LAPORAN AKHIR

PRKTIKUM GEOSTATISTIKA TG 3009

MODUL KE – 02
KONSEP STATISTIKA DASAR

Oleh:
ARI OKTANANDA 118120150

Asisten :
DESTA AULIA RASADA 118120020
ATHA FEBIYOGA TAMAM 118120076
OLVI ANGGI OLOANI 118120109
NUNGGA SAPUTRA 118120120

PROGRAM STUDI TEKNIK GEOFISIKA

JURUSAN TEKNOLOGI PRODUKSI DAN INDUSTRI
INSTITUT TEKNOLOGI SUMATERA
2022
I. TUJUAN
Adapun tujuan dari praktikum kali ini adalah :
Memahami dan dapat menyelesaikan permasalahan kebumian dengan menggunakan
analisis statistik melalui analisa mean, median, modus, variansi, kovariansi, koefisien
korelasi, koefisien determinasi, dan regresi linear.

II. TEORI DASAR

Rata-rata (mean) biasa ditulis dalam statistik dengan menggunakan symbol (𝑋̅). Rata-
rata (mean) merupakan teknik penjelasan kelompok yang didasarkan atas nilai rata-rata
dari kelompok tersebut. Untuk mencari hasil rata-rata (mean) dari kumpulan data
tunggal maka dapat dicari dengan cara menjumlahkan seluruh data yang ada kemudian
membaginya dengan banyaknya data yang ada. Rumus rata-rata (mean) untuk data
tunggal

Keterangan :
𝑋̅ = 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎
𝑋 = 𝑛𝑖𝑙𝑎𝑖 𝑑𝑎𝑡𝑎
𝑛 = 𝑏𝑎𝑛𝑦𝑎𝑘 𝑑𝑎𝑡𝑎

Median adalah nilai data yang terletak ditengah setelah data itu disusun menurut urutan
nilainya sehingga membagi dua sama besar. Median menjadi satu teknik penjelasan
kelompok yang didasarkan atas nilai tengah dari kelompok data yang telah disusun
urutannya dari yang terkecil sampai yang terbesar, atau sebaliknya dari yang terbesar
sampai yan terkecil (Sugiyono, 2007, p. 48). Median disimbolkan dengan (Me) atau
(Md). Untuk mencari nilai median dari data tunggal bisa menggunakan rumus berikut
ini. Rumus ini digunakan jika data tunggal yang banyaknya ganjil.

𝑀𝑒 = 1/2 (𝑛 + 1) 𝑚𝑒𝑛𝑐𝑎𝑟𝑖 𝑑𝑎𝑡𝑎 𝑘𝑒 …

Jika banyaknya data genap, menggunakan rumus berikut.

𝑀𝑒 = [𝑑𝑎𝑡𝑎 𝑘𝑒( 1/2 𝑛) + 𝑑𝑎𝑡𝑎 𝑘𝑒( 1/2 𝑛 + 1)] / 2

Modus merupakan teknik penjelasn kelompok yang didasarkan atas nilai yang sedang
popular (yang sedang menjadi mode) atau nilai yang sering muncul dalam kelompok
tersebut (Sugiyono, 2007, p. 47). Modus bisa digunakan untuk menganalisis fenomena
yang paling banyak terjadi atau paling banyak terdapat digunakan. Modus disimbolkan
dengan (Mo). Untuk mencari nilai modus pada data tunggal, bisa dilakukan secara
mudah yaitu dengan cara menghitung angka yang banyak muncul. Angka yang banyak
muncul pada kumpulan data tersebut sudah bisa dipastikan itu angka modus pada
kumpulan data tersebut. Untuk mempermudah menentukan nilai modus, maka
kumpulan data tersebut diurutkan terlebih dahulu mulai dari yang terkecil sampai yang
terbesar. Untuk mencari nilai modus pada data kelompok bisa menggunakan rumus
sebagai berikut.

𝑀𝑜 = 𝑏 + 𝑝 ( 𝑏1 / (𝑏1 + 𝑏2) )
𝐾𝑒𝑡𝑒𝑟𝑎𝑛𝑔𝑎𝑛 ∶
𝑀𝑜 = 𝑚𝑜𝑑𝑢𝑠
𝑏 = 𝑏𝑎𝑡𝑎𝑠 𝑘𝑒𝑙𝑎𝑠 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙 𝑑𝑒𝑛𝑔𝑎𝑛 𝑓𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑡𝑒𝑟𝑏𝑎𝑛𝑦𝑎𝑘
𝑝 = 𝑝𝑎𝑛𝑗𝑎𝑛𝑔 𝑘𝑒𝑙𝑎𝑠 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙
𝑏1 = 𝑓𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑝𝑎𝑑𝑎 𝑘𝑒𝑙𝑎𝑠 𝑚𝑜𝑑𝑢𝑠 (𝑓𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑝𝑎𝑑𝑎 𝑘𝑒𝑙𝑎𝑠 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙 𝑦𝑎𝑛𝑔
𝑡𝑒𝑟𝑏𝑎𝑛𝑦𝑎𝑘) 𝑑𝑖𝑘𝑢𝑟𝑎𝑛𝑔𝑖 𝑓𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑘𝑒𝑙𝑎𝑠 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙 𝑡𝑒𝑟𝑑𝑒𝑘𝑎𝑡 𝑠𝑒𝑏𝑒𝑙𝑢𝑚𝑛𝑦𝑎
𝑏2 = 𝑓𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑘𝑒𝑙𝑎𝑠 𝑚𝑜𝑑𝑢𝑠 𝑑𝑖𝑘𝑢𝑟𝑎𝑛𝑔𝑖 𝑓𝑟𝑒𝑘𝑢𝑒𝑛𝑠𝑖 𝑘𝑒𝑙𝑎𝑠 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙
𝑏𝑒𝑟𝑖𝑘𝑢𝑡𝑛𝑦𝑎

Varians merupakan salah satu teknik statistik yang digunakan untuk menjelaskan
homogenitas kelompok. Varians merupakan jumlah kuadrat semua deviasi nilai-nilai
individual terhadap rata-rata kelompok. Akar dari varians disebut standar deviasi atau
simpangan baku. Simbol varians untuk populasi yaitu (𝜎2) 𝑑𝑖𝑏𝑎𝑐𝑎 𝑠𝑖𝑔𝑚𝑎 𝑘𝑢𝑎𝑑𝑟𝑎𝑡.
Sedangkan simbol varians untuk sampel yaitu (𝑠2). (Sugiyono, 2007, p. 56). Kemudian
simbol standar deviasi atau simpangan baku untuk populasi yaitu (𝜎) 𝑑𝑖𝑏𝑎𝑐𝑎 𝑠𝑖𝑔𝑚𝑎.
Sedangkan untuk standar deviasi atau simpangan baku untuk sampel yaitu (s). Berikut
ini rumus statistik yang dapat digunkan untuk mencari varians dan standar deviasi atau
simpangan baku.

𝜎2 = ∑(𝑋𝑖−𝑋̅) 2 / 𝑛

Koefisien koelasi yang belum dinormalisasi. Digunakan untuk analisa dua sekuen data
yang berbeda.

Pengulangan dalam suatu sekuen data dapat dihitung dari pengukuran kesamaan
dengan dirinya sendiri pada sekuen tersebut (auto-correlation). Salah satu aplikasi
autocorreation ini misalnya pada analisa data log. Formasi batuan tertentu memiliki
respons log (gamma ray,resistivity, density, dan lain-lain). Jika logging dilakukan pada
keadaan geologi yang tersusun atas perulangan antara shale dengan sandstone, maka
respons log-nya pun akan terulang pula.

Cross-korelasi adalah untuk melihat keterkaitan antara 2 kelompok data pada waktu
yang bersamaan, maka kita bisa membandingkan antara 2 data yang berbeda untuk
ditentuakan hubungan korelasinya.
Regresi Linear

Contoh :

III. PENGOLAHAN DATA

III.1 LANGKAH KERJA
Langkah kerja analisa statistik dari data sumur 34-29.
1. Mengimport modul
2. Menginput data mentah berupa porositas, permeabilitas, dan log
permeabilitas
3. Mendefinisikan porositas, permeabilitas, dan log k
4. Mendefinisikan jumlah lag, mean u&mean t, dan standar deviasi
5. Menghitung kovarian antar data
6. Menghitung autokorelasi antar data
7. Menghitung Cross-korelasi antar data
8. Menghitung koefisien korelasi antar data
9. Membuat grafik regresi linear antar data
10. Mencari nilai koefisien determinasi berdasarkan grafik regresi linear
11. Analisis hasil yang diperoleh.

III.2 DIAGRAM ALIR

Mulai

Import Modul

Input Data Mentah

Mendefinisikan porositas,
permeabilitas, log k

Mendefinisikan jumlah lag,

std, dan mean u & mean t

Menghitung kovarian, autokorelasi,

kros-korelasi, koefisien korelasi,
regresi linear

Selesai
IV. HASIL DAN ANALISIS
HASIL
1. Covarian Porositas-Log K

2. Covarian Porositas-Permeabilitas

3. Autokorelasi Porositas
Lag 1
Lag 2

Lag 3

4. Autokorelasi Permeabilitas
Lag 1
Lag 2

Lag 3

5. Autokorelasi Log K
Lag 1
Lag 2

Lag 3

6. Cross-Crorr Porositas-Log K
Lag 1
Lag 2

Lag 3

7. Cross-Crorr Porositas-Permeabilitas
Lag 1
Lag 2

Lag 3

8. Coefficient Crorrelation (Porositas-Permeabilitas; Porositas-Log K)

9. Regresi Linear

Porositas-Permeabilitas (Numerik)

Porositas-Permeabilitas (Analitik)

Grafik Regresi Poro-Perm

800

600
y = 27,159x - 355,28
R² = 0,706
400

200

0
0 5 10 15 20 25 30 35
-200

-400
 Porositas-Log K (Numerik)

Porositas-Log K (Analitik)

Grafik Regresi Poro-Log K

0.004

0.003
y = 0,1857x - 2,0477
R² = 0,8728
0.002

0.001

0.000
0 5 10 15 20 25 30 35
-0.001

-0.002

-0.003
ANALISIS
Berdasarkan praktikum kali ini dilakukan perhitungan kovarian, autokorelasi, kros
korelasi, koefisien korelasi dan koefisien determinasi (regresi linear) pada setiap data
porositas, permeabilitas, dan log permeabilitas. Kovarian adalah data koefisien korelasi
yang belum dilakukan normalisasi, pada data dilakukan kovarian antara porositas dan
permebilitas dengan nilai 1033 dan kovarian antara porositas dan log permeabilitas
sebesar 7.07. Sedangkan untuk autokorelasi menghitung hubungan dengan dirinya
sendiri, yaitu poro-poro = 0.78 (1), perm-perm = 0.82 (1), logk-logk 0.65 (1).
Selanjutnya yaitu kros korelasi antara porositas-permeabilitas = 0.77 (1) dan porositas-
log k = 0.64 (1). Berdasarkan kovarian dan kros korelasi antara porositas dengan log k
memeliki nilai yang relatif lebih rendah dibandingkan pororsitas dengan permeabilitas,
sehingga kemungkinan data yang lebih baik akan digunakan adalah data log k.
koefisien korelasi adalah ukuran nilai keakuratan hubungan antara dua buah variabel
semakin mendekati 1 maka hubungan antar dua variable kuat dan akurat, antara poro-
permea memiliki koefisien korelasi 0.84, dan antara poro- log k memiliki nilai
koefisien korelasi sebesar 0.93. sehingga dapat dibuktikan lagi bahwa hubungan antara
porositas lebih baik dengan log k daripada permeabilitas. Setelah itu, dilakukan uji
regeresi linear untuk mencari kelinearan antara dua variabel, dapat dilihat pada grafik,
distribusi sebaran data antara poro-perm, data observasi tidak fit dengan kelinearan
data kalkulasi, juga dilihat dari nilai koefisien determinasi (R2) nya 0.7 yang lebih kecil
daripada nilai koefisien determinasi (R2) sebaran data antara poro-log k 0.8.

Jika dibandingkan perhitungan menggunakan Microsoft Excel dan Google Colab, hasil
nilainya memiliki hasil yang sama menunjukkan nilai dan tahap yang benar adanya.
Hanya perbedaan pada seberapa banyak angka dibelakang koma. Sehingga baik proses
perhitungan melalui Microsoft Excel ataupun Google Colab dapat digunakan.
V. KESIMPULAN
Adapun kesimpulan dari praktikum kali ini adalah:
- Mampu memahami dan dapat menyelesaikan permasalahan kebumian dengan
menggunakan analisis statistik melalui analisa mean, median, modus, variansi,
kovariansi, koefisien korelasi, koefisien determinasi, dan regresi linear
- Mampu menentukan penggunaan permeabilitas ataupun log permeabilitas dalam
menginterpretasi kondisi geologi
- Mampu mengetahui hubungan, porositas, permeabilitas, dan log permeabilitas.
- Mampu mengetahui korelasi hubungan antara porositas, permeabilitas, dan log k.

DAFTAR PUSTAKA

Sutisna, icam. (2020). Statistika penelitian. Universitas Negeri Gorontalo, 1(1), 1–15.

Tim Penyusun. 2022. Modul 1 Praktikum Geostatistika. ITERA:Lampung Selatan.

LAMPIRAN

Link Google Colab

https://colab.research.google.com/drive/1rhuO_0SmjQGcJlZXUEhRxJlwqpibIyeS?
usp=sharing
Screenshot
Ms. Excel

Covarian

Autokorelasi Poro
Autokorelasi Perm

Autokorelasi Logk
Cross-Corr Poro-Perm

Cross-Corr Poro-Logk
Koefisien Korelasi dan Regresi Linear