TUGAS 3 – STATISTIK UNTUK PENELITIAN

Nama : Elian Davin Mulyadi (6012201005)

: Slamet Rohadi Budi Prasetyo (6012201026)
Departemen : Teknik Sipil – Geoteknik
Dosen Pengajar : Prof. Dr. Ir. Herman Wahyudi

DEPARTEMEN TEKNIK SIPIL

Fakultas Teknik Sipil, Perencanaan, dan Kebumian
Institut Teknologi Sepuluh Nopember
Surabaya 2020
 PERAN METODE STATISTIK DAN PROBABILISTIK DALAM
KASUS-KASUS PERHITUNGAN DAN ANALISA GEOTEKNIK

Elian Davin Mulyadi1, Slamet Rohadi Budi Prasetyo2

1
Mahasiswa S2 Jurusan Geoteknik, Fakultas Teknik Sipil, Perencanaan, dan Kebumian
Institut Teknologi Sepuluh November
Email : eliandavin10@gmail.com
2
Mahasiswa S2 Jurusan Geoteknik, Fakultas Teknik Sipil, Perencanaan, dan Kebumian
Institut Teknologi Sepuluh November
Email : slametrbp20@gmail.com

I. PENDAHULUAN
Dalam suatu perencanaan, khususnya
bidang geoteknik, seorang engineer pasti
akan selalu berhadapan dengan segala
kemungkinan ketidakpastian. Ketidakpastian
ini bisa muncul akibat ketidaktersediaan data
parameter tanah yang diperlukan, bisa juga
akibat tidak adanya suatu perumusan
langsung sebagai metode perhitungan, bisa
juga akibat terlalu banyak variasi data,
ataupun bisa juga akibat banyaknya
pertimbangan yang bisa diambil di tengah
segala kemungkinan resiko yang ada.
Alhasil, diperlukan suatu metode yang dapat
mempermudah engineer menghadapi
ketidakpastian tersebut.
Metode inilah yang biasanya disebut
dengan metode statistik dan probabilistik.
Dengan bantuan metode ini, seorang
engineer dapat dimudahkan dalam
memperoleh suatu korelasi parameter data,
analisa ataupun pengambilan keputusan.
Metode statistik dan probabilistik sendiri
memiliki banyak sekali variasi dan alternatif
metode yang bisa digunakan.
Namun, perlu diingat bahwa tidak
semua metode bisa digunakan untuk semua
kasus. Hal ini dikarenakan masing-masing
metode memiliki batasan-batasan ketika akan
digunakan. Di sinilah adjustment seorang
engineer diperlukan dalam memutuskan
metode mana yang akan digunakan. Dalam
jurnal ini, akan disajikan beberapa metode
statistik dan probabilistik umum yang
biasanya digunakan khususnya dalam bidang
geoteknik.
II. PENGERTIAN STATISTIKA
DAN PROBABILISTIK
Statistika didefinisikan sebagai suatu
ilmu yang mempelajari cara mengumpulkan,
menata, menyajikan (tabel dan diagram),
menganalisa, dan menginterpretasikan data
ataupun angka dengan tujuan membantu
pengambilan keputusan yang efektif.
Statistika bisa dikelompokkan menjadi 2
bagian besar, yaitu statistika deskriptif dan
statistika inferensial (penarikan kesimpulan).
Statistika deskriptif adalah metode-
metode statistika yang digunakan untuk
menggambarkan (menyajikan) data yang
telah dikumpulkan. Hasil penyajiannya dapat
berbentuk tabel, diagram, ataupun bisa dalam
bentuk data (angka) seperti misalnya rata-
rata, median, modus, kuartil, persentil, range,
simpangan rata-rata, simpangan baku,
varians, dan lain-lain. Sedangkan, statistika
inferensial (penarikan kesimpulan) adalah
metode-metode statistika yang digunakan
untuk mengetahui (menarik kesimpulan)
tentang sebuah populasi berdasarkan suatu

1
sampel. Kesimpulan bisa berupa kesimpulan • Kontrol kualitas kerja proyek.
akhir (conclusion), prediksi atau ramalan • Dan lain-lain
(prediction), penaksiran (estimation), dan Berikut adalah metode-metode umum
sebagainya. yang dapat digunakan untuk menentukan
variabilitas data tanah. Secara praktis,
III. METODE STATISTIK DAN parameter utamanya adalah harga rata-rata,
PROBABILISTIK DALAM BIDANG variasi, standard deviasi dan koefisien
GEOTEKNIK variasi, dimana ketiga parameter tersebut
dapat dicari dengan menggunakan rumus:
A. VARIABILITAS DATA TANAH 1. Rata-rata

Berkaitan dengan variabilitas data 𝑛

1
tanah, metode statistik biasanya digunakan 𝐸(𝑥) = 𝑥̅ = ∑ 𝑥𝑖
𝑛
dengan tujuan untuk: 𝑖=1

• Mengkarakterisasi variabilitas sifat-

sifat fisis dan mekanika tanah, untuk dimana:
mendefinisikan lebih baik hipotesa E(x) = 𝑥̅ = Rata-rata
perhitungan (input data) dalam n = Jumlah data
geoteknik. xi = Data ke-i
• Meningkatkan efektivitas soil
investigation dengan mengatur 2. Variance
jumlah dan posisi soil test dan 𝑛
menggunakan korelasi antara sifat- 1
𝑉(𝑥) = 𝜎 2 = 𝜇 2 = ∑(𝑥𝑖 − 𝑥̅ )2
sifat tanah. (𝑛 − 1)
𝑖=1
Adapun contoh penerapannya antara
lain adalah: dimana:
• Menentukan atau memilih jumlah dan V(x) = 𝜎 2 = Variance
tipe field dan laboratory soil tests. n = Jumlah data
• Mempersiapkan soil stratigraphy dan xi = Data ke-i
input data tanah yang tepat untuk 𝑥̅ = Rata-rata
perhitungan,
• Perhitungan stabilitas bangunan 3. Standard Deviasi
dalam term failure probability dan
distribusi probabilitas.
𝑛
• Mendeteksi titik-titik kelemahan 1
𝜎=√ ∑(𝑥𝑖 − 𝑥̅ )2 = √𝑉𝑎𝑟𝑖𝑎𝑛𝑐𝑒
dalam struktur bangunan kompleks, (𝑛 − 1)
𝑖=1
misalnya zona kritis pada bendungan,
struktur terkritis dalam sekelompok
struktur penahan tanah, dan lain-lain. dimana:
• Menentukan zone dimana ditemukan σ = Standard deviasi
suatu ketidakpastian yang maksimum n = Jumlah data
dan dimana harus ditempatkan soil xi = Data ke-i
instrument monitoring. 𝑥̅ = Rata-rata

2
 4. Koefisien Variasi
𝜎 x
𝐶𝑉(𝑥) = 𝐶𝑥 =
𝑥̅
dimana:
CV(x) = Koefisien variasi
σ = Standard deviasi
𝑥̅ = Rata-rata
Dari keempat perumusan diatas,
biasanya dapat ditarik suatu kesimpulan
bahwa semakin kecil nilai koefisien variasi
yang dihasilkan, maka variabilitas data tanah
akan cenderung bersifat homogen atau
dengan kata lain, persebaran variasi data
tersebut tidak terlalu besar dan signifikan.
Berbeda bila nilai koefisien variasi yang
dihasilkan ternyata besar, maka perlu
dilakukan analisa lebih lanjut dengan
menggunakan tes statistik untuk melihat
persebaran distribusinya. Nilai koefisien
variasi dapat dikatakan homogen apabila
nilainya tidak lebih dari 10-15%.
B. TES STATISTIK
Salah satu tes statistik yang paling
sering digunakan dalam bidang geoteknik
adalah tes χ2. Tes ini bertujuan untuk melihat
apakah persebaran data yang ditinjau masih
mengikuti hukum distribusi normal atau
tidak.
1. Distribusi Normal
Distribusi normal pertama kali
diperkenalkan oleh Abraham de Moivre
(1733). De Moivre menemukan persamaan
matematika untuk kurva normal yang
menjadi dasar dalam banyak teori statistik
inferensial (induktif) yang biasa disebut
persamaan density of probability yaitu:
1 1 𝑥−𝜇 2
𝑔(𝑥) = 𝑒 2 𝜎 )
− (
𝜎√2𝜋
dimana:
g(x) = y = Ordinat pada grafik
= Skor yang diperoleh
μ = Rata-rata populasi
σ = Standard deviasi
Gambar 1. Grafik Distribusi Normal
Alasan yang mendasari pentingnya
distribusi normal pada statistik inferensial:
• Distribusi normal adalah model yang
baik untuk mendekati frekuensi
distribusi fenomena alam dan sosial
jika sampelnya besar. Populasi
berbagai perilaku dan karakteristik
alam dan sosial yang berskala interval
dan rasio umumnya diasumsikan
berdistribusi normal.
• Ada hubungan yang kuat antara
besarnya sampel dengan distribusi
rata-rata yang diperoleh dari sampel-
sampel acak dari suatu populasi yang
sama. Semakin besar sampel, maka
distribusi rata-rata akan semakin
mendekati distribusi normal.
• Distribusi normal memberikan
penghampiran (approximation) yang
baik terhadap distribusi teoritis
lainnya yang pada umumnya lebih
sulit digunakan untuk memodelkan
distribusi peluang.
2. Tes χ2
Hasil akhir dari tes χ2 adalah nilai D1.
Nilai D1 ini nantinya akan dibandingkan
dengan nilai χ2α (nilainya dilihat pada tabel
Annexes II). Nilai χ2α sangat bergantung
terhadap nilai v (derajat kebebasan) dan nilai
3
α. Dalam bidang geoteknik, nilai α biasanya 𝑅𝑎𝑛𝑔𝑒
𝑅𝑎𝑛𝑔𝑒 𝑎𝑛𝑡𝑎𝑟 𝑘𝑒𝑙𝑎𝑠 =
diambil sekitar 2% atau 5%, sedangkan nilai 𝐽𝑢𝑚𝑙𝑎ℎ 𝑘𝑒𝑙𝑎𝑠
v diperoleh dengan rumus:
• Setelah jumlah kelas dan range antar
𝑣 =𝑘−𝑟−1 kelas diketahui, maka langkah
selanjutnya dilakukan perhitungan
dimana: nilai ti.
v = Derajat kebebasan
k = Jumlah classes grouping 𝑥 − 𝑥̅
𝑡𝑖 =
= dari data-data n benda uji 𝜎
r = Jumlah parameter yang
= harus diestimasi terhadap dimana:
= χ2 x = Batas atas range dari tiap-
= tiap kelas
Jika nilai D1 < χ2α, maka dapat 𝑥̅ = Rata-rata
disimpulkan bahwa kumpulan data yang σ = Standard deviasi
ditinjau masih memenuhi hukum distribusi
normal. Akan tetapi, jika nilai D1 > χ2α, maka • Kemudian, mencari nilai π(ti) yang
tidak bisa dianalisa dengan hukum distribusi bisa diperoleh dari tabel Annexes I.
normal. Jika nilai ti bernilai negatif, maka nilai
π(ti) yang diperoleh menjadi 1 – π(ti).
𝑘
(𝑛𝑖 − 𝑒𝑖 )2 • Langkah selanjutnya adalah dengan
𝐷1 = ∑ menghitung nilai Pi dan nilai ei.
𝑒𝑖
𝑖=1

𝑃𝑖 = 𝜋(𝑡𝑖) − 𝜋(𝑡𝑖 − 1)
dimana:
ni = Jumlah observasi pada i- dimana:
= class Pi = Nilai probabilities ajustées
ei = Jumlah teoritis elemen-
= elemen i-class (setelah 𝑒𝑖 = 𝑛𝑖 𝑥 𝑃𝑖
= diuji)
Catatan: Bahwa nilai D1 untuk dimana:
distribusi χ2 hanya valid bila effective ei = Nilai effective ajustées
classes tidak terlalu kecil (ei > 5). ni = Nilai effective observes

Adapun langkah-langkah pengujian

• Setelah nilai ei diperoleh, maka dapat
χ antara lain:
2
dilakukan perhitungan nilai D1.
• Menentukan jumlah kelas dan batas
range dari kelas yang ditentukan C. METODE FRACTILE
berdasarkan data yang ditinjau.
Dalam bidang geoteknik, metode
𝑅𝑎𝑛𝑔𝑒 = 𝑀𝑎𝑥 − 𝑀𝑖𝑛 fractile biasanya digunakan ketika
menghitung kestabilan dari suatu timbunan
𝐽𝑢𝑚𝑙𝑎ℎ 𝑘𝑒𝑙𝑎𝑠 = 1 + 3.3log (𝑛)

4
atau lereng. Metode fractile ini dapat lapisan tanah. Diasumsikan disini
dilakukan dengan langkah-langkah sebagai bahwa nilai-nilai cu adalah benar-
berikut: benar independent atau tidak
• Menghitung nilai rata-rata dan bergantung dari satu lapis ke lapisan
standard deviasi dari kumpulan data lainnya.
cu yang akan digunakan. • Hitung safety factor-nya sesuai
• Kemudian, lakukan perhitungan dengan jumlah i data yang ditentukan.
safety factor dengan beberapa Jumlah minimum data yang
kombinasi yaitu: dibutuhkan biasanya sejumlah 20
o Harga cu tanpa dikombinasi. data.
o Harga cu – σcu, untuk π(t) = 85%.
o Harga cu – 1.28σcu, untuk π(t) = Tabel 1. Tabel Monte Carlo
90%. i cu(1) cu(2) … cu(n) F min
o Harga cu – 1.65σcu, untuk π(t) = 1 … … … …
95%. 2 … … … …
• Analisa kestabilan timbunan atau 3 … … … …
lereng sendiri bisa dilakukan dengan :
bantuan program-program seperti :
Geo5, Geo-Slope, X-Stable, dan lain- :
lain. 20 … … … …

D. METODE MONTE CARLO dimana:

Sama seperti metode fractile, metode ini juga
biasanya digunakan ketika menghitung
kestabilan dari suatu tiimbunan atau lereng.
Adapun, tahapan simulasi statistik monte
carlo antara lain:
• Lakukan analisa terhadap harga-
harga cu dari setiap lapisan tanah
compressible dan sajikan dalam
bentuk histogram.
• Lakukan tes statistik (misalkan
dengan tes χ2) untuk mengetahui
apakah harga cu yang ditinjau masih
mengikuti hukum distribusi normal
atau lainnya (misalkan distribusi β, γ,
dan lain-lain). Bila masih mengikuti
hukum distribusi normal, maka untuk
perhitungan probabilistik selanjutnya
juga berdasarkan hukum distribusi
normal.
• Kemudian, ambil harga cu secara acak
(random) untuk masing-masing
n = Jumlah lapisan tanah
i = Jumlah data (≥ 20)
cu(n) = Undrained cohesion dilapis
= ke-n
Fmin = Safety factor minimum
= (terkecil) setiap i
• Dari nilai SF yang dihasilkan, bisa
dihitung nilai probabilitas keruntuhan
(Pr) yaitu melalui perumusan:
𝐹 − 𝜇𝐹
𝑃𝑟 = 𝑃𝑟𝑜𝑏 { }
𝜎𝐹
Catatan: Hasil perhitungan di atas,
kemudian dicari nilai Pr nya dengan
melihat pada tabel Annexes 1
Laplace-Gauss. Sama seperti saat
perhitungan nilai π(ti), jika nilai di
atas bernilai negatif, maka nilai yang
diperoleh menjadi (1 – nilai) tersebut.

5
E. METODE AUTO KORELASI 1
𝑞𝐿 = 𝛾𝐵𝑁𝛾 + 𝑐𝑁𝑐 + 𝑞0 𝑁𝑞
2

dimana:
qL = Resistance ultimate (CV
= yang diperbolehkan
= berkisar 40 – 50%)
γ = Berat volume tanah
Nc = Faktor daya dukung yang
= bergantung terhadap nilai φ
Gambar 2. Skematis Metode Auto Korelasi = (CV yang diperbolehkan
= berkisar 15 – 20%)
Ada 2 pendekatan ekstrem pada saat Nq = Faktor daya dukung yang
menggunakan metode auto korelasi, yaitu ρ = = bergantung terhadap nilai φ
1 dan ρ = 0. ρ = 1 berarti data-data cu adalah = (CV yang diperbolehkan
benar-benar berkaitan sempurna dalam = berkisar 15 – 20%)
fungsi kedalaman, yang artinya benar-benar Nγ = Faktor daya dukung yang
ada korelasi. Harga-harga cu diambil sama = bergantung terhadap nilai φ
pada setiap pias atau kolom keruntuhan, = (CV yang diperbolehkan
sehingga nilai cu(AB) = cu(BC) = cu(CD) = cu(DE) = berkisar 15 – 20%)
= cu(EF) = cu(FG) sebagai variabel bebas. c = Kohesi (CV yang
Sedangkan, ρ = 0, berarti tidak ada hubungan = diperbolehkan =
atau korelasi sama sekali antar pias-pias = berkisar 30 – 40%)
sehingga nilai cu(AB) ≠ cu(BC) ≠ cu(CD) ≠ cu(DE) ≠
cu(EF) ≠ cu(FG). Pada perhitungan pondasi dangkal,
Sama seperti metode monte carlo, koefisien statistic yang dicari adalah index β
metode ini juga perlu dilakukan pengulangan dari perumusan Benjamin and Cornell (1970)
sebanyak 20 kali ketika melakukan yaitu:
perhitungan nilai SF yang kemudian harga-
harga SF tersebut perlu dianalisa dan 𝐸[𝑔(𝑥)]
dilakukan perhitungan terhadap probabilitas 𝛽=
𝜎𝑔(𝑥)
keruntuhannya.
dimana:
F. METODE PONDASI DANGKAL E[g(x)] = Rata-rata mathematic dari
= fungsi g(x)
𝜎𝑔(𝑥) = Standard deviasi dari
= fungsi g(x)

2
𝜎𝑔(𝑥) = ∫ {𝑔(𝑥) − 𝐸[𝑔(𝑥)]}2 𝑓𝑥𝑑𝑥
Gambar 3. Skematis Pondasi Dangkal 𝑅𝑛

Rumus umum pondasi dangkal dimana:

2
menerus adalah: 𝜎𝑔(𝑥) = Variasi dari fungsi g(x)

6
 Dari persamaan umum di atas, nilai β Menurut Vanmarcke and Fuleihan (1975),
untuk kasus pondasi dapat dihitung dengan nilai consolidation settlement total (St)
rumus: diperoleh dari penjumlahan settlement (Si)
dari beberapa lapisan compressible.
𝐸(𝑞𝐿) − 𝑞
𝛽=
𝜎𝑞𝐿 𝑆𝑡 = ∑ 𝑆𝑖
𝑖
𝐸(𝑞𝐿)
𝑆𝐹 = ′ ′
𝑞 𝐶𝑐 𝜎𝑣𝑜(𝑖) + ∆𝜎𝑣𝑓(𝑖)
𝑆𝑖 = 𝑘𝐻𝑖 ( ) 𝑙𝑜𝑔 ( ′ ′ )
1 + 𝑒𝑜 𝑖 𝜎𝑣𝑜(𝑖) + ∆𝜎𝑣𝑢(𝑖)
1
1−𝐹
𝛽= dimana:
𝐶𝑉𝑞𝐿
k = Konstanta 0.4343
dimana: Hi = Tebal lapisan ke-i
q = Beban yang bekerja atau [Cc / (1+eo)]i = Perbandingan dari
= tertentu, yaitu E(q) = q dan = kurva compression
= σq = 0 = di-i
σ’vo(i) = Tegangan vertikal
Setelah itu, bisa juga dilakukan = efektif awal, di
perhitungan probabilitas keruntuhan (Pf) = tengah lapisan ke-i
Δσ’vf(i) = Variasi dari
dengan rumus:
= tegangan vertikal
= efektif di akhir
𝑃𝑓 = 𝑃𝑟𝑜𝑏{𝑅 − 𝑆 ≤ 0}
= konsolidasi
Δσ’vu(i) = Variasi dari
atau
= tegangan vertikal
= efektif selama
𝑃𝑓 = 𝛷(−𝐵)
= pembebanan
= undrained (short
dimana:
= time)
S = Beban pada pondasi
R = Resistance (daya dukung)
Analisa tersebut dilakukan terhadap
= pondasi
variabilitas dari parameter-parameter yaitu:
Φ = Fungsi dari repartisi dari
• Berat volume, γ
= variabel Gauss dengan
• σvo
= rata-rata 0 dan variance 1
• Tegangan air pori hidrostatik, uo
G. METODE SETTLEMENT • Tegangan prakonsolidasi, σ’p
Dalam perhitungan settlement, ada • Perbandingan R = Cc / (1 + eo)
beberapa alternatif metode perumusan yang • Tegangan yang diterapkan (beban),
dapat digunakan: Δσ’Vu dan Δσ’Vf
1. Metode Vanmarcke and Fuleihan Setiap dari variabel di atas,
(1975) dikriteriakan berdasarkan rata-rata (μx) dan
variance (V[x] = Vx). Perumusan di atas juga

7
dapat dirumuskan dengan suatu persamaan
lain yaitu:
𝑆𝑖 = 𝑘𝑖 𝑅𝑖 𝑁𝑖
Bila dianggap tidak ada korelasi
antara Ri dan Ni, maka dapat dilakukan suatu
perhitungan nilai μsi dan Vsi dari settlement
(Si) dibawah bentuk i, yaitu:
Selain settlement total, dapat
diperoleh juga perumusan tegangan vertikal
total awal (σvo), tegangan vertikal efektif
(σ’vo), dan kecepatan settlement.
• Tegangan Vertikal Total Awal
𝜎𝑣𝑜 = ∑ 𝛾𝑗 𝛥𝑧𝑗
𝑗

𝜇𝜎 𝑣𝑜 = ∑ 𝑢𝛾𝑗 𝛥𝑧𝑖
𝜇𝑆𝑖 = 𝑘𝑖 𝜇𝑅𝑖 𝜇𝑁𝑖
𝑗

𝑉𝑆𝑖 = 𝑉𝑅𝑖 + 𝑉𝑁𝑖 + 𝑉𝑅𝑖 𝑉𝑁𝑖

𝑉𝜎 𝑣𝑜 = ∑ 𝑉𝛾𝑗 (𝛥𝑧𝑖 )2 + 2 ∑ ∑ 𝑟𝑘𝑗 √𝑉𝛾𝑗 √𝑉𝛾𝑘 Δ𝑧𝑖 Δ𝑧𝑘
𝑗 𝑗 𝑘
Untuk variabel N, juga dapat
dilakukan perhitungan μN dan VN dalam • Tegangan Vertikal Efektif
′
fungsi rata-rata dan variance dari 𝜎𝑣𝑓 =
′ ′ ′ ′ ′
𝜎𝑣𝑜 + ∆𝜎𝑣𝑓 , 𝜎𝑣𝑢 = 𝜎𝑣𝑜 + ∆𝜎𝑣𝑢 , dengan nilai ′
𝜎𝑣𝑜 = 𝜎𝑣𝑜 − 𝑢𝑜
koefisien korelasi (r*). Jadi, dalam hipotesa
dimana Δσ’vu dan Δσ’vf tidak berkolerasi 𝜇𝜎𝑣𝑜
′ = 𝜇𝜎
𝑣𝑜
− 𝑉𝑢𝑜
dapat diperoleh perumusan yaitu:
Catan: nilai r untuk σvo dan uo adalah
𝑉𝜎 ′𝑣𝑜 nol.
𝑟∗ =
′ ′
√𝑉𝜎 𝑣𝑓 √𝑉𝜎 𝑣𝑢
• Kecepatan Settlement

𝜇𝜎 ′𝑣𝑓 𝑆𝑡 = 𝑢(𝑡) − 𝑆∞
𝜇𝑁 = 𝑙𝑜𝑔 ( ′ ) − 0.5𝑉𝑁
𝜇𝜎 𝑣𝑢
𝐶𝑣 𝑡
𝑇=
𝐻2𝑑
𝑉𝑁 = 𝑉𝜎 ′𝑣𝑢 + 𝑉𝜎 ′𝑣𝑓 − 2𝑟 ∗ √𝑉𝜎 ′𝑣𝑓 √𝑉𝜎 ′𝑣𝑢
2. Metode Monte Carlo
Dengan kata lain, nilai settlement Sama seperti metode monte carlo yang
total (St) untuk rata-rata μst dan variance Vst digunakan saat perhitungan slope stability,
dapat dirumuskan yatu: dalam perhitungan settlement, metode ini
dilakukan dengan menghitung nilai
settlement final berkali-kali (n ≥ 20) dari
𝜇𝑆𝑡 = ∑ 𝜇𝑆𝑖
beberapa parameter tanah yang diambil
𝑖
secara acak berdasarkan hukum distribusi
yang diobservasi (normal, beta, log normal,
𝑉𝑆𝑡 = ∑ 𝑉𝑆𝑖 + 2 ∑ ∑ 𝑟𝑆𝑖𝑆𝑗 √𝑉𝑆𝑖 √𝑉𝑆𝑗
dan lain-lain).
𝑖 𝑖 𝑗

8
 𝐶𝑐 𝑖 ′
𝜎𝑣𝑜 𝑖
+ ∆𝜎𝑣 𝑖 𝐶𝑠 𝑖 𝜎𝑝′
𝑆𝑖 = ∑ ℎ𝑜𝑖 [ 𝑙𝑜𝑔 ′ + 𝑙𝑜𝑔 ′ 𝑖 ] 𝐶𝑉 2 (𝜎1 ) + 𝐶𝑉 2 (𝜎2 )
1 + 𝑒𝑜 𝑖 𝜎𝑝 𝑖 1 + 𝑒𝑜 𝑖 𝜎𝑣𝑜 𝑖 𝐶𝑉(𝐿) = 0.434√
𝑖
𝐸(𝐿)

′
1
𝜎𝑣𝑜 = ∑ (𝛾𝑗 ℎ𝑜𝑗 + 𝛾 ℎ𝑜 ) − 𝑢𝑖
𝑖 2 𝑖 𝑖 • Perhitungan nilai E(S∞) dan V(S∞)
𝑖

𝑛
3. Metode Taylor, Benjamin, and
𝐸(𝑆∞) = ∑ 𝐸(𝑆𝑖 )
Cornell (1970)
𝑖=1
Langkah-langkah perhitungan metode ini
antara lain: 𝑛 𝑛

• Perhitungan nilai S 𝑉(𝑆∞) = ∑ 𝑉(𝑆𝑖 ) + 2 ∑ ∑ 𝜌𝑖𝑗 𝜎𝑆𝑖 𝜎𝑆𝑗

𝑖=1 𝑖=1 𝑗>𝑖
𝐶𝑥 𝜎1
𝑆 = ℎ( ) 𝑙𝑜𝑔 ( ) = ℎ𝐶𝑅 𝐿
1 + 𝑒𝑜 𝑖 𝜎2 dimana:
ρij = Koefisien korelasi
Catatan: Nilai Cx perumusan di atas = dari settlement
merupakan nilai Cc atau Cs = lapisan i dan j
tergantung normally consolidated σSi dan σSj = Standard deviasi
atau over-consolidated = dari settlement
= tersebut
• Perhitungan nilai rata-rata E(s) dan
koefisien variasi CV(s) 4. Metode Chang and Soong (1979)
Metode ini menghitung harga rata-rata dan
𝐸(𝑠) = ℎ𝐸(𝐶𝑅 )𝐸(𝐿) standard deviasi dari derajat konsolidasi (u)
dari persamaan konsolidasi unidimensional
𝐶𝑉 2 (𝑠) = 𝐶𝑉 2 (𝐶𝑅 ) + 𝐶𝑉 2 (𝐿) + 𝐶𝑉(𝐶𝑅 )𝐶𝑉(𝐿) sebuah mono-layer.
• Rata-rata
Catatan: Nilai CV(CR)CV(L) ≈ 0,
sehingga perumusan di atas menjadi ∞
8 1
𝑢̅(𝑡) = 1 − ∑
𝐶𝑉 2 (𝑠) = 𝐶𝑉 2 (𝐶𝑅 ) + 𝐶𝑉 2 (𝐿) 𝜋 2 (2𝑛+ 1)2 𝜋 2 (2𝑛 + 1)2
𝑛=0 1+ 𝑇𝑣 𝐶𝑉 2 (𝐶𝑣 )
4

• Perhitungan nilai E(CR), E(L),

Catatan: 𝑢̅(𝑡) tersebut dihitung
CV(CR), CV(L)
berdasarkan nilai t yang sudah
ditetapkan sebelumnya, misalnya 5
𝐶𝑥
𝐸(𝐶𝑅 ) ≈ tahun, 10, 20, dan 30 tahun.
1 + 𝑒𝑜

𝐸(𝜎1 )
• Variance
𝐸(𝐿) ≈ 𝑙𝑜𝑔 ( ) − 0.22[𝐶𝑉 2 (𝜎1 ) + 𝐶𝑉 2 (𝜎2 )]
𝐸(𝜎2 )
∞ ∞
64
𝜎𝑢2 =∑∑
𝐶𝑉(𝐶𝑅 ) = √𝐶𝑉 2 (𝐶𝑥 ) + 𝐶𝑉 2 (1 + 𝑒𝑜 ) 𝜋 2 (2𝑛 + 1)2 (2𝑚 + 1)2
𝑛=0 𝑚=0
1
𝑥 − (1 − 𝑢̅)2
(2𝑛 + 1)2 (2𝑚 + 1)2 4
1+ 𝜋 𝑇𝑣 𝐶𝑉 2 (𝐶𝑣 )
16

9
 dimana:
CV = Koefisien variasi
Cv = Koefisien konsolidasi
= vertikal
Tv = Faktor waktu
H. METODE DECISION THEORY
Menurut Benjamin and Cornell
(1970), metode decision theory dibutuhkan
untuk menjawab pertanyaan-pertanyaan
seperti:
• Bagaimana kita dapat mengambil
suatu keputusan terhadap informasi
dasar (principal) yang ada?
• Bagaimana kita dapat
mengkombinasikan beberapa
informasi baru dengan beberapa
kemungkinan evaluasi, sebelum
melakukan analisa keputusan?
• Haruskan dan dengan cara bagaimana
meneliti beberapa informasi
tambahan sebelum mengambil
keputusan akhir?
Pertanyaan-pertanyaan seperti di atas
bisa muncul karena sering menjadi problema
bagi si pembuat keputusan adalah memilih
aksi mana yang harus dikerjakan untuk
mendapatkan efek yang optimal.
Gambar 4. Ranting-Ranting Keputusan
Metode Decision Theory
Berdasarkan Gambar 4 di atas, dapat
dilihat bahwa langkah-langka dari metode
decision theory adalah:
• Memilih sebuah aksi ai dalam
sekelompok aksi (a1, …, an).
• Untuk setiap aksi, kondisi aktual dari
“nature”, θj menentukan sebuah
perilaku tertentu.
• Setiap perilaku diskoring mengikuti
skala fungsi yang didefinisikan oleh
pemberi keputusan “u”.
Bila dikaitkan dengan “derajat”
kegunaan dan neraca keuangan (sebagai
contoh), maka dapat dibuatkan suatu grafik:
Gambar 5. Grafik Kurva Kegunaan atau
Fungsi
IV. KESIMPULAN
Dalam bidang geoteknik, seorang engineer
pasti akan selalu berhadapan dengan suatu
ketidakpastian ataupun banyaknya variasi
data yang dihadapi. Namun, persoalan di
atas, dapat diselesaikan dengan bantuan
metode statistik dan probabilistik. Ada begitu
banyak metode statistik dan probabilistik
yang bisa dipilih dan digunakan oleh seorang
engineer ketika ia harus mengambil suatu
keputusan. Sehingga, seorang engineer perlu
bijak dalam memilih metode mana yang akan
ia gunakan sebagai dasar pengambilan
keputusan. Meskipun berperan penting,
sekali lagi perlu diingat bahwa tidak semua
metode statistik dan probabilistik bisa
diaplikasikan ke dalam semua kondisi yang
ada.
V. REFERENSI
• Handout materi I-VI mata kuliah
statistik untuk penelitian Prof. Dr. Ir.
Herman Wahyudi
10