Metode yang melakukan generalisasi permukaan secara halus.
Gambar. Metode Minimum curvature |
2. 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 mengakibat hasil kontur menjadi bias.
Gambar. Metode Nearest neighbor |
3. Polynominal regression.
Metode ini bermanfaat untuk analisi permukan secara umum. Metode ini menampilkan kecenderungan kemiringan dan pola topografi secara umum dengan cakupan wilayah yang luas.
Gambar. Metode Polynominal regression |
4. Radial basis function.
Metode terbaik untuk sebagai besar jenis data. Tetapi cenderung membentuk pola mata sapi terutama jika paramater penghalusan garis (smothing) diaktifkan.
Gambar. Metode Radial basis function |
5. Modified Shepard’s method.
Hasil metode ini menyerupai dengan inverse distance, tetapi apabila parameter penghalusan (smoothing) diaktifkan maka kecenderungan kontur membentuk pola mata sapi tidak terjadi.
| |
6. Trianggulation with linear interpolation.
Metode ini bermanfaat menghasilkan analisis patahan. Metode ini membutuhkan data yang banyak, apabila terjadi kekurangan data maka mengakibatkan terbentuknya pola segitiga pada permukaan kontur.
Gambar. Metode Trianggulation with linear interpolation |