PENDAHULUAN
1
kestabilan lereng yang berada di daerah ruas jalan tambang. Sehingga kita
juga dapat menentukan jarak optimal pada area lereng jalan tambang tersebut.
Dalam kasus ini kita membutuhkan sebuah sofware, software yang kami
gunakan adalah Jupyter Notebook atau disebut juga dengan Anaconda. Jupyter
notebook digunakan untuk menganalisa kestabilan lereng, Jupyter Notebook
merupakan suatu aplikasi open source yang berfungsi untuk membuat dan
membagi dokumen yang memuat live code, persamaan, visualisasi dan teks
penjelasan untuk menginstall jupyter notebook dengan menggunakan conda
dengan command. Dalam hal ini dokumen notebook berisi input dan output
dari seri interaktif serta teks tambahan yang menyertai kode,namun tidak
dimaksudkan untuk eksekusi. Dengan menggunakan cara ini, file-file
notebook berfungsi untuk catatan komputasional lengkap dengan seri,
interleaving kode dengan teks penjelasan, matematika, dan representasi
dengan objek yang dihasilkan. JSON merupakan internal file dan disimpan
dengan ekstensi ipynb.
2
BAB II
LANDASAN TEORI
3
penelitian di mana penelitian tersebut membandingkan antara tinggi anak
laki-laki dan tinggi badan ayahnya. Galton menunjukkan bahwa tinggi badan
anak laki-laki dari ayah yang tinggi setelah beberapa generasi cenderung
mundur (regressed) mendekati nilai tengah populasi. Dengan kata lain, anak
laki-laki dari ayah yang badannya sangat tinggi cenderung lebih pendek
daripada ayahnya, sedangkan anak laki-laki dari ayah yang badannya sangat
pendek cenderung lebih tinggi dari ayahnya, jadi seolah-olah semua anak
laki-laki yang tinggi dan anak laki-laki yang pendek bergerak menuju kerata-
rata tinggi dari seluruh anak laki-laki yang menurut istilah Galton disebut
dengan “regression to mediocrity”. Dari uraian tersebut dapat disimpukan
bahwa pada umumnya tinggi anak mengikuti tinggi orangtuanya.
Hukum regresi semesta (law of universal regression) dari Galton diperkuat
oleh temannya Karl Pearson, yang mengumpulkan lebih dari seribu catatan
tinggi anggota kelompok keluarga. Ia menemukan bahwa rata-rata tinggi anak
laki-laki kelompok ayah (yang) pendek lebih besar dari pada tinggi ayah
mereka, jadi “mundurnya” (“regressing”) anak laki-laki yang tinggi maupun
yang pendek serupa kea rah rata-rata tinggi semua laki-laki. Dengan kata lain
Galton, ini adalah “kemunduran kearah sedang”.
Istilah “regresi” pada mulanya bertujuan untuk membuat perkiraan nilai
satu variabel (tinggi badan anak) terhadap suatu variabel yang lain (tinggi
badan orangtua). Pada perkembangan selanjutnya analisis regresi dapat
digunakan sebagai alat untuk membuat perkiraan nilai suatu variabel dengan
menggunakan beberapa variabel lain yang berhubungan dengan variabel
tersebut.
Jadi prinsip dasar yang harus dipenuhi dalam membangun suatu
persamaan regresi adalah bahwa antara suatu variabel tidak bebas (dependent
variabel) dengan variabel-variabel bebas (independent variabel) lainnya
memiliki sifat hubungan sebab akibat (hubungan kausal), baik didasarkan
pada teori, hasil penelitian sebelumnya, maupun yang didasarkan pada
penjelasan logis tertentu.
Analisis regresi adalah analisis yang bertujuan untuk mengetahui apakah
ada pengaruh suatu variabel terhadap variabel yang lain. Tujuan utama dalam
4
penggunaan analisis ini adalah untuk meramalkan atau menduga nilai dari
satu variabel dalam hubungannya dengan variabel yang lain yang diketahui
melalui persamaan garis regresinya. Adakalanya, setelah kita memperoleh
data berdasarkan sampel, kita ingin menduga nilai dari suatu variabel Y yang
bersesuaian dengan nilai tertentu dari variabel X. Analisis regresi yang sering
digunakan dalam pemecahan suatu permasalahan adalah regresi linier
Hasil analisis regresi adalah berupa koefisien regresi untuk masing-masing
variable independent. Koefisien ini diperoleh dengan cara memprediksi nilai
variable dependen dengan suatu persamaan..
Tujuan Analisis Regresi :
1. Untuk memperoleh suatu persamaan garis yang menunjukkan
persamaan hubungan antara dua variabel. Persamaan garis yang
diperoleh disebut persamaan regresi.
2. Untuk mengetahui besarnya pengaruh perubahan tiap unit variabel
bebas terhadap perubahan variabel terikatnya. Pengaruh perubahan
tiap unit variabel bebas ditunjukkan oleh nilai koefisien regresinya.
3. Untuk menaksir nilai variabel terikat (Y) berdasarkan variabel bebas
(X) yang nilainya telah diketahui. Penaksiran disini bersifat
deterministik (pasti) atau non-stokastik, maksudnya penaksiran atau
pendugaan yang dilakukan mengabaikan faktor ketidakpastian.
5
Kegunaan Analisis Regresi Linear Sederhana Analisis Regresi Linear
Sederhana digunakan untuk mengukur pengaruh antara satu variabel
prediktor (variabel bebas) terhadap variabel terikat.
Rumus:
Y = a + bX
Keterangan :
Y = Variabel terikat
a = Nilai intercept (konstanta)
b = Koefisien regresi
X = Variabel bebas
Berikut ini adalah langkah-langkah dalam melakukan Analisis Regresi Linear
Sederhana :
1. Tentukan tujuan dari melakukan analisis regresi linear sederhana.
2. Identifikasikan variabel faktor penyebab (predictor) dan variabel
akibat (response).
3. Lakukan pengumpulan data.
4. Hitung X², Y², XY dan total dari masing-masingnya.
5. Hitung a dan b berdasarkan rumus diatas.
6. Buatkan model persamaan regresi linear sederhana.
7. Lakukan prediksi atau peramalan terhadap variabel faktor penyebab
atau variabel akibat.
Contoh penggunaan analisis regresi linear sederhana dalam produksi antara
lain :
1. Hubungan antara lamanya kerusakan mesin dengan kualitas produk
yang dihasilkan.
2. Hubungan jumlah pekerja dengan output yang diproduksi.
3. Hubungan antara suhu ruangan dengan cacat produksi yang
dihasilkan.
6
Gambar 2.1 Regresi Linear Sederhana
2.4 Regresi Linear Berganda
Analisi regresi berganda digunakan oleh peneliti, peneliti bermaksud
meramalkan bagaimana keadaan(naik turunnya) variebel dependen
(kriterium), bila dua atau lebih variabel independen sebagai faktor prediktor
dimanipulasikan (dinaik turunkan nilainya). Jadi regresi linear berganda akan
dilakukan bila jumlah variabel independennya minimal dua (2). Kegunaan
analisis regresi linear berganda digunakan untuk mengukur pengaruh antara
lebih dari satu variabel prediktor (variabel bebas) terhadap variabel terikat.
Rumus:
Y = a + b1X1+b2X2+…+bnXn
Keterangan :
Y = variabel terikat
a = konstanta
b1,b2 = koefisien regresi
X1, X2 = variabel bebas
2.5. Korelasi
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik
pengukuran asosiasi / hubungan (measures of association) antara dua
variabel. Pengukuran asosiasi merupakan istilah umum yang mengacu pada
sekelompok teknik dalam statistik bivariat yang digunakan untuk mengukur
kekuatan hubungan antara dua variabel.
7
Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk
mengetahui keeratan hubungan antara dua variabel dan untuk mengetahui
arah hubungan yang terjadi. Koefisien korelasi sederhana menunjukkan
seberapa besar hubungan yang terjadi antara dua variabel.
Dalam penerapannya terdapat beberapa ukuran korelasi, tiga di antaranya
yang paling sering digunakan adalah koefisien korelasi product moment
Pearson (digunakan dalam statistik parametik, biasa digunakan untuk data
interval dan rasio), korelasi tingkat Spearman, dan korelasi tou kendall
(digunakan dalam statistic nonparametik, biasa digunakan untuk data nominal
dan ordinal).
Koefisien korelasi untuk 2 buah variabel X dan Y dengan jumlah data
sebesar N, dapat dihitung dengan menggunakan rumus yang dikembangkan
oleh Karl Pearson, yaitu :
Keterangan :
ryx1= Koefisien korelasi antara variabel x1 dengan variabel y
ryx2= Koefisien korelasi antara variabel x2 dengan variabel y
Sementara itu pada keadaan dimana terdapat lebih dari 2 variabel bebas,
koefisien korelasi juga padat dicari nilainya dengan pola yang sama.
Contohnya adalah untuk mencari koefisien korelasi ketika terdapat 7 variabel
bebas dan 1 variabel terikat, dapat dipergunakan persamaan sebagai berikut:
8
Keterangan :
9
3. Tidak ada Korelasi
Kenaikan nilai variabel yang satunya kadang-kadang diikut dengan
variabel lainnya atau kadang-kadang dengan variabel lainnya. Arah
hubungannya tidak teratur, kadang-kadang searah kadang-kadang
berlainnan.
Apabila nilai koefisien mendekati 0 berarti pasangan variabel x dan
variabel y memiliki korelasi yang sangat lemah atau kemungkinan tiadak
ada korelasi.
10
mengetahui apakah kita dapat memprediksikan nilai rata-rata ujian statistik
berdasarkan nilai hasil ujian matematika.
Regresi mempelajari bentuk hubungan antar variabel melalui suatu
persamaan. Persamaan yang digunakan untuk melihat hubungan antar
variabel adalah Regresi Linear Sederhana (RLS), Regresi Linear Berganda
(RLB), dan Regresi non Linear.
Regresi bisa berupa hubungan sebab akibat. Regresi mengukur seberapa
besar suatu variabel mempengaruhi variabel yang lain, sehingga dapat
digunakan untuk melakukan peramalan nilai suatu variabel berdasarkan
variabel lain.
Regresi dan korelasi mempunyai perbedaan mendasar. Dalam analisis
regresi terdapat asimtri pada variabel tergantung dan terkiat yang akan
dianalisis. Variabel terikat diasumsikan random atau stokastik, sehingga
mempunyai distribusi probabilitas. Variabel penjelas (variabel bebas)
diasumsikan mempunyai nilai yang tertentu (dalam sampel tertentu).
Sebenarnya sangat dimungkinkan bahwa variabel bebas juga stokastik secara
intrinsik, akan tetapi untuk kegunaan analisis regresi, maka kita asumsikan
bahwa nilai variabel bebas adalah tertentu (fixed). Nilai-nilai pada variabel
bebas adalah sama pada berbagai sampel sehingga tidak random atau tidak
stokastik.
Dalam analisis korelasi, kita menggunakan dua variabel yang simetris,
sehingga tidak ada perbedaan antara variabel terikat dengan variabel penjelas.
Korelasi antara nilai ujian matematika dan ujian statistik (dalam contoh di
atas) adalah sama dengan korelasi antara ujian statistik dan ujian matematika.
Lebih lanjut, dua variabel tersebut diasumsikan random. Seperti yang telah
kita ketahui, bahwa kebanyakan teori korelasi berdasarkan pada asumsi
variabel random, di mana kebanyakan teori regresi berdasarkan pada asumsi
variabel tergantung stokastik dan variabel bebas adalah tertentu atau non
stokastik. Meskipun demikian, dalam analisis yang lebih mendalam, kita
dapat mempertimbangkan kembali asumsi bahwa variabel penjelas
merupakan non stokas.
11
Jika korelasi bertanda positif artinya berbanding lurus dan jika bertanda
negatif maka berbanding terbalik. Korelasi tidak bisa menyatakan hubungan
sebab akibat meskipun angka korelasinya tinggi.
12
2.8.2 Processing Data ( Pemrosesan Data)
Adalah jenis pemrosesan yang dapat mengubah data menjadi
informasi atau pengetahuan. Pemprosesan data ini sering menggunakan
komputer sehingga bisa berjalan secara otomatis. Setelah diolah, data
ini biasanya mempunyai nilai yang informatif jika dinyatakan dan
dikemas secara terorganisir dan rapi, maka istilah pemrosesan data
sering dikatakan sebagai sistem informasi. Kedua istilah ini mempunyai
arti yang hampir sama, pemrosesan data mengolah dan memanipulasi
data mentah menjadi informasi (hasil pengolahan).
Pengolahan data menurut George R. Terry, Phd adalah serangkaian
operasi informasi yang direncanakan guna mencapai tujuan atau hasil
yang diinginkan. (Martin M. Lipschutz, 1990). Sedangkan menurut
Gordon B. Davis data adalah sebagai bahan mentah dari informasi yang
dirumuskan sebagai kelompok lambang-lambang tidak acak yang
menunjukan jumlah atau tindakan-tindakan atau hal (Gordon B. Davis,
1997).
Kualitas dari suatu informasi tergantung dari tiga hal yaitu:
1. Akurat berarti informasi harus bebas dari kesalahan-kesalahan dan
tidak menyesatkan.
2. Tepat waktu berarti informasi yang datang pada penerima tidak
boleh terlambat. Informasi yang sudah using tidak mempunyai nilai
lagi.
3. Relevan berarti informasi tersebut mempunyai manfaat untuk
pemakaiannya.
Macam macam pemrosesan data yaitu :
a. Pemrosesan data batch
adalah suatu model pengolahan data, dengan menghimpun
data terlebih dahulu, dan diatur pengelompokkan datanya dalam
kelompok-kelompok yang disebut batch. Tiap batch ditandai
dengan identitas tertentu, serta informasi mengenai data-data
yang terdapat dalam batch tersebut. Setelah data-data tersebut
13
terkumpul dalam jumlah tertentu, data-data tersebut akan
langsung diproses. Contoh dari penggunaan pemrosesan data
bach adalah e-mail dan transaksi batch processing. Dalam suatu
sistem batch processing, transaksi secara individual dientri
melalui peralatan terminal, dilakukan validasi tertentu, dan
ditambahkan ke transaction file yang berisi transaksi lain, dan
kemudian dientri ke dalam sistem secara periodik. Di waktu
kemudian, selama siklus pengolahan berikutnya, transaction file
dapat divalidasi lebih lanjut dan kemudian digunakan untuk
meng-up date master file yang berkaitan.
b. Pemrosesan data online
adalah sebuah sistem yang mengaktifkan semua periferal
sebagai pemasok data, dalam kendali komputer induk.
Informasi-informasi yang muncul merupakan refleksi dari
kondisi data yang paling mutakhir, karena setiap perkembangan
data baru akan terus diupdatekan ke data induk. Salah satu
contoh penggunaan pemrosesan data online adalah transaksi
online. Dalam sistem pengolahan online, transaksi secara
individual dientri melalui peralatan terminal, divalidasi dan
digunakan untuk meng-update dengan segera file komputer.
Hasil pengolahan ini kemudian tersedia segera untuk permintaan
keterangan atau laporan.
Fungsi Pengolahan Data
Ada beberapa fungsi dasar dari pengolahan data, diantaranya :
1. Pengolahan data untuk mengambil program dan juga data berupa
masukan atau input data.
2. Pengolahan data untuk menyimpan program data dan
menyediakan suatu pemrosesan.
3. Pengolahan data untuk menjalankan proses aritmatika dan juga
logika pada suatu data yang tersimpan.
4. Pengolahan data untuk menyimpan hasil sampai hasil akhir suatu
pengolahan.
14
5. Pengolahan data juga bisa berfungsi untuk menampilkan dan juga
mencetak data yang sudah tersimpan.
Dengan demikian maka pengolahan data dapat bermanfaat untuk
meminimalkan kebutuhan dari tenaga manusia. Hal ini tentu
dikarenakan pekerjaan yang sudah dapat dilakukan secara otomatis oleh
peralatan dengan bantuan alat seperti computer. Keuntungan lainnya
dalam menggunakan pengolahan data adalah dari kemampuan computer
dalam memproses data yang lebih besar dan akurat serta memiliki
kecepatan yang lebih baik dan dapat dilakukan secara otomatis dan juga
serentak.
2.8.3 Scatter Plot
Scatter plot adalah sebuah grafik yang biasa digunakan untuk
melihat suatu pola hubungan antara 2 variabel. Untuk bisa
menggunakan scatter plot, skala data yang digunakan haruslah skala
interval dan rasio.
15
BAB III
METODE PELAKSAAN
2. Setelah muncul tampilan seperti berikut, klik ‘New’ pada bagian pojok kanan
atas
16
3. Klik pada bagian ‘Python 3’
17
6. Selanjutnya plot Grafik posisi Truck dengan menggunakan ‘Conda’ dengan
Comment atau ‘code’ sehingga menghasilkan Grafik posisi Truck yang kita
inginkan Kemudian dilakukan ploting dari data yang sudah ada dengan format
dibawah sampai dengan “plt.show( )” kemudian klik “
18
3.1.2 Plot Grafik Getaran Sensor A dan B
1. ketik “%matplotlib inline” dan “import matplotlib.pyplot as plt” pada
lembar kerja “ln []” kedua.
Lalu import data dengan format “file_A=open("E:/sensor_A3.txt","r")”
dan “sensorA_line=file_A.readlines()”.
2. Masing-masing data (v_a,t_a) dipisahkan menjadi data list dari data set
sensor A dalam loop “s” dengan format “sensorA_split=s.split(",")”.
3. Format waktu pada data set adalah jam:menit:detik, dipisahkan masing-
masing data dengan format “tA=sensorA_split[1].split(":")”.
4. Pada saat ploting data, satuan waktu yang digunakan adalah detik (s).
Maka dimasukkan rumus “ss=hA*3600+mA*60+sA” sehingga nilai t_a
yang di append menjadi dalam satuan detik(s).
5. Import data dengan format “file_B=open("E:/sensor_B3.txt","r")” dan
“sensorB_line=file_B.readlines()”
6. Masing-masing data (v_b,t_b) dipusahkan menjadi data list dari data set
sensor B dalam loop “r” dengan format “sensorB_split=r.split(",")”.
7. Format waktu pada data set adalah jam:menit:detik, dipisahkan masing-
masing data dengan format “tB=sensorB_split[1].split(":")”.
19
8. Pada ploting data, satuan waktu yang digunakan adalah detik (s).
Dimasukkan rumus “rs=hB*3600+mB*60+sB” sehingga nilai t_b yang di
append menjadi dalam satuan detik(s).
9. Lalu dilakukannya ploting dari data yang sudah ada dengan format
dibawah sampai dengan “plt.show()” kemudian klik “Run”
10. Maka akan didapat hasil berupa grafik “Data Getaran Sensor A dan Sensor
B”.
20
3.1.3 Scatter Plot Jarak Truck-Sensor dan Getaran yang Dihasilkan
Sensor A dan B
1. Tahap pertama yaitu membuat jarak sensor A dan B terhadap posisi truck
dengan persamaan“d1=math.sqrt((x_a-x_data)*(x_a-x_data)+(y_a-
y_data)*(y_a-y_data))” untuk data sensor A dan persamaan
“d2=math.sqrt((x_b-x_data)*(x_b-x_data)+(y_b-y_data)*(y_b-
y_data))” untuk data sensor B. Kemudian data d1 dan d2 di append atau
dimasukkan ke dalam variabel jarak dA dan dB.
21
2. Tahap selanjutnya yaitu mencocokkan data vibrasi pada sensor sesuai
dengan waktu yang berada pada posisi Truck dengan format “if(ss % 10
== 0):” untuk data A dan format “if(rs % 10 == 0):” untuk data B.“ss”
adalah waktu dalam satuan detik(s). Maksud dari persamaan di atas adalah
jika setiap nilai waktu yang dibagi sepuluh maka akan muncul bersamaan
dengan nilai vibrasi pada waktu yang sama, 0 = data pertama.
3. Selanjutnya dilakukan ploting dari data yang sudah ada dengan format
dibawah sampai dengan “plt.show()” kemudian klik “Run” .
22
4. Maka akan didapatlah hasil berupa grafik “Scater Plot Getaran dan Jarak
Truck-Sensor”.
2. Dipilih data vibrasi yang memiliki nilai lebih dari atau sama dengan 1
dalam sensor B
23
24
4. Maka akan didapat hasil grafik seperti berikut.
25
2. Mencari nilai y(y_reg_bar)
26
BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil
1. Grafik Plot Posisi Truck dan Lokasi Sensor
27
3. Scatter Plot jarak truck-sensor dengan Getaran(Sensor A dan B)
4. Grafik
4.2 Pembahasan
Dari hasil grafik plot data diatas dpat diambil kesimpulan bahwa lokasi
sensor sangat dipengaruhi oleh lokasinya. Semakin dekat sensor dengan
truck, maka getaran yang dihasilkan akan semakin besar
28
BAB V
PENUTUP
4.1 Kesimpulan
Penggunaan aplikasi Jupyter Notebook sangatlah memudahkan pekerjaan
dalam dunia pertambangan, khusunya pada saat pengukuran kestabilan lereng
contohnya. Aplikasi ini sangat mendukung sehingga dapat mempersingkat
waktu dalam pengukuran titik-titik lokasi yang diinginkan, misalnya sensor
getaran, dan posisi truck. Didalam dunia pertamangan ketepatan waktu sangat
dibutuhkan, maka aplikasi ini sangat membatu.
4.2 Saran
Disarankan dalam penggunaan alat ini harus dilakukan dengan sedetail
mugkin, karea sedikit saja salah memasukkan ‘coding’ maka hasilnya akan
error, maka diperlukan ketelitian dalam pemuatannya.
29
DAFTAR PUSTAKA
30