Jenis-jenis gridding

ada beberapa jenis-jenis gridding,diantaranya :
1. Kriging adalah metode geostatistik yang digunakan untuk mengestimasi nilai dari sebuah titik atau blok sebagai kombinasi linier dari nilai contoh yang terdapat disekitar titik yang akan diestimasi. Bobot kriging diperoleh dari hasil variansi estimasi minimum dengan memperluas penggunaan semi-variogram. Estimator kriging dapat diartikan sebagai variabel tidak bias dan penjumlahan dari keseluruhan bobot adalah satu. Bobot inilah yang dipakai untuk mengestimasi nilai dari ketebalan, ketinggian, kadar atau variabel lain.
2. Minimum Curvature ialah metode 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 linie 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. Salah satu kelemahan metode ini adalah kecenderungan mengekstrapolasikan nilai-nilai di daerah yang tidak ada datanya relastis melewati setiap nilai data dengan jumlah minimum yang dapat berubah.
3. K-Nearest Neighbor (KNN) adalah suatu metode yang menggunakan algoritmasupervised dimana hasil dari query instance yang baru diklasifikan berdasarkan mayoritas dari kategori pada KNN. Tujuan dari algoritma ini adalah mengklasifikasikan obyek baru bedasarkan atribut dan training sample. Classifier tidak menggunakan model apapun untuk dicocokkan dan hanya berdasarkan pada memori. Diberikan titik query, akan ditemukan sejumlah k obyek atau (titik training) yang paling dekat dengan titik query. Klasifikasi menggunakan votingterbanyak diantara klasifikasi dari k obyek.. algoritma KNN menggunakan klasifikasi ketetanggaan sebagai nilai prediksi dari query instance yang baru.
4. Metode Polynomial curvature bermanfaat untuk analisis permukaan secaraumum. Metode ini menampilkan kecenderungan kemiringan pada pola topografi secara umum dengan cakupan wilayah yang luas. MetodeRegresipolinomial 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.

5. 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.

6. Shepard method merupakan metode yang serupa dengan inverse distance, tetapi apabila parameter smoothing diaktifkan maka kecenderungan kontur membentuk pola “bull’s eye” tidak akan trjadi. Dengan menggunakan metode ini kita dapat meramalkan kemungkinan nilai-nilai di luar rentang Z dari data yang kita miliki.