnya ukuran grid (
neighbors). Besarnya ukuran grid yang dipilih adalah 30, 50, 100, dan 150. Sedangkan jumlah
tetangga yang dipilih adalah 5, 10, 15, dan 20. Kemudian hasil interpolasi dari masing
perlakuan tersebut dibandingkan
keakurasian hasil interpolasi, maka dilakukan analisis korelasi antara nilai setiap perlakuan
terhadap nilai data testing.
Data yang digunakan dalam studi ini adalah data titik tinggi hasil
dalam bentuk format shapefile (shp). Data tersebut digunakan untuk
IDW. Hasil interpolasi titik tinggi dengan IDW diperoleh dengan
ArcView 3.2 dan ekstensi Spatial Analyst 2.0a.
proses interpolasi, terlebih dahulu data titik tinggi dibagi menjadi dua yaitu
digunakan untuk melakukan proses interpolasi sedangkan
digunakan untuk menguji hasil interpolasi. Hasil interpolasi IDW yang
dalam bentuk format grid (dengan satuan meter).
Gambar 1. Data titik tinggi hasil pengukuran lapangan
Proses interpolasi IDW pada data training dilakukan dengan membuat beberapa
besarnya ukuran grid (output grid cell size) dan jumlah tetangga (
). Besarnya ukuran grid yang dipilih adalah 30, 50, 100, dan 150. Sedangkan jumlah
tetangga yang dipilih adalah 5, 10, 15, dan 20. Kemudian hasil interpolasi dari masing
perlakuan tersebut dibandingkan dengan data titik tinggi pada data testing
keakurasian hasil interpolasi, maka dilakukan analisis korelasi antara nilai setiap perlakuan
ini adalah data titik tinggi hasil pengukuran lapangan
. Data tersebut digunakan untuk membuat
IDW. Hasil interpolasi titik tinggi dengan IDW diperoleh dengan
dan ekstensi Spatial Analyst 2.0a. Sebelum melakukan
proses interpolasi, terlebih dahulu data titik tinggi dibagi menjadi dua yaitu data training dan data
digunakan untuk melakukan proses interpolasi sedangkan data testing
yang dilakukan tersimpan
Gambar 1. Data titik tinggi hasil pengukuran lapangan
dilakukan dengan membuat beberapa
) dan jumlah tetangga (no. of
). Besarnya ukuran grid yang dipilih adalah 30, 50, 100, dan 150. Sedangkan jumlah
tetangga yang dipilih adalah 5, 10, 15, dan 20. Kemudian hasil interpolasi dari masing-masing
data testing. Untuk mengetahui
keakurasian hasil interpolasi, maka dilakukan analisis korelasi antara nilai setiap perlakuan
Perbandingan Nilai dan Uji Akurasi
Perbandingan nilai tinggi antara data testing dan hasil interpolasi dengan berbagai
perlakuan disajikan pada Tabel 1. Berdasarkan hasil analisis korelasi antara nilai setiap
perlakuan terhadap nilai data testing diketahui bahwa perlakuan yang memiliki akurasi yang
tinggi adalah ukuran grid 50 dan jumlah tetangga 5 dengan perolehan koefisien korelasi (R )
yaitu 0,9544 serta koefisien determinasi (R2) yaitu 0,9108. Hubungan antara nilai R2 setiap
perlakuan terhadap ukuran grid dan jumlah tetangga dapat dilihat dengan scatter plot seperti
pada Gambar 3 dan 4. Hubungan antara nilai R2 setiap perlakuan terhadap ukuran grid
menunjukkan bahwa ukuran grid yang dapat digunakan dengan nilai R2 yang tinggi berada pada
selang antara 50 sampai 100 dengan menggunakan jumlah tetangga 5. Sedangkan hubungan
antara nilai R2 setiap perlakuan terhadap jumlah tetangga menunjukkan bahwa semakin tinggi
jumlah tetangga maka nilai R2 yang diperoleh semakin rendah.
Dalam pengaplikasiannya metode interpolasi IDW juga dapat dilakukan berdasarkan
jarak radius, selain jumlah tetangga. Selain itu penggunaan power juga mempengaruhi hasil
interpolasi, baik berdasarkan jarak radius maupun jumlah tetangga. Menurut Pramono (2008)
power dapat digunakan untuk menentukan pentingnya nilai sampel data pada perhitungan
interpolasi. Power yang lebih tinggi akan menjadikan kurangnya pengaruh dari sampel data
sekitarnya dan hasil interpolasi menjadi lebih detail. Pada studi ini digunakan nilai power yang
sama pada semua perlakuan yaitu 2 (nilai default ArcView). Trisasongko dan Diar (2010)
menambahkan bahwa parameter lainnya dalam metode IDW adalah barrier. Barrier adalah
parameter opsional yang ditujukan untuk memasukkan informasi pembatas interpolasi yang
secara umum lebih mendekati kenyataan di lapangan. Berdasarkan hal-hal tersebut diperlukan
studi lebih lanjut untuk mengetahui keakurasian hasil interpolasi IDW dengan
mempertimbangkan semua parameter yang terkait.
Gambar 2. Hasil interpolasi dengan menggunakan ukuran grid 50 dan jumlah tetangga 5
Tabel 1. Perbandingan nilai tinggi antara data testing dan hasil interpolasi dengan berbagai perlakuan serta analisis korelasi masing-masing perlakuan.
Testing Estimator (Ukuran Grid,JumlahTetangga)
30,5 30,10 30,15 30,20 50,5 50,10 50,15 50,20 100,5 100,10 100,15 100,20 150,5 150,10 150,15 150,20
250 260 249 252 251 260 249 252 251 260 249 253 251 260 249 252 251
250 256 255 257 254 256 255 257 254 257 255 257 254 256 255 257 254
50 51 47 45 46 51 47 45 46 51 47 45 46 50 47 45 46
75 55 60 57 57 54 59 57 56 55 60 58 57 54 59 57 56
100 89 100 94 88 89 100 94 88 88 100 94 88 86 98 93 87
150 165 162 161 161 165 162 161 161 164 161 160 160 170 168 168 168
50 59 69 71 69 59 62 71 68 59 63 71 68 59 60 71 68
100 85 63 81 81 85 83 81 81 86 84 82 82 86 84 82 82
408 316 286 266 257 317 287 267 257 315 286 266 257 315 285 266 257
125 172 170 169 168 172 170 169 168 172 169 168 167 172 169 168 167
R 0,9540 0,9287 0,9118 0,9023 0,9544 0,9367 0,9122 0,9028 0,9539 0,9364 0,9120 0,9028 0,9514 0,9340 0,9096 0,9002
R2 0,9101 0,8626 0,8313 0,8141 0,9108 0,8775 0,8321 0,8151 0,9100 0,8769 0,8318 0,8151 0,9051 0,8724 0,8274 0,8103
Signifikansi t (0,05)
Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid
Gambar 3. Hubungan Ukuran grid terhadap nilai R2 hasil interpolasi pada setiap perlakuan
Gambar 4. Hubungan Jumlah tetangga terhadap nilai R2 hasil interpolasi pada setiap perlakuan
0.8
0.82
0.84
0.86
0.88
0.9
0.92
0 50 100 150 200
R2
Ukuran Grid
5
10
15
20
0.8
0.82
0.84
0.86
0.88
0.9
0.92
0 5 10 15 20 25
R2
Jumlah Tetangga
30
50
100
150
Kesimpulan
Keakurasian nilai titik tinggi hasil interpolasi IDW dipengaruhi oleh penentuan ukuran grid dan jumlah tetangga. Hasil analisis korelasi antara nilai titik tinggi hasil interpolasi IDW setiap perlakuan terhadap nilai titik tinggi uji (data testing) menunjukkan bahwa semakin tinggi jumlah tetangga yang digunakan maka nilai R2 yang diperoleh semakin rendah. Perlu dilakukan studi lebih lanjut untuk melihat keakurasian secara maksimal hasil interpolasi IDW dengan mempertimbangkan semua parameter yang terkait.
Daftar Pustaka
Anderson, S., 2001. An Evaluation of Spatial Interpolation Methods on Air Temperature in Phoenix. Department of Geography, Arizona State University Tempe.
Pramono, Gatot H. (2008) Akurasi Metode IDW Dan Kriging Untuk Interpolasi Sebaran Sedimen Tersuspensi Di Maros, Sulawesi Selatan. Forum Geografi, 22 (1). pp. 145-158.
Lam, N. S. (1983), Spatial interpolation methods review. The American Cartographer 10: 129-149.
Trisasongko, Bambang H. dan Diar Shiddiq, 2010. Manajemen dan Analisis Data Spasial dengan Arcview GIS. Bagian Penginderaan Jauh dan Informasi Spasial. Departemen Ilmu Tanah dan Sumberdaya Lahan. IPB.