LAPORAN PRAKTIKUM IV

KOMPUTASI DAN SIMULASI TAMBANG

ANALISIS UNIVARIATE

Disusun Oleh :

FITRYA MONICA
Nim/Bp :16137005/2016

Dosen Pengampu :

TRI GAMELA SALDI, ST, MT.

LABORATORIUM TAMBANG
JURUSAN TEKNIK PERTAMBANGAN
FAKULTAS TEKNIK
UNIVERSITAS NEGERI PADANG
2019
A. DASAR TEORI
1. Pengertian analisis data
Kata analysis berasal dari bahasa GreekYunani terdiri dari kata
“ana” dan “lysis”. Ana artinya atas above, lysis artinya memecahkan
atau menghancurkan. Secara definitif ialah “Analysis is a process of
resolving data into its constituent components to reveal its characteristic
elements and structure’ Ian Dey. Agar data bisa dianalis maka data
tersebut harus dipecah dahulu menjadi bagian-bagian kecil menurut
elemen atau struktur, kemudian menggabungkannya bersama untuk
memperoleh pemahaman yang baru.
Analisa data merupakan proses paling vital dalam sebuah
penelitian. Hal ini berdasarkan argumentasi bahwa dalam analisa inilah
data yang diperoleh peneliti bisa diterjemahkan menjadi hasil yang
sesuai denganKaidah ilmiah. Analisis data adalah upaya atau cara untuk
mengolah data menjadi informasi sehingga karakteristik data tersebut
bisa dipahami dan bermanfaat untuk solusi permasalahan, tertutama
masalah yang berkaitan dengan penelitian. Atau definisi lain dari
analisis data yaitu kegiatan yang dilakukan untuk menubah data hasil
dari penelitian menjadi informasi yang nantinya bisa dipergunakan
dalam mengambil kesimpulan.

2. Analisis Univariate ( analisis deskriptif)

adalah analisis yang dilakukan untuk satu variabel atau per variabel
(variabel tidak bebas). Bentuknya bermacam-macam, misalnya: mean,
standar error, median, modus, standar devisiasi, sample variance,
kurtosis, skewness, range, minimum, maksimum, sum, dan count.
Dengan analisis univariat dapat diketahui apakah konsep yang kita ukur
berada dalam kondisi yang siap untuk dianalisis lebih lanjut, selain juga
dapat mengetahui bagaimana gambaran konsep itu secara terperinci.
Dengan analisis univariat pula, kita dapat mengetahui bagaimana
sebaiknya menyiapkan ukuran dan bentuk konsep untuk analisis
berikutnya.
a. Mean
Mean merupakan rata-rata dari  sekumpulan data. Rata-rata
atau mean dapat dicari dengan menjumlahkan seluruh data dan
membaginya dengan banyaknya data tersebut.
b. Median
Median merupakan data yang berada paling tengah. Untuk
mencari median dari sekumpulan data dapat dicari dengan cara
mengurutkan terlebih data tersebut dari yang terkecil sampai
terbesar atau sebaliknya.
c. Modus
Merupakan datayang sering muncul atau data yang paling
banyak muncul.

d. Standar deviasi
adalah nilai statistik yang dimanfaatkan untuk menentukan
bagaimana sebaran data dalam sampel, serta seberapa dekat titik
data individu ke mean atau rata-rata nilai sampel. Sebuah standar
deviasi dari kumpulan data sama dengan nol menandakan bahwa
semua nilai dalam himpunan tersebut adalah sama. Sedangkan nilai
deviasi yang lebih besar menunjukkan bahwa titik data individu
jauh dari nilai rata-rata. Untuk cara menghitung standar deviasi,
yang perlu dilakukan pertama-tama adalah menghitung nilai rata-
rata dari semua titik data. Rata-rata sama dengan jumlah dari semua
nilai dalam kumpulan data lalu dibagi dengan jumlah total titik data
tersebut. Setelah itu langkah berikutnya adalah menghitung
penyimpangan setiap titik data dari rata-rata. Caranya dengan
mengurangkan nilai dari nilai rata-rata. Deviasi setiap titik data akan
dikuadratkan dan dicari penyimpangan kuadrat individu rata-rata.
Lalu nilai yang dihasilkan disebut sebagai varians. Sedangkan
standar deviasi adalah akar kuadrat dari varians. 
Fungsi Standar Deviasi 
Biasanya standar deviasi dimanfaatkan oleh para ahli
statistik atau orang yang berkecimpung dalam dunia tersebut untuk
mengetahui apakah sampel data yang diambil mewakili seluruh
populasi. Sebab mencari data yang tepat untuk suatu populasi
sangat sulit untuk dilakukan. Maka dari itu perlu menggunakan
sampel data yang dapat mewakili seluruh populasi sehingga
mempermudah untuk melakukan penelitian atau suatu
tugas. Sebagai gambaran, jika seseorang ingin mengetahui berat
badan anak laki-laki berusia 10-12 tahun di suatu sekolah, maka
yang perlu dilakukan adalah mencari tahu berat beberapa orang dan
menghitung rata-rata serta standar deviasinya. Dari perhitungan
tersebut akan diketahui nilai yang dapat mewakili seluruh populasi. 
Rumus Varian 

Rumus Standar Deviasi 

 
Selain rumus di atas, juga ada versi lain yang bisa Anda
gunakan. Walaupun rumus berbeda, hasil akhirnya tetap sama.
Berikut adalah rumusnya: 
Rumus Varian 2 

 
 Rumus Standar Deviasi 2
 

 
Keterangan: 
s2 = Varian
s = Standar deviasi 
xi = Nilai x ke-i 
= Rata-rata
n = Ukuran sampel 

e. Varians
Varians adalah salah satu ukuran dispersi atau ukuran
variasi.  Varians dapat menggambarkan bagaimana berpencarnya
suatu data kuantitatif.  Varians diberi simbol  σ2 (baca: sigma
kuadrat) untuk populasi dan untuk s2 sampel. Selanjutnya kita akan
menggunakan simbol s2  untuk varians karena umumnya kita hampir
selalu berkutat dengan sampel dan jarang sekali berkecimpung
dengan populasi. Rumus untuk menghitung varians ada dua , yaitu
rumus teoritis dan rumus  kerja.  Namun demikian, untuk
mempersingkat  tulisan ini, maka kita gunakan rumus kerja saja. 
Rumus kerja ini mempunyai kelebihan dibandingkan rumus teoritis,
yaitu hasilnya lebih akurat dan lebih mudah mengerjakannya.
Rumus kerja untuk varians adalah sebagai berikut:
 Distribusi data juga merupakan hal yang penting dalam statistika.
Terdapat dua macam ukuran distribusi data yaitu kemencengan (skewness)
dan keruncingan (kurtosis)
f. Skewness
Pengertian Skewness atau disebut juga ukuran kemiringan
yaitu suatu bilangan yang dapat menunjukanmiring atau tidaknya
bentuk kurva suatu distribusi frekuensi. Skewness adalah
derajatketidaksimetrisan suatu distribusi. Jika kurva frekuensi suatu
distribusi memiliki ekor yang lebihmemanjang ke kanan (dilihat
dari meannya) maka dikatakan menceng kanan (positif) dan
jikasebaliknya maka menceng kiri (negatif). Secara perhitungan,
skewness adalah momen ketiga terhadap mean. Distribusi normal
(dan distribusi simetris lainnya, misalnya distribusi t atau Cauchy)
memiliki skewness 0 (nol).

Batas – Batas nilai ukuran kemiringan:

0 ≤ | Sk = α3 | < 0,1 artinya bentuk kurva DF dianggap normal .
0,1 ≤ | Sk = α3 | < 0,3 artinya bentuk kurva DF miring ke kiri atau
kanan.
0,3 ≤ | Sk = α3 | artinya bentuk kurva DF sangat miring ke kiri atau
kanan. Rumus Skewness :
Pearson
Populasi : Sk = α3 = µ - Mo/ atau Sk = α3 = 3(µ - Mo)/
Sampel : Sk = α3 = - Mo/S atau Sk = α3 = 3( - Mo)/S
Bowley
Sk = α3 = Q3 – 2Q3 + Q1 / Q3-Q1
Matematis / Moment
populasi : Sk = α3 = Σf(x-µ)3 / N – 3
Sampel : Sk = α3 = Σf(x-)3 / N – S3
 Kurva yang tidak simetris dapat menceng ke kiri atau ke kanan.
Di dalam kurva yang simetris, letak rata-rata, median, dan modus
sama. Perhatikan tiga bentuk kurva berikut:
Keterangan :

Menceng ke kanan /positif = Mo > Me >

Normal atau simetris Mo = Me =

Menceng ke kiri < Me < Mo

Gambar 1. Macam- macam skwewness

Untuk menghitung tingkat kemencengan suatu kurva digunakan

rumus berikut:
 Suatu kurva disebut menceng kanan jika tingkat kemencengannya
positif. Kurva disebut simetris jika tingkat kemencengannya nol.
Sedangkan, jika tingkat kemencengannya negatif maka kurva disebut
menceng kiri.

g. Kurtosis
Ukuran keruncingan atau yang disebut juga kurtosis adalah suatu
bilangan yang dapatmenunjukan runcing tidaknya bentuk kurva distribusi
frekuensi.Kurtosis adalah derajatkeruncingan suatu distribusi (biasanya
diukur relatif terhadap distribusi normal). Kurva yang lebih lebih runcing
dari distribusi normal dinamakan leptokurtik, yang lebih datar platikurtik
dandistribusi normal disebut mesokurtik. Kurtosis dihitung dari momen
keempat terhadap mean.
Ukuran Keruncingan Kurva (Kurtosis)
Dilihat dari tingkat keruncingannya, bentuk kurva dibagi menjadi tiga,
yaitu leptokurtis, platykurtis, dan mesokurtis. Bentuk kurva dari
masing-masing jenis tersebut adalah sebagai berikut: 
 Gambar.2 macam- macam bentuk kurtosis

Untuk menghitung tingkat keruncingan suatu kurva digunakan

moment koefisien keruncingan (moment coefficient of kurtosis) yang
rumusnya sebagai berikut:

Catatan :
 meruncing (leptokurtis) jika tingkat keruncingannya lebih dari 3.
  Kurva disebut normal (mesokurtis) jika tingkat keruncingannya
sama dengan 3.
 jika tingkat keruncingannya kurang dari 3 maka kurva disebut
mendatar (platykurtis).
h. Range
Dalam sekelompok data kuantitatif akan terdapat data
dengan nilai terbesar dan data dengan nilai terkecil. Rentang (range)
atau disebut juga dengan jangkauan adalah selisih antara data
dengan nilai yang terbesar dengan data denga nilai yang terkecil
tersebut.
R=xmax−xminR = x_{max} - x_{min}
R=xmax−xmindimana
RRR adalah range (jangkauan atau rentang).
i. Nilai max adalah nilai data yang paling besar
j. Nilai min adalah nilai data yang paling kecil.
k. Sum
Fungsi ini artinya adalah menjumlahkan, jadi fungsi
Sum dalam Microsoft Excel digunakan untuk menjumlahkan isi
data berupa angka dalam range tertentu penulisannya.
PenulisanFUNGSI SUM dalam Microsoft Excel adalah =SUM
( Cell awal :Cell Akhir ), maksudnya kita disini akan menjumlahkan
Cell dari cell awal ke cell akhir.
l. Count yaitu menghitung berapa jumlah banyak data

3. Manfaat Analisis univariat

Analisis univariate mempunyai banyak manfaat, antara lain:
a. Untuk maengetahui apakah data yang akan digunakan untk analisis
sudah layak atau belum;
b. Untuk mengetahui gambaran data yang dikumpulkan;
c. Untuk mengetahui apakah data telah optimal jika dipakai untuk
analisis berikunya.
4. Tingkatan Analisis Univariat :
Deskriptif
a. Untuk Data Numerikal
b. Uji perhitungan Nilai Terpusat dan Nilai Penyebaran
c. Untuk Data Kategorikal
d. Perhitungan Nilai Proporsi,Ratio dan Rate
Analitik
a. Untuk Data Numerikal
b. Uji Hipotesis Mean Satu Sampel
c. Untuk Data Kategorikal
d. Uji Hipotesis Proporsi satu sampel
e. Untuk Data Ordinal,Interval,Ratio
f. Uji Normalitas
B. Langkah Kerja
1. Langkah pertama siapkan lah data yang akan dianalisis >> buka
microsoft excel
2. Masukan data yang akan di analisis ke microsoft excel

Data yang akan di

analisis telah di
masukan

3. Langkah selanjutnya untuk menghitung cycle time maka kita lakukan

penjumlahan dengan rumus :
Cycle time = manuver kosong + loading + hauling isi + manuver isi +
dumping + hauling kosong

Atau ketikan rumus ditabel =SUM (B3;G3) >> ENTER

Lalutarik bagian kanan kolom tabel tadi tarik ke bawah sampai data
terakhir yang akan kita analsis.
 Hasil
Perhitungan
Cycle time yang

4. Selanjutnya, klik data >> data Analysis >> maka akan muncul kolom
Data analisis seperti gambar di bawah ini >> Pilih Describtive
Statistica>> lalu klik OK
5. Maka akan muncul tabel dialog descriptive Statistics seperti berikut
maka langkah selanjut nya isi input range dengan cara memblok semua
nilai cycle time >> klik colums>> ceklis pada bagian labelsin first row.
Lalu setelah itu pada output optinions klik Output Range ambil lah
range di mana akan kita tampilkan/ munculkan hasil dari analisa
univariat kita >> langkah berikut nya klik centang summary statistic
>> ok.
Maka muncul

Setelah kita klik OK maka akan muncul tabel baru hasil analisis
univariate yang akan muncul secara otomatis.
6. Langkah berikutnya kita membuat histogram untuk memunculkan nya
maka lakukan langkah berikut ini : klik Data >> Data Analysis >>
maka akan muncul kotak dialog data Analysis >> pilih histogram >>
klik OK >>Maka akan muncul kotak dialog lagi >> maka masuk kan
input range dengan cara memblok hasil tabel cycle time >> klik labels
>> klik output range pilih lokasi yang akan menjadi tempat muncul
nya histogram kita >> jangan lupa menceklis chart output >> lalu OK.
Maka secara otomatis akan keluar tabel baru yang berisikan bin dan
frekuensi dan Histogram secara bersamaan.
C. Hasil Analisis

Pembahasan :
Setelah dilakukan analisis univariat maka di dapat:
1. Mean yang di dapat kan berjumlah: 1607.73166666667
2. Standar error di dapat kan sebesar: 15.8347770987238
3. Median yang didapatkan yaitu: 1648.48
4. Modus yang didapatkan yaitu 1682.89
5. Standar deviation didapatkan sebesar : 86.7306461003725
6. Sample varians di dapatkan sebesar : 7522.20497298806
7. Kurtosis yang di dapat: -0.491836767650662
8. Skewness yang di dapat yaitu: -0.847917814924715
9. Range yang di dapatkan sebesar: 288.37
10. Nilai minimum yang di dapatkan yaitu: 1413.91
11. Nilai maximum yang di dapat: 1702.28
12. Basil SUM / penjumlahan yaitu: 48231.95
13. Banyak count/data yaitu: 30
14. Dan disajikan melalui histogram
Kesimpulan : karena nilai Mean < ME < Mo maka, skewness pada
histogram tersebut merupakan skweness negatif, selain itu nilai negatif
yang kita dapat positif atau negatif nya bisa menunjukan skweness positif /
negatif/ normal. Dikarenakan kita mendapatkan skweness bernilai
-0.847917814924715 maka termasuk skweness negatif.

Histogram
16
12
8
Frequency

Frequency
4
0
1 4 8 2 6 e
.9 58 25 93 60 or
1 3 1. 9. 6. 4. M
14 14
7
15
2
15
8
16
4

Bin

Untuk kurtosis setelah dilakukan analisis didapatkan nilai sebesar :

-0.491836767650662 maka hal ini membuktikan bahwa termasuk ke
kurtosis jenis platykurtis ( mendatar ) karna nilai < 3.
 Histogram
18
16
14
12
10
Frequency

8
6 Frequency
4
2
0
1 4 8 2 6 e
3 .9 .5
8
.2
5
.9
3
.6
0 or
41 71 29 86 44 M
1 14 15 15 16
Bin
 LAMPIRAN

CYCLE TIME DUMP TRUCK HD-777

Manuver Hauling Manuver Hauling

NO Loading Dumping
Kosong Isi Isi Kosong
1 18.37 112.31 635.63 21.86 19.87 605.87
2 27.12 131.34 731.3 27.21 27.49 739.19
3 22.78 187.23 672.19 19.51 25.84 651.55
4 24.67 172.43 653.14 23.58 27.31 612.58
5 21.17 159.31 672.4 23.79 24.1 621.51
6 22.2 139.84 615.22 22.11 21.4 602.67
7 14.88 147.51 745.31 23.31 29.88 741.39
8 26.55 167.22 679.11 29.34 23.83 643.56
9 29.55 143.52 731.41 20.32 23.68 714.64
10 25.16 177.28 719.41 18.2 24.37 718.47

KELOMPOK 2
11 20.22 161.49 691.37 21.63 19.35 641.48
12 23.24 111.21 753.22 25.41 25.31 729.43
13 26.22 177.24 622.81 20.77 21.92 602.51
14 27.18 153.81 661.71 20.12 24.18 616.83
15 29.67 116.21 711.05 19.51 27.8 723.59
16 27.72 164.31 751.27 20.79 25.83 659.41
17 25.16 177.28 719.41 18.2 24.37 718.47
18 27.9 188.61 731.48 19.67 26.58 683.21
19 29.55 143.52 731.41 20.32 23.68 714.64
20 20.22 161.49 691.37 21.63 19.35 641.48
21 23.24 111.21 753.22 25.41 25.31 729.43
22 25.16 177.28 719.41 18.2 24.37 718.47
23 27.9 188.61 731.48 19.67 26.58 683.21
24 21.47 181.64 674.43 23.56 21.95 641.48
25 18.37 112.31 635.63 21.86 19.87 683.21
26 27.12 131.34 731.3 27.21 27.49 714.64
27 25.16 177.28 719.41 18.2 24.37 683.21
28 27.9 188.61 731.48 19.67 26.58 683.21
29 20.42 151.31 729.42 17.21 29.31 751.22
30 22.7 165.44 721.74 18.77 23.57 731.4