PRATAMA, Bondi (2024) Analisis Hasil Interpolasi Data DEM Shuttle Radar Topographic Mission (SRTM) Menggunakan Metode Inverse Distance Weighting (IDW), Kriging, dan Natural Neighbor Daerah Paningkaban Provinsi Jawa Tengah. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER_BONDI PRATAMA_H1C017032_SKRIPSI_2024.pdf Download (228kB)
	PDF (Legalitas) LEGALITAS_BONDI PRATAMA_H1C017032_SKRIPSI_2024.pdf Restricted to Repository staff only Download (10MB)
	PDF (Abstrak) ABSTRAK_BONDI PRATAMA_H1C017032_SKRIPSI_2024.pdf Download (3MB)
	PDF (BabI) BAB I_BONDI PRATAMA_H1C017032_SKRIPSI_2024.pdf Restricted to Repository staff only until 5 July 2025. Download (2MB)
	PDF (BabII) BAB II_BONDI PRATAMA_H1C017032_SKRIPSI_2024.pdf Restricted to Repository staff only until 5 July 2025. Download (6MB)
	PDF (BabIII) BAB III_BONDI PRATAMA_H1C017032_SKRIPSI_2024.pdf Restricted to Repository staff only until 5 July 2025. Download (2MB)
	PDF (BabIV) BAB IV_BONDI PRATAMA_H1C017032_SKRIPSI_2024.pdf Restricted to Repository staff only Download (7MB)
	PDF (BabV) BAB V_BONDI PRATAMA_H1C017032_SKRIPSI_2024.pdf Download (342kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA_BONDI PRATAMA_H1C017032_SKRIPSI_2024.pdf Download (581kB)

Abstract

Penelitian ini menganalisis metode interpolasi spasial IDW (Inverse Distance Weighting), Natural Neighbor, dan Kriging untuk menentukan elevasi dari data DEM (Digital Elevation Model) SRTM (Shuttle Radar Topography Mission) serta membandingkan keakuratannya. Rumusan masalah mencakup bagaimana metode interpolasi ini menentukan elevasi dari data DEM SRTM, keakuratan hasilnya dibandingkan dengan data DEM SRTM, dan penilaian metode interpolasi yang lebih akurat. IDW memberikan bobot lebih besar pada titik data yang lebih dekat, sementara Natural Neighbor menggunakan poligon Thiessen untuk membagi area berdasarkan titik tetangga terdekat. Kriging mempertimbangkan jarak antar titik data serta struktur spasial dan korelasi di antara data, menggunakan semivariogram Gaussian, Spherical, dan Eksponensial untuk memodelkan variabilitas spasial dan menghitung estimasi kesalahan. Hasil penelitian menunjukkan Kriging Eksponensial dan Natural Neighbor memberikan akurasi terbaik dengan RMSE terendah, masing-masing sebesar 16.49 dan 16.27. Metode IDW menunjukkan variasi hasil, dengan RMSE terendah sebesar 18.33 untuk nilai power 3 pada variable search radius, sementara IDW dengan power 0.5 pada fixed search radius memberikan hasil terburuk dengan RMSE 32.24. Kriging Gaussian dan Spherical memiliki RMSE masing-masing 23.75 dan 36.25. Kesimpulannya, metode Natural Neighbor yang menggunakan Thiessen polygons memberikan bobot area titik uji berdasarkan luas penampang area titik sampel. Kepadatan titik prediksi mempengaruhi jumlah Thiessen polygons yang terbentuk, yang sejalan dengan peningkatan akurasi nilai titik uji. Metode ini mempertahankan variasi lokal dan perubahan tajam pada data, cocok untuk data dengan perubahan mendadak atau pola spasial mengelompok, memberikan RMSE yang lebih rendah dibanding metode lainnya. Kriging Eksponensial dan Natural Neighbor merupakan metode interpolasi yang paling akurat dalam studi ini.

Actions (login required)

View Item