Anda di halaman 1dari 6

ANALISIS STATISTIK MULTIVARIAT

Seprian (F1D214030)

Program Studi Teknik Geologi, Jurusan Teknik Kebumian, Fakultas Sains dan
Teknologi, Universitas Jambi.

SARI

Analasis multivariate statistic adalah analisa terhadap lebih dari dua variabel
dengan mempertimbangkan letak atau lokasi dari data tersebut. Analisis ini bertujuan
untuk membandingkan metode metode interpolasi pada gridding. Pengolahan data
menggunakan software microsoft excel untuk mengorganisasi data dan golden surfer
untuk membuat metode metode interpolasi (inverse disntace to power, kriging,
nearest neighbor, triangulation with linear interpolation, dan moving average).

Kata Kunci : Statistika Multivariat, Metode interpolasi, Surfer.

ABSTRACT

Analasis is multivariate statistical analysis of more than two variables taking


into account the location or the location of the data. This analysis purpose to compare
all interpolation methods with gridding . The data processing use software microsoft
excel for organization of data and golden surfer for create interpolation methods
(inverse disntace to power, kriging, nearest neighbor, triangulation with linear
interpolation, and moving average). From all of interpolation methods use to
distribution of random data are inverse disntace to power and kriging.

Key Word : Multivariate Statistics, Interpolation Methods, Surfer.

PENDAHULUAN dapat bersifat variabel independent

Variabel adalah komponen (bebas) atau variabel dependent

yang menjadi objek pengamatan (terikat) serta dapat berupa variabel

dalam sebuah penelitian. Variabel lain yang ikut mempengaruhi


hubungan antara variabel bebas dan menghubung-hubungkan dua variable
variabel terikat, seperti variabel atau melihat pengaruh satu variable
penghubung. terhadap variable lainnya. Kegiatan ini
dilakukan bertujuan agar praktikan
Variabel di dalam analisis
dapat menampilkan data postings,
multivariat dapat diklasifikasikan
menampilkan contouring data, dan
sebagai variabel dependen (dependent
memahami parameter smoothing.
variable) dan variabel independen
(independent variable). Variabel Teknik analisis multivariat
dependen adalah variabel yang secara dasar diklasifikasi menjadi tiga
nilainya ditentukan oleh variabel lain yaitu teknik dependent, teknik
yaitu variabel independen. Sedangkan interdependent, dan teknik model
variabel independen adalah variabel struktural. Teknik dependen adalah
yang digunakan untuk mengestimasi teknik yang digunakan ketika variabel
atau memprediksi nilai variabel lain dependen dipengaruhi oleh variabel
yaitu variabel dependen. independen. Teknik interdependen
adalah teknik yang digunakan ketika
Analisis Statistika Multivariate
semua variabel saling berpengaruh.
adalah analisis statistika yang
Sedangkan teknik struktural adalah
dikenakan pada data yang terdiri dari
teknik yang digunakan untuk
banyak variabel dan antar variabel
menganalisis variabel dependen dan
saling berkolerasi satu sama lain.
independen secara simultan.
Dengan kata lain, Analisis Multivariat
adalah pengembangan lanjutan dari
PENGOLAHAN DATA
analisis Univariat maupun Bivariat.
Kegiatan praktikum dilakukan di
Dengan menggunakan teknik analisis
Gedung Laboratorium Kimia
ini maka kita dapat menganalisis
Rekayasa, Fakultas Sains dan
pengaruh beberapa variable terhadap
Teknologi, Unversitas Jambi, pada
variabel (variable) lainnya dalam
hari Selasa, 25 Oktober 2016. Pada
waktu yang bersamaan. Analisis
kegiatan praktikum ini, kami
multivariat digunakan karena pada
mengolah data menggunakan bantuan
kenyataannnya masalah yang terjadi
aplikasi Microsoft Office Excel dan
tidak dapat diselesaikan dengan hanya
setelah itu melanjutkan pengolahan
data menggunakan software Suffer.
Pada aplikasi Microsoft Office Excell
kami hanya mengedit dan
memperbaiki koordinat data.
Selanjutnya dalam pengolahan
menggunakan Surfer, data yang telah
di simpan, akan dibuka kembali dan
Gambar 1. Gridding method inverse
diubah koordinat X,Y, dan Z untuk
distance to power
melakukan Grid data. Selanjutnya
dilakuan posting data kedalam map
dengan menggunakan data yang sudah
di grid. Untuk contour map dan 3D
wireframe juga menggunakan data
yang di grid. Gambar 2. Gridding method kriging

Untuk Gridding data digunakan


metode inverse distance to power,
kriging, nearest neighbor, triangulation
with linear interpolation, moving
average. Setelah dilakukan semua
Gambar 3. Gridding method nearest
metode tersebut kemudian
neighbor
perbandingannya akan dijelaskan
didalam hasil dan analisa.

HASIL DAN ANALISA

Berikut adalah Hasil yang


diperoleh dari pengolahan data yang
Gambar 4. Gridding method
telah dilakukan antara lain,
triangulation with linear interpolation
gambar 2, daerah berwarna hijau
menunjukkan relief yang tinggi,
sedangkan yang berwarna biru
menunjukkan relief rendah. Pada
gambar 3. Nearest Neighboor, terlihat
Gambar 5. Gridding method moving sebaran titik-titik mulai berkurang, dan
average tidak sebanyak seperti yang terdapat
pada metode Krigging. Pada gambar
Pada kelima gambar diatas, interpretasi 2D pada Nearest
saya melihat bahwa kelimanya Neighboor menunjukkan warna daerah
memiliki persamaan bentuk yang hitam adlaah relief yang tinggi,
Interpretasi permukaan 3D, hanya saja sedangkan relief rendah ditunjukkan
pada gambar 5. Moving Average, dengan warna biru keunguan. Pada
gambar permukaan interpretasi 3D nya gambar 4, Triangulation with linear
berbeda dari yang lain. Pada gambar 1 interpolation, dapat dilihat
4 , kita dapat melihat perbedaan bahwasanya tidak memiiliki perbedaan
gambar pada bagian sebelah kiri yang yang terlalu signifikan jauh dari
merupakan interpretasi ketinggian nearest neighboor. bentukan dari
permukaan dalam proyeksi 2D. Dalam interpretasi 3D tidak ada yang
proyeksi 2D, saya melihat bahwasanya melengkung. Kenampakan ini
pada gambar 1, inverse distanc to menunjukkan bahwa data-data
power memiliki sebaran gambar ketinggian dibuat linier. Warna hitam
ketinggian permukaan yang merata biru muda menunjukan ketinggian
dan tegas (poligon-poligon yang jelas), reliefnya yang jika warnanya semakin
dimana relief tinggi di cirikan dengan hitam kebiruan maka ketinggian relief
warna hijau, sedangkan relief rendah semakin rendah. Pada 5. adalah
dicirikan dengan warna biru keunguan. moving average, dimana pada gambar
Pada gambar 2, Krigging, interpretasi interpretasi 3D memiliki perbedaan
daerah tinggi mulai berkurang paling signifikan dari yang lain. Pada
(poligon-poligon daerah tinggi gambar ini, sangat jelas sekali kita
berkurang dan semakin kecil), dan dapat mengetahui tinggi dan rendah
mulai dipenuhi sebaran titik-titik. Pada suatu permukaan relief. Hal ini dapat
kita lihat dari tingkat kerapatan kontur sangat halus sehingga terlihat relief-
nya untuk gambar interpretasi 2D, dan relief di beberapa tiitk disamakan
melihat kelandaian serta ketinggian dengan relief yang lebih dominan.
pada gambar interpretasi 3D nya.

KESIMPULAN
Dari Analisa yang telah
Gambar 6. Gridding method
dilakukan, maka disimpulkan
inverse distance to power smoothing
bahwasanya :
0,00001
1. Analisa Multivariat adalah
Analisis Statistika dua variabel
dengan mempertimbangkan
letak atau lokasi dari data
tersebut.
2. Dapat Menampilkan contouring
Gambar 7. Gridding method atau pengkonturan data posting
inverse distance to power smoothing dengan menggunakan metode
10. metode interpolasi, seperti
inverse disntace to power,
Pada gambar 6 dan 7 terlihat
kriging, nearest neighbor,
perbedaan smoothing antara
triangulation with linear
smoothing 10 dan 0,00001. Pada
interpolation, dan moving
gambar 6 kita melihat, bahwasanya
average
gambar interpretasi 3D nya
3. Smoothing digunakan untuk
memperlihatkan bentukan titik
menghaluskan data, akan tetapi
bulls eyes yang berbentuk seperti
data yang telalu smooth tidak
tonjolan yang meruncing atau
bagus juga untuk diinterpretasi
menjarum pada bagian puncak relief
karena, beberapa nilai titiknya
yang tinggi. Sedangkan, pada gambar
7. memperlihatkan kenampakan yang
hanya mengikuti bentukan yang
dominan.

DAFTAR PUSTAKA

Arijuddin, Jibril. 2012. Analisis


Statistik Multivariate.
https://www.academia.edu/456
3962/analisis_statistika_multiv
ariate. (diakses pada hari Senin
31 Oktober pukul 22.00 WIB)

Sarwono, Jonathan. 2013. Teori


Analisis Multivariat.
http://www.jonathansarwono.in
fo/mvariat/multivariat.htm
(diakses pada hari Senin 31
Oktober pukul 22.00 WIB) )

UCAPAN TERIMAKASIH

Penulis mengucapkan
terimakasih kepada Bapak Dosen
Pembimbing Praktikum Geostatistika,
Bapak Soni Satiawan atas bimbingan
dan ilmu berharga yang telah
diberikan, beserta saudara-saudara
rekan Geologi yang telah membantu
memberi informasi dalam pembuatan
laporan ini.