idw240516.doc
TRANSCRIPT
-
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