INTERPOLASI SPASIAL

Interpolasi adalah proses untuk menentukan nilai observasi di suatu tempat (titik) berdasarkan nilai
obsevasi di sekitarya.
Sebuah proses untuk menentukan nilai observasi di suatu tempat yang tidak disurvei berdasarkan
nilai observasi dari daerah yg disurvei di sekitarnya.
Sebuah proses untuk menentukan nilai di suatu tempat berdasarkan nilai di sekitarnya (data
sampling)

Logika pada interpolasi spasial

Menurut hukum geografi tobler, bhw nilai titik observasi yg berdekatan akan memiliki nilai yg sama atau
hampir sama (mendekati) dibandingkan dengan nilai titik yang lebih jauh.
First law of geography according to Waldo Tobler is Everything is related to everything else, but near
things are more related than distant things.
Mengapa perlu nterpolasi?

Semua titik pada ruang yg diamati harus terukur atau memiliki nilai.
Pengukuran setiap titik tidak mungkin dilakukan, oleh karenanya dilakukan pengukuran
menggunakan sampling.
Permasalahannya: merubah data dari yang bersifat diskrit menjadi data yg bersifat kontinyu.

Data yang dapat diinterpolasi

Data adlaah rekaman suatu fenomena

Data yg dpt dinterpolasi adalah data yg merekam fenomena yg bersifat kontinyus atau satu lokasi
akan mempengaruhi lokasi lainnya.
Sebagai contoh:
- Data iklim (curah hujan, suhu, kelembaban, dll)
- Data populasi (flora, fauna, manusia)
- Biofisik (tanha, Ph, kelerengan/slope, ketinggian/elevasi, aspect, dll)
- Data social ekonomi (pendapatan, kepadatan penduduk, dll)

Pola sebaran data pengukuran

Regular: Teratur (Grid)

Staggered start
Random start
Systematic unaglined
Random cluster
Simple random

Yang sering jadi permasalahan adalah jumlah titik sample, sulit untuk menentukan berapa jumlah
sample atau sampling yang harus diambil. Untuk sekarang, data sampling untuk di teknik lingkungan itu
sangat kurang.
Persamaan umum interpolasi
(

i.

Z(Xi,Yi)

Z(xi,yi)= Nilai titik yg diperkirakan (hasil interpolasi)

Lamda= Bobot (Didasarkan pada jarak yang berbanding terbalik)
Z(xi,yi)= Nilai titik yang diukur
N= Jumlah titik yang diukur
Tipe interpolasi
-

DISKRIT
KONTINYU

INTERPOLASI DISKRIT
Contoh: Thiesen Polygons
INTERPOLASI KONTINYUS
Contoh: Inverse distance dan Kriging (Hasilnya lebih mulus)
Interpolasi Inverse Distance Weights (IDW)
Makin jauh jaraknya, bobotnya makin kecil
Wi = 1/di2
di = distance between Zj and ZI
Misalkan kita mengambil 2 titik sample. 10 titik sample dimaskin ke data dengan beberapa metod,
kemuadian ketika sudah ada hasilnya 2 titik sample masukan, dan hitung. Kemudian bandingkan dengan
hasil lapangan. Jika berbeda jauh, maka metode yang digunakan tidak bagus atau tidak akurat.
TUGAS!!!!
Buat perbandingan hasil interpolasi dengan:
-

Metode Voronoi Polygon

Vektor > Geometry Tools > Voronoi Polygon
Metode IDW:
Raster > Analysis > Grid