Surfer merupakan perangkat lunak yang dikembangkan oleh
Golden Software Inc. yaitu sebuah perusahaan yang berlokasi di Golden,
Colorado, Amerika Serikat. Perusahaan ini merupakan salah satu perusahaan yang
mengembangkan dan memasarkan perangkat lunak di bidang Geographic Information
System dan scientific software.
beberapa
keunggulan utama dari perangkat lunak Surfer yaitu diantaranya proses
visualisasi dan permodelan peta 3D, pembuatan kontur, model batimetri,
visualisasi dan analisis lansekap, proses gridding, volumetrik, serta
fungsi-fungsi utama lainnya. Berbagai metode pengolahan data yang tersedia juga memungkinkan proses
manipulasi data, menginterpretasikannya dan memilih metode yang paling sesuai
untuk kebutuhan pengguna.
Grid adalah jaringan titik segi empat yang tersebar
secara teratur ke seluruh area pemetaan. Grid dibentuk berdasarkan pada data
XYZ dan menggunakan algoritma matematis tertentu. Gridding merupakan proses
penggunaan titik data asli (data pengamatan) yang ada pada file data XYZ untuk
membentuk titik-titik data tambahan pada sebuah grid yang tersebar secara
teratur. Dalam pembuatan file grid ini akan diatur mengenai :
· Geometri garis grid, yang
terdiri dari parameter batas grid dan kepadatan grid
· Metode grid / gridding
Batas
grid merupakan batas-batas pemetaan yang diambil dari nilai X terkecil, X
terbeasr, Y terkecil, dan Y terbesar. Nilai X dan Y diambil dari data mentah di
worksheet. Batas-batas pemetaan tersebut membentuk sebuah segi empat dengan
koordinat terluar nilai-nilai terbesar dari X dan Y. kepadatan grid merupakan
lebar kolom dan garis pada file grid. Kolom dan baris ini berupa garis grid
minor yang terbentuk oleh proses interpolasi file XYZ di sepanjang sumbu X dan
Y. beberapa metode grid dalam surfer :
Inverse Distance to a Power
Metode ini cenderung memiliki pola “bull’s eyes” pada
kontur-kontur yang konsentris melingkar pada titik data. Metode ini merupakan
metode penimbangan rata-rata yang sederhana untuk menghitung nilai jarak grid.
Kriging
Kriging adalah metode gridding geostatistik yang telah terbukti berguna
dan populer di berbagai bidang. Metode ini menghasilkan visual peta yang
menarik dari data yang tidak teratur.
Minimum Curvatur
Metode ini melakukan generalisasi permukaan secara halus. Metode
ini juga secara luas digunakan dalam ilmu bumi karena hasil interpolasi dengan
metode Minimum curvatur analog yang sangat tipis, piringan linier
elastis melewati setiap nilai data dengan jumlah minimum yang dapat berubah.
Natural Neighbor
Metode ini menghasilkan kontur yang baik dari data set yang berisi data
padat di beberapa daerah dan data jarang di daerah lainnya. Hal ini tidak
menghasilkan data di daerah tanpa data dan tidak ekstrapolasi nilai-nilai Z di
luar grid jangkauan data.
Nearest Neighbor
Metode ini efektif untuk data-data XYZ yang tersebar merata dalam setiap
daerah pemetaan, tetapi akan terjadi masalah apabila data XYZ tidak tersebar
merata akan mengakibatkan hasil kontur menjadi bias. Metode Nearest neighbor
menggunakan yiyik terdekat untuk memberikan nilai pada node grid. Hal ini
berguna untuk konversi secara teraturXYZ data file ke dalam file grid. Metode
ini tidak meramalkan kemungkinan grid Z di luar jangkauan data.
Polynomial Regression
Metode ini bermanfaat untuk analisis permukaan secaraumum. Metode ini
menampilkan kecenderungan kemiringan pada pola topografi secara umum dengan
cakupan wilayah yang luas. Metode Regresipolinomial memproses data
sehingga mendasari skala besar dengan kecenderungan pola yang ditampilkan. Hal
ini digunakan untuk analisis yang cenderung berada di permukaan. Metode ini
dapat memaparkan nilai-nilai grid di luar data jangkauan Z.
Radial Basis Function
Metode radial basis function merupakan metode terbaik untuk
sebagian besar jenis data. Tetapi cenderung membentuk pola “bull’s eye”
terutama jika parameter smoothing diaktifkan. Gambar yang dihasilkan dengan
metode ini mirip dengan krigging tetapi menghasilkan hasil yang sedikit
berbeda.
Trianggulation with linear interpolation
Metode ini bermanfaat menghasilkan analisis patahan. Metode ini
membutuhkan data yang banyak, karena apabila terjadi kekurangan data maka akan
terjadi pembentukan pola segitiga pada permukaan kontur. Walau demikian metode
ini dapat menangani situasi sulitseperti pembuatan fitur seperti teras dan
lubang. Metode ini tidak mengekstrapolasi nilai-nilai Z di luar jangkauan
data.
Moving Average
Metode ini hanya berlaku pada set data yang sangat besar dan banyak
(misal >1000 titik data) sehingga dapat menggabungkan data breakline. Metode
Moving Average ini memberikan nilai ke node jaringan dengan rata-rata
data di dalam elips pencarian node grid.
Data Metrics
Metode gridding satu ini digunakan untuk membuat informasi grid tentang
data. Metode gridding data metrik secara umum cenderung tidak menginterpolasi
rata-rata dari nilai-nilai Z.
Local Polynomial
Metode ini paling berlaku untuk set data yang halus lokal (misalnya
relatif halus permukaan dalam lingkungan pencarian). Metode gridding Polynomial
local memberikan nilai ke node jaringan dengan menggunakan kuadrat terkecil
berbobot sesuai dengan data di dalam elips pencarian node grid. Methodrvatur
Modified
Shepard’s Method
Hasil metode ini serupa dengan inverse distance, tetapi apabila
parameter smoothing diaktifkan maka kecenderungan kontur membentuk pola “bull’s
eye” tidak akan terjadi. Dengan menggunakan metode ini kita dapat
meramalkan kemungkinan nilai-nilai di luar rentang Z dari data yang kita
miliki.
Rumus penghitungan modifikasi metode shephard’s yang digunakan unutk melakaukan interpolasi adalah sebagai berikut :
Rumus
diatas sangat cocok digunakan untuk masalah –masalah dengan skala yang besar
Perbedaan
hasil metode shephard’s dengan inverse distance :