Anda di halaman 1dari 38

METODE PERHITUNGAN

CADANGAN (TE-3231)
Aplikasi Statistik dan
Hubungan Spasial Antar Data

TE-3231

Materi-06 : Statistik-Spasial

Aspek Utama Dalam Basis dan


Evaluasi Data
DATA

File Design
Data Input

Edit Data

Composite

Univariate

TE-3231

Outliners

Bivariate

Back Up Data

Multivariate

Materi-06 : Statistik-Spasial

Aspek Utama Dalam Basis dan


Evaluasi Data
) File design dan data input,
) Data editing,
) Meng-kuantifikasi kualitas data,
) Pengelompokan data sesuai domain
geologi, sampel support, dll,
) Analisis statistik univariate,
) Analisis statistik bivariate,
) Pola-pola spasial dan trend.
TE-3231

Materi-06 : Statistik-Spasial

Analisis statistik univariate


z
z
z
z
z

TE-3231

Ukuran Tendensi Sentral


Dispersi
Skewness & Kurtosis
Covariance
Histogram

Materi-06 : Statistik-Spasial

Ukuran Tendensi Sentral


z Merupakan ukuran yang paling umum
digunakan,
z Ukuran yang sering digunakan adalah
rata-rata ~ mean (m)

m=

TE-3231

Materi-06 : Statistik-Spasial

Mean (rata-rata)
Penentuan kadar rata-rata dari populasi
sampel kadar rata-rata dengan
pembobotan.

Faktor bobot

mw = wi xi

wi = 1
TE-3231

Materi-06 : Statistik-Spasial

Kondisi non-bias

Contoh sederhana :
Dari 2 hasil analisis sampel (A dan B).
z Sampel A = 1,5 % Cu dengan panjang sampel
3 m.
z Sampel B = 0,5 % Cu dengan panjang sampel
1 m.
Berapa kadar rata-rata jika SG kedua jenis sampel
identik.
Berapa kadar rata-rata jika densiti sampel A = 3,3
gr/ml; dan densiti sampel B = 2,7 gr/ml.
Definisikan faktor bobot-nya.

TE-3231

Materi-06 : Statistik-Spasial

Median
Median yaitu nilai pertengahan data yang
telah disusun dari yang besar ke yang kecil
atau sebaliknya.
Dengan kata lain 50% data bernilai di
bawah median dan 50% lagi bernilai di atas
median.
Untuk jumlah data yang kecil, median
menjadi taksiran yang baik untuk tendensi
sentral dibandingkan dengan mean.
TE-3231

Materi-06 : Statistik-Spasial

Contoh sederhana
Jajaran data :
3, 4, 4, 5, 6, 8, 8, 9, 10
Median = 6.
3, 4, 4, 5, 6, 8, 8, 8, 9, 10
Median = (6+8)/2 = 7.
TE-3231

Materi-06 : Statistik-Spasial

Modus
z Nilai yang memiliki frekuensi terbesar.
z Modus mungkin ada dan mungkin
juga tidak ada.

TE-3231

Materi-06 : Statistik-Spasial

10

Contoh sederhana
Kumpulan data :
3, 4, 4, 5, 6, 8, 8, 8, 9, 10
Modus = 8
3, 4, 4, 5, 6, 8, 8, 9, 10
Modus = 4 dan 8 Bimodal
3, 4, 5, 6, 8, 9, 10
Tidak memiliki modus.
TE-3231

Materi-06 : Statistik-Spasial

11

Contoh sederhana

TE-3231

Materi-06 : Statistik-Spasial

12

UKURAN DISPERSI
z Adalah ukuran penyebaran nilai data.
z Ukuran yang sering digunakan adalah
jangkauan (range = max - min)
kurang cocok karena sangat sensitif
terhadap nilai yang ekstrim.
z Ukuran yang sering digunakan untuk
mengukur penyebaran data adalah
variansi.
TE-3231

Materi-06 : Statistik-Spasial

13

Variansi (variance)

(x

m)

(n 1)

Dimana
xi adalah nilai data,
m adalah mean data,
n

TE-3231

adalah jumlah data.

Materi-06 : Statistik-Spasial

14

Standar Deviasi (Simpangan baku)


z Simpangan Baku (standard deviation)
merupakan akar kuadrat dari variansi,
z Merupakan ukuran dispersi yang lebih
sering digunakan karena satuannya
sama dengan variabel, dibandingkan
dengan variansi yang satuannya kuadrat.

TE-3231

Materi-06 : Statistik-Spasial

15

Standart Error
Jika `m` adalah rata-rata (mean), deviasi
standar dari sejumlah data (`n`) adalah
`s` ; maka standart error dari rata-rata
adalah :

se = s n
TE-3231

12

=s n

Materi-06 : Statistik-Spasial

12

16

Skewness & Kurtosis


Ukuran kemencengan kurva (skewness)
dinyatakan sebagai ukuran simetris atau tidaknya
suatu kurva histogram (sebaran data).
Kurtosis adalah ukuran yang menunjukkan
kecenderungan keruncingan puncak data.
Skewness dan kurtosis ini jarang digunakan
dalam perhitungan cadangan. Ukuran ini
digunakan untuk menunjukkan apakah data
terdistribusi normal atau tidak.
TE-3231

Materi-06 : Statistik-Spasial

17

Negative Skewness

Distribusi Normal

Positive Skewness
TE-3231

Materi-06 : Statistik-Spasial

18

Koefisien Variasi
(Coefficient of Variation)

z Perbandingan antara simpangan baku


terhadap rata-rata hitung.
z CV = s/m
z Koefisien variasi yang relatif tinggi
nilai data yang melebar.
z Secara umum, CV < 0.5 distribusi
normal.
z CV > 0.5 positive skewness
TE-3231

Materi-06 : Statistik-Spasial

19

DESKRIPSI BIVARIAN
Metoda deskripsi bivarian yang paling umum
digunakan adalah diagram pencar (scatter plot),
Kedua variabel dikatakan mempunyai hubungan
positif jika kedua variabel mempunyai nilai
berbanding lurus,
Kedua variabel dikatakan hubungan negatif jika
kedua variabel mempunyai nilai berbanding
terbalik,
Kedua variabel dikatakan tidak mempunyai
hubungan jika kedua nilai variabel menunjukkan
penyebaran acak.

TE-3231

Materi-06 : Statistik-Spasial

20

TE-3231

Materi-06 : Statistik-Spasial

21

Kovarians dan Koefisien Korelasi


Rata-rata variabel x :

1 n
x = xi
n i =1

Rata-rata variabel y :

1 n
y = yi
n i =1

Varians variabel x :

1 n
S =
( xi x ) 2

n - 1 i =1

Varians variabel y :

1 n
S =
( yi y ) 2

n - 1 i =1

Kovarians :

2
y

1 n
S xy =
( xi x )( yi y )
n - 1 i =1

Koefisien korelasi :
TE-3231

2
x

r=

Sxy
Sx S y

Materi-06 : Statistik-Spasial

22

TE-3231

Materi-06 : Statistik-Spasial

23

Koefisien penentuan
(coefficient of determination = r2)
Dapat digunakan untuk mengetahui besar
kontribusi nilai suatu variabel terhadap
perubahan nilai variabel lain.
Sebagai ilustrasi : Jika koefisien korelasi
antara dua variabel adalah 0,9 (r = 0,9),
maka koefisien penentuannya adalah 0,81
(r2 = 0,81=81%) variabel x mempunyai
kontribusi sebesar 81% terhadap
perubahan nilai variabel y, dan 19%
disebabkan oleh faktor lain.
TE-3231

Materi-06 : Statistik-Spasial

24

Contoh sederhana
2
3

yi
3

12

10

R2 = 0.9423

10

yi

xi
1

6
4
2
0
0.0

0.5

1.0

1.5

2.0

2.5

3.0

3.5

xi

Tentukan rata-rata dan varians masing-masing variabel.


Tentukan kovarians untuk variabel x dan y.
Tentukan koefisien korelasi.
Gambarkan diagram korelasi variabel x dan y tersebut.

TE-3231

Materi-06 : Statistik-Spasial

25

HISTOGRAM

TE-3231

Materi-06 : Statistik-Spasial

26

HISTOGRAM
No
Sampel

Kadar Au
(ppm)

No
Sampel

Kadar Au
(ppm)

0.7

10

1.2

0.9

11

1.6

0.8

12

1.2

1.0

13

1.0

0.9

14

1.1

1.1

15

1.0

1.1

16

1.2

1.3

17

1.4

1.1

18

1.5

Letak data ini walaupun diacak


sedemikian rupa tetap akan
memberikan bentuk histogram,
nilai rata-rata hitung, modus dan
nilai tengah (median) yang sama.
Sesuai dengan Sturges Rule

range
Interval kelas =
1 + 3.322 log n

Rata-rata = 1.1 ppm ; Median = 1.1 ppm ; Modus = 1.1


Interval kelas = 0.0859 ~ 0.1 (pembulatan)
TE-3231

Materi-06 : Statistik-Spasial

27

HISTOGRAM
Univariate Statistics:
Population ........... 18
Minimum Value ........ 0.7
Maximum Value ........ 1.6
Range ................ 0.9
Mean ................. 1.116667
Standard Deviation ... 0.233263
Standard Error ....... 0.054981
Median ............... 1.1
Sum .................. 20.1
Sum of Squares ....... 23.37
Variance ............. 0.054412

TE-3231

Materi-06 : Statistik-Spasial

28

Anomalous

Anomalous

HISTOGRAM
M- 2SD
(0.7)

M- 1SD
(0.9)

Mean
(1.1)

Slightly Anomalous

Background
Standard Deviation

M+ 2SD
(1.6)

Slightly Anomalous

0
0.6

TE-3231

M+ 1SD
(1.3)

0.7

0.8

0.9

1.0

1.1

1.2

1.3

Materi-06 : Statistik-Spasial

1.4

1.5

1.6

0
1.7

29

DISTRIBUSI SPASIAL DATA


Isotropi

Populasi yang
berbeda

Trend (bidang)
TE-3231

Materi-06 : Statistik-Spasial

30

DISTRIBUSI SPASIAL DATA

Korelasi data secara spasial :


memperlihatkan korelasi yang
baik antara kadar Cu dan Au.
TE-3231

Materi-06 : Statistik-Spasial

31

Mengapa perlu analisis secara


spasial ??
z Deskripsi statistik belum memperhatikan
tata letak data,
z Deskripsi statistik belum memperhatikan
kerapatan data,
z Deskripsi statistik akan menunjukkan hasil
yang sama walaupun posisi data diacak
sedemikian rupa,
z Analisis spasial dapat dilakukan dengan
plotting distribusi data ataupun dengan
menggunakan peta-peta iso.
TE-3231

Materi-06 : Statistik-Spasial

32

Contoh
sederhana
Pola-1

Ukuran blok = 50 x 50 m
TE-3231

Materi-06 : Statistik-Spasial

33

Contoh
sederhana
Pola-2

Ukuran blok = 50 x 50 m
TE-3231

Materi-06 : Statistik-Spasial

34

Contoh
sederhana
Pola-3

Ukuran blok = 50 x 50 m
TE-3231

Materi-06 : Statistik-Spasial

35

Contoh
sederhana
Histogram
Pola-1
40

40

30

30

20

20

10

10

0
1.0

TE-3231

2.0

3.0

4.0

5.0

6.0

7.0

Materi-06 : Statistik-Spasial

8.0

9.0

0
10.0

36

Contoh
sederhana
Histogram
Pola-2
15

15

10

10

0
2.0

TE-3231

3.0

4.0

5.0

6.0

7.0

Materi-06 : Statistik-Spasial

8.0

9.0

0
10.0

37

Contoh
sederhana
Histogram
Pola-3
15

15

Populasi untuk
kadar tinggi
10

10

0
2.0

TE-3231

3.0

4.0

5.0

6.0

7.0

Materi-06 : Statistik-Spasial

8.0

9.0

0
10.0

38