.

Penilaian

No

Deskripsi Penilaian

Bobot (%)

Tugas

10 %

Ujian Tengah Semester

40 %

Ujian Akhir Semester

50 %

(Standar Mutu penilaian Jurusan)

 81 100 = A
61 80,9 = B
45 60,9 = C
21 44,9 = D
0 20,9 = E
Keterangan:
Untuk penilaian nomor 1 sampai dengan nomor 3, semua jenis penilaian
harus mempunyai
point/bobot. Jika salah satu penilaian kosong , maka mahasiswa yang
bersangkutan
dinyatakan gugur pada mata kuliah ini.

STATISTIK DAN ANALISA DATA

BAB I
PENDAHULUAN
Untuk mempelajari alam dapat didekati dg dua sifat,
pertama sifat alam yang sistematik, deterministik dan
yang kedua adalah sifat alam yang berpola acak atau
random. Pola sifat sistematik dapat dirumuskan dg
formula matematik yang memperlihatkan keterkaitan
antar parameter atau kejadian. Tetapi sifat random hanya
dapat dirumuskan dengan pendekatan konsep statistik
dimana sifat parameter alam tersebut dinyatakan dalam
besaran prediksi pada suatu tingkat kepercayaan.
Sifat fisis dari batuan adalah deterministic karena
sifat tersebut mengikuti hukum-hukum fisika, kimia,
biologi dan umumnya dapat dinyatakan dengan formula
matematik. Dalam kasus pendekatan matematik sifat
alam dapat didekati dengan besaran parameter yg
sederhana misalnya densitas batuan yg homogen,

resistensi batuan yg homogen, kecepatan gelombang

homogen pada satu lapisan batuan sehingga model
parameternya dapat dirumuskan.
Tetapi berlainan dengan sifat fisis, keberadaan dari
materi batuan atau mineral dalam bumi dapat besifat
random, ataupun berpola fractal karena banyaknya
parameter lingkungan yang mempengaruhi keberadaan
batuan tersebut. Hanya beberapa saja parameter yang
dapat diperkirakan bagaimana dan berapa besar
peranannya terhadap pembentuk batuan.sebagai contoh
parameter tekanan, temperatur, reaksi kimia, unsur
mineral dan sebagainya. Namun dapat dikemukakan
masih banyak lagi parameter lingkungan yg belum atau
tidak diketahui mempengaruhi proses terbentuknya suatu
batuan.
Pada suatu formasi batuan sering ditemukan
keberadaan materi dan berbagai macam mineral
ditemukan dalam keadaan yang tidak teratur atau acak.
Dalam hal ini pendekatan analisa yang dilakukan adalah
dengan metode statistik. Penggabungan kedua sifat alam
deterministic dan acak ini dapat dilakukan dengan
optimal berdasarkan pada pendekatan statistik. Ilmu
statistik dalam ilmu dan teknologi kebumian sisebut juga
geostatistik.
Statistik
dalam
geologi
akan
dapat
dilihat
peranannya dengan lebih mudah, terutama dalam
menganalisa data dalam data dalam beberapa contoh
kasus seperti pengolahan data kekar, uratan stratigrafi,
estimasi mineral, klasifikasi data fosil, dan sebagainya

BAB II
KARAKTERISTIK POPULASI DATA
2.1. Karakteristik Populasi Penduduk berhubungan dengan kegiatan
PERTAMBANGAN
Dampak

Kegiatan

Dampak

PERTAMBANGAN

Dampak sosial
Ekonomi budaya

Dampak
Bio-fisik

Dampak
Bio-fisik

Dampak Sosial
ekonomi budaya

Dampak
Primer

Dampak
Sekunder

Kenaikan
Kesejahteraan
Tujuan
Gb.1.Pembangunan mempunyai tujuan untuk menaikan tingkat kesejahteraan rakyat
Contoh perhitungan prakiraan dampak.
Dengan menggunakan metode bagan alir dalam identifikasi dampak, bagan alir itu kita
gunakan sebagai tuntunan dalam prakiraan dampak selangkah demi selangkah. Hasil yang

didapatkan dari langkah yang satu digunakan sebagai masukan untuk perhitungan dalam langkah
berikutnya.

Sebagai contoh bagan alir pada rencana indentifikasi dampak pada pembangunan
PERTAMBANGAN sbb:
Pembangunan Wilayah Pertambangan

Persiapan

Operasional (ekplorasi)

Pembebasan lahan
Kenaikan
kepadatan
penduduk

Pencemaran air

Penurunan
Penggusuran
produksi
penduduk
hasil pertanian

Konstruksi
prasarana &
kompleks pertambangan

Kenaikan
Kenaikan
tekanan penduduk air larian

Kerusakan hutan

Kenaikan air Kenaikan

Larian
laju erosi

Erosi gen

Urbanisasi

Kenaikan produksi
limbah pertambangan

Gb. 2 Sebagian bagan alir identifikasi dampak pembangunan pertambangan

POPULASI PENDUDUK
Dengan merunut dampak dalam bagan alir kita dapatkan:
Kenaikan kepadatan penduduk desa dihitung dengan jumlah penduduk perluas daerah
(orang/km2). Angka jumlah penduduk dan luas daerah dapat didapatkan dari catatan di kantor
desa atau kecamatan. Garis dasar untuk kepadatan penduduk dihitung dengan rumus
Dtp = Po(1+ rtp)t

(rumus 1)

L tot
Dimana :
Dtp = kepadatan penduduktanpa proyek pada waktu ti
Po = jumlah penduduk pada waktu acuan (to)
rtp = laju tahunan pertmbuhan penduduk tanpa proyek
t

= periode waktu perhitungan ti-to (tahun)

Ltot = luas total daerah desa atau kecamatan (km2)

Nilai r dapat didapatkan dari laporan statistik. Jika tidak ada, r dapat dihitung dari pencatatan
jumlah penduduk pada waktu yang berbeda. Walaupun r dapat dihitung dari pencatatan
penduduk dalam dua tahun yang berurutan, tetapi seyogyanya duhitung dalam piriode yang lebih
panjang, misalnya 10 tahun.
Kepadatan penduduk desa dengan proyek dihitung dari proyek
Ddp = Po(1+ rdp)t
L tot Li
Po,t dan L sama seperti pada rumus 1
rdp = laju tahunan pertumbuhan penduduk dengan proyek
Li = luas lahan yang dipakai untuk pengembangan wilayah, termasuk lahan untuk komplek
pertambangan, prasarana perumahan dan jalan, dengan anggapan daerah ini dikeluarkan dari
daerah administrasi desa dan administrasi badan khusus.
Dapat diprakirakan pembangunan wilayah akan menarik

imigrasi penduduk karena

adanya lapangan kerja baru. Oleh karena itu laju pertumbuhan penduduk dengan proyek rdp akan
menjadi lebih besar dari pada rtp. Dengan penelitian kasus-kasus industry pertambangan yang

sejenis dengan skala yang serupa dan lokasi yang serupa pula diperkirakan besarnya r dp dapat di
tentukan dengan analogi (dengan jalan yang sama)
Dampak pembangunan wilayah terhadap kepadatan penduduk ialah
D = Ddp - Dtp
Contoh perhitungan
i) Besar dampak
Luas kota tempat pengembangan wilayah akan dibangun ialah 1.000 ha. Luas pengembagan
wilayah pertambangan dan sarananya direncanakan 150 ha. Catatan desa menunjukkan jumlah
penduduk
2000 : 6.000 orang
2010 : 7.680 orang
Berapa dampak pembangunan wilayah pada tahun 2015 waktu pembanguan selesai dan siap
digunakan ?
Laju pertumbuhan penduduk pertahun antara tahun 2000 dan 2010 dihitung dari rumus
pertumbuhan penduduk, yaitu
Pt = Po (1 + r )t
Log (1+r) = log Pt log Po
t
Log(1+r) = log 7680-log 6000
10
Kalau dihitung r = 2,5 %
Dengan demikian kepadatan penduduk desa tersebut tanpa proyek pada tahun 1975 ialah :
Dtp = Po (1 + rtp)t

orang/km2

L tot
Dtp = Po (1 + rtp)t orang/km2
Ltot
= 983 orang/km2
Data historis proyek-proyek sejenis di daerah lain menunjukkan laju pertumbuhan penduduk
yang meningkat mula-mula perlahan-lahan kemudian naik pesat. Laju pertumbuhan penduduk
bervareasi antara 3,5 % pertahun sampai 6,0 % pertahun dengan nilai rata-rata 4,5 % per tahun.

Angka rata-rata ini digunakan sebagai prakiraan laju pertumbuhan penduduk dengan proyek,
sehingga kepadatan penduduk dengan proyek ialah
Ddp = Po (1 + rdp)t orang/km2
Ltot Li
= 11927 orang/km2
8,5
= 1403 orang/km2
dampak proyek terhadap kepadatan penduduk ialah menaikkan kepadatan penduduk sebesar
Ddp Dtp = (1403 983) orang /km2
= 420 orang/km2

2.2.KARAKTERISTIK POPULASI DATA

Universe
Universe (semesta) adalah ruang total materi yang
dianalisa. Dengan demikian semua data yang dapat
diambil disebut sebagai ruang sampel atau universe.
Karakter suatu universe adalah dapat dianalisa dari satu
macam atau lebih parameter (unit atau multi demiensi)
tergantung pada jumlah parameter yang diukur pada
masing-masing sampel.
Sebagai contoh pada teknologi pertambangan dalam
proses evaluasi cadangan, universe adalah deposit
mineral yang terdapat pada daerah yang sedang
dipelajari. Dengan demikian dalam kasus ini universe
adalah deposit mineral misalnya untuk tambang
tembaga, nikel, emas, timah atau mineral lainnya.
Pada servey geofisika semua data yang mungkin
diperoleh dalam daerah penelitian disebut universe.
Sebagai contoh pengukuran gaya berat, magnetic,

geolistrik, elektromagnetik akan merupakan ruang

sampel atau universe pada daerah yang diselidiki.
Universe harus terdifinisi dengan limit (batas) area.
Batas universe dapat terbentuk struktur geologi atau
didefinisikan dalam batas posisi koordinat dan atau
kedalaman misalnya ditentukan sampai Lintang dan Bujur
serta dengan interval kedalaman tertentu ( 50 m 100 m,
permukaan sampai 250 m dsb).

Unit sampel
Bagian dari universe dimana pengukuran dilakukan
disebut unit sampel atau titik sampel. Dengan unit
sampel tersebut, karakter suatu universe nantinya
diharapkan dapat dianalisa dan dijelaskan. Pemilihan unit
sampel dapat ditentukan berdasarkan pada tiga hal
pokok yaitu :
1. Ketersediaan data
2. Metode statistik yang digunakan
3. Hasil target yang diharapkan
Ketiga hal tersebut saling tergantung misalnya hasil
target yang diharapkan sangat tergantung pada
ketersediaan data dan metode yang dipunyai. Demikian
juga metode yang dipilih tersebut dapat tergantung pada
data dan target yang dicapai.
Ukuran unit sampel sangat penting karena populasi
sampel jarak 10 feet dapat berbeda dengan populasi
sampel jarak 50 ft. karena itu ukuran unit sampel perlu
ditentukan agar karakterisasi daerah penelitian nantinya
dapat mememenuhi tujuan dengan efektif. Pada kasus
lapangan ukuran unit sampel ini tergantung pada ukuran

target geologi, keadaan lingkungan, teknologi yang

digunakan, dana dan sebagainya.
Penampilan populasi data yang sangat sederhana
adalah dengan menggunakan histrogram. Caranya
adalah dengan mem-plot distribusi frekuensi pada sumbu
ordinat dan nilai data pada sumbu absisi dan hasilnya
disebut grafik histogram, dapat dilihat pada gambar
berikut ;
6
5
4
Series 1

Series 2
Series 3

2
1
0
Category 1

Category 2

Category 3

Category 4

Buat grafik histogram seperti model tersebut :

Data lapangan dari mining nickel eksploitation dengan
data produksi Sbb :
1. Tahun 2005 produksi 1 juta ton bijih nikel dengan
komposisi Nikel (Ni) 20 ppm(20ton); Cobalt (Co)
15ppm(15ton); Molibdat (Mo) 10 ppm(10ton) dan
Besi sebagai besi oksida (FeO) 55 ppm(55ton)
2. Tahun 2006 Produksi 1,5 juta ton dengan komposisi
seperti pada tahun pertama.
3. Tahun 2007 produksi 2 juta ton dengan komposisi
seperti pada tahun pertama

4. Tahun 2008 produksi 1,5 juta ton dengan komposisi

Ni 25 ppm; Co 20 ppm; Mo 15 ppmdan besinya 75
ppm
ppm = part per million =
1 ppm artinya adalah =

1 bagian
1.000 .000 bagian
1 miligram
1.000 .000 miligram

1 mgram
1 kg

Variabel Random (V.R)

Variabel random adalah variabel dimana dapat diambil
suatu kejadian dari beberapa kemungkinan. Misalnya
kemungkinan untuk mendapatkan V.R. x adalah jumlah
kemunculan x dibagi jumlah total semua sampel.
Distribusi Kemungkinan (Probabilitas)
Kemungkinan muncul satu sampel dari seleksi acak
digambarkan dengan distribusi probabilitas V.R. Misalnya
kemungkinan untuk mendapatkan satu grade dalam
interval 2 4 % pada suatu endapan mineral atau berapa
kemungkinan kita mendapat batu pasir dalam reservoir
dengan analisa seismic.
Dalam kenyataan distribusi probabilitas tidak pernah
diketahui, tapi dapat dihitung dari ekperimen dan
kemudian dicoba untuk menentukan distribusi teoritik
yang dihasilkannya. Pada data diskrit (ciri-ciri tersendiri)
dengan nilai integer, distribusi kemungkinan akan
berhubungan dengan setiap kemungkinan harga x yang
dinyatakan dengan probabilitas p(x).
Probabilitas p(x) selalu positif sehingga p(x) >0 dan
jumlah total semua p(x) = 1 untuk harga x dalam
universe.

Pada distribusi kontiniu, berlaku untuk setiap x, distribusi

probability dinyatakan dengan suatu fungsi densitas
probabilitas f(x).
Probabilitas p(x) selalu positif sehingga p(x) >0 dan
jumlah total semua p(x) = 1 untuk semua harga x dalam
universe.
Pada distribusi kontiniu, berlaku untuk setiap x, distribusi
probability dinyatakan dengan suatu fungsi densitas
probabilitas f(x). Sehingga probabilitas satu harga yang
terletak antara x dan (x + dx) menjadi f(x)dx dimana dx
=0. Untuk probabilitas pada x kecil dari x0 p(x<x0)
Diperoleh :
xo

Prop

{ x xo }

f ( x ) dx

(x0)

(1)
Untuk probabilitas x yang berada antara a dan b adalah :
b

{a x b}

Prop

f ( x ) dx

(2)
Sebagai syarat adalah bahwa total

probabilitas sama

dengan

satu

f ( x ) dx
sehingga,

(3)
Istilah probabilitas adalah probabilitas
sampai batas ditentukan , misalnyabatas tersebut adalah

X0 dan komulatifnya ditulis F(x0), sehingga dapat ditulis

dimana

F()
=
0
dan
F
(+ )
=1
(4)
Pada grafik distribusi frekuensi karakter populasi
mempunyai beberapa ciri dalam statistik yaitu : harga
rata-rata, median, dan modus.

Nilai x rata-rata
Harga x rata-rata dari semua data didefinisikan sebagai
berikut :
Rata-rata

X =

xi
n

(5)
Harga rata-rata merupakan harga prediksi x dalam
populasi atau ditulis ekspektasi E (x) = x
Median
Median adalah nilai yang terletak ditengah pada ruang
distribusi dimana kumpulan harga tersebut diurut dari
yang kecil menuju ke yang besar. Jadi untuk jumlah data
yang ganjil dan genap masing-masing median M-nya
adalah :
M=

X n+1
2

M = [ Xn/2 +
genap

n = ganjil
X n+1
2

2 ;

n =

(6)
Modus

Mode (modus) merupakan harga x dengan frekuensi

kemunculannya paling besar dari semua harga data x
Modus = L + (

d1
d 1+d 2

)c

Dimana L = tepi bawah frekuensi kelas modus

d1 = selisih frekuensi kelas modus dengan kelas
sebelumnya

d2 = selisih frekuensi kelas modus dengan kelas

sesudahnya
c = panjang kelas modus
Mid- range
Harga mid-range adalah perkiraan harga pertengahan
antar harga maximum dengan harga minimum.
Midrange
=
(Max
+
Min)
(7)
Nilai midrange ini dapat digunakan juga untuk mendekati
harga rata-rata x atau untuk melihat apakah distribusi
harga x semetris dengan x rata-rata sebagai sumbu
tengahnya. Bagi data yang semetris dengan x rata-rata
sama dengan midrange.
Bahan Latihan :
Tabel 1. Kandungan Ni untuk masing masing blok
A,B,C,D,E dan F
BLOK
% Ni
A
2,0
2,0
2,1
2,1
B
2,2
2,3
2,2
2,3
C
2,3
1,9
2,1
2,3
D
2,2
2,3
2,3
2,3
E
2,7
2,7
2,6
2,5
F
2,0
1,9
2,2
2,0
G
2,3
2,4
2,4
2,4
Tentukan : Mean, Median, Modus dan Midrange data
dalam tabel.
Distribusi data
Distribusi data dalam grafik distribusi frekuensi dapat
dibagi menjadi beberapa bagian dengan tiap bagian
mengandung jumlah data yang sama yaitu sebagai
berikut :

a. Quartile (kwartil)
Jajaran datadibagi menjadi 4 kelompok yang sama
banyaknya dengan demikian disebut kwartil dengan
harga batas terletak pada jumlah komulatif relative
q1 = 0,25; q2 = 0,5 dan q3 = 0,75
b. Deciles (desil)
Jajaran data dibagi sepuluh dengan harga batas
terletak pada jumlah komulatif relative d1, d2,
. D9 = 0,1,0,2 , 0,9
c. Persentil
Jajaran data dibagi seratus bagian yang sama
jumlahnya sehingga batasnya terletak pada haerga
p1,p1 .p99 = (0,01,0,02, . 0,99)
2.2 Besaran Dispersi
Untuk penyebaran, variabilitas atau disperse suatu
distribusi kemungkinan digunakan antara lain :
a. Jangkauan yang berarti beda antara nilai maximum
dengan minimum
b. Simpangan rata-rata yaitu ekspektasi harga mutlak
selisih x dengan meannya yaitu E( X1 X )
c. Variansi 2
d. Standar deviasi
Untuk mengetahui penyebaran harga sekitar mean
digunakan deviasi standar s yang dihitung dari
sampel
S

( xix)2
n
i

(8)
Pada keadaan populasi bersifat acak maka rata-rata dari
(xi x) sama dengan 0. Kalau sifat penyebarannya data
diperlihatkan dengan menggunakan nilai mutlak I x i xrt I
maka analisa akan mengalami kesulitan diantaranya
adalah karena turunannya tidak kontiniu di x = x rt.

Dengan demikian maka sering dipilih parameter standar

deviasi s atau variansi s2.
Dari populasi dengan distribusi probabilitas kontiniu f(x)
maka dapat dihitung standar deviasi sebagai berikut ;

( x m) ( x ) dx

(9)
Dimana m adalah harga rata-rata populasi. Satuan
standar deviasi s dan sama dengan satuan dari
variabel x. sebagai contoh bila asli dinyatakan dalam
satuan (%) maka satuan vareansi adalah (%)2.
Bila harga x hampir sama atau tidak mempunyai
variansi harga yang besar maka harga s akan kecil.
Pada keadaan jumlah data terbatas maka s
digunakan sebagai estimator untuk dan harga x rt
sebagai estimator untuk m.
Karakterisasi distribusi
Distribusi frekuensi n sampel seperti pada gambar 1,
dapat ditransformasi menjadi distribusi probabilitas
dengan membagi frekuensi kemunculan dengan n.
Beberapa
contoh
histogram
sampel
dengan
beberapa bentuk (pola) diperlihatkan pada gambar 2
berikut :

X
Parameter kecenderungan sentral dapat dilihat dari harga
rata-rata x pada persamaan 5.
n

xi
Xrt = 1/n
i=1

Dari teori probabilitas harga rata-rta dapat dirumuskan

dengan :

xf ( x ) dx

(10)
Harga m merupakan harga ekspektasi dari x dan ditulis
m = E(x)
(11)
seperti yang telah dinyatakan diatas bahwa harga ratarata x adalah estimator dari m kecuali untuk kasus
dimana terjadi harga sangat (ekstrem) besar (kasus
emas) maka perlu menggunakan t-estimator.
Bila expected value X, E(x) = m maka estimator
tersebut disebut unbiased tidak ada kesalahan
sistematik.
Persamaan 9 dapat ditulis menjadi variansi
2 = (x-m)(x-m)f(x)dx
(12)
untuk
mendapatkan
estimator
persamaan 8 dibagi dengan (n-1)

yang

unbiased

( xix rt ) ( xixrt )
n1

(13)
Dan persamaan 12 dapat ditulis dengan notasi
2 = E(x-m)(x-m)
(14)
Variansi dapat ditulis
n

S2 = i

( xix rt ) ( xixrt )
n1

xi

2
n xi - ( 2 /n ( n-1 )

(15)
Tabel 2 Data Kandungan Cromium (Cr) dalam ppm
No
Cr( ppm) xi
xi2
1
205
42025
2
255
65025
3
195
38025
4
220
48400
5
235
55225
xi = 1110
xi 2 =248700
X=

xi
n

= 222

( xi )2 =1232100

S2 =

S=

xi
2

2
xi
n

= 5 x 248700-1232100 : 20

= 570 - S = 23.88

Arti s terhadap nilai (ppm) Cr adalah sebagai berikut

dimana pada range harga x :
X S = range Kecil
Arti s terhadap nilai (ppm) Chromium (Cr) adalah sebagai
berikut dimana pada range harga x :
X s=
222 + 23.88 = 245.88
222 23.88 =198.12
Harga range kecil 198.12 245.88
Probabilitas ?
3/5 x 100 % = 60 % . Maka 60 % pengukuran atau data
akan jatuh dalam harga range tersebut.
Sedangkan untuk range harga x:besar
X 2s =
222 + 47,76 = 269,76
222 47,76 = 174,24
Maka 100 % harga data akan berada dalam range
tersebut, namun ketepatan harga x menjadi menurun
karena range harganya makin besar.
Kesimpulan : sebagai kesimpulan dari pengertian daerah
penerimaan
adalah
dengan
range
besar
akan
memberikan
ketepatan prediksi akan rendah. Tetapi
sebaliknya dapat dikatakan bahwa dengan range kecil
confidence level (tingkat kepercayaan) menjadi tinggi.
Blok A (Nikel dlm Blok
B
(Nikel Blok
C
(Nikel
ppm)
dalam ppm)
dalam ppm)
100
95
80
65
70
95
79
90
105
110
55
58

80
66
75
50
40

70
85
102
60
50

80
95
45
75
35

1. Tentukan harga range masing masing blok dan beri

kesimpulan.
2. Blok A seluas 100 ha; Blok B seluas 75 ha dan Blok C
seluas 150 ha
Hitung berapa cadangan nikel masing masing blok
jika kedalam bor rata-rata 10 meter dan berat jenis
batuan rata-rata = 6,5
2.3. HUBUNGAN DUA VARIABEL
Hubungan dua variabel yang dapat disebut variabel dua
dimensi (2D) diperlihatkan oleh variansi gabungan yang
disebut sebagai kovariansi (covariance). Kovariansi
dihitung dari kedua harga variabel tersebut terhadap
meannya (rata-rata) masing-masing
n

Cov = i ( xix ) ( yi y)
n-1
n

cov

xi yi
= n i xiyi
i
i

n(n-1)
Selanjutnya koefisien korelasi r adalah
rXY = cov

xy

, syarat -1 r 1

SxSy
Besarnya korelasi antara variable x dan y dinyatakan
dengan koefisien korelasi r yang mempunyai harga dari
-1 sampai dengan 1
Contoh :

Ni (ppm)

Tabel 2.3
Hubungan Ni dengan Co
Xi2
Co (ppm)
Yi2

Xi
205
255
195
220
235

Yi
130
165
100
135
145

xi

xi

yi

yi

XiYi

Harga rata-rata X dan Y

Cov

(xy)

==n

xiyi xi yi

= 537.5

n(n-1)
Hubungan X dan Y dapat dinyatakan dengan koefisien korelasi (r)
r =

Latihan

cov (xy)
SxSy

- -1 r 1 = 0.95

xiyi

Hitunglah koefisien korelasi r antara panjang dan lebar dari brachiopoda, dari
tabel berikut
Tabel 2.4
Panjang dan lebar dari 6 sampel Brachiopoda
Panjang (mm)
18,4
16,9
13,6
11,4
7,8
6,3
Sebagai petunjuk buatlah tabel Xi

X i2

Yi

Yi2

Lebar (mm)
15,4
15,1
10,9
9,7
7,4
5,3
XiYi, kemudian hitung

koefisien korelasi

Panjang
(xi)
18,4
16,9
13,6
11,4
7,8
6,3

Xi2

xi

xi

(xy)

Yi2

xiyi

15,4
15,1
10,9
9,7
7,4
5,3

Cov

Lebar (yi)

yi

yi

xiyi

xiyi xi yi
=n
i
i
i

n(n-1)

cov = 19.47

sx = 4.84; sy= 4.08

r=

19.47
4.84 . x 4.08

= 0.99

Syarat -1 r 1. Kesimpulan : ada korelasi sebesar 99

%

2.4 TEST Z (KURVE NORMAL)

Standar Normal Z dihitung dengan rumus
Z1 =

xix mean
s

Didapat distribusi frekuensi dengan unit standard deviasi

s dan mean, Z sama dengan nol.
Misalnya pada suatu distribusi frekuensi komposisi
kandungan Ni mempunyai standar deviasi :
X mean = 14,2 dan S = 4,7. Maka berapa probabilitas
ditemukan Ni lebih kecil dari 3 %. Ketelitian 100 %
Z1 =

3, o14,2
4,7

= -2,4 (LIHAT TABEL KURVE NORMAL

Z)
Dari tabel probabilitas kumulatif untuk distribusi normal
diperoleh
F(-2,4) = 0,0082
Dengan demikian probabilitas ditemukannya Ni dengan
kandungan 3 % adalah cukup kecil yaitu mendekati nol.
Di coba cari probabilitas ditemukan kandungan Ni 20 %
Z2 =

20,014,2
4,7

= 1,2 (LIHAT TABEL KURVE NORMAL Z)

F(1,2) = 0,8849
Dengan demikian probabilitas diketemukan Ni 20%
adalah 1,0 0,8849 = 0,1151. Dengan demikian
kemungkinan diketemukan Ni 20 % adalah 1 diantara
10. 0,1151 x 100 % = 11,51% diketemukan Ni 20%.
Jadi setiap 100 data yang di prakirakan memiliki
kemungkinan dari harga Ni tersebut 100 x 11,51/100 =
11 sampel data
Sama dengan 1 muncul diantara 10.
SOAL .
DARI DATA BORING DITEMUKAN KANDUNGAN NIKEL DARI
SUATU BLOK KAJIAN SBB

SAMPEL
1
2
3
4
5
6
7
8
9
10

Ni dalam % berat
10
30
25
40
14
28
35
5
15
50

Hitung :

1. Deviasi standar dari data tersebut s ?

2. Range harga x nya. Berapa % kemungkinan
kemunculan
dari
data
tersebut
dengan
menggunakan range kecil dan besar.
3. Tentukan probabilitas dengan menggunakan Z test
untuk Ni antara 10 dan 20 %;
Standar normal z dihitung dengan rumus :
Z1 =

xi x
S

1025.2
14.2

= - 1.07;Z2 =

2025.2
14.2

-0.36
Probabilitas dari data yg diinginkan antara 10 -20 %
terletak pada harga 1.07 (-0.36) = 0.1587 (0.3821)
= 0.2234. 10 sampel =22.34 x10/100 = 2 - 3 sampel
Tentukan probabilitas kandungan Nikel 30 sampai 40 %
dengan ketelitian 95 %
Didapat distribusi frekuensi dengan unit standar s dan
mean pada z sama dengan nol.

Misalnya pada suatu distribusi frekuensi komposisi

kandungan Ni mempunyai harga mean dan standar
deviasi :
x = 14,2
(s) = 4,7
Maka berapa probabilitas ditemukan Ni lebih kecil dari 3
%
Z=

3,014,2
4,7

= -2,4

Dari tabel probabilitas komulatif untuk distribusi normal

diperoleh
F(-2,4) = 0,0082
Dengan demikian dapat dikatakan bahwa probabilitas
ditemukan kandungan Ni < 3% adalah cukup kecil yaitu
mendekati nol.
Kalau dicari beberapa probabilitas
ditemukan kandungan Ni > 20%, maka dihitung
lebih dulu : Z =

20,014,2
4,7

= 1.2. Dengan

menggunakan tabel probabilitas komulatif z

diperoleh : P(Z > 1,2) = 1,0 P(1,2)
= 1,0 0,8849 = 0,1151
Dengan
demikian
kemungkinan
ditemukannya
kandungan Ni > 20% adalah 1 dalam 10 sampel
LATIHAN 2.
Dari hasil analisa geokimia diperoleh data seperti dalam
tabel berikut
Data sampel (n)
Konsentrasi
emas(Au)
dalam
batuan (ppm)
1
25
2
10

3
4
5
6
7
8
9
10
11
12
13
14
15

5
2
15
14
20
22
50
40
35
28
35
2
0

Pertanyaan :
1. Tentukan
probabilitas
kemunculan
dengan
menggunakan analisa statistik range harga x (kecil &
besar)
a. X S
= 20.2 15.2 range harga x antara 5
35.4 Probabilitas dg range harga x kecil = 66,6 %
b. X 2S = 20.2 2(15.2) range harga x antara
-10.2 50.6. Probabilitas dengan range harga x
besar =100 % level of confident adalah 66,6 %
2. Sampel dalam tabel tersebut mewakili daerah 100 ha
dan hanya 75 % yang mengandung deposit Au,
kedalaman pengeboran 15 m dan berat jenis batuan
yang mengandung Au rata-rata 7. Hitung cadangan
emas daerah tersebut dalam ton.
100 ha x 75/100 = 75 ha = 75 x 10.000m 2x 15m =
11.250.000 m3
Berat keseluruhan = 7 x 11.250.000 = 78.750.000
ton = 78.750.000 x 1000 kg = 20.2 x 10 -6kg/kg x
78.750.000.000 kg =20.2 x 78.750 kg emas = 20.2 x
78.750 kg = 1.590.750 kg/1000 = 1.590,750 ton

3. Kalau harga emas rata-rata Rp. 230.000,- per gram

berapa perkiraan nilai ekonomi daerah tersebut
4. Kalau diinginkan ekploitasi emas pada nilai 20 s/d 50
ppm tentukan probabilitasnya dengan menggunakan
test z.
2020.2
15.2

Z =

= -0.01

lihat tabel z dengan

penyimpangan 0,02 (ketelitian 98 %) = 0.4920

Z =

5020.2
15.2

29.8
15.2

= 1.9 lihat tabel z dengan

penyimpangan 0,02 = 0.9726 .Probabilitasnya = 0.972

0.4920 = 0.48 jadi probabilitasnya 48 %
Latihan :
Tentukan probabilitas ditemukan 10 % < Ni < 20%
Z=

1014,2
4,7

= -0,89

P(1.2) = 0,89
P(-0,89) = 0,19 0,70
Dengan demikian kemungkinan kandungan Ni antara 10
% - 20 %, dari 10 sampel kemungkinan muncul 7.
Teorema Limit Sentral Xx =
Bila distribusi rata-rata cenderung normal variansinya
adalah :
S2x

2/n standar error dari x adalah :

Se=

2
n

1
n

Sebagai contoh Brachiopoda X untuk 6 sampel adalah 30

mm dan diketahui suatu kelompok populasi braciopoda
mempunyai
x = 14,2
= 4,7
untuk mengetahui apakah 6 sampel tersebut sama
dengan
kelompok
Brachiopoda
maka
dilakukan
perbandingan mean dan S e
H 1 : 1 0
Tes hypotesa nol (Ho) tidak ada perbedaan.
Ho : 1 = 0
Alternatif hasilnya adalah bisa termasuk tipe Brachiopoda
atau bertipe lain.
Untuk memutuskan apakah H0 atau H1 yang diterima,
maka dilakukan tes Z
Z=

X
Se

1
n

Tabel 2.
Kesalahan tipe I dan kesalahan tipe
Hipotesa benar
Hipotesa diterima Keputusan benar
Hipotesa ditolak
Type I error

II
Hipotesa salah
Type II error
Keputusan benar

2 = 22,1
= 4,7
Hipotesa H0 : 1 = 0
H 1 : 1 0
Dengan level of significance = 0,05

Tes Z

3014,2
1
4,7
6

= 8,2 dengan menggunakan

tabel komulatif Z untuk = 0,05 maka Z = 8,2 tidak

dapat dibaca karena lebih besar dari 3,4 kita
asumsikan harganya = 3,4 dan harga Z = 3,4 =
0,9997
Karena harga Z jatuh pada daerah penolakan dimana 1 =
0,9997 dibulatkan menjadi 1 (didapat dari tabel z dengan
z= 3,4 dan significansi = 0,05 maka dapat dinyatakan
bahwa kedua populasi tersebut sama, dengan demikian
hipotesa diterima.
2.5. Tes t
Pada distribusi student t dibutuhkan
kebebasan = n-1 adalah jumlah parameter
Pada distribusi t harga t dihitung dengan rumus :
t=

X 0
Se

X 0
1
S
n

X = mean sampel
0 = Mean populasi
n = jumlah populasi
S = standar deviasi observasi
Se = standar error observasi
Contoh : tabel 6
No
(%) Cu
1
13
2
17
3
15
4
23
5
27
6
29

derajat

7
8
9
10
Sehingga diperoleh :

18
27
20
24

Xi=213

X = 21,3
S2 = 30,46
S = 5,52
Se = 1,74
Test ini mempunyai satu ekor maka disebut one line test
= 5 % dilihat dalam tabel, nilai kritis harga t untuk derajad
kebebasan n-1 = 10 -1 =9 & = 0,05. Harga t = 1,833

H0 : 1 18%
H1 : 1 > 18%

Harga t hitung adalah t =

21.318.0
1
5.52
10

= 1.89.

H0 : 1 27%
H1 : 1 > 27 %
Dengan derajat kebebasan = 9 dan = 0,05 maka
didapat pada tabel, t = 1.833, dengan demikian data t
jatuh dalam daerah kritis sehingga H 0 ditolak. Dengan
demikian kandungan prosentasi Cu lebih besar dari 18 %
t hit > t tabel Kesimpulannya : H 0 ditolak dan menerima
H1
t hit < t tabel. Kesimpulannya : H0 diterima dan menolak H1
2.6. Tes F
Untuk membandingkan distribusi dua populasi yang berbeda
dapat dilihat dari kesamaan atau perbedaan variansi kedua

populasi
tersebut.
Perbandingan
tersebut
akan
dilihat
berdasarkan tingkat kesamaan variansi distribusi populasi dengan
tes F adalah sebagai berikut.
F = S12/S22
Dengan dua macam derajat kebebasan dari masing-masing
populasi yaitu
1 = n1-1
2 = n2 -1
tes statistik dilakukan dengan menguji hipotesa

Hipotesa H0 : S12 = S22

H1 : S12 S22
Misal nilai kritis F untuk 1 = 9 dan 2 = 9 dan level
significance = 0.05 maka dalam tabel F diperoleh harga
: F = 3.18
Contoh :
Kandungan (%) x pada tabel 6 sebelumnya dibandingkan
dengan populasi kandungan (%) X pada tabel 7 berikut ini
:
Tabel 7
Jumlah sampel
Cu(%)
1
15
2
10
3
15
4
23
5
18
6
26
7
24
8
18
9
19
10
21
189
X = 18,9
S2 = 23.21

S = 4.82

xi=189
X = 18.9
S2 = 23.21
S = 4.82
F = S12/S22 = 30.46/23.21 = 1.3
Dengan demikian harga F data (hitung) lebih kecil dari harga F
yang diperoleh dari tabel yaitu F hitung < F tabel : 1.3 < 3.18
sehingga hipotesa H0 diterima dan menolak H1
F hit > F tabel. Kesimpulan menolak H 0 dan menerima H1
ANALISIS REGRESI DAN KORELASI LINIER
Persamaan regresi linier sederhana memiliki dua variabel,
misalnya x dan y
Y=a + bX
a=

yb x
n
x

b=

( xy )
n

dengan :
b = koefisien arah garis regresi
a = intersep
n = banyaknya pasangan data

2.34

semua jumlahan dihitung nilai b dan a untuk data populasi dan produk
Contoh Tabel 2.9
Blok

Jumlah

Jumlah

pekerja

produk
Batu bara

X
1
2
3
4
5
6
7
8
9
10

10
20
30
40
50
60
70
80
90
100
X
= 550

(ton)
Y
50
100
150
200
250
300
350
400
450
500
Y =

X2

XY

500
2000
4500
8000
12500
18000
24500
32000
45000
50000
XY =192500

2750

100
400
900
1600
2500
3600
4900
6400
8100
10000
X 2 =
38500

a=0
b=5
Jadi persamaan garis regresi adalah : Y = 5x
Jik produksi 5000 ton/hari berapa tenaga kerjanya ?

SELAMAT PAGI
CARA PENGAMBILAN SAMPEL BATUAN DALAM EKSPLORASI
NIKEL

NOTASI LOBANG

PengambilanBORSampel

batuan

dengan

cara

pengeboran

misalnya sampai kedalaman 10 m, kedalaman tergantung pada

kondisi setempat.
LANGKAH LANGKAH UNTUK SAMPAI MENDAPATKAN DATA SBB;
1. SAMPEL DIAMBIL DENGAN CARA PENGEBORAN

2. SAMPEL DI TANDAI DENGAN KODE MISALNYA KK 1 S/D KK 10

(KODE TERSERAH/BEBAS)
3. SAMPEL KEMUDIAN DI PREPARASI SBB :
A. DIMASSUKKAN KEDALAM OVEN SELAMA KURANG LEBIH
12 JAM PADA SUHU 1000C HAL INI UNTUK MENGHILANGKAN
KANDUNGAN AIR (MOISTURE CONTENTS)
B. SAMPEL YG BERBENTUK BADROCK DI LAKUKAN CRUSSING
AGAR BATUAN MENJADI KECIL-KECIL
C. KEMUDIAN BATUAN KECIL-KECIL DI PULVURIZER MENJADI
BUTIRAN HALUS
D. KEMUDIAN DI SCREEN/DIAYAK DG AYAKAN DIBAWAH 10
(10 MIKRON)
E. KEMUDIAN SEMUA SAMPEL YG SUDAH DIPREPARASI DI
BAWA KE LABORATORIUM UNTUK DIANALISA KOMPOSISI
MINERALNYA
4. ANALISA DI LABORATORIUM SBB
A. SAMPEL DI TIMBANG SEBANYAK 1 GR
B. DIMASUKKAN KE DALAM BEKER GLAS UKURAN 250 CC
C. DITAMBAHKAN CAMPURAN ASAM SULFAT DAN ASAM
NITRAT (AIR RAJA) DENGAN JUMLAH YG SAMA SEBANYAK
25 CC
D. SAMPEL DIPANASKAN PADA SUHU 800C DALAM LEMARI
ASAM SELAMA 2 JAM
E. SEMUA MINERAL LARUT
DIMASUKKAN

KEDALAM

DALAM

ASAM,

LABU

UKUR

DITAMBAHKAN AQUADES SAMPAI TANDA.

F. DI AMBIL 10 CC DENGAN PIPET UKUR
DIMASUKKAN

KEDALAM

DITAMBANHKAN

REAGEN

LABU

UKUR

50

KEMUDIAN
250

CC

KEMUDIAN
CC

LALU

WARNA(DIAZOAMIN)

DAN

TAMBAHKAN AIR SAMPAI TANDA.

G. AMBIL SAMPEL KEMUDIAN DIMASUKKAN KEDALAM CUVET
DAN DIMASUKKAN KEDALAM SPECTROFOTOMETER, DAN
DIDAPAT KAN ABSORBANSINYA. 375
Untuk mengetahui berapa komposisi nikel dalam batuan perlu
persamaan regresi.
Regresi dibuat dg cara sbb;

Larutan standar Nikel (ppm)

0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0

Absorbansi spectrofotometer
100
150
200
250
300
350
400
450
500
550

Tentukan persamaan Regresinya dan buat grafik dg kertas

millimeter
Y = 50 + 500x
Anda membawa
sebanyak

1kg

sampel

setelah

batuan

yang

dipreparasi

dan

mengandung
dianalisa

nikel

hasilnya

adalah absorbansinya 475; berapa nikel dalam 1kg tersebut.

KESALAHAN STANDAR SAMPEL ESTIMASI
Diperlukan nilai kesalahan standar populasi

untuk memperoleh

kesimpulan regresi. Nilai kesalahan standar populasi ini merupakan

nilai simpangan baku (standard deviation) yang mengukur variasi titiktitik diatas dan dibawah garis regresi populasi. Jika kita tidak
mengetahui nilai S, kita mengestimasi dengan Se yaitu kesalahan
standard estimasi sampel. Nilai S merupakan suatu simpangan baku
secara matematis sbb:
Se =

y n y 2b xy
n2

2.35
Contoh Soal.
Untuk menghitung cadangan Nikkel disuatu lapangan ditentukan
dengan persamaan matematik yang di buat dengan berdasarkan data
yang diperoleh dari Lab .Geokimia sbb :
No

Larutan Standard Ni (dlm Absorbsi

ppm)

panjang

gelombang

pada alat spektrofotometer (nM)

1
2
3
4
5
6
7
8
9
10
11

0
1
2
3
4
5
6
7
8
9
10

100
125
140
160
175
190
210
228
245
260
265

Pertanyaan :
1. Buat persamaan matematiknya : Y = 106.58 + 16,83 X
2. Jika sampel yang berasal dari lapangan rata-rata setelah dianalisa
menunjukkan kisaran panjang gelombang (absorbansi) 227. Hitung
berapa kandungan nikelnya. X = 7,16 ppm
3. Jika hasil analisa tersebut mewakili daerah 1 hektar kedalaman ratarata dari bor 10 meter

dan berat jenis batuan rata-rata 5. Hitung

cadangan nikelnya.
Ppm = part Permillion =
1 ppm =

1 mgr
1.000 .000 mgr

1 bagian
1.000 .000 bagian
=

1 mgr
1 kg

SOAL.
Dalam penelitian mengenai banyaknya curah hujan dan jumlah kotoran
udara yang terbawa hujan, terkumpul data berikut :
Curah hujan, x
Zarah terbawa, y
(0,01 cm)
4,3

(microgram per m3)

126

4,5

121

5,9

116

5,6

118

6,1

114

5,2

118

3,8

132

2,1

141

7,5

108

a. Cari persamaan garis regresi untuk memprediksikan zarah yang

terbawa hujan dari banyaknya curah hujan harian . Persamaan
Regresinya adalah Y = 153,17 6,32X
b. Taksir banyaknya sarah yang terbawa hujan bila curah hujan harian x
= 4,8 satuan.
Sarah yang terbawa hujan y = 153,17 6,32 (4,8) = ----- microgram/m3
c. Hitung kesalahan standar deviasi dari sampel tersebut dengan rumus
sbb
Se =

y n y 2b xy
n2

B. REGRESI GANDA
Analisis regresi ganda digunakan oleh peneliti, bila peneliti bermaksud
meramalkan bagaimana keadaan (naik turunya) variabel dependen
(kriterium), bila dua atau lebih variabel independen sebagai factor predictor
dimanipulasi (dinaik turunkan nilainya). Analisis regresi ganda akan
dilakukan bila jumlah variabel independennya minimal 2.
Persamaan regresi untuk dua predictor adalah ;
Y = a + b1X1 + b2X2
Regresi ganda dua predictor
No
X1
X2
Y
X1Y
X2Y
X1X2
X12
X22
1
10
7
23
230
161
70
100
49
2

14

21

15

60

30

16

17

102

68

24

36

16

23

184

138

48

64

36

22

154

110

35

49

25

10

40

30

12

16

14

84

42

18

36

20

140

80

28

49

16

10

19

114

57

18

36

 X 1=60
X 2 Y =170 X 1 Y =1122
X 2 Y =737
X1X2

jumla
h

=40

=267

Y = produktivitas;

X 12=
406

X1 = kemampuan kerja pegawai

n = jumlah sampel

X2 = Kemampuan managerial

Untuk menghitung harga-harga a, b1; b2 dapat menggunakan persamaan

berikut ;

= an + b1

X1

+ b2

X 1Y

=a

X1

X 2Y

=a

X 1+b 1 X 1

+ b1

X1

X2
+

+ b2

.Pers I

b 2 X 1 X 2

X 22

. Pers II

. Pers III

Dengan Cara Substitusi/dengan eliminasi maka harga-harga a, b 1 dan b2

dapat dicari !
Y = -1,4 + 0,06X1 + 4,52X2
DATA DARI 12 MAHASISWA TEKNIK GEOLOGI
MAHASIS

NILAI

WA

STATISTIK
1
2
3
4
5
6
7
8
9
10
11
12

NILAI INTELEGENSIA
Y
85
74
76
90
85
87
94
98
81
91
76
74

X1
65
50
55
65
55
70
70
65
70
55
50
55

BANYAKNYA

MANGKIR

KULIAH
X2
1
7
5
2
6
3
2
6
3
4
1
4

A. BUAT PERSAMAAN REGRESINYA ; Y = -1,8 +-0,05X1 + 24,3X2

X 2 =182

B. TAKSIR NILAI STATITISTIK SEORANG MAHASISWA YANG MENDAPAT NILAI

INTELEGENSI 60 DAN MANGKIR 4 KALI
Y=

UJI KORELASI KORELASI GANDA

Ry (1,2) =

b1 X 1 Y +b 2 X 2Y

Y2

= 1,08

Koefisien determinasi (R2) = Ry(1,2)

Uji signifikasi korelasi ganda

F =

R 2(N m1)
F = 1,08 (10-2-1) : 2(1-1,08) = - 47,25 ; F tabel = 1,812
m(1R2 )

Harga ini selanjutnya dikonsultasikan dengan F tabel, dengan didasarkan

pada dk pembilang = 2 dan dk penyebut (10-2-1) = 7 untuk kesalahan 5 %
Kesimpulan jika F hitung lebih besar F tabel koefisien korelasi yang diuji
adalah signifikan sehingga dapat diberlakukan untuk populasi yang diteliti
dengan taraf kesalahan 5 %

BAB III.
ANALISA SEQUENCE
Pada bab ini dibahas data dari fenomena alam yg berdimensi
satu. Oleh karena itu metode untuk membahasnya disebut
analisa sekuensi (sequence Analysis).
Datanya berupa deret atau seri dalam waktu, jarak atau berupa
satu variabel tertentu. Variabel

Tersebut dapat berupa temperatur, besar butir, berat, lintasan

survey dan sebagainya. Dalam geofisika banyak ditemukan data
profil, data bor , data pengamatan dalam waktu. Misalnya data
letusan gunung api dicatat dalam skala waktu dengan demikian
variabel bebasnya adalah waktu. Data anomaly gaya berat pada
profil yang menjadi variabel adarah jarak sepanjang profil.
Perubahan densitas terhadap temperatur berarti variabel adalah
temperatur.
Data pengamatan dapat diperoleh dengan jarak yang sama. Pada
proses

tertentu

misalnya

untuk

filter,

korelasi,

konvulsi

dibutuhkan data dengan interval sama, oleh karena itu dibawah

ini dibahas terlebih dahulu bagaimana merobah data menjadi
berinterval sama.
1.1.
Membuat Interval data sama
Interpolasi Linier
Posisi dan harga jarak yang sama dihitung dengan cara
interpolasi linier dari dua titik terdekat. Harga Y pada
X yang dihitung dengan rumus sbb :
Y =

X
420
424
430

Y 2Y 1

X -X1)= right )} over {(X2-X1)} +Y1

Y
5
? (Y) = 7
10

Y =

105

(424420)=

Y = (5)(4) /10 + 5 = 2 + 5 = 7
1.2.
Runs Test
Runs test adalah metoda yang digunakan untuk data
dikotomi yaitu mempunyai dua pilihan misalnya muncul
tidak muncul. Urutan kemunculan data tersebut dapat
diselidiki apakah pergantian kemunculan kedua bentuk
tersebut bersifat acak atau tidak. Untuk melihat acak
atau tidak digunakan Runs Test dimana satu run adalah
urutan yang datanya sama. Sebagai contoh deret data
berikut

13

runs

(selang

tanpa

terjadi

pergantian

kemunculan), Jumlah data H(n1) = 11 dan jumlah data

T(n2) = 9
H T HH T H TTT H T H T HH TT HHH
13 runs
n1 = 11
n2= 9
Jumlah rata-rata runs estimasi bersifat acak adalah :
=

2n1n2
+1
n1+ n2

Variansi harapannya (expected variance-nya) adalah ,

2
u

2n 1 n 2(2 n 1n 2n1n 2)
( n1+n 2 ) ( n 1+n 2 ) (n 1+n 21)

Z test Z =

u
u

HIPOTESA
H0 : u

dimana u = jumlah runs

atau H0 : u

H1 : > u
Banyak runs
H0 di tolak
Tes seperti ini disebut

atau H1 : < u
sedikit runs
H0 di tolak
one-tailed karena daerah

penolakannya hanya terdapat pada satu ujung

H0 : = u
H1 : u
ANALISA VARIANSI SATU ARAH MENGGUNAKAN TES F
Model anova satu arah (one-way analysis of variance) digunakan untuk
pengujian perbedaan antara k rata-rata sampel apabila subyek-subyek
observasi atau penelitian ditentukan secara random pada setiap grup atau
kelompok perlakuan yang ditentukan.
Persamaan linier yang menggambarkan model uji satu arah :
Xik = + k + eik
Dengan :
= rata-rta keseluruhan dari semua k populasi klasifikasi.
k = efek klasifikasi dalam k kelompok tertentu darimana nilai data dijadikan
sampel.
eik = kesalahan random yang tergabung dengan proses sampling
Ringkasan anova satu arah dapat dilihat pada tabel 2.8 berikut ini.
TABEL 2.8
PROGRAM ANALYSIS OF VARIANCE (ANOVA)
Sumber
Variansi
Di antara
criteria

Jumlah kuadrat
(SS)
Tk 2
SSA=
k=1 nk
K

T
N

(d.f)

Kuadrat

K-1

rata-rata
MSA =
SSA
K 1

kelompokkelompok A
Diantara
dalam

SSE= SST-SSA

N-K

MSE =

F test
MSA
F= MSE

SSE
N K

samples
Total

SST=

variation

x2

i=1 k=1

T2
N

N-1

Hipotesis nol dan hipotesis alternative untuk anova satu arah :

H0:k = 0 Ha : k 10
Jika hipotesis nol benar, berarti : 1 = 2 =3 = ---= k

ANOVA (Analysis of Variance)

CONTOH 2.8
Ada tiga sampel random dari 3 group tenaga kerja berhubungan dengan
penurunan produktivitas sbb ;
Kelompok A
Kelompok B
Kelompok C
7
11
4
8

12

11

Total Besar

T1= 40

T2=60

6
T3 = 42

sampel

n1 = 5

n2 =6

n3 = 7

N = 18
Jawaban ada 10 step (10 langkah)
Banyak kelompok sampel k =3
Jumlah data ketiga kelompok sampel N = n1 + n2 + n3 = 5 + 6 +7 = 18
Perhitungan
1. Jumlah nilai masing-masing sampel : T1 = 40; T2 = 60; T3 = 42
2. T = 40 + 60 + 42 = 142
3. (

)2 = 20164

4. Jumlah kuadrat masing-masing kelompok :

2
2
2
T1
T2
T3
Ti 2
= n1 + n2 + n3

40
5

5.

60
6

42
7

= 1172

= 72 + 82 + 72 + 92 +92+112 ..+ 52 + 82 + 62 = 1202

6. Jumlah kuadrat di antara kelompok-kelompok :

( T )2
Ti 2

SSB =
= 1172 20164/18 = 51,778

N
7. Jumlah kuadrat di dalam kelompok-kelompok :
x

Ti 2

SSW =
-
= 1202 1172 = 30

8. Kuadrat rata-rata di antara kelompok-kelompok ;

SSB
51,778
MSB = K 1
=
= 25,889
31
Dengan d.f = K-1 = 3-1 = 2
9. Kuadrat rata-rata di dalam kelompok-kelompok :
SSW
30
MSW = N K
= 183 = 2
Dengan ; d.f = N- K = 15
10.
Nilai rasio F didapat dengan :
MSB
25,889
F = MSW
=
= 12,94 (F hitung)
2
Analisis:
1. Hipotesis
H0 = penurunan rata-rata pada setiap populasi sama
Ha = penurunan rata-rata pada setiap populasi ada yang tidak sama
2. Nilai kritis
d.f diantara kriteria kelompok-kelompok (numerator) = K -1 = 3-1
=2
d.f kesalahan sampling (denumerator) = N- K = 18-3 = 15; = 0,01
F(2;15;0,01) = 6,36 (dilihat dari tabel F). Harga F tabel = 6,36
3. Nilai hitung ; F = 12,94
4. Kesimpulan

Karena nilai Fhitung = 12,94 lebih besar dari nilai F (Tabel)(2;15;0,01) =

6,36 berarti nilai F hitung berada di daerah penolakan H 0. Dengan
demikian H0 kita tolak dan menerima Ha. ini berarti bahwa ada
penurunan pada setiap populasi terhadap tiga kelompok yang tidak
sama.

Contoh :
Kandungan Karbonat dalam Batuan (%)

Replikat
1
2
3
4
5
6

1
19,2
18,7
21,3
16,5
17,3
22,4
Tt1 =115,4

2
18,7
14,3
20,2
17,6
19,3
16,1
Tt2 =106,2

SAMPEL
3
12,5
14,3
8,7
11,4
9,5
16,5
Tt3 =72,9

n1 = 6

n2 = 6

n3 = 6

4
20,3
22,5
17,6
18,4
15,9
19,0
Tt4 =113,7

5
19,9
24,3
17,6
20,2
18,4
19,1
Tt5 =119,5

n4 = 6

n5 = 6

Jawab :
Banyak Kelompok sampel K = 5
Jumlah data ke lima kelompok sampel : N = n1 + n2 + n3 + n4 + n5 = 30
Perhitungan :
1. Jumlah nilai masing-masing sampel Tt 1 = 115,4 , Tt2 = 106,2 , Tt3 =
72,9, Tt4 = 113,7 Tt5 = 119,5
2. ST = 527,7
3. (ST)2 = 278467,29
4. Jumlah kuadrat rata-rata masing-masing kelompok :

Ti 2

13317,16/6 + 11278,44/6 + 5314,41/6 + 12927,69/6 + 14280,25/6 =

2181,227+ 1879,74 + 885,74 + 2154,62 + 2380,04 = 9519,66
Ti 2
= 9519,66
5. S(X)2 = (19,2)2 + (18,7)2 +(21,3)2 + (16,5)2 + (17,3)2 + (22,4)2 +(18,7)2
+(14,3)2 +(20,2)2 +(17,6)2 +(19,3)2 +(16,1)2 +(12,5)2 +(14,3)2 +(8,7)2
+(11,4)2 +(9,5)2 +(16,5)2 + (20,3)2 +(22,5)2 +(17,6)2 +(18,4)2 +(15,9)2
+ (19,0)2 + (19,9)2 +(24,3)2 +(17,6)2 + (20,2)2 + (18,4)2 +(19,1)2
= 368,6 + 349,69 + 453,69 + 272,25 + 299,29 + 501,76 + 349,69 +
204,49 + 408,04 + 309,76 + 372,49 + 259,21 + 156,25 + 204,49 +
75,69 + 129,96 + 90,25 + 272,25 + 412,09 + 506,25 + 309.76 +
338.56 + 252,81 + 361 + 396,01 + 590,49 + 309.76 + 408,04 +
338,56 + 364,81 = 9666,03
6. Jumlah kuadrat diantara kelompok-kelompok
Ti 2
SSB =
- (ST)2/N = 9519,66 - 278467,29/30
= 9519,66 9282,243 = 237,417
7. Jumlah kuadrat di dalam kelompok-kelompok :
2
Ti
2
SSW = S(X) -
= 9666,03 9519,66 = 146,37
8. Kuadrat rata-rata diantara kelompok-kelompok :
SSB
237,417
237,417
MSB = K 1 =
=
= 59,35
51
4
Dengan d.f. = K -1 = 5-1 =4
9. Kuadrat rata-rata di dalam kelompok-kelompok :
SSW
146,37
146,37
146,37
MSW = N 1 = NK
= 305
=
25

= 5,85

Dengan : d.f. = N-K = 30 -5 = 25

10.
Nilai rasio F didapat dengan :
MSB
59,35
F = MSW
= 5,85
= 10,15 (F hitung)
Analisis :
Hipotesis
1. H0 = pengurangan berat rata-rata pada setiap populasi sama
Ha = pengurangan berat rata-rata pada setiap populasi ada yang
tidak sama
2. Nilai kritis

d.f. di antara kriteria kelompok-kelompok (numerator) = K-1 = 5-1

=4
d.f. kesalahan sampling (denumerator) = N- K = 30 -5 = 25
= 0,05
F(4;25;0,05) = 2,76 (F Tabel)
3. Nilai hitung . F hitung = 10,15
4. Kesimpulan
Karena nilai hitung Fhitung = 10,15 lebih besar dari nilai F(Tabel)
(4;25;0,05)

= 2,76 maka nilai F hitung berada didaerah penolakan H 0.

Dengan demikian kita menolak H0 dan menerima Ha

Kerjakan soal ini dengan teliti waktu 30 menit

Sekelompok data seperti dalam tabel berikut
Komposisi Nikel dalam batuan (dalam %) sbb :
NO
Ni (%)
1
10
2
20
3
25
4
35
5
40
6
50
7
60
8
70
9
80
10
90
n = 10
xi

Xi2

xi2

Pertanyaan :
1. Tentukan Z Hitung dan Z tabel dengan significansi 0,05
dengan menggunakan teorima limit sental untuk rata-rata
populasi pada daerah 60

%.
2. Tentukan dengan t test.