<![CDATA[Kriging adalah metode estimasi (interpolasi) geostatistik untuk mendapatkan prediksi nilai dari lokasi tak terukur melalui proses regresi kombinasi linier. Kriging menggunakan model fungsi matematis untuk pemodelan semivariogram empirik. Tujuan penelitian ini adalah memanfaatkan metode Kriging untuk melakukan perapatan data spasial radiasi surya dari interval spasi 110 km menjadi 7 km yang kemudian diverifikasi terhadap data ukur lapangan. Metodologi yang dilakukan adalah membuat aturan ketergantungan dengan memvariasikan jumlah titik ketergantungan (4,9,12 dan 16 titik), membuat prediksi, melakukan perapatan data dengan lima jenis Kriging (Circular, Spherical, Exponesial, Gaussian dan Linear), dan verifikasi data model. Verifikasi data model terhadap data pengukuran lapangan melibatkan perhitungan statistik berupa RMS error, korelasi pearson dan uji T berpasangan. Hasil penelitian didapat bahwa perapatan data metode Kriging dengan jumlah ketergantungan 4 titik memiliki nilai sesatan (error) yang lebih kecil dibanding jumlah titik lainnya. Pendekatan pemodelan paling presisi untuk perapatan data adalah menggunakan metode Kriging Gausian dengan nilai RMS error sebesar 2,76, korelasi sebesar 0,475 dan keberterimaan paling besar yaitu 98%. Kriging is the method of geostatistical estimation (interpolation) to obtain predictions of value of unmeasured location through linear combination regression process. Kriging using mathematical function models for modeling empirical semivariogram. The purpose of this study is to utilize kriging method to downscale spatial data of solar radiation intervals spaced 110 km to 7 km which is then verified against the field measuring data. The methodology is to make dependency rules by varying the number of points of dependence (4,9,12 and 16 points), make predictions, downscale the data with five types of Kriging (Circular, Spherical, Exponesial, and Linear Gaussian), and verification of data models. Data verification of the models with the field measurement data involves statistical calculations such as RMS error, Pearson correlation, and paired t test. The result is that the density of data of kriging method with number of dependence 4 spot has an error value smaller than the number of other points. The most precise modeling approach to downscale the data is using Kriging method Gausian with RMS Error value by 2.76, a correlation of 0.475 and greatest acceptance is 98%.]]>
Copyrights © 2014
