LAPORAN PRAKTIKUM

GEOSTATISTIKA TG 3202

MODUL KE – 1
KONSEP STATISTIKA DASAR
Oleh:
Benny Chandra Gea 118120088
Asisten :
Oktaria Futri Ilham 12116089
Muhammad Fadhilah Harahap 12116084
Gita Rusmala 12116090
Helen Zetri 12116014
Adelia Gita Parera 12116123
Fira Pratiwi Darsono 12117151
Dita Aprilia Hutabalian 12116033
Safna Ramadhani 12116096
Mikha Parasian GT 12116042

PROGRAM STUDI TEKNIK GEOFISIKA

JURUSAN TEKNOLOGI PRODUKSI DAN INDUSTRI
INSTITUT TEKNOLOGI SUMATERA
2019/2020
I. Tujuan
Memahami dan dapat menyelesaikan permasalahan kebumian dengan
menggunakan analisis statistik melalui analisa mean, median, modus, variansi,
kovariansi, korelasi, histogram dan pdf.
II. Teori Dasar
Statistika ialah pengolahan, penyajian, pengumpulan data-data yang
menggambarkan suatu keadaan atau permasalahan. Salah satunya ialah
geostatistika yang berhubungan dengan data-data geofisika yang diolah lalu dapat
diinterpretasikan. Berikut ialah istilah statistika dasar dari statistik univarian dan
bivarian.
a. Mean
Rata-rata hitung atau nilai rata-rata (rerata) dalam bahasa Inggris
digunakan istilah Arithmetic Mean dan adakalanya disingkat dengan
mean. Simbol umum ialah X̄ atau dibaca “x bar”.

b. Variansi
Variansi bertujuan untuk mengetahui perbedaan tingkat data. Contohnya
perbedaan tingkat petani dan karyawan industri. Variansi juga disebut
dengan ragam data.

c. Standar Deviasi
Standar deviasi atau simpangan baku ialah salah satu cara mengukur
variasi sekelompok data kuantitatif. Besar harga standar deviasi
menunjukkan tingkat varians dari sekumpulan data.

d. Median
Median merupakan skor yang membagi distribusi frekuensi menjadi dua
saa besar (50% sekelompok objek yang diteliti terletak di bawah median
dan 50% yang lainnya terletak di atas median.
e. Modus
Modus atau mode adalah nilai variabel (atribut) yang memiliki frekuensi
terbanyak. Modus ialah skor yang mempunyai frekuensi terbanyak dalam
sekumpulan distribusi skor.
f. Kovariansi
Kovarian ialah perhitungan statistik yang membantu dan memahami
hubungan antar data.

g. Korelasi
Analisa korelasi merupakan suatu bentuk analisis inferensial yang
digunakan untuk mengetahui derajat atau kekuatan hubungan, bentuk
atau hubungan kausal dan hubungan timbal balik diantara variabel-
variabel penelitian.
III. Pengolahan Data
3. 1 Script

#118120088_Benny Chandra Gea_RTGC

def mean_data(X):
'''
Params:
X:Sekuens data, np.array 1D
Return:
avg : Nilai rata-rata, float
'''
N = len(X) #Menghitung Banyak Data
sum_X = 0
for i in range(N):
sum_X = sum_X + X[i] #Menjumlahkan Tiap Elemen Data
avg = sum_X/N #Menghitung Nilai Rata-
rata, Jumlah dibagi Banyak Data

return avg

def min_data(X):
'''
Params:
X: Sekuens data, np.array 1D
Return:
min_X : Nilai X paling kecil
'''
N = len(X) #Menghitung Banyak Data
min_X = X[0] #Asumsi Nilai Minimum Awal Adalah X

for i in range(1, N): #Membandingkan min_X, kepada tiap elemen X

if X[i] < min_X:
min_X = X[i] #Update Nilai Minimum
return min_X

def max_data(X):
'''
Params:
X: Sekuens data, np.array 1D
Return:
min_X : Nilai X paling besar
'''
N = len(X) #Menghitung Banyak Data
max_X = X[0] #Asumsi Nilai Minimum Awal Adalah X

for i in range(1, N): #Membandingkan min_X, kepada tiap elemen X

 if X[i] > max_X:
max_X = X[i] #Update Nilai Minimum
return max_X

def var_data(X, mode='populasi'):

'''
Params:
X: Sekuens data, np.array 1D
mode : populasi(default) dan sampel
Return:
var_X : Nilai variansi X
'''
N = len(X) #banyak data X
avg_X = mean_data(X) #Rata2 X

sum_X = 0
for i in range(N):
sum_X = sum_X + (X[i]-avg_X)**2

if mode == 'populasi':
var_X = sum_X/N
elif mode == 'sampel':
var_X = sum_X/(N-1)
else:
print('Pastikan hanya memilih mode populasi atau sampel')
return var_X

def std_data(X):
'''
Params:
X: Sekuens data, np.array 1D
mode : populasi(default) dan sampel
Return:
std_X : Nilai standar deviasi X
'''
var_X = var_data(X, mode='populasi') #variansi data X
std_X = var_X ** (0.5) #standard deviasi == akar dari var_X
return std_X

def median_data(X):
'''
Params:
X: Sekuens data, np.array 1D
Return:
M : Nilai median X
'''
X = sorted(X) #sorting data
 N = len(X)
if N%2 == 0: #cek N, ganjil atau genap
n = int(N/2 - 1)
m = int(N/2)
M = (X[n] + X[m]) / 2
else:
i= int((N)/2)
M = X[i] #akses nilai tengah berdasarkan i

return M

def cov_data(X, Y):

'''
Params:
X: Sekuens data 1, np.array 1D
Y: Sekuens data 2, np.array 1D
Return:
cov_XY : Nilai covariansi cov_XY
'''
N = len(X) #banyak data
avg_X = mean_data(X) #rata-rata X
avg_Y = mean_data(Y) #rata-rata Y
sum_cov = 0
for i in range(N):
sum_cov = sum_cov + (X[i] - avg_X) * (Y[i] - avg_Y)
cov_XY = sum_cov / (N) #covarian XY

return cov_XY

def corr_coef(X, Y):

'''
Params:
X: Sekuens data 1, np.array 1D
Y: Sekuens data 2, np.array 1D
Return:
r_xy : Koefisien Korelasi XY
'''
cov_XY = cov_data(X, Y) #menghitung covariansi X
std_X = std_data(X) #menghitung standar deviasi X
std_Y = std_data(Y) #menghitung standar deviasi Y

r_xy = cov_XY / (std_X * std_Y) #koefisien korelasi

return r_xy

if __name__ == "__main__":
import numpy as np

data = np.loadtxt('brachiopod.txt', skiprows=1)

X = data[:, 0] #data panjang
Y = data[:, 1] #data lebar

#00_ Mean
X_avg = mean_data(X) #rata-rata X
Y_avg = mean_data(Y) #rata-rata Y
print('Mean X : {0}, Mean Y : {1}'.format(X_avg, Y_avg))

#01_Min_Max
X_min = min_data(X)
Y_min = min_data(Y)
X_max = max_data(X)
Y_max = max_data(Y)
print('Min X : {0}, Max X : {1}'.format(X_min, X_max))
print('Min Y : {0}, Max Y : {1}'.format(Y_min, Y_max))

#02_Median
X_med = median_data(X)
Y_med = median_data(Y)
print('Med X : {0}, Med X : {1}'.format(X_med, Y_med))

#03_Variansi
X_var = var_data(X)
Y_var = var_data(Y)
print('Var X : {0}, Var Y : {1}'.format(X_var, Y_var))

#04_Standard_Deviasi
X_std = std_data(X)
Y_std = std_data(Y)
print('Std X : {0}, Std Y : {1}'.format(X_std, Y_std))

#05_Kovariansi
XY_cov = cov_data(X, Y)
print('Kovariansi XY : ', XY_cov)

#06_Korelasi
koef_kor = corr_coeff(X, Y)
print('Koefisien Korelasi XY : ', koef_kor)
#118120088_Benny Chandra Gea_RTGC
import numpy as np
import matplotlib.pyplot as plt

data = np.loadtxt('porositas.txt', skiprows=1)

N_bins = 5
frekuensi, bins, patches = plt.hist(data, N_bins, denstiy=True, face
color='g', alpha=0.75)
plt.ylabel('Frekuensi')
plt.xlabel('Porositas [v/v]')
plt.grid(True)
plt.show()

#118120088_Benny Chandra Gea_RTGC

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from LAS import Converter

#00_import data sumur 55-28.LAS

c = Converter()
log_5528 = c.set_file("55-28.LAS")
LAS_5528 = log_5528.get_dict()['data']
porositas = pd.DataFrame(LAS_5528['nphi']).dropna()

N = 5000
porositas = porositas.values[0:N, 0]

3. 2 Langkah Kerja
Langkah pengerjaan untuk script yang pertama yaitu mencari mean,
median, modus, kovarian, korelasi, variansi, dan standar deviasi.
1. Pertama mendefinisikan dari mean data atau menentukan rata-rata dari
data tersebut.
2. Lalu, def min data. Disini akan mencari nilai minium dari data-data
yang telah ada. Kemudian juga def max data untuk mencari nilai
maksimumnya.
3. Kemudian def var data yang berfungsi untuk mencari nilai variamsi
data. Setelah didapat variansinya, maka didapat standard deviasi
dengna def std data.
4. Selanjutnya ialah def median data, disini mencari nilai tengah dari
data tersebut.
5. Def cov data ialah mencari nilai kovariansi dari XY yang
menggunakan rata-rata dari Y. Lalu def corr coef mencari koefisien
korelasi dari data XY.
6. Selanjutnya ialah membuat library numpy dan menginput data dengan
np.loadtxt.
7. Terakhir, menampilkan data-data yang sudah diolah mulai dari mean,
max dan min, median, variansi, standard deviasi, kovariansi, dan
korelasi.

Langkah pengerjaan untuk script menampilkan histogram.

1. Pertama, membuat library numpy dan matplotlib.pyplot untuk

menampilkan grafik histogram.
2. Kemudian, memproses teks ‘porositas.txt’ sebagai media inputnya.
3. Lalu memunculkan hasil script yang telah diketik tadi.
IV. Hasil dan Analisis
Dari praktikum yang telah dilakukan ialah didapatkan suatu hasil dari kedua
script yang telah diproses. Script tersebut memudahkan dalam mencari dasar-
dasar data statistika yang dibutuhkan contohnya seperti mean, median, variansi
dan lain-lain. Dengan pengolahan secara numerik, maka dapat mengolah bahkan
memplot data dalam bentuk grafik maupun histogram.
Untuk script pertama didapatkan mean dari brachiopod.txt untuk bagian
panjang (Mean X) sebesar 12.39 dam lebar (Mean Y) sebesar 10.79. Lalu nilai
minimum untuk keduanya yaitu 6.3 dan 5.3, kemudian maksimumnya ialah 18.4
untuk X dan 15.4 untuk Y. Untuk nilai mediannya ialah 12.5 dan 10.8 kemudian
kovariansi dari XY tersebut 16.06 dan koefisien korelasi ialah 0.98.
 Untuk script kedua didapatkan hasil sebuah gambar histogram menggunakan
data porositas.txt.

Dari gambar ditunjukkan bahwa modus dari histogram tersebut ialah

porositas antara 0.14-0.16 kemudian untuk nilai mediannya juga berada pada
range tersebut. Dari frekuensi terkecil terlihat bahwa porositas 0.10 merupakan
nilai minimalnya. Histogram tersebut juga menunjukkan salah satu sifat distribusi
yaitu distribusi normal.
V. Kesimpulan
Dari praktikum yang sudah dilakukan ialah bahwa pengolahan dasar data-data
statistika dapat diselesaikan secara komputasi atau numerik. Pengolahan data
tersebut contohnya ialah mean, median, nilai min dan max, variansi, standard
deviasi, kovarian, dan korelasi. Pengolahan data ini penting dilakukan secara
komputasi agar memudahkan dalam interpretasi data-data yang berkaitan dengan
geofisika dimana data-data geofisika terbilang cukup banyak dan akan sangat
menyulitkan jika di olah secara manual atau analitik.
Selain dapat mengolah data, juga dapat menginterpretasikan data dengan
memunculkan suatu gambar grafik histogram. Dari histogram dapat dilihat data
apa saja yang tertera dan olahan data apa saja yang terkait dalam gambar tersebut.
Menunjukkan sifat distribusi normal atau tidak, variansi data, dan lain sebagainya.
VI. Daftar Pustaka
[1] Ananda, Rusydi dan Muhammad Fadhli. 2018. Statistika Pendidikan :
Teori dan Praktik dalam Pendidikan. Medan. CV. Widya Puspita.
[2] Setijono, Sulisetijono. 2016. BAB I PENGANTAR STATISTIKA.
Biologi FMIPA Universitas Negeri Malang.
 LAMPIRAN

Script 1
Script 2
Script 3