Rukmana, HidayatiIndah (2016) Metode Interpolasi Spasial Regresi Kriging Menggunakan Matriks Jarak Euclidean Dan Matriks Queen Contiguity. Sarjana thesis, Universitas Brawijaya.
Abstract
Kriging adalah suatu teknik interpolasi yang menduga nilai-nilai pada lokasi yang tidak terukur dengan menggunakan semivariogram untuk memperoleh nilai pembobot yang optimal. Regresi kriging merupakan teknik interpolasi spasial yang menggabungkan regresi dengan ordinary kriging. Pendugaan parameter dalam regresi dapat dilakukan pendekatan matriks pembobot spasial. Pembobot spasial dalam penelitian ini menggunakan matriks jarak euclidean dan queen contiguity. Pada penelitian ini menggunakan data tingkat kemiskinan di area Jawa Timur tahun 2014. Pada kasus data area, regresi spasial dengan menggunakan matriks queen contiguity lebih baik dibandingkan dengan jarak euclidean, hal tersebut berdasarkan kriteria AIC terkecil dan metode yang mudah. Berdasarkan interpolasi galat dengan ordinary kriging, ketiga model semivariogram memiliki nilai RMSE yang sama maka indikator pemilihan model terbaik berdasarkan model yang sering digunakan. Maka model terbaik yang digunakan yaitu spherical model. Berdasarkan pemetaaan prediksi regresi kriging terdapat 15 kabupaten yang memiliki tingkat kemiskinan tinggi,dan 23 kabupaten/kota yang memiliki tingkat kemiskinan rendah, dengan nilai RMSE sebesar 1,802.
English Abstract
Kriging is an interpolation technique that suspect values at locations that are not measurable by using semivariogram to obtain optimal weighting values. Regression kriging interpolation is a technique that combines spatial regression by ordinary kriging. The estimation of the parameters in the regression do spatial weighting matrix approach. Spatial weighting in this study using matrix euclidean distance and queen contiguity. In this study using a data rate of poverty in the area of East Java in 2014. In the case of the data area, spatial regression using matrix queen contiguity better than the euclidean distance, it is based on criteria of the smallest AIC and easy method. Based on the error by ordinary kriging interpolation, three semivariogram models have the same RMSE value indicator is the best model selection is based on a model that is often used. Then the best model used is spherical models. Based on regression kriging prediction mapping there are 15 districts that have high poverty rates, and 23 districts / cities that have lower poverty rates, with RMSE value of 1,802.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/MIPA/2016/404/051610341 |
Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
Depositing User: | Kustati |
Date Deposited: | 27 Oct 2016 14:33 |
Last Modified: | 27 Oct 2016 14:33 |
URI: | http://repository.ub.ac.id/id/eprint/154936 |
Actions (login required)
![]() |
View Item |