8/15/2019 IDW240516.doc

1/40

  Penaksiran Inverse Distance Weight ( IDW )

8/15/2019 IDW240516.doc

2/40

Weighting Power 1

8/15/2019 IDW240516.doc

3/40

Weighting Power 2

8/15/2019 IDW240516.doc

4/40

Weighting Power 3

8/15/2019 IDW240516.doc

5/40

Weighting Power 4

8/15/2019 IDW240516.doc

6/40

8/15/2019 IDW240516.doc

7/40

Weighting Power 5

8/15/2019 IDW240516.doc

8/40

Weighting Power 6

8/15/2019 IDW240516.doc

9/40

8/15/2019 IDW240516.doc

10/40

Weighting Power 7

8/15/2019 IDW240516.doc

11/40

Weighting Power 8

8/15/2019 IDW240516.doc

12/40

8/15/2019 IDW240516.doc

13/40

Weighting Power 9

8/15/2019 IDW240516.doc

14/40

Weighting Power 10

8/15/2019 IDW240516.doc

15/40

8/15/2019 IDW240516.doc

16/40

Weighting Power 20

8/15/2019 IDW240516.doc

17/40

Weighting Power 100

8/15/2019 IDW240516.doc

18/40

8/15/2019 IDW240516.doc

19/40

Berdasarkan hasil perhitungan software dengan menggunakan metode IDW maka diperoleh

nilai koefisien regresi yang mendekati 1 berada di Weighting Power 2, sehingga dalam

 perhitungan selanjutnya dengan menggunakan smoothing factor dipakai nilai weighting

 power 2

!oothing "actor 1

!oothing "actor 2

8/15/2019 IDW240516.doc

20/40

!oothing "actor 3

!oothing "actor 4

8/15/2019 IDW240516.doc

21/40

!oothing "actor 5

8/15/2019 IDW240516.doc

22/40

!oothing "actor 6

8/15/2019 IDW240516.doc

23/40

!oothing "actor 7

!oothing "actor 8

8/15/2019 IDW240516.doc

24/40

!oothing "actor 9

!oothing "actor 10

8/15/2019 IDW240516.doc

25/40

8/15/2019 IDW240516.doc

26/40

!oothing "actor 20

8/15/2019 IDW240516.doc

27/40

!oothing "actor 100

8/15/2019 IDW240516.doc

28/40

8/15/2019 IDW240516.doc

29/40

Block Kriging 2x2

8/15/2019 IDW240516.doc

30/40

Block Kriging 3x3

8/15/2019 IDW240516.doc

31/40

Block Kriging 4x4

Block Kriging 5x5

8/15/2019 IDW240516.doc

32/40

8/15/2019 IDW240516.doc

33/40

Block Kriging 6x6

Block Kriging 7x7

8/15/2019 IDW240516.doc

34/40

Block Kriging 8x8

8/15/2019 IDW240516.doc

35/40

8/15/2019 IDW240516.doc

36/40

#$ D%&'IPI$#W%I*I# P$W%' 

1 2 3 4 5 6 7 8 9 10 20 100

1 !egression coefficient 11"# $%&% $&'" $"(( $)&& $)#) $)'" $)2# $)1& $)1' $)$2 $)$(

2 *+ $12( $1$% $$%# $$ $$"% $$") $$"( $$"' $$"2 $$"2 $$"1 $$"1

' r2 $(1" $'%' $'&$ $'") $'"( $'"' $'"2 $'"$ $')% $')& $')' $')'

( y intercept $$2$ $$'" $$&' $112 $12% $1'% $1(# $1(% $1#2 $1#' $1#& $1#&

# *+ Prediction $1#" $1)$ $1)2 $1)' $1)' $1)' $1)' $1)' $1)' $1)( $1)( $1)(

 

#$ D%&'IPI$#+$$*I# ",&$' D%#,# W%I*I# P$W%' 2

1 2 3 4 5 6 7 8 9 10 20 100

1!egressioncoefficient 1$') 1$)& 1$%1 11$% 112' 11'# 11() 11## 11)' 11"$ 121" 12&)

2 *+ $11' $11) $11& $11% $121 $122 $122 $12' $12( $12( $12" $1'2

' r2 $'%% $($2 $($# $($) $($& $($% $(1$ $(11 $(12 $(1' $(2$ $('$

( y intercept $$22 $$12 $$$# $$$1 $$$# $$$% $$12 $$1# $$1" $$1% $$'' $$#2

# *+ Prediction $1)$ $1#% $1#% $1#% $1#& $1#& $1#& $1#& $1#& $1#& $1#" $1##

NO DESCRIPTION-.$&/ /'II# ,'I$',+ +$D%. P% I$'$P

22 33 44 55 66 77 88

1Regressioncoefcient 0.964 0.964 0.964 0.964 0.964 0.964 0.964

2 SE 0.110 0.110 0.110 0.110 0.110 0.110 0.110

3 r2 0.378 0.378 0.378 0.378 0.378 0.378 0.378

4 y intercept 0.033 0.033 0.033 0.033 0.033 0.033 0.0335 SE Prediction 0.162 0.162 0.162 0.162 0.162 0.162 0.162

!!ar IDW

8/15/2019 IDW240516.doc

37/40

*emakin tinggi-besar kepangkatan dari Weighting Power, maka korelasi data menunjukkan

hubungan yang tidak koheren dengan data yang lain dan justru membentuk interpretasi data

kadar yang mendekati bobot yang mendekati angka 1 dan angka $ yang lebih signifikan

.oefisien korelasi /*emakin tinggi-besar kepangkatan dari Weighting Power maka nilai

koefisien korelasi mendekati angka $, berarti hubungan antar0ariabel tersebut semakin

lemah Dengan kata lain, besarnya nilai korelasi bersifat absolut

*+ *tandard +rror / *emakin tinggi-besar kepangkatan dari Weighting Power maka

nilai standar +rror menjadi lebih kecil-mendekati $ dengan kata lain penduga

sampel-standar de0iasi dari ratarata sampel lebih akurat

r2 koefisien determinasi / *emakin tinggi-besar kepangkatan dari Weighting Power maka

nilai r 2 semakin kecil-mendekati $, maka model makin tidak tepat

y intercept / *emakin tinggi-besar kepangkatan dari Weighting Power maka nilai y

intercept nilai ratarata pada 0ariabel 3 apabila nilai pada 0ariabel 4 bernilai $ menjadi

meningkat-tinggi

*+ Prediction / *emakin tinggi-besar kepangkatan dari Weighting Power maka nilai *+

Prediction duga yang dihasilkan dari model regresi yang diperoleh semakin besar

/eterangan

1 /oeisien 'egresi

.oefisien korelasi sederhana r merupakan akar dari koefisien determinasi Besarnya

hubungan antara 0ariabel yang satu dengan 0ariabel yang lain dinyatakan dengan koefisien

korelasi yang disimbulkan dengan huruf 5r6 Besarnya koefisien korelasi akan berkisar antara

1 negatif satu sampai dengan 71 positif satu /

.eterangan /

7 menunjukkan korelasi positif 

menunjukkan korelasi negatif 

$ menunjukkan tidak adanya hubungan

8/15/2019 IDW240516.doc

38/40

8pabila koefisien korelasi mendekati 7 1 atau 9 1, berarti hubungan antar0ariabel tersebut

semakin kuat *ebaliknya, apabila koefisien korelasi mendekati angka $, berarti hubungan

antar0ariabel tersebut semakin lemah Dengan kata lain, besarnya nilai korelasi bersifat

absolut, sedangkan tanda 5 7 5 atau 595 hanya menunjukkan arah hubungan saja

2 % (tanart %rror)

*tandar de0iasi dari ratarata *tandart error diartikan sebagai standar de0iasi dari rata

rata sampel :kuran statistik ini dapat melihat akurasi penduga sampel terhadap parameter

 populasi *emakin kecil nilai standar error maka penduga sampel lebih akurat

' r2 (koeisien eter!inasi)

! 2 adalah perbandingan antara 0ariasi 3 yang dijelaskan oleh ;1 dan ;2 secara bersama

sama dibanding dengan 0ariasi total 3 $,( ?idak ada ukuran yang pasti berapa besarnya ! 2 untuk mengatakan bahwa suatu

 pilihan 0ariabel sudah tepat =ika ! 2 semakin besar atau mendekati 1, maka model makin

tepat

4 interce:t

*ecara matematis intersep merupakan suatu titik perpotongan antara suatu garis dengan

sumbu 3 pada diagram-sumbu kartesius pada saat nilai 4 > $ *edangkan secara statistika,

nilai intersep merupakan nilai ratarata pada 0ariabel 3 apabila nilai pada 0ariabel 4 bernilai

$ Dengan kata lain, apabila 0ariabel 4 tidak memberikan kontribusi terhadap 0ariabel

dependen 3, maka secara ratarata nilai dari 0ariabel 3 akan adalah sebesar intersep

tersebut Perlu ditekankan bahwa intersep hanyalah suatu konstanta yang memungkinkan

munculnya koefisien lain di dalam model regresi Intersep tidak selalu dapat atau perlu untuk

diinterpretasikan

5.  % Preiction

 @ilai duga yang dihasilkan dari model regresi yang diperoleh

8/15/2019 IDW240516.doc

39/40

;, %$,II/ 

I+;.,I < ;#;/ IDW

$=eh

'I>, #$'I#D, 212150030

8/15/2019 IDW240516.doc

40/40

.*I., '$I, ,'I 212150033

,.I%"I,#I P $-%. 212150031

P'$',+ P,&,,'?,#,

+,I%' %/#I/ P%',+-,#,#

;#I%'I, P%+-,#;#,# #,I$#,. @%%',#A

$,/,',

2016