dc.identifier.citation | Cressie, N. (1993), Statistics for Spatial Data, Revised Edition, Wiley: New York. De Smith, M.J., Goodchild, M.F., and Longley, P.A. (2007). Geospatial Analysis. A Comprehensive Guide to principles, Techniques and Software Tools. Matador, Leiceister, UK. www.spatialanalysisonline.com Johnston, K. Ver Hoef,J.M., Krivoruchko, K., and Lucas,N. (2001). Using ArcGIS Geostatistical Analyst. GIS by ESRI. Robertson, G.P. (2008). GS+: Geostatistics for the Environmental Sciences. Gamma Design Software, Plainwell, Michigan USA. https://geoda.uiuc.edu http://www.satscan.org http://regal.sdsu.edu/index.php/main/STARS | en_US |
dc.description.abstract | Artikel ini memaparkan variabilitas spasial hari hujan di Jawa Timur. Data hujan harian diperoleh dari 946 lokasi stasiun hujan
yang tersebar merata di seluruh wilayah Provinsi Jawa Timur. Jumlah hari hujan (HH) diperoleh dari nilai rerata hari hujan
per tahun selama periode rekaman yang tersedia pada masing-masing stasiun. Analisa spasial dilakukan menggunakan
tool ESDA (Exploratory Spatial Data Analysis) yang ada pada ArcGIS Geostatistical Analyst. Tool yang digunakan mencakup:
Histogram, Voronoi Map, QQ-Plot dan Trend Analysis. Hasil analisa menunjukkan grafik Histogram dan Normal
QQPlot hari hujan mendekati distribusi normal, dengan nilai hari hujan minimal sebesar 4 hari/tahun dan maksimal = 184
hari/tahun. Sedangkan, nilai HH rerata dari seluruh stasiun untuk semua periode adalah 81 hari/tahun dan nilai median = 80
hari/tahun. Histogram juga menampilkan nilai standar deviasi = 23,74; koefisien skewness = 0,28; dan koefisien curtosis =
(3,6). Visualisasi 3D distribusi spasial HH menggunakan Trend Analysis Tool tidak menunjukkan adanya trend yang siginifikan
pada bidang proyeksi (XZ dan YZ). Penelitian menunjukkan bahwa aplikasi: histogram, Voronoi map, QQPlot dan Trend
Analysis dapat menggambarkan variabilitas spasial hari hujan suatu wilayah dengan lebih detail. Selanjutnya peta tematik
yang memvisualisasikan distribusi spasial hari hujan dibuat dengan memanfaatkan metode interpolasi Inverse Distance
Weighting (IDW). | en_US |