LAPORAN AKHIR

ANALISIS DATA GEOFISIKA TG2207

MODUL KE – 5
ANALISIS DESKRIPTIF DAN CROSSPLOT DATA GEOFISIKA

Oleh:
SELSABILLA ODIFAH PUTRIE
119120043

Asisten :
Lestari Sukma Apriliana 12117009
Mustika 12117025
Santo Tri Prabowo 12117041
Agastya Pramadya 12117092
Michael Febrian Mardongan 12117128
Didian Noveni Waruwu 12117131
Muhammad Ichsan 12117143
Fira Pratiwi Darsono 12117151

PROGRAM STUDI TEKNIK GEOFISIKA

JURUSAN TEKNOLOGI PRODUKSI DAN INDUSTRI
INSTITUT TEKNOLOGI SUMATERA
2021
TUJUAN PRAKTIKUM
Tujuan dari praktikum kali ini ialah, sebagai berikut :

1. Mahasiswa mampu melakukan analisis statistik deskriptif dan crossplot

pada data geofisika.

TEORI DASAR
A. Analisis Deskriptif
Analisis deskriptif merupakan suatu prosedur statistic untuk menguji
generalisasi hasil penelitian yang didasarkan atas satu variable. Uji ini
bergantung pada jenis data. Jenis teknik statistic yang digunakan untuk menguji
hipotesis deskriptif harus sesuai dengan jenis data atau variable berdasarkan
skala pengukurannya. Analisis deskriptif didasarkan pada penelitian deskriptif.
Penelitian deskriptif sendiri merupakan metode penelitian yang berubah
menggambarkan dan menginterpretasikan objek sesuai dengan apa adanya.
Penelitian ini juga sering disebut noneksperimen karena pada penelitian ini
penelitian tidak melakukan control dan manipulasi variable penelitian.
Mengenai data dengan statistik deskriptif peneliti perlu memperhatikan terlebih
dahulu jenis datanya. Jika peneliti mempunyai data diskrit, penyajian data yang
dapat dilakukan adalah mencari frekuensi mutlak, frekuensi relative (mencari
persentase), serta mencari ukuran tendensi sentralnya yaitu: mode, median dan
mean. statistik deskriptif adalah statistik yang digunakan untuk menganalisa
data dengan cara mendeskripsikan atau menggambarkan data yang telah
terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang
berlaku untuk umum atau generalisasi. Fungsi statistik deskriptif antara lain
mengklasifikasikan suatu data variabel berdasarkan kelompoknya masing-
masing dari semula belum teratur dan mudah diinterpretasikan maksudnya oleh
orang yang membutuhkan informasi tentang keadaan variabel tersebut. Selain
itu statistik deskriptif juga berfungsi menyajikan informasi sedemikian rupa,
sehingga data yang dihasilkan dari penelitian dapat dimanfaatkan oleh orang
lain yang membutuhkan.

B. Regresi Linier
Regresi Linier Sederhana adalah Metode Statistik yang berfungsi untuk
menguji sejauh mana hubungan sebab akibat antara Variabel Faktor Penyebab
(X) terhadap Variabel Akibatnya. Faktor Penyebab pada umumnya
dilambangkan dengan X atau disebut juga dengan Predictor sedangkan Variabel
Akibat dilambangkan dengan Y atau disebut juga dengan Response. Regresi
Linier Sederhana atau sering disingkat dengan SLR (Simple Linear Regression)
juga merupakan salah satu Metode Statistik yang dipergunakan dalam produksi
untuk melakukan peramalan ataupun prediksi tentang karakteristik kualitas
maupun Kuantitas. Model Persamaan Regresi Linear Sederhana adalah seperti
berikut ini :
 Y = A + BX
Dimana :
Y = Variabel Response atau Variabel Akibat (Dependent)
X = Variabel Predictor atau Variabel Faktor Penyebab (Independent)
a = konstanta
b = koefisien regresi (kemiringan); besaran Response yang ditimbulkan
oleh Predictor.
C. Histogram
Kata histogram berasal dari Bahasa Yunani: histis dan gramma. Pada bidang
statistic pengertian histogram adalah tampilan grafis dari tabulasi frekuensi
yang digambarkan dengan grafis batangan sebagai manifestasi data binning.
Tiap tampilan batang menunjukkan proporsi frekuensi pada masing-masing
deret kategori yang berdampingan dengan interval yang tidak tumpeng tindih.
Selain itu, Histogram merupakan tampilan bentuk grafis untuk menunjukkan
distribusi data secara visual atau seberapa sering suatu nilai yang berbeda itu
terjadi dalam suatu kumpulan data. Manfaat dari penggunaan Histogram adalah
untuk memberikan informasi mengenai variasi dalam proses dan membantu
manajemen dalam membuat keputusan dalam upaya peningkatan proses yang
berkesimbungan (Continous Process Improvement).Dalam histogram, garis
vertical menunjukkan banyaknya data observasi. Selain itu, histogram juga
menunjukkan kemampuan proses dan hubungan dengan spesifikasi proses dan
angka-angka nominal. Histogram menjelaskan variasi proses, namun belum
mengurutkan rangking dari variasi terbesar sampai dengan yang terkecil.
D. Correlation
Korelasi itu adalah bentuk normalisasi dari kovarian, jika kovarian gak
punya batas maksimal dan minimal, korelasi punya batas yang membantu kita
untuk membuat derajat hubungan antara satu variabel dengan variabel yang
lain. Batas dari korelasi adalah dari -1 sampai +1. Dengan membagi kovarian
dengan perkalian dari variance X dan variance Y, kita melakukan standarisasi/
normalisasi derajat hubungan variabel X dan Y. Jika angka yang dihitung
correlation coefficient lebih besar dari 1,0 atau kurang dari -1,0, berarti ada
kesalahan dalam pengukuran korelasi. Dalam penghitungan correlation
coefficient, korelasi -1,0 menunjukkan korelasi negatif sempurna, sedangkan
korelasi 1,0 menunjukkan korelasi positif sempurna. Sementara, korelasi 0,0
menunjukkan tidak ada hubungan linier antara pergerakan kedua variabel.

E. Covariance
Kovarian adalah ukuran bagaimana perubahan dalam satu variabel
dikaitkan dengan perubahan dalam variabel kedua. Secara khusus, kovarians
mengukur sejauh mana dua variabel terkait secara linear. Namun, ini juga sering
digunakan secara informal sebagai ukuran umum tentang bagaimana dua
variabel terkait secara monoton. Formula covariance adalah:
COV(X, Y) = E [(X-E[X])(Y-E[Y])]
Dengan :
E[X] adalah nilai harapan atau expected value dari X.
Jenis hubungan yang dapat terjadi atara dua buah variabel berdasarkan nilai
covariance-nya adalah:
1. Positif : bila nilai covariance-nya positif atau > 0
2. Negatif : nilai covariance-nya negatif atau < 0
3. Zero : bila nilai covariance-nya nol atau = 0
Di dalam teori probabilitas dan statistik, covariance adalah sebuah ukuran
tentang 2 variabel random mengalami perubahan bersama-sama. Jika
semakin tinggi nilai dari satu variabel maka secara bersama-sama semakin
tinggi pula nilai variabel lainnya, begitu pula apabila variabel bernilai
semakin rendah. Variabel cenderung menunjukkan perilaku yang mirip,
maka covariance adalah positif. Pada kasus yang berbeda, ketika nilai dari
suatu variabel semakin rendah dan secara bersama-sama semakin tinggi
nilai variabel yang lain. Variabel cenderung menunjukkan perilaku yang
berlawanan, maka covariance adalah negatif. Tanda dari covariance
menunjukkan kecenderungan hubungan yang linear (lurus) antar variabel.
 LANGKAH KERJA
1. Buka excel pada pc/laptop.
2. Klik file pada toolbox diexcel, klik open file disini saya menggunakan data laporan
L-30 sesuai NIM ganjil.
3. Setelah keluar datanya, maka pada judul kita blok kemudian klik filter. Sampai
muncul seperti gambar dibawah ini.
4. Kemudian kita membuat data analisis, jika data analisis belum bisa dibuka maka
caranya yaitu “klik file-options-add ins-go-analysis toolpak-ok”
5. Setelah data analisis bisa dibuka. Langkah selanjutnya yaitu menampilkan
descriptive statistics.
6. Menampilkan histogram, sebelum menampilkan histogram langkah awal yaitu
membuat BIN dengan range diangka minimum dan maksimum dari porositas.
7. Membuat plot histogram, Menampilkan covariance, serta menampilkan
correlation.
8. Crossplot data antara depth dengan Gammaray
9. Mencari nilai regresi linier dengan rumus (d=Gm). d yaitu data observasi dan disini
saya menggunakan data gammaray. Sedangkan G yaitu parameter modelnya
(depth).
10. Mencari hubungan depth dengan dobs, Membuat crossplot antara depth dengan
dobs dan dcal, Membuat crossplot antara dobs dengan dcal.

DIAGRAM ALIR
 HASIL DAN PEMBAHASAN
A. HASIL
Deskriptif Statistika
KOMPONEN Depth (Meter) Gamma Ray (API) Vp (m/s) Porositas
Mean 21748002,91 50907,49436 3539211446 0,142121619
Standard Error 284713,3754 747,0040318 39326873,83 0,001556998
Median 25315926 44891,5 3773608274 0,135819832
Mode #N/A 32943 3843875635 #N/A
Standard Deviation 8474707,76 22235,13685 1170593978 0,04634521
Sample Variance 7,18207E+13 494401310,8 1,37029E+18 0,002147878
Kurtosis 1,343163608 -1,228247764 3,101229267 0,260762032
Skewness -1,822746958 0,460213366 -1,869803381 0,534796677
Range 23799546 76354 5575544758 0,227842157
Minimum 2469642 20584 31485171 0,038680088
Maximum 26269188 96938 5607029929 0,266522245
Sum 19268730576 45104040 3,13574E+12 125,9197543
Count 886 886 886 886
Largest(2) 26264616 96094 5582910802 0,264842155
Smallest(2) 2470404 20723 36377949 0,039081886
Confidence Level(95.0%) 558792,1721 1466,106062 77184815,15 0,003055839

Histogram
Bin Frequency Cumulative % Bin Frequency Cumulative %
0,03 0 0,00% More 2658 75,00%
0,04 2 0,06% 0,14 160 79,51%
0,05 9 0,31% 0,13 143 83,55%
0,06 22 0,93% 0,15 103 86,46%
0,07 27 1,69% 0,12 62 88,21%
0,08 17 2,17% 0,16 53 89,70%
0,09 19 2,71% 0,24 44 90,94%
0,1 26 3,44% 0,17 35 91,93%
0,11 31 4,32% 0,11 31 92,80%
0,12 62 6,07% 0,23 29 93,62%
0,13 143 10,10% 0,07 27 94,38%
0,14 160 14,62% 0,1 26 95,12%
0,15 103 17,52% 0,06 22 95,74%
0,16 53 19,02% 0,18 20 96,30%
0,17 35 20,01% 0,22 20 96,87%
0,18 20 20,57% 0,09 19 97,40%
0,19 19 21,11% 0,19 19 97,94%
0,2 11 21,42% 0,08 17 98,42%
0,21 11 21,73% 0,2 11 98,73%
0,22 20 22,29% 0,21 11 99,04%
0,23 29 23,11% 0,05 9 99,29%
0,24 44 24,35% 0,26 9 99,55%
0,25 8 24,58% 0,25 8 99,77%
0,26 9 24,83% 0,27 6 99,94%
0,27 6 25,00% 0,04 2 100,00%
More 2658 100,00% 0,03 0 100,00%
 Covariance
KOMPONEN Depth (Meter) Gamma Ray (API) Vp (m/s) Porositas
Depth (Meter) 7,17396E+13
Gamma Ray (API) 2601376391 493843295,8
Vp (m/s) 2,57151E+14 -2,73249E+12 1,36874E+18
Porositas -2209,967007 659,7029163 -14243379,6 0,002145454

Correlation
KOMPONEN Depth (Meter) Gamma Ray (API) Vp (m/s) Porositas
Depth (Meter) 1
Gamma Ray (API) 0,01382067 1
Vp (m/s) 0,02595066 -0,105100194 1
Porositas -0,00563309 0,640905793 -0,26284055 1

GAMMARAY_DEPTH_043
 m1 3,62614E-05
m2 50118,88202

RMS 22.220,4627835

Hubungan depth-dobs-dcal

Hubungan dobs-dcal
 PEMBAHASAN
Descriptive statistics adalah ilmu statistika yang berkaitan dengan mengolah,
menyajikan, merencankan, mengumpulkan, menganalisis, menginterpretasikan dam
mempresentasikan data apa adanya melalui parameter-parameter yang ada sehinga
menghasilkan informasi yang mudah dipahami. Pada descriptive static terdapat nilai
mean, standar error, median, mode, standard deviation, sample variance, kurtosis,
skewness, range, minimum, maximum, sum, count, largest, smallesat dan confidence.

Histogram merupakan tampilan bentuk grafis untuk menunjukkan distribusi data

secara visual atau seberapa sering suatu nilai yang berbeda itu terjadi dalam suatu
pengumpulan data. Manfaat histogram yaitu memberikan informasi mengenai variasi
dalam proses dan membantu managemen dalam membuat keputusan dalam upaya
peningkatan proses yang berkesinambungan. Selain itu, histogram ini sendiri ialah salah
satu fitur chart untuk menampilkan visualisasi grafik column atau batang yang
menampilkan frekuensi data dengan distribusi tertentu sebagai manifestasi data binning.
Pada bagian histogram ada yang disebut bin, frekuensi, dan juga frekuensi komulatif. Bin
ialah batasan nilai minimal dan maksimal yang diambil dari data porositas.

Frekuensi adalah bilangan yang menyatakan banyaknya suatu nilai dalam sebuah
kumpulan data. Sedangkan frekuensi kumulatif adalah jumlah akhir (atau jumlah terbaru)
semua frekuensi sampai batas tertentu dalam sebuah kumpulan data. Nilai bin yang
diambil pada data ini yaitu rentang nilai antara 0,03 sampai 0,28. Nilai yang digunakan
dalam plot histogram adalah nilai bin yang teratur, frekuensi dan frekuensi kumulatif hasil
nilai bin yang teratur. Bukan yang acak. Frekuensi kumulatif memiliki bentuk kurva
konsisten naik sedangkan frekuensi memiliki bentuk kurva yang tidak menentu.
Covariance adalah ukuran bagaimana perubahan dalam satu variabel dikaitkan dengan
perubahan dalam variabel kedua. Kovarian positive apabila nilai covariannya positif atau
>0, negative apabila nilai covariannya negative atau negative(-) dan semakin besar depth
dan nilai gammaray nya besar maka korelasi yang didapat yaitu positif(+).

Observasi adalah teknik pengumpulan data yang dilakukan lewat pengamatan

langsung. Sedangkan data kalkulasi adalah operasi pengolahan data, pada data kalkulasi
ini kita menggunakan proses perhitungan yang dilakukan dalam rangka mengubah nilai
data masukan menjadi nilai keluaran dengan hasil tertentu sesuai dengan yang telah
dirumuskan. Pada grafik ini terlihat perbedaan antara data kalkulasi dan data observasi
yang diperoleh, hal ini terjadi karena adanya error sewaktu perhitungan data kalkulasi.
Pada grafik ini persebaran data pada data observasi lebih acak dibandingkan pada data
kalkulasi yang bisa dikatakan datanya yang lebih teratur. Pada grafik ini juga terlihat error
yang terjadi antara data kalkulasi dan observasi, atau disebut juga selisih antara data
kalkulasi dan data observasi. Pada dobs dan dcal kegunaan crossplot yaitu untuk melihat
perbandingan antara data kalkulasi dengan data observasi dari nilai depth yang telah
dimasukkan.
 KESIMPULAN
Berdasarkan hasil data praktikum, dapat disimpulkan bahwa :

1. Regresi linear merupakan sebuah pendekatan untuk memodelkan hubungan

antara variable terikat Y dan satu atau lebih variable bebas yang disebut X.

2. Semakin besar kedalaman maka nilai porositas semakin kecil. Hal ini disebabkan
oleh material dibawah permukaan bumi yang semakin bertambahnya kedalaman
maka nilai porositas akan semakin kecil karena pada kedalaman tertentu batuan
berpori sulit ditemukan akibat banyaknya batuan beku dan metamorf dibawah bumi
dibandingkan permukaan bumi yang lebih didominasi oleh batuan sedimen yang
biasanya angka porositas pada batuan ini lebih baik dibanding jenis batuan yang
saya sebutkan seblemunya,

3. Hubungan data observasi dan data kalkulasi tidak selalu berbanding lurus, karena
dalam pengukuran langsung biasanya terjadi error atau selisih dengan data yang
telah dikalkulasi.
 DAFTAR PUSTAKA

Wiyono, Bambang Budi.2001.Statistik Pendidikan : Buku Bahan Ajar Mata

Kuliah Statistik. Malang: FIP UM.
Budi kho. 2016. Pengertian Histogram dan Cara membuatnya. Ilmu Manajemen
Industri.
M. Nazir. 1983. Metode Statistika Dasar I. Gramedia Pustaka Utama. Jakarta
Spiegel. Murray. R. 2004. Statistika. Jakarta. Erlangga
Harum, Bela,. Dkk. 2017. Analisis Deskriptif dan Tabulasi Silang. Institute
Teknologi Sepuluh Nopember. Surabaya.
LAMPIRAN