TUGAS 1

MATEMATIKA

STATISTIKA DAN MATRIKS

DOSEN PENGAMPU : YUSI FIRMANSYAH. S.Si. MT

KELOMPOK 5
ANGGITO SAPUTRA 270110170043 A
ALI AKBAR 270110170065 A
FAJAR ABDULLAH 270110170005 A
RAHMADIANTY ANASTYA S 270110170085 A
RIANTAMA WICAKSONO 270110170121 A

FAKULTAS TEKNIK GEOLOGI

UNIVERSITAS PADJADJARAN
FEBRUARI 2018
 MATRIKS
A. Konsep Dasar Matriks
 Matriks adalah kumpulan bilangan atau unsur yang disusun dalam baris dan kolom.
Bilangan-bilangan tersebut disebut elemen matriks atau komponen matriks.
 Nama sebuah matriks biasa ditulis dalam huruf capital, sedangkan ordo adalah
ukuran suatu matriks, yaitu banyak baris x banyak kolom.
 Matriks banyak dimanfaatkan untuk menyelesaikan berbagai permasalahan
matematika misalnya dalam menemukan solusi masalah persamaan linear,
transformasi linear yakni bentuk umum dari fungsi linear contohnya rotasi dalam
3 dimensi. Matriks juga seperti variabel biasa, sehingga matrikspun dapat
dimanipulasi misalnya dikalikan, dijumlah, dikurangkan, serta didekomposisikan.
Menggunakan representasi matriks, perhitungan dapat dilakukan dengan lebih
terstruktur.

B. Macam-macam Matriks
1. Matriks nol
Adalah matriks yang semua elemennya bernilai nol

2. Matriks Bujursangkar
Adalah matriks yang banyaknya baris sama dengan banyaknya kolom

3. Matriks Diagonal
Adalah matriks bujursangkar yang semua elemen diluar elemen diagonal utamanya
bernilai nol.
1 0 0
3 0
Contoh : [ ] atau [0 4 0]
0 5
0 0 3

4. Matriks Skalar
Adalah matriks diagonal yang semua elemen diagonal utamanya bernilai sama.
3 0 0
3 0
Contoh : [ ] atau [0 3 0]
0 3
0 0 3

5. Matriks Identitas
Adalah matriks skalar yang semua elemen diagonal utamanya bernilai satu.
1 0 0
1 0
Contoh : [ ] atau [0 1 0]
0 1
0 0 1

6. Matriks Segitiga Atas

Adalah matriks bujursangkar yang semua elemen dibawah elemen diagonal
utamanya bernilai nol.
1 4 −3
1 −3
Contoh : [ ] atau [0 2 6 ]
0 4
0 0 1
 7. Matriks Segitiga Bawah
Adalah matriks bujursangkar yang semua elemen diatas elemen diagonal
utamanya bernilai nol
1 0 0
1 0
Contoh : [ ] atau [3 −1 0]
3 −1
8 2 5

C. Operasi Dasar Matriks

1. Penjumlahan dan Pengurangan Matriks
Penjumlahan serta pengurangan dalam matriks hanya dapat dilakukan apabila
kedua matriks mempunyai ukuran atau tipe yang sama. Elemen-elemen dalam
suatu matriks yang dijumlahkan atau dikurangan yaitu elemen yang memilki
posisi/letak yang sama.
𝑎 𝑏 𝑒 𝑓 𝑎+𝑒 𝑏+𝑓
Contoh : a. [ ] + [ ]= [ ]
𝑐 𝑑 𝑔 ℎ 𝑐+𝑔 𝑑+ℎ

1 3 4 2 5 5
b. [ ] + [ ]= [ ]
5 0 1 7 6 7

3 5 2 4 1 1
c. [ ] − [ ]= [ ]
2 6 0 1 2 5
2. Perkalian Matriks
Perkalian matriks dilakukan dengan cara tiap baris dikalikan dengan tiap kolom,
selanjutnya dijumlahkan pada kolom yang sama.
 Perkalian Skalar dengan Matriks
𝑎 𝑏 𝑘𝑎 𝑘𝑏
Contoh : k[ ]= [ ]
𝑐 𝑑 𝑘𝑐 𝑘𝑑

 Perkaliasn Matriks dengan Matriks

Misalkan A berodo p xq dan B berordo m x n
Syarat : A x B → haruslah q = m
Hasil perkalian AB berordo p x n
B x A → haruslah n = p
Hasil Perkalian BA berordo m x q
Contoh :
𝑝 𝑠
𝑎 𝑏 𝑐
Diketahui 𝐴=[ ] dan B = [𝑞 𝑡 ]
𝑑 𝑒 𝑓
𝑟 𝑢
𝑝 𝑠
𝑎 𝑏 𝑐 𝑎𝑝 + 𝑏𝑞 + 𝑐𝑟 𝑎𝑠 + 𝑏𝑡 + 𝑐𝑢
AB = [ ] . [𝑞 𝑡 ] = [ ]
𝑑 𝑒 𝑓 𝑑𝑝 + 𝑒𝑞 + 𝑓𝑟 𝑑𝑠 + 𝑒𝑡 + 𝑓𝑢
𝑟 𝑢
Misalkan A, B, C adalah matriks berukuran sama dan ,  merupakan unsur
bilangan Riil, Maka operasi matriks memenuhi sifat berikut :
a. A + B = B + A
b. A + ( B + C ) = ( A + B ) + C
c.  ( A + B ) = A + B
d. (  +  ) ( A ) = A + A
D. Matriks Transpose (At)
Matriks transpose merupakan matriks yang mengalami pertukaran elemen dari
kolom menjadi baris atau sebaliknya.
2 2
2 1 3
Contoh : 𝐴 = [ ] maka transposenya At = [1 3]
2 3 4
3 4

E. Determinan Suatu Matriks

Setiap matriks bujursangkar mempunyai determinan. Nilai determinan suatu
matriks merupakan suatu scalar (konstanta). Jika nilai determinan suatu matriks sama
dengan nol, maka matriks tersebut disebut matriks singular dan matriks singular tidak
mempunyai invers. Determinan matriks A dinotasikan dengan det (A) atau A
 Pada Ordo 2x2
𝑎 𝑏
Jika, 𝐴 = [ ]
𝑐 𝑑
Maka determinan nya matriks A adalah |𝐴| = (𝑎 𝑥 𝑑) − (𝑏 𝑥 𝑐)

 Pada Ordo 3x3

𝑎 𝑏 𝑐
Jika, 𝐵 = [𝑑 𝑒 𝑓 ]
𝑔 ℎ 𝑖
maka determinan matriks B bisa dicari dengan diagram SARRUS, yaitu dengan
menulis kembali dua kolom pertama ke kolom berikutnya,
𝑎 𝑏 𝑐 𝑎 𝑏
𝐵 = [𝑑 𝑒 𝑓 ] 𝑐 𝑑
𝑔 ℎ 𝑖 𝑔 ℎ
Kemudian kalikan setiap unsur ketiga diagonal utama dikurangi perkalian setiap
unsur ketiga diagonal yang lain, yaitu
det (B) = aei + bfg + cdh – gec – hfa – idb

F. Matriks Singular
Matriks Singular yaitu matriks yang nilai determinannya 0.
Sebagai contoh :
−4 5𝑥
𝑃= ( )
−𝑥 20
Jika A matriks singular, tentukan nilai x!
Jawab:
-80 + 5x2 = 0
5(x2 – 16) = 0
x = -4 atau x = 4
 G. Invers Matriks
𝑎 𝑏
Misalkan diketahui : 𝐴 = ( ) Maka Invers dari Matriks A, adalah :
𝑐 𝑑

1 𝑑 −𝑏 1 𝑑 −𝑏
A-1 =|𝐴| ( )= ( )
−𝑐 𝑎 𝑎.𝑑−𝑏.𝑐 −𝑐 𝑎

Sifat-sifat dari invers suatu matriks :

 A.A-1 = I = A-1.A
 (AB)-1B-1.A-1
 (A-1)-1 = A
 AI = A = IA
Jika diketahui matriks A.X=B Jika diketahui matriks X.A=B
 A.X = B  X.A = B
 A-1 . A. X = A-1.B  X.A.A-1 = B.A-1
 I.X = A-1. B  X.I = B.A-1
 X = A-1.B  X = B.A-1
 STATISTIKA

A. Konsep Dasar Statistika

Statistika adalah cabang dari matematika yang mempelajari cara mengumpulkan data,
menyusun data, menyajikan data, mengolah dan menganalisis data, menarik kesimpulan,
dan menafsirkan parameter. Kegiatan Statistika meliputi:
1. Mengumpulkan data
2. Menyusun data
3. Menyajikan data
4. Mengolah dan Menganalisis data
5. Menarik kesimpulan
6. Menafsirkan

B. Komponen Statistika
1. Pengertian Datum dan Data
Perhatikan contoh berikut:
Misalkan hasil pengukuran berat badan 5 murid adalah 43 kg, 46 kg, 44 kg, 55 kg, dan
60 kg. Adapun tingkat kesehatan dari kelima murid itu adalah baik, baik, baik, buruk,
dan buruk. Data pengukuran berat badan, yaitu 43 kg, 46 kg, 44 kg, 55 kg, dan 60 kg
disebut fakta dalam bentuk angka. Adapun hasil pemeriksaan kesehatan, yaitu baik dan
buruk disebut fakta dalam bentuk kategori. Selanjutnya, fakta tunggal dinamakan
datum. Adapun kumpulan datum dinamakan data.

2. Pengertian Populasi dan Sampel

Misal, seorang peneliti ingin meneliti tinggi badan rata-rata siswa SMA di Kabupaten
Tegal. Kemudian, ia kumpulkan data tentang tinggi badan seluruh siswa SMA di
Kabupaten Tegal. Data tinggi badan seluruh siswa SMA di Kabupaten Tegal disebut
populasi. Namun, karena ada beberapa kendala seperti keterbatasan waktu, dan biaya,
maka data tinggi badan seluruh siswa SMA di Kabupaten Tegal akan sulit diperoleh.
Untuk mengatasinya, dilakukan pengambilan tinggi badan dari beberapa siswa SMA di
Kabupaten Tegal yang dapat mewakili keseluruhan siswa SMA di Kabupaten Tegal.
Data tersebut dinamakan data dengan nilai perkiraan, sedangkan sebagian siswa SMA
yang dijadikan objek penelitian disebut sampel. Agar diperoleh hasil yang berlaku
secara umum maka dalam pengambilan sampel, diusahakan agar sampel dapat
mewakili populasi.

1. Pengumpulan Data
Menurut sifatnya, data dibagi menjadi 2 golongan, yaitu sebagai berikut.
1) Data kuantitatif adalah data yang berbentuk angka atau bilangan. Data kuantitatif
terbagi atas dua bagian, yaitu data cacahan dan data ukuran.
 Data cacahan (data diskrit) adalah data yang diperoleh dengan cara
membilang. Misalnya, data tentang banyak anak dalam keluarga.
 Data ukuran (data kontinu) adalah data yang diperoleh dengan cara
mengukur. Misalnya, data tentang ukuran tinggi badan murid.

2) Data kualitatif adalah data yang bukan berbentuk bilangan. Data kualitatif
berupa ciri, sifat, atau gambaran dari kualitas objek. Sebagai contoh, data
mengenai kualitas pelayanan, yaitu baik, sedang, dan kurang. Cara untuk
mengumpulkan data, antara lain adalah melakukan wawancara, mengisi lembar
 pertanyaan (questionery), melakukan pengamatan (observasi), atau
menggunakan data yang sudah ada, misalnya rataan hitung nilai rapor.

C. Macam-macam Diagram
1. Diagram Garis
Penyajian data statistik dengan menggunakan diagram berbentuk garis lurus disebut
diagram garis lurus atau diagram garis. Diagram garis biasanya digunakan untuk
menyajikan data statistik yang diperoleh berdasarkan pengamatan dari waktu ke
waktu secara berurutan.

2. Diagram Batang
Diagram batang umumnya digunakan untuk menggambarkan perkembangan nilai
suatu objek penelitian dalam kurun waktu tertentu. Diagram batang menunjukkan
keterangan-keterangan dengan batang-batang tegak atau mendatar dan sama lebar
dengan batang-batang terpisah.

3. Diagram Lingkaran
Diagram lingkaran adalah penyajian data statistik dengan menggunakan gambar yang
berbentuk lingkaran. Bagian-bagian dari daerah lingkaran menunjukkan bagian-
bagian atau persen dari keseluruhan. Untuk membuat diagram lingkaran, terlebih
dahulu ditentukan besarnya persentase tiap objek terhadap keseluruhan data dan
besarnya sudut pusat sektor lingkaran.

D. Rumus Statistika
1) Rumus Rata-Rata
 Rumus Mean untuk Data Tunggal

∑𝑛
𝑖=1 𝑥𝑖
𝑋̅ = 𝑛

Keterangan:
ẋ = mean
n = banyaknya data
xi= nilai data ke-i

 Rumus Mean untuk Data Berkelompok

∑𝑛
𝑖=1 𝑋𝑖 𝑓𝑖 ∑𝑛
𝑖=1 𝑑𝑖 𝑓𝑖
𝑋̅ = atau 𝑋̅ = ̅̅̅
𝑋𝑠 ∑𝑛
𝑛 𝑖−1 𝑓𝑖

Keterangan:
xi = nilai tengah data ke-i
fi = frekuesni data ke -i
xs = rataan sementara (dipilih pada interval dengan frekuensi terbesar)
di = simpangan ke-i (selisih nilai xi dengan nilai xs)
2) Rumus Median
Median adalah nilai data yang terletak di tengah setelah data diurutkan. Dengan
demikian, median membagi data menjadi dua bagian yang sama besar. Median (nilai
tengah) disimbolkan dengan Me.

 Median untuk Data Tunggal

1. Jika banyaknya data n ganjil maka median

𝑿𝒏 + 𝟏
𝑴𝒆 =
𝟐

2. Jika banyaknya n genap maka

𝑿𝒏 + 𝑿𝒏+𝟏
𝟐 𝟐
𝑴𝒆 =
𝟐

 Median untuk Data Berkelompok

.
𝒏
−𝑭
𝑴𝒆 = 𝒕𝒃 + 𝟐 𝒑
𝑭𝒎

Keterangan:
Me = median
Tb = tepi bawah kelas median
p = panjang kelas
n = banyak data
F = frekuensi kumulatif sebelum kelas median
Fm = frekuensi kelas median

3) Rumus Modus
Modus adalah data yang paling sering muncul atau memiliki frekuensi tertinggi.
Modus dilambnagnkan dengan Mo.
 Modus untuk data Tunggal
Modus dari data tunggal adalah data yang paling sering muncul

 Modus untuk data bergolong

𝒅
𝑴𝒐 = 𝒕𝒃 + 𝒑
𝒅𝟏 + 𝒅𝟐

Keterangan :
Mo : modus
Tb : tepi bawah kelas modus
p : panjang kelas
d1 : selisih frekuensi kelas modus dengan kelas sebelumnya
d2 : selisih frekuensi kelas modus dengan kelas sesudahnya
MATRIKS DALAM ILMU KEBUMIAN
Penerapan Matriks pada bidang Geomorfologi bagian Militer dan Penilaian Matriks
berdasarkan tingkat keberpengaruhan suatu nilai dalam penentuan tata guna lahan.

1. Dalam Kriptografi
Di dalam dunia militer dan spionase biasanya pesan yang dikirim akan di ubah
kedalam bentuk sandi atau kode-kode tertentu untuk menghindari dari sadapan musuh.
Hanya orang yang di tuju biasanya dapat membuka kode sandi itu. kode rahasia
semacam ini biasa disebut kriptogram. Walaupun jatuh ke tangan lawan, rahasia
tersebut di jamin aman karena telah di bekali oleh kode-kode tertentu yang sangat rumit
untuk di pecahkan. Oleh karena itu semakin rumit kode dari sandi tersebut maka
semakin sulit musuh memecahkan kuncinya dan semakin aman pula rahasia yang akan
di kirim . Pemakaian bilangan sebagai pengganti abjad kerap dijumpai dalam
kriptografi. Salah satu cara penggunaannya adalah dalam bentuk matriks. Mengapa
matriks? Matriks memiliki operasi perkalian yang melibatkan beberapa elemennya
sekaligus, sehingga penyidikan terhadap kunci sandinya yang juga berbentuk matriks
mustahil dilakukan. Berikut ini contoh pesan dalam bentuk matriks S yang dikirimkan
oleh markas pusat kepada panglima prajurit militer di garis depan.

Panglima pasukan di garis depan memiliki kunci sandinya berupa matriks K di bawah ini.

Begitu diterima, pesan itu langsung diterjemahkan dengan mengalikannya

dengan matriks kunci. Tentu saja perkalian dengan K ini harus dilakukan dari
belakang karena matriks S berorde 5 ´ 3 sedangkan K berorde 3 ´ 3. Hasil kalinya
adalah matriks P:
 Konversi bilangan ke abjad menggunakan cara yang sederhana sekali yaitu 1 =
A sampai 6 = Z, tetapi masih menggunakan apa yang disebut sebagai modulus 29.
Bilangan 47 pada baris 1 kolom 3 harus dikurangi 29 dulu sebelum dikonversikan ke
abjad. Semua bilangan yang tidak berada dalam range 1-26 harus ditambah atau
dikurangi dengan kelipatan 29. Dari konteks kalimatnya 2 bilangan terakhir tidak
perlu dikonversikan, lagipula bilangan 0 memang tidak dapat dikonversikan.
Jadi pesan dari markas besar berbunyi : SERBU BESOK JAM 10.
Sekarang mari kita lihat bagaimana pesan abjad pada matriks P diubah ke dalam
matriks S sebelum dikirimkan. Tentu saja di sini berlaku operasi matriks:
P.K-1 = S.K.K-1
S = P.K-1
Matriks K-1adalah invers matriks K, matriks inilah yang dipakai si pengirim
untuk membuat kriptogramnya. Jadi K dan K-1adalah sepasang matriks kunci yang
memang diberikan kepada mereka yang berhak. Dengan mudah anda dapat mencari
K-1. Perkalian biasa antara P dan K-1 jelas akan menghasilkan bilangan yang besar-
besar pada matriks hasil perkaliannya. Oleh sebab iu dipakai teknik modulus 29 di
atas. Bagi si pengirim, semua bilangan pada P yang lebih besar daripada 15 terlebih
dulu dikurangi dengan 29, P menjadi P’. Kemudian P’ ini yang dikalikan dengan K-1
menghasilkan S’. Bilangan besar-besar yang ada di S‘ sekali lagi dikenali modulus 29
supaya lebih enak dilihat, maka muncullah matriks S yang dikirimkan tadi. Terasa
sekali bahwa aplikasi matriks dalam hal ini sangat efektif.
2. Aplikasi Metode Proses Hirarki Analitik
Kelima data spasial tersebut di atas menjadi lima parameter tersendiri yang akan
ditumpang-susun dengan perhitungan nilai bobot (weighted overlay). Metode
pembobotan yang digunakan adalah metode Proses Hirarki Analitik (PHA). Metode
PHA ini digunakan untuk menentukan bobot dan nilai maksimum untuk jumlah semua
parameter yang diperoleh dari penilaian perbandingan antarparameter. Perbandingan
ini disusun dalam matriks perbandingan atau matriks pairwise comparison.
Penilaian matriks didasarkan oleh tingkat keberpengaruhan suatu nilai dalam
penentuan tata guna lahan. Tidak ditemukan referensi mengenai penggunaan
parameter-parameter sejenis untuk evaluasi lahan permukiman dengan metode ini.
Oleh karena itu, penentuan nilai pada analisis ini didasarkan oleh pengamatan penulis
akan tingkatan signifikansi pengaruh masing-masing parameter terhadap penggunaan
lahan permukiman. Makin besar biaya yang diperlukan untuk merekayasa lahan akibat
kekurangan yang diakibatkan oleh suatu parameter, makin tinggi nilai parameter
tersebut. Sebagai contoh, parameter slope memiliki nilai tertinggi karena rekayasa
pondasi rumah pada lahan miring memakan biaya besar. Belum lagi resiko terkena
bencana longsor.

Tabel 4.1. Matriks Perbandingan antarparameter Evaluasi Lahan

Setelah dihitung nilai pada matriks perbandingan, keseluruhan nilai

dijumlahkan perkolom parameter. Total perkolom ini akan digunakan sebagai
pembagi dari nilai-nilai pada matriks perbandingan, yang kemudian akan disusun pada
matriks berikutnya yaitu matriks normalisasi. Tabel 4.2 memperlihatkan matriks
normalisasi yang digunakan dalam penelitian ini.
Nilai-nilai yang telah dinormalisasi ini kemudian dijumlahkan dan dirata-
ratakan perbaris parameternya. Nilai inilah yang dinamakan bobot prioritas, yang
merupakan kunci dari metode PHA ini. Bobot prioritas ini nantinya digunakan dalam
metode weighted overlay kelima jenis data spasial.
Tabel 4.2 Matriks Normalisasi Parameter Evaluasi Lahan

Konsistensi perbandingan antar matriks diuji dengan melakukan pengujian rasio

konsistensi. Pengujian ini dimulai dengan mengetahui princial eigen value
maksimum. Hal tersebut didapatkan dengan prinsip perkalian matriks, yaitu baris
dikali kolom. Hasil perkalian tersebut akan menghasilkan matriks nilai eigen. Tahap
selanjutnya adalah menentukan principal eigen dengan cara melakukan pembagian
antara matriks nilai eigen dengan tiap elemen matriks bobot prioritas pada baris yang
sama. Matriks principal eigen yang telah didapat berupa matriks n baris dan 1 kolom
yang selanjutnya matriks tersebut dirata-ratakan. Nilai rata-rata ini merupakan
principal eigen value maksimum (λ maks). Berikut ini adalah perhitungan principal
eigen value maksimum (Tabel 4.3).
 2,651817 :0,468370591 = 5,661791325
1,608746 : 0,279332453 = 5,759253212
0,44022 : 0,086078347 = 5,11417689
0,657958 : 0,124236703 = 5,296003982
0,218903 : 0,041981907 = 5,214224296
Ʃ= 27,04544971
λ maks = 27,04544971 : 5 = 5,409089941

Tahap selanjutnya adalah penentuan indeks konsistensi dengan menggunakan

rumus λmaks – n/n-1. Dengan didapatkannya indeks konsistensimaka akan didapat
juga rasio konsistensi yang merupakan pembagian indeks konsistensi dengan
Random Indeks. Untuk jumlah parameter yang digunakan 5 buah, maka nilai RI
adalah 1,12.

Indeks Konsistensi = λ maks – n/n – 1

= 5,409089941 – 5/5 – 1
= 0,102272485

Rasio Konsistensi
= Indeks Konsistensi/Random Index
= 0,102272485/1,12
= 0,091314719 hasil cukup konsisten
Hasil pengujian rasio konsistensi mendapatkan nilai 0,091314719 yang

mempresentasikan nilai yang konsisten dari suatu matriks perbandingan.

Menurut Saaty (1988) nilai rasio konsistensi dapat dikatakan konsisten jika memliliki
nilai kurang dari 0,1. Dengan demikian nilai rasio konsistensi penelitian dapat
dikatakan memiliki nilai yang cukup konsisten dan nilai dari bobot prioritas setiap
parameter dapat dipertanggungjawabkan.
Statistika dalam Ilmu Geologi
`
Untuk mempelajari alam dapat didekati dg dua sifat, pertama sifat alam yang
sistematik, deterministic 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, resivitas 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 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 :
 Optimasi model
 filter noise
 regresi data geofisika
 anomali regional
 atribut seismic
 analisa data logging, autokorelasi, cross-correlasi
 analisa peta, perbandingan peta, kontur
 analisa sequence untuk gempa dan letusan gunung api
 analisa diskriminan untuk menentukan jenis litologi
 Contoh soal

1. Seorang siswa melakukan kuliah lapangan setelah di lokasi , jumlah batuan di masing-
masing stasiun adalah 85, 75, 63, 54, 78, 90, dan 113. Tentukanlah
a. Median
b. Mean
Jawab :
a. Median
54, 63, 75, 78, 85, 90, 113
7+1 8
Me = = =4
2 2
Jadi median nya adalah 78

b. Mean
54+63+75+78+85+90+113 558
Me = = = 79,7
7 7

2. Husna melakukan suatu penelitian di suatu singkapan dengan menghasilkan data sebagai
berikut :
Ukuran batuan (dalam cm) Frekuensi
20-29 7
30-39 6
40-49 13
50-59 3
60-69 4
70-79 5
80-89 2

Tentukan :
a. Rata-rata ukuran
b. Kuartil atas dan bawah
c. Nilai tengah ukuran batuan
Jawab :
a. Rata-Rata Ukuran
∑𝑛
𝑖=1 𝑋𝑖 𝑓𝑖 1920
𝑋̅ = = = 48
𝑛 40
b. Kuartil Atas dan Bawah
 Kuartil Atas

3
𝑛−𝐹 30−29
𝑋̅ = 𝑇𝑏 + 𝐶 4
= 59,5 + 10 = 59,5 + 2,5 = 62
𝑓 4
 Kuartil Bawah
1
𝑛−𝐹 10−7
𝑋̅ = 𝑇𝑏 + 𝐶 4
= 29,5 + 10 = 29,5 + 5 = 34,5
𝑓 6

c. Nilai Tengah
2
𝑛−𝐹 20−13
𝑋̅ = 𝑇𝑏 + 𝐶 4
= 39,5 + 10 = 39,5 + 5,38 = 44,88
𝑓 13
Contoh Soal Matriks
1. Jika di berikan matriks P dan matriks Q seperti di bawah ini, Tentukan P . Q
1 5 6 3 6 8
P = [7 3 9] dan Q = [9 2 5 ]
2 8 4 4 7 1
jawab :
1 5 6 3 6 8
P.Q = [7 3 9] . [9 2 5]
2 8 4 4 7 1

1.3 + 5.9 + 6.4 1.6 + 5.2 + 6.7 1.8 + 5.5 + 6.1

=[7.3 + 3.9 + 9.4 7.6 + 3.2 + 9.7 7.8 + 3.5 + 9.1]
2.3 + 8.9 + 4.4 2.6 + 8.2 + 4.7 2.8 + 8.5 + 4.1

3 + 45 + 24 6 + 10 + 42 8 + 25 + 6
=[21 + 27 + 36 42 + 6 + 63 56 + 15 + 9]
6 + 72 + 16 12 + 16 + 28 16 + 40 + 4

72 58 39
=[84 111 80]
94 56 60

2. Tentukan hasil kali dari matriks A dan B jika matriksnya sebagai berikut:
1
𝐴 = [2] dan 𝐵 = [3 5 2]
3
Jawab :
1
A.B = [2] . [3 5 2]
3
1.3 1.5 1.2
=[2.3 2.5 2.2]
3.3 3.5 3.2
3 5 2
=[6 10 4]
9 15 6

3. Misalkan diberikan matriks A berordo 3x3 dan B berordo 3x3 sebagai berikut:

10 28 15 9 22 10
A = [16 13 13] dan B = [14 10 5]
24 27 20 20 19 8
Jawab :
10 28 15 9 22 10
A–B = [16 13 13] − [14 10 5]
24 27 20 20 19 8
 10 − 9 28 − 22 15 − 10
= [16 − 14 13 − 10 13 − 5 ]
24 − 20 27 − 19 20 − 8

1 6 5
=[2 3 8]
4 8 12

4. Tentukan penjumlahan dari matriks A dan matriks B atau A+B

1 2 3 13 10 17
A=[ ] dan B = [ ]
6 5 4 9 15 12
Jawab :
1 2 3 13 10 17
A+B =[ ]+[ ]
6 5 4 9 15 12

1 + 13 2 + 10 3 + 17
=[ ]
6+9 5 + 15 4 + 12

14 12 20
=[ ]
15 20 16

5. Tentukan penjumlahan dari matriks A dan matriks B

1 2 6 8
A=[ ] dan B=[ ]
4 3 4 2
Jawab :
1 2 6 8
A+B =[ ]+[ ]
4 3 4 2

1+6 2+8
=[ ]
4+4 3+2

7 10
=[ ]
8 5
Contoh Soal Statistika
1. Median dari data berkelompok pada tabel di bawah ini adalah ....
2. Nilai Frekuensi
50 – 54 4
55 – 59 8
60 – 64 14
65 – 69 35
70 – 74 27
75 – 79 9
80 – 84 3

Jawab:
n = 100.
1 1
Kelas median  n   100  50. Sehingga kelas median terletak pada interval
2 2
65 – 69.
Panjang kelas (C) = 5.
Tepi bawah kelas median (tb) = 65 - 0.5 = 64,5.
Jumlah semua frekuensi sebelum kelas median = 4 + 8 = 26.
Frekuensi kelas median (f) = 35.

Median = Q2

1 
 n  fk 
 tb   2 C
 f 
 
 

 50  26 
 64,5   5
 35 
 67,93

2. Simpangan kuartil dari data 6, 7, 7, 3, 8, 4, 6, 5, 5, 9, 10, 4, 4, 3 adalah ....

Jawab :
Data diurutkan terlebih dahulu:
3 3 4 4 4 5 5 6 6 7 7 8 9 10 10
Q1 Q2 Q3
 Simpangan kuartil untuk data tunggal


1
Q3  Q1 
2
1
 (8  4)
2
2

3. Simpangan kuartil dari data: 83, 53, 54, 78, 78, 57, 59, 65, 62, 69, 75, 72, 69, 71
adalah....
Jawab:

Langkah pertama adalah mengurutkan data:

53, 54, 57, 59, 62, 65, 69, 69, 71, 72, 75, 78, 78, 83
Q1 Q2 Q3
69  69
Q2   69
2
Q1 = 59
Q2 = 75

Sehingga, simpangan kuartil (Qd) =

1
Q3  Q1   1 75  59  8 .
2 2