Electronic Theses and Dissertation

Interpolasi spasial adalah proses untuk mengestimasi nilai di lokasi yang tidak terukur di antara titik-titik pengukuran yang ada dalam sebuah data spasial. Salah satu kasus penting dari fenomena geografis yang seringkali dipelajari menggunakan metode interpolasi spasial adalah curah hujan. Curah hujan merupakan hal yang sangat penting dalam berbagai aspek kehidupan dan lingkungan. Stasiun curah hujan tidak mencakup seluruh area di Pulau Sumatra, sehingga diperlukan interpolasi spasial untuk mengetahui data curah hujan pada wilayah yang tidak terukur. Penelitian ini bertujuan untuk mendapatkan metode interpolasi terbaik antara Invers Distance Weighting (IDW) dan kriging untuk mengestimasi curah hujan di wilayah yang tidak terukur dengan melihat nilai crossvalidation yang paling akurat. Data yang digunakan merupakan data sekunder yang diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) dari 43 titik stasiun curah hujan yang tersebar di 10 provinsi yang ada di Pulau Sumatra. Berdasarkan perbandingan dari kedua metode diperoleh bahwa metode kriging memberikan hasil estimasi yang lebih akurat dibandingkan dengan metode IDW. Hal ini dapat dilihat dari nilai RMSE dan MSE yang dihasilkan oleh model terbaik pada metode kriging semivariogram gaussian yaitu sebesar 678,86 dan 460.849,86 lebih kecil jika dibandingkan dengan nilai RMSE dan MSE yang dihasilkan oleh parameter power optimal pada metode IDW yaitu sebesar 701,45 dan 492.027,95. Adapun nilai MAPE krging yaitu sebesar 21,18% nilai tersebut berada pada rentang 20% hingga 50% yang berarti berada dalam kriteria kemampuan prediksi yang wajar. Berdasarkkan hasil crossvalidation, diperoleh estimasi curah hujan di Pulau Sumatra menggunakan metode kriging semivariogram gaussian dengan rata-rata curah hujan tergolong tinggi yaitu sebesar 2.651 mm/tahun.

Kata kunci: interpolasi spasial, inverse distance weighted, kriging, curah hujan, Pulau Sumatra

Spatial interpolation is the process of estimating values at unmeasured locations between existing measurement points in a spatial data set. One important case of geographic phenomena that is often studied using spatial interpolation methods is rainfall. Rainfall is very important in various aspects of life and the environment. Rainfall stations do not cover all areas on the island of Sumatra, so spatial interpolation is needed to find out rainfall data in areas that are not measured. This study aims to find the best interpolation method between Inverse Distance Weighting (IDW) and kriging to estimate rainfall in unmeasured areas by looking at the most accurate crossvalidation value. The data used is secondary data obtained from the Meteorology, Climatology and Geophysics Agency (BMKG) from 43 rainfall station points spread across 10 provinces on the island of Sumatra. Based on the comparison of the two methods, it is found that the kriging method provides more accurate estimation results compared to the IDW method. This can be seen from the RMSE and MSE values produced by the best model in the Gaussian semivariogram kriging method which are 678.86 and 460,849.86 are minimum when compared to the RMSE and MSE values produced by the optimal power parameters in the IDW method which are 701.45 and 492,027.95. The MAPE value of krging is 21.18%, the value is in the range of 20% to 50%, meaning reasonable prediction ability. Based on the crossvalidation results, rainfall estimation on the island of Sumatra using the Gaussian semivariogram kriging method is obtained with an average rainfall classified as high, namely 2,651 mm / year. Keywords: spatial interpolation, inverse distance weighted, kriging, rainfall, Sumatra Island