PERBANDINGAN METODE INTERPOLASI IDW, KRIGING,

DAN SPLINE PADA DATA SPASIAL SUHU PERMUKAAN

LAUT

IHSANUL FAJRI

DEPARTEMEN ILMU DAN TEKNOLOGI KELAUTAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN
INSTITUT PERTANIAN BOGOR
BOGOR
2016
ii
 PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa skripsi berjudul Perbandingan Metode

Interpolasi IDW, KRIGING, dan SPLINE pada Data Spasial Suhu Permukaan
Laut adalah benar karya saya dengan arahan dari komisi pembimbing dan belum
diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber
informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak
diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam
Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada
Institut Pertanian Bogor.

Bogor, November 2016

Ihsanul Fajri
NIM C54120072
iii
 ABSTRAK

IHSANUL FAJRI. Perbandingan Metode Interpolasi IDW, KRIGING, dan

SPLINE pada Data Spasial Suhu Permukaan Laut. Dibimbing oleh SETYO BUDI
SUSILO dan RISTI ENDRIANI ARHATIN.

Interpolasi adalah suatu metode atau fungsi matematis untuk menduga

nilai pada lokasi-lokasi yang datanya tidak tersedia. Penelitian ini dilakukan di
Kepulauan Seribu dengan menggunakan data suhu citra NOAA. Penelitian ini
bertujuan membandingkan metode interpolasi IDW, kriging, dan spline, sehingga
mendapatkan metode interpolasi yang paling akurat dan disesuaikan dengan data
suhu uji. Data Citra NOAA diekstraksi menggunakan software Ocean Data View,
kemudian difilter menggunakan Microsoft Excel, dan diinterpolasi dengan
software ArcGIS. Hasil interpolasi menunjukkan rata-rata nilai suhu dengan
menggunakan metode IDW sebesar 30,63, kriging sebesar 30,63, dan spline
sebesar 30,63. Standar deviasi metode IDW sebesar 0,4613, standar deviasi
metode kriging sebesar 0,4618, dan standar deviasi metode spline sebesar 0,4639.
Berdasarkan standar deviasi masing-masing metode, metode IDW merupakan
metode yang paling akurat dan mendekati data suhu uji.

Kata kunci: IDW, kriging, spline, interpolasi, suhu NOAA.

ABSTRACT
IHSANUL FAJRI. The Comparison of IDW, KRIGING, and SPLINES
Interpolation Method on Sea Surface Temperature Spatial Data. Supervised by
SETYO BUDI SUSILO and RISTI ENDRIANI ARHATIN.

Interpolation was a method mathematical function that was applied to

predict the values in the areas where the data was not yet available. This research
the temperature data was NOAA image. The aim at this research was to get the
accurate interpolation data by comparing the IDW, kriging, and spline method. In
this research, the NOAA image data was processed by using Ocean Data View
software. After that, filtered by using Microsoft excel. And finally, interpolated by
using ArcGIS software. The result of the interpolation showed that the mean of
temperature test by using IDW method was 30,63 while, for as much as 30,63 by
using kriging. And for as much as 0,4639 for spline method. On the based of
standart deviation result, it was known that the IDW method was the most
accurate method and approach for the temperature test data.

Keywords: IDW, kriging, spline, interpolation, NOAA temperature.

PERBANDINGAN METODE INTERPOLASI IDW, KRIGING,
DAN SPLINE PADA DATA SPASIAL SUHU PERMUKAAN
LAUT

IHSANUL FAJRI

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Ilmu Kelautan
pada
Departemen Ilmu dan Teknologi Kelautan

DEPARTEMEN ILMU DAN TEKNOLOGI KELAUTAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN
INSTITUT PERTANIAN BOGOR
BOGOR
2016
 PRAKATA

Puji syukur penulis ucapkan kehadirat Allah SWT berkat Rahmat,

Hidayah, dan Karunia-Nya, sehingga penulis dapat menyelesaikan penelitian yang
berjudul PERBANDINGAN METODE INTERPOLASI IDW, KRIGING,
DAN SPLINE PADA DATA SPASIAL SUHU PERMUKAAN LAUT.
Terima kasih penulis ucapkan kepada Prof Dr Ir Setyo Budi Susilo, MSc
dan Risti Endriani Arhatin, SPi, MSi selaku pembimbing. Prof Dr Ir Vincentius P
Siregar, DEA selaku penguji dan Dr Ir Johnson L Gaol, MSi selaku dosen Gugus
Kendali Mutu. Terima kasih penulis ucapkan kepada Ayahanda Ir Zulkifli, Ibunda
Hj Ernawati, SPd, Nurul Iqamah Elza, SE, serta seluruh keluarga, atas segala doa,
dukungan, dan kasih sayangnya. Ungkapan terima kasih juga disampaikan kepada
teman mahasiswa Ilmu dan Teknologi Kelautan, dan semua pihak yang telah
membantu dalam penyelesaian penulisan skripsi ini yang tidak bisa disebutkan
satu-persatu.
Kritik dan saran yang membangun sangat diharapkan untuk perbaikan
skripsi ini kedepannya. Semoga karya ilmiah ini bermanfaat.

Bogor, November 2016

Ihsanul Fajri
 DAFTAR ISI

DAFTAR GAMBAR vii

DAFTAR LAMPIRAN vii
PENDAHULUAN 1
Latar Belakang 1
Tujuan 2
METODE 2
Waktu dan Tempat 2
Alat dan Bahan 3
Tahapan Penelitian 3
Pengambilan Data 4
Proses Pengolahan Data 4
Analisis Data 4
HASIL DAN PEMBAHASAN 5
Suhu Perairan Berdasarkan Sebaran Suhu Satelit 5
Hasil Interpolasi dengan Tiga Metode Interpolasi 6
SIMPULAN DAN SARAN 11
Simpulan 11
Saran 11
DAFTAR PUSTAKA 12
RIWAYAT HIDUP 21
 DAFTAR GAMBAR

1 Peta Kepulauan Seribu 2

2 Diagram alir penelitian 3
3 Peta sebaran suhu satelit di sekitar titik sampel 6
4 Peta sebaran suhu berdasarkan interpolasi IDW 7
5 Grafik suhu interpolasi IDW 7
6 Peta sebaran suhu berdasarkan interpolasi Kriging 8
7 Grafik suhu interpolasi Kriging 9
8 Peta sebaran suhu berdasarkan interpolasi Spline 10
9 Grafik suhu interpolasi Spline 11

DAFTAR LAMPIRAN

1 Perbandingan data suhu uji dengan data hasil interpolasi IDW,

Kriging, dan Spline 14
1

PENDAHULUAN

Latar Belakang

Interpolasi salah satu bentuk pengolahan data spasial dari Sistem

Informasi Geografis (SIG). SIG sangat membantu pekerjaan yang erat kaitannya
dengan bidang spasial dan geo-informasi. SIG dapat memberikan gambaran yang
lengkap dan komprehensif terhadap suatu masalah nyata terkait spasial
permukaan bumi. Pengolahan data spasial memerlukan data studi area yang
didapatkan melalui akuisisi data satelit. Salah satu data spasial yang dapat diolah
dengan interpolasi adalah Suhu Permukaan Laut (SPL).
Interpolasi adalah suatu metode atau fungsi matematis untuk menduga
nilai pada lokasi-lokasi yang datanya tidak tersedia. Interpolasi spasial
mengasumsikan bahwa atribut data bersifat kontinu di dalam ruang jarak (space)
dan saling berhubungan secara spasial (Anderson 2001). Dalam pemetaan,
interpolasi adalah proses estimasi nilai pada wilayah yang tidak disampel atau
diukur, sehingga terbuatlah peta atau sebaran nilai pada seluruh wilayah (Gamma
Design Software 2005). Setiap metode interpolasi akan memberikan hasil yang
berbeda (Pramono 2008). Pemilihan metode yang tepat dalam interpolasi
bertujuan untuk mendapatkan dugaan data yang lebih mendekati dengan data suhu
uji.
Data spasial dapat diolah dengan beberapa metode interpolasi, namun
setiap metode akan menghasilkan hasil yang berbeda, pemilihan metode akan
mempengaruhi hasil yang didapatkan. Pemilihan metode interpolasi yang tidak
tepat akan memberikan informasi yang kurang tepat, oleh karena itu diperlukan
pemilihan metode interpolasi yang tepat supaya informasi yang diberikan sesuai
dengan keadaan sebenarnya, untuk memperoleh metode yang tepat perlu adanya
suatu penelitian.
Penelitian ini dilakukan untuk mendapatkan dugaan data yang lebih
mendekati nilai data uji yang diperoleh dari satelit National Oceanic and
Atmospheric Administration (NOAA). Perbandingan metode interpolasi ini sudah
dilakukan. Perbandingan metode Interpolasi IDW dan kriging oleh BIG dengan
judul akurasi metode IDW dan kriging untuk interpolasi sebaran sedimen
tersuspensi, didapatkan hasil metode IDW lebih baik dibandingkan metode
kriging. Perbandingan metode Interpolasi trend dan spline telah dijelaskan dalam
Pramono (2005). Perbandingan metode Interpolasi IDW dan kriging dalam
Pramono (2008), didapatkan metode IDW lebih baik dibandingkan metode
kriging dalam interpolasi sedimen tersuspensi. Pemanfaatan SIG dalam pemetaan
potensi merbau di areal IUPHHK-HA PT.Wapoga Mutiara Tiber Unit II Papua
dalam Hastuti (2013), metode IDW memberikan hasil sedikit lebih baik
dibandingkan metode kriging dalam menduga sebaran spasial sediaan dan
biomassa tegakan.
Suhu permukaan laut merupakan salah satu parameter oseanografi yang
dapat berubah-ubah, suhu permukaan laut dapat diukur secara langsung dengan
cara pengukuran insitu, dan juga oleh sensor satelit yang bekerja pada spektrum
infra merah termal. Suhu yang berubah-ubah dapat dideteksi oleh satelit
lingkungan dan cuaca, seperti NOAA yang memiliki sensor termal band 4 dan
band 5. Band tersebut merupakan saluran yang sensitif terhadap perubahan suhu
2

di laut (Wicaksono et al. 2010). Satelit NOAA menghasilkan data citra yang dapat
digunakan untuk mempelajari parameter meteorologi, yang meliputi pembuatan
peta awan, penentuan korelasi antara curah hujan dengan jenis awan dan liputan
awan, penentuan variasi tahunan liputan awan, serta pembuatan peta suhu dan
peramalan cuaca lainnya (Massinai 2005). Satelit NOAA merupakan satelit yang
dimiliki oleh Amerika dan mempunyai misi untuk memantau lingkungan dan
cuaca di bumi, salah satunya parameter oseanografi seperti suhu. Satelit NOAA
membawa lima jenis sensor, salah satu diantaranya ialah sensor Advanced Very
High Resolution Radiometer (AVHRR). Satelit NOAA melintasi daerah ekuator
pada pukul 14.00 WIB, dengan panjang gelombang 11,50-12,50 m dan memiliki
resolusi 1,09 Km.

Tujuan

Penelitian ini bertujuan membandingkan beberapa metode Interpolasi,

yaitu IDW, kriging, dan spline, sehingga mendapatkan metode yang paling
mendekati nilai suhu sebenarnya.

METODE

Waktu dan Tempat

Penelitian ini dilakukan di Gugusan Kepulauan Seribu, Jakarta Utara yang

terletak pada 5 2 29,26 LS - 5 57 7,38 LS 106 5 29,57 BT - 106 52
24,83 BT. Penelitian ini terdiri atas dua kegiatan, yakni pengambilan data dan
pengolahan data. Kegiatan pengambilan data dilaksanakan pada bulan Januari,
akuisisi data dari satelit NOAA yang digunakan pada tanggal 19 Januari 2016.
Pengolahan data dilakukan pada bulan Februari-April 2016 di Laboratorium GIS,
Departemen Ilmu dan Teknologi Kelautan, Fakultas Perikanan dan Ilmu Kelautan,
Institut Pertanian Bogor. Peta penelitian ditampilkan pada Gambar 1.

Gambar 1 Peta Kepulauan Seribu

 3

Alat dan Bahan

Alat yang digunakan pada penelitian ini adalah seperangkat komputer,
software ArcGIS, Global Mapper, Ms. Excel,dan Ocean Data View (ODV) 4.
Bahan yang digunakan data suhu perairan Kepulauan Seribu, yaitu data SPL hasil
akuisisi satelit NOAA 18 pada tanggal 19 Januari 2016, dengan jam perekaman
14.00 WIB.

Tahapan Penelitian

Pengambilan data suhu permukaan laut kepulauan seribu melalui akuisisi

data dari satelit NOAA, kemudian data tersebut diolah melalui beberapa tahapan.
Urutan tahapan penelitian ditampilkan pada Gambar 2.

Mulai

Pengambilan data

Pengolahan data
SPL NOAA

Interpolasi IDW Interpolasi Kriging Interpolasi Spline

Perbandingan
hasil interpolasi

Uji Akurasi Data Uji

Selesai

Gambar 2 Diagram alir penelitian

4

Pengambilan data
Data SPL diperoleh dari satelit NOAA yang diunduh melalui web
http://apdrc.soest.hawaii.edu/las/v6/constrain?var=4928 data tersebut dijadikan
sebagai data yang di interpolasi dan data uji. Citra NOAA tersebut merupakan
citra level 3 sudah dalam bentuk nilai SPL. Citra level 3 merupakan hasil
algoritma yang dikembangkan oleh NASA. Algoritma SPL NASA Multi Channel
Sea Surface Temperature (MCSST) yaitu:

Algoritma tersebut menggabungkan setiap band thermal satelit NOAA,

yakni band 4 dan band 5 untuk mendapatkan nilai SPL, data citra satelit NOAA
dalam derajat celcius.

Proses pengolahan data

Citra yang didapatkan kemudian di ekstrak dengan software Ocean Data
View series (ODV) 4. Setelah di ekstrak akan didapatkan data .txt, kemudian data
tersebut dipotong menggunakan software Ms.excel agar diperoleh data yang
sesuai daerah yang kita inginkan. Proses interpolasi dilakukan dengan software
ArcGIS 10.2.2 menggunakan data yang telah di potong sesuai lokasi. Setelah di
interpolasi maka data dapat dianalisis.

Analisis data
Setiap metode interpolasi mempunyai analisis statistik yang berbeda-beda
dalam menduga titik-titik di sekitar data sampel. Berikut analisis statistik dari
masing-masing metode interpolasi.
Metode IDW merupakan metode interpolasi konvesional yang
memperhitungkan jarak sebagai bobot. Jarak yang dimaksud disini adalah jarak
(datar) dari titik data (sampel) terhadap blok yang akan diestimasi. Jadi semakin
dekat jarak antara titik sampel dan blok yang akan diestimasi maka semakin besar
bobotnya, begitu juga sebaliknya

Keterangan:
Z0 = perkiraan nilai pada titik 0
Zi = apakah nilai z pada titik kontrol i
di = jarak antara titik I dan titik 0
k = konstanta
S = jumlah titik S yang digunakan

Kriging merupakan metode yang umum digunakan untuk menganalisis

data geostatistik, bedasarkan data sampel. Data sampel biasanya diambil dari
lokasi-lokasi atau titik-titik yang tidak beraturan. Metode ini digunakan untuk
 5

mengestimasi besarnya nilai variabel teregional pada titik tidak tersampel

berdasarkan informasi titik tersampel yang berada di sekitarnya dengan
mempertimbangkan korelasi spasial yang ada dalam data tersebut.
didefinisikan sebagai variabel random pada titik .,n.
Estimator kriging ( ) dari dengan bobot adalah sebagai berikut
(Bohling 2005):

Keterangan:
S = lokasi untuk estimasi
Si = salah satu lokasi data yang berdekatan
= nilai ekspetasi dari
m(S i ) = nilai ekspetasi dari Z(S i )
= pembobot yang menentukan ukuran jarak antar titik
n = banyaknya data sampel yang digunakan untuk estimasi

Apabila pada setiap lokasi terdapat estimator error (s) , maka

perbedaan antara nilai estimasi dengan nilai didefinisikan sebagai
berikut (Alfiana 2010):
-

Spline merupakan metode interpolasi yang memiliki kemampuan dalam

memprediksi nilai minimum dan maksimum dengan efek stretching data.
Persamaan yang digunakan spline adalah dengan menggunakan formula
interpolasi permukaan, dengan rumus sebagai berikut:

Keterangan:
j = 1,2, n
N = jumlah titik
= koefisien yang ditemukan dari system persamaan linier
= jarak antara titik ke titik j
dan didefinisikan secara berbeda, berdasarkan cara seleksi
(regularized spline dan tension spline).

HASIL DAN PEMBAHASAN

Suhu Perairan Berdasarkan Sebaran Suhu Satelit

Suhu perairan Kepulauan Seribu pada musim barat berkisar antara 28,5C
- 30C, pada musim peralihan barat-timur antara 29,5C - 30,7C, pada musim
timur suhu berkisar antara 28,5C - 31C dan pada musim peralihan timur barat
berkisar antara 28,5C - 31C (Paonganan 2008). Suhu di perairan nusantara
umumnya berkisar antara 28C 31C. Pada lokasi yang sering terjadi penaikan
air (upwelling) seperti di Laut Banda, suhu air permukaan bisa turun sampai 25C
6

karena air yang dingin di lapisan bawah terangkat ke permukaan. Suhu dekat
pantai biasanya sedikit lebih tinggi dibandingkan dengan suhu di lepas pantai
(Nontji, 1993). Gambar 3 menunjukkan sebaran suhu di Kepulauan Seribu yang di
dapat dari citra NOAA yang berkisar antara 29C 31,9C.
Gambar 3 menjelaskan data suhu data yang di interpolasi dan data suhu
uji. Data yang di interpolasi merupakan data citra pulau seribu yang memiliki
jumlah 4714 titik, data uji tidak termasuk didalamnya. Data suhu uji digunakan
untuk perbandingan hasil dari masing-masing interpolasi, dengan jumlah 247 titik
dan memiliki nilai suhu rata-rata adalah 30,63.

Gambar 3 Peta sebaran suhu satelit di sekitar titik sampel

Hasil Interpolasi dengan Tiga Metode Interpolasi

IDW
IDW adalah salah satu teknik interpolasi permukaan (surface
interpolation) dengan prinsip titik inputnya dapat berupa titik pusat plot yang
tersebar secara acak maupun tersebar merata. Metode bobot inverse distance atau
jarak tertimbang terbalik (IDW) memperkirakan nilai-nilai atribut pada titik-titik
yang tidak disampel menggunakan kombinasi linier dari nilai-nilai sampel
tersebut dan ditimbang oleh fungsi terbalik dari jarak antar titik (Hayati 2012).
Hasil interpolasi IDW terdapat pada Gambar 4.
 7

Gambar 4 Peta sebaran suhu berdasarkan interpolasi IDW

Berdasarkan Gambar 4 hasil interpolasi IDW, suhu berkisar antara 29,151-

31,699 C. Suhu di sebelah tenggara berkisar antara 31,062C 31,669 C,
merupakan suhu yang lebih tinggi dibandingkan daerah lainnya. Nilai interpolasi
IDW menghasilkan nilai interpolasi yang lebih baik pada data sampel yang
lokasinya berdekatan dari pada data yang lokasinya lebih jauh. Karena metode ini
menggunakan rata-rata dari data sampel. Gambar 5 merupakan suhu hasil
interpolasi IDW.

MIN = 29,279
MAX = 31,654
MEAN = 30,63
SDev = 0.4613

Gambar 5 Grafik suhu interpolasi IDW

8

Nilai suhu hasil interpolasi IDW terendah sebesar 29,279C yang terletak
pada 106 17 6 BT dan 5 23 42 LS, nilai suhu hasil interpolasi IDW
tertinggi sebesar 31,654C yang terletak pada 106 42 18 BT dan 5 37 30
LS. Standar deviasi metode IDW didapatkan sebesar 0,4613, standar deviasi ini
merupakan standar deviasi yang paling kecil diantara ketiga metode, dimana
semakin kecil standar deviasinya maka data yang dihasilkan semakin akurat. Data
hasil interpolasi idw terdapat pada lampiran 1.
Menurut Ashraf et al. (1997) dikatakan bahwa metode inverse distance
cukup baik dalam menduga nilai contoh pada suatu lokasi. Titik sampel yang
digunakan cukup rapat, sehingga metode Interpolasi IDW lebih bagus hasilnya.
Menurut (Pramono 2008) Untuk mendapatkan hasil yang baik, sampel data yang
digunakan harus rapat yang berhubungan dengan variasi lokal. Jika sampelnya
agak jarang dan tidak merata, hasilnya kemungkinan besar tidak sesuai dengan
yang diinginkan (Pramono 2008).

Kriging

Interpolasi kriging dapat digolongkan dalam interpolasi stochastic.

Interpolasi stochastic menawarkan penilaian kesalahan dengan nilai prediksi
dengan mengasumsikan kesalahan acak. Metode kriging merupakan estimasi
stochastic mirip dengan IDW yang menggunakan kombinasi linear dari weights
untuk memperkirakan nilai di antara sampel data. Metode ini dikembangkan oleh
D.L. Krige untuk memperkirakan nilai dari bahan tambang. Asumsi dari model ini
adalah jarak dan orientasi antara sampel data menunjukkan korelasi spasial. Hasil
interpolasi kriging terdapat pada Gambar 6.

Gambar 6 Peta sebaran suhu berdasarkan interpolasi kriging

 9

Berdasarkan Gambar 6 hasil interpolasi kriging, suhu berkisar antara

29,173 - 31,693 C. Suhu di sebelah tenggara berkisar antara 31,063C -
31,693C, merupakan suhu yang lebih tinggi dibandingkan daerah lainnya.
Gambar 7 merupakan grafik suhu hasil interpolasi kriging. Nilai suhu hasil
interpolasi kriging terendah sebesar 29,279C yang terletak pada 106 17 6 BT
dan 5 23 42 LS, nilai suhu hasil interpolasi kriging tertinggi sebesar 31,652C
yang terletak pada 106 39 54 BT dan 5 38 42 LS. Standar deviasi metode
kriging didapatkan sebesar 0,4618. Data hasil interpolasi kriging terdapat pada
lampiran 1.

Min = 29,279
Max = 31,652
Mean = 30,63
SDev = 0.4618

Gambar 7 Grafik suhu interpolasi kriging

Metode kriging mempunyai keunggulan dan kelemahan menurut

Largueche (2006), keunggulannya yaitu kemampuan untuk mengkuantifikasi
variansi dari nilai yang diestimasi sehingga tingkat presisi dari hasil estimasi
dapat diketahui. Metode Kriging tetap dapat digunakan meskipun tidak ditemukan
korelasi spasial antar data. Kelemahan Kriging yaitu mengasumsikan data
menyebar normal sementara kebanyakan data lapangan tidak memenuhi kondisi
tersebut. Selain itu, semi variogram yang dihitung untuk suatu himpunan data
tidak berlaku untuk himpunan data lainnya. Dengan demikian estimasi semi
variogram akan sulit bila titik sampel yang digunakan tidak mencukupi.

Spline

Spline merupakan metode yang mengestimasi nilai dengan menggunakan

fungsi matematika untuk meminimalisir total kelengkungan permukaan (Binh dan
Thuy 2008). ESRI (1996) menyatakan bahwa metode interpolasi spline dapat
mengestimasi nilai sel berdasarkan nilai rata-rata antara point data masing-masing
contoh. Hasil interpolasi spline terdapat pada Gambar 8. Suhu berkisar antara
29,146 - 31,825 C. Suhu di sebelah tenggara berkisar antara 31,155C -
31,825C, merupakan suhu yang lebih tinggi dibandingkan daerah lainnya.
10

Metode interpolasi spline merupakan metode yang baik untuk mengestimasi nilai
rendah dan tinggi yang tidak terdapat pada sampel data.

Gambar 8 Peta sebaran suhu berdasarkan interpolasi spline

Pada metode spline ini permukaan yang dihasilkan tepat melewati titik-
titik sampel. Kelebihan dari metode spline adalah kemampuan untuk
menghasilkan akurasi permukaan yang cukup baik walaupun data yang digunakan
hanya sedikit. Menurut (Pasaribu dan Haryani 2012) metode ini kurang baik jika
diaplikasikan untuk situasi dimana terdapat perbedaan nilai yang signifikan pada
jarak yang sangat dekat. Kekurangan dari metode spline adalah ketika titik-titik
sampel yang berdekatan memiliki perbedaan nilai yang sangat besar , metode
spline tidak dapat berjalan dengan baik. Hal ini disebabkan karena metode spline
menggunakan perhitungan slope yang berubah berdasarkan jarak untuk
memperkirakan bentuk dari permukaan. Grafik suhu hasil interpolasi spline
terdapat pada Gambar 9. Gambar 9 merupakan grafik suhu hasil interpolasi spline.
Nilai suhu hasil interpolasi spline terendah sebesar 29,251C yang terletak pada
106 15 18 BT dan 5 20 42 LS, nilai suhu hasil interpolasi spline tertinggi
sebesar 31,671C yang terletak pada 106 42 18 BT dan 5 37 30 LS. Standar
deviasi metode spline didapatkan sebesar 0,4639. Nilai standar deviasi metode
spline merupakan standar deviasi paling besar diantara ketiganya, maka metode
spline kurang akurat dibandingkan dua metode lainnya. Data hasil interpolasi
spline terdapat pada lampiran 1.
 11

Min = 29,251
Max = 31,671
Mean = 30,63
SDev = 0.4639

Gambar 9 Grafik suhu interpolasi spline

SIMPULAN
Setelah dilakukan uji akurasi, metode IDW lebih akurat dibandingkan
dengan dua metode interpolasi lainnya. suhu terkecil metode IDW sebesar 29,279,
suhu terbesar sebesar 31,654 dengan standar deviasi 0,4613, suhu terkecil metode
kriging sebesar 29,279, suhu terbesar sebesar 31,652 dengan standar deviasi
0,4618, dan suhu terkecil metode spline sebesar 29,251, suhu terbesar sebesar
31,671 dengan standar deviasi 0,4639.

SARAN

Penelitian ini dapat di kembangkan dengan menggunakan resolusi citra

yang lebih tinggi dan daerah penelitian yang relatif lebih luas, supaya didapatkan
akurasi yang tinggi.
12

DAFTAR PUSTAKA

Alfiana AN. 2010. Metode Ordinary Kriging pada Geostatistika [skripsi].

Yogyakarta (ID) : Universitas Negeri Yogyakarta.

Anderson S. 2001. An evaluation of spatial interpolation methods on air

temperature in Phoenix, AZ [paper]. Department of Geography, Arizona
State University Tempe.

Ashraf M, Jim CL , Hubbard KG. 1997.Application of geostatistics to evaluate

partial weather station network. J Agricultural and Forest Meteorology.
84:255 271.
Binh TQ, Thuy NT. 2008. Assessment of the influence of interpolation techniques
on the accuracy of digital elevation model. VNU J of Scie Earth Sciences
24(1): 176-183.
Bohling G. 2005. Kriging. [Internet]. http://people.ku.edu/~gbohling (diakses 4
April 2016).

ESRI. 1996. Using the ArcView Spatial Analyst. Redlands, Environmental

Systems Research Institute, Inc.

Gamma Design Software. 2005. Interpolation in GS+ [internet].

http://www.geostatistics.com/ OverviewInterpolation.html (diakses 4 April
2016).
Hayati FD. 2012. Pengujian teknik interpolasi sediaan tegakan dan biomassa
berbasis IHMB pada hutan lahan kering PT Trisetia Intiga, Kabupaten
Lamandau, Kalimantan Tengah [skripsi]. Bogor (ID): Institut Pertanian
Bogor.
Largueche, F.Z.B. 2006. Estimating Soil Contamination with Kriging
Interpolation Method. American Journal of Applied Sciences: 6(3): 1894-
1898.

Massinai MA. 2005. Analisis liputan awan berdasarkan citra satelit penginderaan
jauh. Pertemuan ilmiah masyarakat penginderaan jauh XIV. ITS

Nontji.1987. Laut Nusantara. Jakarta (ID): Djambatan.

Paonganan, Y. 2008. Analisis invasi makroalga ke koloni karang hidup kaitannya
dengan laju sedimentasi di Pulau Bokor, Pulau Pari dan Pulau Payung DKI
Jakarta [tesis]. Bogor (ID): Institut Pertanian Bogor.
Paramithasari HDP. 2013. Pemanfaatan SIG dalam pemetaan potensi merbau di
areal IUPHHK-HA PT.Wapoga Mutiara Tiber Unit II Papua [skripsi].
Bogor (ID): Institut Pertanian Bogor.
 13

Pasaribu JM, Haryani NS. 2012. Perbandingan teknik interpolasi DEM SRTM
dengan metode Inverse Distance Weight (IDW), Natural neighbor dan
spline. J Penginderaan Jauh. 9(2):126-139.
Pramono G. 2005. Perbandingan metode trend dan spline untuk interpolasi
sebaran sedimen tersuspensi di Kabubaten Maros, Sulawesi Selatan.
J Ilmiah Geomatika. 11(1): 20-32.
Pramono G. 2008. Akurasi metode IDW dan kriging untuk interpolasi sebaran
sedimen tersuspensi di Maros, Sulawesi Selatan. J Forum Geografi.
22(1): 145-158.
Wicaksono A, Muhsoni FF, Fahrudin A. 2010. Aplikasi data citra satelit noaa-17
untuk mengukur variasi suhu permukaan laut jawa. Jurnal Kelautan.3(1):
70-73.
14

LAMPIRAN
Lampiran 1 Perbandingan suhu uji dengan suhu hasil interpolasi IDW
Suhu hasil Suhu hasil Suhu hasil
No Bujur Lintang SST interpolasi interpolasi interpolasi
IDW kriging spline
1 106.875 -5.965 31.36 31.368 31.365 31.359
2 106.735 -5.955 31.4 31.403 31.403 31.400
3 106.835 -5.945 31.42 31.42 31.420 31.422
4 106.835 -5.935 31.43 31.433 31.430 31.430
5 106.835 -5.925 31.43 31.436 31.434 31.428
6 106.705 -5.915 31.42 31.436 31.433 31.427
7 106.875 -5.905 31.38 31.378 31.375 31.379
8 106.505 -5.895 30.87 30.873 30.878 30.877
9 106.875 -5.895 31.37 31.368 31.367 31.373
10 106.185 -5.885 30.41 30.414 30.398 30.415
11 106.445 -5.885 30.92 30.927 30.908 30.913
12 106.825 -5.885 31.44 31.436 31.436 31.439
13 106.395 -5.875 30.73 30.727 30.726 30.724
14 106.595 -5.875 30.96 30.956 30.959 30.958
15 106.715 -5.875 31.49 31.488 31.487 31.487
16 106.125 -5.865 30.62 30.623 30.581 30.635
17 106.575 -5.865 30.87 30.87 30.881 30.874
18 106.705 -5.865 31.46 31.252 31.454 31.458
19 106.365 -5.855 30.52 30.52 30.512 30.516
20 106.455 -5.855 30.81 30.809 30.808 30.814
21 106.695 -5.855 31.42 31.402 31.406 31.410
22 106.245 -5.845 30.27 30.223 30.220 30.270
23 106.475 -5.845 30.76 30.763 30.763 30.755
24 106.855 -5.845 31.33 31.328 31.329 31.325
25 106.305 -5.835 30.03 30.03 30.030 30.033
26 106.385 -5.835 30.54 30.538 30.538 30.547
27 106.585 -5.835 30.83 30.838 30.838 30.829
28 106.805 -5.835 31.45 31.449 31.449 31.452
29 106.205 -5.825 30.12 30.126 30.127 30.121
30 106.465 -5.825 30.73 30.729 30.730 30.733
31 106.665 -5.825 31.23 31.235 31.235 31.233
32 106.755 -5.825 31.51 31.507 31.507 31.509
33 106.125 -5.815 30.24 30.257 30.273 30.245
34 106.515 -5.815 30.76 30.753 30.754 30.754
35 106.695 -5.815 31.37 31.365 31.366 31.361
 15

Suhu Suhu
Suhu interpolasi
No Bujur Lintang SST interpolasi interpolasi
kriging
IDW spline
36 106.265 -5.805 29.96 29.994 29.987 29.977
37 106.425 -5.805 30.59 30.585 30.585 30.588
38 106.625 -5.805 31 31.007 31.007 31.002
39 106.725 -5.805 31.46 31.455 31.455 31.460
40 106.145 -5.795 30.08 30.115 30.110 30.080
41 106.465 -5.795 30.69 30.686 30.686 30.685
42 106.665 -5.795 31.22 31.218 31.220 31.221
43 106.765 -5.795 31.45 31.45 31.450 31.449
44 106.215 -5.785 30.09 30.098 30.096 30.096
45 106.485 -5.785 30.74 30.734 30.733 30.740
46 106.675 -5.785 31.27 31.272 31.272 31.274
47 106.295 -5.775 29.78 29.816 29.819 29.791
48 106.145 -5.775 30.11 30.118 30.118 30.107
49 106.505 -5.775 30.78 30.764 30.765 30.767
50 106.685 -5.775 31.3 31.313 31.308 31.313
51 106.285 -5.765 29.87 29.886 29.887 29.862
52 106.145 -5.765 30.13 30.131 30.134 30.125
53 106.505 -5.765 30.76 30.753 30.754 30.761
54 106.685 -5.765 31.3 31.311 31.308 31.308
55 106.305 -5.755 29.94 29.946 29.947 29.938
56 106.145 -5.755 30.16 30.17 30.167 30.162
57 106.505 -5.755 30.74 30.729 30.733 30.742
58 106.685 -5.755 31.3 31.316 31.312 31.312
59 106.275 -5.745 30.04 30.054 30.054 30.045
60 106.375 -5.745 30.18 30.188 30.189 30.174
61 106.425 -5.745 30.51 30.507 30.507 30.505
62 106.625 -5.745 31.13 31.131 31.131 31.130
63 106.775 -5.745 31.37 31.369 31.370 31.369
64 106.255 -5.735 30.15 30.153 30.153 30.152
65 106.015 -5.735 30.41 30.416 30.413 30.419
66 106.545 -5.735 30.73 30.732 30.732 30.729
67 106.665 -5.735 31.33 31.333 31.332 31.336
68 106.185 -5.725 30.18 30.175 30.178 30.176
69 106.385 -5.725 30.32 30.314 30.316 30.315
70 106.465 -5.725 30.62 30.622 30.622 30.623
71 106.835 -5.725 31.27 31.283 31.280 31.286
72 106.735 -5.725 31.4 31.398 31.399 31.401
16

Suhu Suhu
Suhu interpolasi
No Bujur Lintang SST interpolasi interpolasi
kriging
IDW spline
73 106.315 -5.715 30.28 30.266 30.266 30.268
74 106.025 -5.715 30.46 30.456 30.457 30.451
75 106.585 -5.715 30.89 30.9 30.899 30.893
76 106.745 -5.715 31.41 31.408 31.407 31.406
77 106.235 -5.705 30.29 30.29 30.290 30.285
78 106.085 -5.705 30.41 30.411 30.411 30.411
79 106.535 -5.705 30.65 30.658 30.659 30.659
80 106.795 -5.705 31.28 31.285 31.285 31.277
81 106.205 -5.695 30.29 30.29 30.290 30.282
82 106.105 -5.695 30.4 30.402 30.402 30.398
83 106.425 -5.695 30.58 30.579 30.578 30.582
84 106.865 -5.695 31.13 31.123 31.125 31.131
85 106.705 -5.695 31.52 31.524 31.524 31.527
86 106.365 -5.685 30.38 30.381 30.384 30.378
87 106.045 -5.685 30.5 30.508 30.508 30.508
88 106.565 -5.685 30.66 30.669 30.671 30.655
89 106.765 -5.685 31.39 31.393 31.393 31.393
90 106.345 -5.675 30.37 30.375 30.379 30.369
91 106.255 -5.675 30.49 30.48 30.482 30.490
92 106.435 -5.675 30.63 30.622 30.622 30.626
93 106.825 -5.675 31.16 31.157 31.158 31.158
94 106.665 -5.675 31.66 31.639 31.638 31.652
95 106.095 -5.665 30.47 30.471 30.471 30.473
96 106.035 -5.665 30.59 30.593 30.593 30.586
97 106.585 -5.665 30.77 30.801 30.800 30.792
98 106.735 -5.665 31.56 31.547 31.550 31.554
99 106.345 -5.655 30.45 30.47 30.470 30.455
100 106.255 -5.655 30.57 30.579 30.576 30.578
101 106.465 -5.655 30.69 30.691 30.691 30.691
102 106.795 -5.655 31.29 31.293 31.291 31.302
103 106.155 -5.645 30.39 30.392 30.392 30.392
104 106.555 -5.645 30.54 30.559 30.560 30.541
105 106.435 -5.645 30.66 30.652 30.652 30.654
106 106.855 -5.645 30.92 30.918 30.919 30.921
107 106.665 -5.645 31.67 31.653 31.652 31.667
108 106.365 -5.635 30.53 30.554 30.551 30.540
109 106.055 -5.635 30.64 30.642 30.641 30.639
 17

Suhu Suhu
Suhu interpolasi
No Bujur Lintang SST interpolasi interpolasi
kriging
IDW spline
110 106.295 -5.635 30.75 30.746 30.744 30.747
111 106.135 -5.625 30.43 30.433 30.433 30.429
112 106.075 -5.625 30.61 30.593 30.597 30.601
113 106.035 -5.625 30.74 30.734 30.733 30.739
114 106.825 -5.625 30.99 30.972 30.979 30.982
115 106.705 -5.625 31.66 31.654 31.652 31.671
116 106.535 -5.615 30.59 30.587 30.589 30.578
117 106.465 -5.615 30.69 30.683 30.683 30.687
118 106.595 -5.615 30.83 30.804 30.815 30.815
119 106.655 -5.615 31.51 31.492 31.491 31.502
120 106.555 -5.605 30.52 30.537 30.539 30.514
121 106.385 -5.605 30.64 30.646 30.647 30.646
122 106.035 -5.605 30.77 30.776 30.774 30.778
123 106.615 -5.605 31.1 31.09 31.090 31.097
124 106.145 -5.595 30.4 30.412 30.413 30.398
125 106.455 -5.595 30.6 30.598 30.600 30.600
126 106.505 -5.595 30.71 30.697 30.696 30.706
127 106.275 -5.595 30.94 30.931 30.930 30.942
128 106.725 -5.595 31.41 31.379 31.380 31.394
129 106.555 -5.585 30.54 30.557 30.558 30.533
130 106.485 -5.585 30.67 30.658 30.659 30.666
131 106.005 -5.585 30.82 30.816 30.819 30.823
132 106.755 -5.585 31.1 31.062 31.063 31.078
133 106.145 -5.575 30.45 30.458 30.459 30.448
134 106.105 -5.575 30.61 30.599 30.602 30.610
135 106.585 -5.575 30.75 30.759 30.758 30.750
136 106.745 -5.575 30.99 31.023 31.002 31.010
137 106.665 -5.575 31.19 31.196 31.193 31.205
138 106.175 -5.565 30.54 30.541 30.543 30.536
139 106.095 -5.565 30.67 30.669 30.666 30.668
140 106.735 -5.565 30.85 30.835 30.842 30.849
141 106.345 -5.565 31.06 31.037 31.036 31.056
142 106.775 -5.555 30.38 30.375 30.378 30.368
143 106.495 -5.555 30.63 30.629 30.626 30.633
144 106.715 -5.555 30.76 30.755 30.757 30.751
145 106.255 -5.555 30.94 30.929 30.928 30.940
146 106.825 -5.545 30.09 30.085 30.084 30.083
18

Suhu Suhu
Suhu interpolasi
No Bujur Lintang SST interpolasi interpolasi
kriging
IDW spline
147 106.485 -5.545 30.57 30.564 30.565 30.568
148 106.695 -5.545 30.68 30.679 30.672 30.666
149 106.665 -5.545 30.82 30.812 30.814 30.806
150 106.295 -5.545 31.03 31.013 31.012 31.036
151 106.735 -5.535 30.31 30.341 30.335 30.320
152 106.165 -5.535 30.64 30.64 30.641 30.640
153 106.055 -5.535 30.76 30.758 30.758 30.756
154 106.265 -5.535 30.86 30.863 30.858 30.862
155 106.835 -5.525 29.95 29.963 29.964 29.943
156 106.685 -5.525 30.5 30.507 30.511 30.498
157 106.655 -5.525 30.68 30.689 30.688 30.685
158 106.275 -5.525 30.78 30.775 30.777 30.787
159 106.335 -5.525 30.92 30.911 30.908 30.932
160 106.435 -5.515 30.31 30.314 30.314 30.304
161 106.255 -5.515 30.65 30.641 30.641 30.645
162 106.365 -5.515 30.69 30.689 30.687 30.697
163 106.045 -5.515 30.77 30.768 30.767 30.772
164 106.855 -5.505 29.99 30.004 30.005 29.984
165 106.385 -5.505 30.46 30.449 30.450 30.453
166 106.175 -5.505 30.63 30.622 30.621 30.631
167 106.125 -5.505 30.67 30.661 30.661 30.670
168 106.795 -5.495 29.83 29.855 29.856 29.836
169 106.715 -5.495 30.23 30.23 30.231 30.222
170 106.665 -5.495 30.45 30.442 30.443 30.446
171 106.615 -5.495 30.6 30.592 30.594 30.590
172 106.055 -5.495 30.71 30.714 30.715 30.712
173 106.445 -5.485 30.08 30.115 30.111 30.087
174 106.305 -5.485 30.28 30.325 30.312 30.302
175 106.495 -5.485 30.45 30.479 30.469 30.470
176 106.545 -5.485 30.62 30.625 30.624 30.628
177 106.275 -5.475 30.01 30.029 30.029 30.017
178 106.855 -5.475 30.12 30.107 30.120 30.122
179 106.195 -5.475 30.32 30.326 30.326 30.321
180 106.145 -5.475 30.51 30.516 30.516 30.514
181 106.015 -5.475 30.76 30.758 30.758 30.753
182 106.765 -5.465 30.05 30.044 30.060 30.058
183 106.855 -5.465 30.2 30.221 30.216 30.202
 19

Suhu Suhu
Suhu interpolasi
No Bujur Lintang SST interpolasi interpolasi
kriging
IDW spline
184 106.165 -5.465 30.36 30.364 30.366 30.351
185 106.095 -5.465 30.65 30.648 30.647 30.649
186 106.325 -5.455 29.97 29.966 29.968 29.961
187 106.765 -5.455 30.16 30.187 30.185 30.167
188 106.855 -5.455 30.28 30.326 30.310 30.290
189 106.565 -5.455 30.5 30.503 30.503 30.502
190 106.255 -5.445 29.62 29.612 29.623 29.602
191 106.425 -5.445 30.1 30.135 30.130 30.113
192 106.765 -5.445 30.27 30.322 30.308 30.282
193 106.145 -5.445 30.4 30.41 30.411 30.395
194 106.075 -5.445 30.7 30.694 30.694 30.698
195 106.355 -5.435 30.02 30.036 30.034 30.030
196 106.455 -5.435 30.21 30.209 30.205 30.206
197 106.755 -5.435 30.41 30.409 30.409 30.408
198 106.535 -5.435 30.52 30.513 30.512 30.525
199 106.305 -5.425 29.59 29.61 29.609 29.606
200 106.385 -5.425 30.2 30.2 30.199 30.204
201 106.155 -5.425 30.37 30.374 30.375 30.369
202 106.815 -5.425 30.52 30.511 30.511 30.520
203 106.065 -5.425 30.71 30.707 30.706 30.715
204 106.205 -5.415 30.08 30.066 30.067 30.078
205 106.505 -5.415 30.36 30.367 30.368 30.359
206 106.125 -5.415 30.53 30.537 30.534 30.532
207 106.005 -5.415 30.63 30.635 30.633 30.632
208 106.225 -5.405 29.8 29.81 29.807 29.814
209 106.185 -5.405 30.33 30.323 30.320 30.335
210 106.455 -5.405 30.47 30.479 30.473 30.485
211 106.845 -5.405 30.63 30.63 30.629 30.635
212 106.285 -5.395 29.24 29.279 29.279 29.251
213 106.595 -5.395 30.18 30.209 30.205 30.188
214 106.395 -5.395 30.44 30.424 30.423 30.443
215 106.025 -5.395 30.61 30.62 30.615 30.611
216 106.795 -5.395 30.68 30.662 30.664 30.680
217 106.355 -5.385 30.01 30.039 30.030 30.026
218 106.545 -5.385 30.4 30.392 30.393 30.402
219 106.015 -5.385 30.56 30.569 30.569 30.562
220 106.845 -5.385 30.66 30.653 30.652 30.661
20

Suhu Suhu
Suhu interpolasi
No Bujur Lintang SST interpolasi interpolasi
kriging
IDW spline
221 106.245 -5.375 29.38 29.402 29.405 29.372
222 106.195 -5.375 30.34 30.309 30.307 30.339
223 106.135 -5.375 30.53 30.529 30.529 30.531
224 106.875 -5.375 30.62 30.618 30.615 30.622
225 106.755 -5.375 30.74 30.736 30.735 30.739
226 106.575 -5.365 30.28 30.284 30.285 30.276
227 106.645 -5.365 30.47 30.47 30.470 30.473
228 106.465 -5.365 30.58 30.578 30.575 30.586
229 106.795 -5.365 30.69 30.688 30.685 30.690
230 106.225 -5.355 29.73 29.746 29.743 29.742
231 106.505 -5.355 30.41 30.408 30.406 30.404
232 106.155 -5.355 30.54 30.532 30.531 30.544
233 106.805 -5.355 30.63 30.622 30.625 30.631
234 106.255 -5.345 29.26 29.279 29.286 29.251
235 106.575 -5.345 30.26 30.27 30.270 30.265
236 106.405 -5.345 30.5 30.522 30.511 30.511
237 106.465 -5.345 30.56 30.568 30.566 30.571
238 106.755 -5.345 30.75 30.75 30.750 30.760
239 106.355 -5.335 29.99 30.015 30.011 30.009
240 106.105 -5.335 30.45 30.465 30.465 30.457
241 106.815 -5.335 30.51 30.531 30.525 30.513
242 106.775 -5.335 30.67 30.667 30.668 30.671
243 106.295 -5.325 29.54 29.491 29.505 29.547
244 106.525 -5.325 30.26 30.28 30.276 30.261
245 106.815 -5.325 30.46 30.498 30.495 30.466
246 106.015 -5.325 30.57 30.557 30.557 30.564
247 106.695 -5.325 30.82 30.794 30.799 30.819
 21

DAFTAR RIWAYAT HIDUP

Penulis dilahirkan di Bukitinggi pada tanggal 22 juni

1994. Penulis adalah anak kedua dari empat bersaudara pasangan
Bapak Zulkifli dan Ibu Ernawati. Penulis menyelesaikan
pendidikan dasar di SD 40 Padang Mentinggi yang lulus pada
tahun 2006, setelah itu penulis menamatkan pendidikan
menengah pertama di SMP Negeri 1 Rao pada tahun 2009 dan
pendidikan menengah atas di SMA Negeri 1 Batusangkar pada
tahun 2012. Penulis diterima sebagai mahasiswa Institut
Pertanian Bogor melalui jalur SNMPTN tulis Tahun 2012. Setelah melewati Tingkat
Persiapan Bersama (TPB), penulis melanjutkan studi di Departemen Ilmu dan
Teknologi Kelautan, Fakultas Perikanan dan Ilmu Kelautan, Institut Pertanian Bogor.
Selama masa perkuliahan, penulis aktif TPB (2012) di Organisasi Mahasiswa
Daerah (Omda) yang diamanahkan sebagai ketua OMDA Ikatan Mahasiswa Harimau
Pasaman (IMHP). Pada tingkat 2 (2013) penulis aktif di klub Marine Instrumentation
and Telemetry (MIT), klub Marine Science and Technologi Diving School (MSTDS),
dan Garuda Community yang diamanahkan sebagai kepala divisi Informasi dan
Komunikasi (Infokom). Pada tingkat 3 (2014) penulis aktif di Badan Eksekutif
Mahasiswa (BEM) yang diamanahkan sebagai kepala divisi Pemberdayaan Budaya
Olahraga dan Seni (PBOS) dan menjadi Dewan Formatur Himpunan Mahasiswa Ilmu
dan Teknologi Kelautan (Himiteka).
Sebagai salah satu syarat untuk memperoleh gelar Sarjana Ilmu Kelautan pada
Fakultas Perikanan dan Ilmu Kelautan, Institut Pertanian Bogor, penulis melakukan
penelitian dengan judul Perbandingan Metode Interpolasi IDW, Kriging, dan Spline
pada Sistem Informasi Geografis dibawah bimbingan Prof. Dr. Ir. Setyo Budi
Susilo.M.Sc dan Risti E. Arhatin S.Pi , M.Si