Show simple item record

dc.contributor.authorKurniadi, Hanif
dc.contributor.authorAprilia, Erlita
dc.contributor.authorUtomo, Joko Budi
dc.contributor.authorKurniawan, Andang
dc.contributor.authorSafril, Agus
dc.date.accessioned2018-05-30T03:18:37Z
dc.date.available2018-05-30T03:18:37Z
dc.date.issued2018-04
dc.identifier.citation[1] B. Tjasyono HK, Klimatologi, Bandung : ITB, 2004. [2] A. Kristianto, "Interpolasi spasial curah hujan berdasarkan faktor elevasi berbasis metode geostatistik," in Kajian Meteorologi Klimatologi dan Geofisika, Jakarta, Akademi Meteorologi Klimatologi dan Geofisika, 2011, pp. 1-39. [3] A. Bhowmik, "Evaluation of spastial interpolation techniques for mapping climate variables with low sample density : A case study using a new gridded dataset of Bangladesh," M. Sc. thesis, Erasmus Mundus, 2012. [4] M. Yang, "Benchmarking rainfall interpolation over the Netherlands," M. Sc. thesis, University of Twente, 2015. [5] Yanto, Ben Livneh, Balaji Rajagopalan, "Development of a gridded meteorological dataset over Java island, Indonesia 1985–2014," 2017. doi: 10.1038/sdata.2017.72 [6] S.K. Adhikary, N. Muttil, A.G. Yilmaz, "Cokriging for enhanced spatial interpolation of rainfall in two Australian catchments," Hydrological Processes, vol. 31, p. 2143–2161, 2017. doi: 10.1002/hyp.11163 [7] C. C.F. Plouffe, Colin Robertson, Lalith Chandrapala, "Comparing interpolation techniques for monthly rainfall mapping using multiple evaluation criteria and auxiliary data sources : A case study of Sri Lanka," Environtmental Modelling & Software, vol. 67, pp. 57-71, 2015. doi: 10.1016/j.envsoft.2015.01.011. [8] O. Conrad, et al., "System for Automated Geoscientific Analyses (SAGA) v. 2.1.4," Geoscientific Model Development, vol. 8, p. 1991–2007, 2015. doi:10.5194/gmd-8-1991-2015 [9] D. S. Wilks, Statistical Methods in the Atmospheric Sciences, 2nd ed., 2006. [10] BMKG, Verifikasi Prakiraan Iklim Indonesia, Jakarta, 2012. [11] BMKG, Peraturan Kepala Badan Meteorologi Klimatologi dan Geofisika Nomor 4 Tahun 2006 Tentang Pengamatan dan Pengelolaan Data Iklim Di Lingkungan Badan Meteorologi, Klimatologi, dan Geofisika, Jakarta, 2016. [12] Pablo de Amorim Borges, et al., "Comparison of spatial interpolation methods for the estimation of precipitation distribution in Distrito Federal, Brazil," Theor Appl Climatol, 2015. doi: 10.1007/s00704-014-1359-9 [13] P.A. Bostan, G.B.M. Heuvelink, S.Z. Akyurek, "Comparison of regression and kriging techniques for mapping the average annual precipitation of Turkey," International Journal of Applied Earth Observation and Geoinformation, vol. 19, pp. 115-126, 2012. doi: 10.1016/j.jag.2012.04.010 [14] T. Hengl, A Practical Guide to Geostatistical Mapping, Amsterdam, 2009. [15] W. Taesombat, Nutchanart Sriwongsitanon, "Areal rainfall estimation using spatial interpolation techniques," Science Asia, vol. 35, p. 268–275, 2009. doi: 10.2306/scienceasia1513-1874.2009.35.268 [16] B. S. Hadi, "Metode interpolasi dalam studi geografi (ulasan singkat dan contoh aplikasinya)," Geomedia, vol. 11, no. 2, pp. 231-240, 2013. [17] APIK, Modul Pelatihan Software QGIS dan PLUGIN OTOKLIM, BMKG, 2017.id_ID
dc.identifier.issn2580-8796
dc.identifier.urihttp://hdl.handle.net/11617/9867
dc.description.abstractCurah hujan merupakan aspek penting dalam penentuan awal musim, baik musim hujan maupun musim kemarau. Dalam hal ini, ketersediaan data curah hujan yang lengkap di suatu wilayah sangat dibutuhkan. Dengan melakukan interpolasi spasial, data curah hujan dapat menduga nilai dari data kosong pada setiap titik. IDW dengan NN=8 dan P=5 merupakan metode interpolasi yang digunakan sekarang. Dalam penelitian ini, metode Spline digunakan sebagai metode alternatif. Kelemahan dari metode Spline yang menghasilkan nilai-nilai negatif dan nilai-nilai yang sangat tinggi dimodifikasi dengan batasan luaran 0‒1500. Data curah hujan di 195 titik di Jawa Timur yang didapatkan dari Stasiun Klimatologi Malang periode 2012‒2016 digunakan sebagai data acuan. Penelitian ini bertujuan membandingkan metode interpolasi IDW dan Spline untuk mendapatkan metode interpolasi yang lebih baik. Interpolasi dilakukan dengan cara validasi silang lipat 10 (ten-fold cross validation) dengan menghilangkan 10% titik yang nantinya digunakan kembali sebagai validator, kemudian 90% titik digunakan untuk interpolasi. Proses tersebut diulang sampai seluruh titik menjadi bahan interpolasi dan titik validasi. Data tersebut diolah menggunakan piranti lunak R Statistics dan diinterpolasi dengan SAGA GIS. Hasil penelitian menunjukkan bahwa metode IDW lebih baik daripada metode Spline karena nilai RMSE dari metode IDW lebih kecil dibandingkan dengan metode Spline. Nilai RMSE pada metode IDW sebesar 114,64, sedangkan metode Spline sebesar 208,94. MAE dua metode menunjukkan hal yang sama. Dapat terlihat bahwa metode IDW yang digunakan sekarang dapat dibuktikan memiliki hasil interpolasi yang lebih baik melalui validasi silang.id_ID
dc.language.isootherid_ID
dc.publisherSeminar Nasional GEOTIK 2018id_ID
dc.subjectIDWid_ID
dc.subjectSplineid_ID
dc.subjectvalidasi silangid_ID
dc.titlePerbandingan Metode IDW dan Spline dalam Interpolasi Data Curah Hujan (Studi Kasus Curah Hujan Bulanan di Jawa Timur Periode 2012-2016)id_ID
dc.typeArticleid_ID


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record