MATERI 1 BIOSTATISTIKA:

CURVE FIBY EYE

DISUSUN OLEH:
KELOMPOK:

MAULANA BINTANG ALAM (195980207111029)

RIZKY AMALIA SHIDIQ (205080201111006)

EBEN EZER FERNANDO (205080201111028)

RIZKY KUSUMAH ANANTA (205080200111013)

REVIN TREE WIDYANINGRUM (205080200111063)

ALLALUNA (205080207111042)

AGAM MAYANDITA PRATAMA (205080207111036)

PEMANFAATAN SUMBERDAYA PERIKANAN DAN KELAUTAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS BRAWIJAYA
MALANG
2022
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa. Berkat
rahmat dan hidayah-Nya, Laporan Praktikum Mata Kuliah Dinamika Populasi ini
dapat diselesaikan sesuai dengan waktu yang telah ditentukan. Pada
kesempatan ini kami sampaikan terima kasih kepada semua pihak yang telah
membantu baik moril maupun materil. Semoga laporan ini bisa menjadi salah
satu sumbangan bagi perkembangan ilmu pengetahuan, khusunya di bidang
perikanan dan kelautan. Kami sangat menyadari bahwa laporan ini masih jauh
dari sempurna maka kami sangat berharap kritik dan sarannya. Akhir kata, kami
berharap semoga laporan praktikum ini dapat berguna bagi mahasiswa lainnya.

i
 DAFTAR ISI

KATA PENGANTAR.............................................................................................................
DAFTAR ISI..........................................................................................................................
DAFTAR GAMBAR.............................................................................................................
DAFTAR TABEL.................................................................................................................
DAFTAR LAMPIRAN...........................................................................................................
BAB I PENDAHULUAN.......................................................................................................
1.1 Latar Belakang............................................................................................................
1.2 Maksud dan Tujuan....................................................................................................
1.3 Waktu dan Tempat......................................................................................................
BAB II TINJAUAN PUSTAKA.............................................................................................
2.1 Pengertian Transformasi.............................................................................................
2.2 Regresi Linier..............................................................................................................
2.3 Metode Curve Fit By Eye............................................................................................
BAB III METODOLOGI........................................................................................................
3.1 Alat dan Bahan...........................................................................................................
3.2 Skema kerja................................................................................................................
3.3 Analisa Prosedur.........................................................................................................
BAB IV PEMBAHASAN.......................................................................................................
4.1 Data Hasil Praktikum..................................................................................................
4.2 Analisa Hasil........................................................................................................
BAB V PENUTUP..............................................................................................................
5.1 Kesimpulan...............................................................................................................
5.2 Saran........................................................................................................................
DAFTAR PUSTAKA..........................................................................................................
LAMPIRAN........................................................................................................................
Lampiran 1. Metode Curve Fit By Eye............................................................................
Lampiran 2. Langka Regresi Linier Melalui Excel...........................................................

ii
 DAFTAR GAMBAR

Gambar 1. Hasil regresi manual............................................................................9

Gambar 2. Hasil Regresi Excel...........................................................................10

iii
DAFTAR TABEL

iv
 DAFTAR LAMPIRAN

Lampiran 1. Data.................................................................................................15
Lampiran 2. Regression......................................................................................15
Lampiran 3. Input Regression.............................................................................16
Lampiran 4. Tentukan nilai a dan b.....................................................................16
Lampiran 5. Grafik Scatter..................................................................................16
Lampiran 6. Chart elements................................................................................16
Lampiran 7. Munculkan Garis.............................................................................17
Lampiran 8. Select data......................................................................................17
Lampiran 9. Add data..........................................................................................17
Lampiran 10. Input series X dan Y......................................................................18
Lampiran 11. Muncul garis..................................................................................18
Lampiran 12. Display Equation dan Display R-squared......................................18
Lampiran 13. Ubah dash tipe menjadi solid.........................................................19
Lampiran 14. Ubah warna...................................................................................19

v
 BAB I PENDAHULUAN

1.1 Latar Belakang

Menurut Novrinda, et al. (2017), latar Belakang masalah adalah
informasi yang tersusun sistematis berkenaan dengan fenomena dan masalah
problematik yang menarik untuk di teliti. Masalah terjadi saat harapan idela akan
sesuatu hal tidak sama dengan realita yang terjadi. Tidak semua masalah adalah
fenomena dan menarik. Masalah yang fenomenal adalah saat menajdi perhatian
banyak orang dan di bicirakan di berbagai kalangan di masyarakat. Latar
belakang dimaksudkan untuk menjelaskan alasan mengapa masalah dalam
penelitian ingin diteliti, pentingnya permasalahan dan pendekatan yang
digunakan untukan untuk menyelesaikan masalah tersebut baik dari sisi teoritis
dan praktis. Latar belakang masalah penelitian berisi informasi tentang suatu
masalah dan atau peluang yang dapat dipermasalahkan agar ditindaklanjuti lewat
penelitian, termasuk hal-hal yang melatar belakanginya.
Menurut Yunus (2019), latar belakang masalah berisi tentang sejarah
dan persitiwa-peristiwa yang sedang terjadi pada suatu proyek penelitian, tetapi
dalam peristiwa itu, nampak adanya penyimpangan-penyimpangan dari standar
yang ada, baik standar keilmuan maupun aturan-aturan. Dalam latar belakang ini
peneliti harus melakukan analisis masalah, sehingga permasalahan menjadi
jelas. Melalui analisis masalah ini, peneliti harus dapat menunjukkan adanya
suatu penyimpangan dan menuliskan mengapa hal itu perlu diteliti. Bagian latar
belakang masalah menjelaskan mengapa suatu penelitian dilaksanakan dan apa
yang ingin dicapai atau diketahui dari pelaksanaan penelitian tersebut. Fakta dan
data yang mendukung harus dicantumkan
Latar belakang merupakan hal yang penting dalam penelitian. Hal ini
disebabkan latar belakang adalah salah satu aspek yang diperlukan dalam
penulisan sebuah karya karena pada latar belakang aka nada permasalahan
yang akan di bahas. Latar belakang masalah berisi tentang sejarah dan
persitiwa-peristiwa yang sedang terjadi pada suatu proyek penelitian, tetapi
dalam peristiwa itu, nampak adanya penyimpangan-penyimpangan dari standar
yang ada, baik standar keilmuan maupun aturan-aturan. Latar belakang masalah
penelitian berisi informasi tentang suatu masalah dan atau peluang yang dapat
dipermasalahkan agar ditindaklanjuti lewat penelitian, termasuk hal-hal yang
melatar belakanginya.

1
1.2 Maksud dan Tujuan
Mampu melakukan transformasi linier pada persamaan non-linier, dan
menghitung persamaan regresi dengan kertas grafik (curve-fit by eye).
1.3 Waktu dan Tempat
Praktikum Dinamika Populasi Ikan akan dilaksanakan setiap hari Sabtu
mulai 17 September 2022 – 12 November 2022. Praktikum akan dilaksanakan di
Laboratorium Eksploitasi Biologi Perikanan dan ruang perkuliahan Gedung C
lantai 3 yaitu C 3.2 dan C 3.5, Fakultas Perikanan dan Ilmu Kelautan, Universitas
Brawijaya, Malang.

2
 BAB II TINJAUAN PUSTAKA

2.1 Pengertian Transformasi

Menurut Handoko et al. (2022), Transformasi data bisa penulis katakan

sebagai proses dimana yang awalnya hanya berupa data mentah hasil ekstraksi
yang kemudian disaring dan diubah menurut kaidah bisnisyang berlaku.
Inteligensi Bisnis (IB), dapat penulis definisikan sebagai sekumpulan teknik dan
alat yang berguna untuk mentransformasi data dari yang awalnya hanya berupa
data mentah akan diubah menjadi informasi yang dapat berguna dan bermakna
untuk tujuan analisis bisnis. Transformasi bukanlah proses linear, namun terdapat
berbagai kemungkinan tindakan yang tidak sinkron. Transformasi data digunakan
sebagai Informasi yang sangat dibutuhkan data mining untuk mengeksplorasi
basis data, dan menemukan pola-pola yang tersembunyi. Sementara para pelaku
usaha juga mempunyai kebutuhan-kebutuhan untuk memanfaatkan data yang
sudah dimiliki, para peneliti yang melihat peluang tersebut, berkontribusi untuk
melahirkan sebuah teknologi baru yang dapat menjawab kebutuhan ini, yaitu
data mining.
Menurut Hajar (2022), Transformasi data digunakan untuk mengubah
data ke dalam bentuk yang sesuai untuk suatu analisis. Transformasi data
dilakukan baik terhadap data numerik maupun data kategorik. Transformasi data
numerik dilakukan dengan standarisasi data. Jika rentang nilai antar variabel
memiliki perbedaan skala yang cukup besar yang dapat menyebabkan bias
dalam analisis cluster, maka data asli perlu standarisasi. Reduksi data adalah
proses pemilihan, pemustan perhatian pada penyederhanaan, pengabstrakan
dan transformasi data kasar yang muncul dari catatan-catatan tertulis di
lapangan. Proses ini berlangsung terus menerus selama penelitian berlangsung,
bahkan sebelum data benar-benar terkumpul sebagaimana terlihat dari kerangka
konseptual penelitian, permasalahan studi, dan pendekatan pengumpulan data
yang dipilih peneliti.
Transformasi data adalah upaya yang dilakukan untuk mengubah skala
pengukuran dari data asli menjadi bentuk lain. Data yang diubah dapat
memenuhi asumsi-asumsi yang mendasari analisis ragam. Proses yang diambil
dari transformasi data tersebut berupa standarisasi data. Dalam transformasi

3
data, peneliti melakukan analisis data secara berulang ulang sehingga hasil yang
didapat berupa konsep kerangka. Data yang ditampilkan pada laporan tetap data
aslinya sedangkan data transformasi hanya untuk membantu anda untuk
membuat data asli memenuhi asumsi-asumsi analisis ragam.
2.2 Regresi Linier

Menurut Baihaqi (2019), Metode regresi linier merupakan metode yang

terdiri dari satu atau lebih variabel independen yang biasa dengan notasi X dan
satu variabel respon yang bisa diwakili dengan Y. Pada penelitian ini Metode
prediksi regresi linier dapat menghasilkan prediksi dengan beberapa kriteria nilai
error MAPE, dimana terdapat 26 model prediksi regresi linier yang memiliki nilai
error kurang dari 20% artinya mempunyai akurasi sebesar 80%. Akan tetapi,
terdapat 3 model prediksi regresi linier yang masuk dalam kategori buruk yaitu
nilai errornya lebih dari 50%, dan terdapat 1 model prediksi regresi linier yang
termasuk dalam kategori cukup atau mempunyai nilai error sebesar 20% sampai
50%.
Menurut Purwadi et.al. (2019), Regresi linier adalah merupakan satu
cara prediksi yang menggunakan garis lurus unutk menggambarkan hubungan
diantara dua variabel atau lebih. metode statistika ini digunakan untuk
membentuk suatu model hubungan antara variabel terikat (dependen, Y) dengan
satu atau lebih variabel bebas (independen, X). dengan tujuan untuk
mengestimasi serta memprediksi rata-rata populasi atau nilai rata-rata variabel
dependen berdasarkan nilai variabel independen yang diketahui. Hasil analisis
regresi berupa koefisien pada masing- masing variabel X (independen). Koefisien
tersebut diperoleh dengan cara memprediksi nilai variabel Y (dependen) dengan
suatu persamaan. Koefisien regresi dihitung dengan dua tujuan sekaligus, untuk
meminimumkan penyimpangan antara nilai aktual dan nilai estimasi variabel Y
(dependen) berdasarkan data yang ada.
Regresi linier adalah metode statistika yang digunakan untuk
membentuk model atau hubungan antara satu atau lebih variabel bebas X
dengan sebuah variabel respon Y. Analisis regresi dengan satu variabel bebas X
disebut sebagai regresi linier sederhana, sedangkan jika terdapat lebih dari
satu variabel bebas X, disebut sebagai regresi linier. Dalam menganalisis
hubungan fungsional antara variabel bebas X dan variable respon Y, ada
kemungkinan terjadi hubungan linier yang berbeda untuk setiap interval. Regresi

4
linier piecewise dapat diterapkan di berbagai bidang, salah satunya di bidan
perikanan yaitu dalam mengolah data dengan variabel terikatnya yaitu berat ikan
(W) dan variabel bebasnya panjang ikan (Sl). Dalam analisis regresi linier
piecewise, harus diestimasi nilai X-knot optimum dengan sebuah nilai dugaan
awal yang tersedia. Selain itu, nilai-nilai X. parameter regresi linier piecewise
juga harus diestimasi sehingga diperoleh model regresi yang dapat menjelaskan
hubungan antara berat ikan (W) terhadap panjang ikan (Sl).
2.3 Metode Curve Fit By Eye
Menurut Muzzaki et al. (2021), Metode Curve Fit by Eye Proses curve
fitting merupakan proses pencocokan antara kurva data pengukuran dengan kurva
model yang kita gunakan,sehingga dapat diprediksi model bawah
permukaanberdasarkan nilai resistivitasnya. Analisis pengaruh dilakukan untuk
mencari bagaimana variabel-variabel data SOI dan variabel-variabel curah hujan
berhubungan pada hubungan fungsional melalui garis yang telah di-estimasi.
Dalam hal ini, terdapat dua variabel yang dijadikan sebagai studi kasus untuk
dianalisis melalui metode pencocokan kurva yaitu data SOI (variabel bebas) dan
curah hujan di Indonesia (variabel tidak bebas). Sehingga dari penelitian ini
didapatkan hasil bahwa terdapat hubungan fungsional. Dalam metode Curve
Fit by Eye, jika setiap nilai X (SOI) yang diketahui dimasukkan ke dalam
persamaan diatas, maka akan menghasilkan suatu persamaan garis lurus yang
dijadikan sebagai taksiran curah hujan yang mewakili serangkaian data-data SOI
dan curah hujan hasil observasi.
Menurut Rindegan et al. (2017), Metode Curve Fit by Eye
merupakan yang memberikan hubungan y dengan x yang mendekati data. Ada
dua metode Curve Fit by Eye yaitu interpolasi dan regresi. Interpolasi
merupakan pendekatan ketika data dalam tabel mempunyai ketelitian yang
sangat tinggi kurva cocokannya dibuat melalui setiap titik data. Regresi
adalah teknik pemecahan kurva untuk data yang ketelitiannya rendah. Contoh
metode Regresi adalah data hasil pengamatan, data hasil percobaan di
laboratorium, dan data statistic. Terdapat beberapa metode regresi yang dapat
digunakan yakni : regresi linier, regresi eksponensial, regresi linier berganda dan
regresi polinomial.
Metode Curve Fit by Eye merupakan salah satu metode dalam statistika.
Metode ini mengestimasi kurva yang mewakili serangkaian titik data. Metode ini
juga memberikan hubungan anatara variable bebas dengan variable tidak bebas.
Jika setiap nilai x yang diketahui dimaukkan kedalam persamaan akan

5
menghasilkan suatu persamaan garis lurus. Dalam metode ini jika variable
Metode ini memiliki 2 metode yaitu metode interpolasi dan regresi.

BAB III METODOLOGI

3.1 Alat dan Bahan

Dalam metode curve-fit by eye terdapat dua cara perhitungan yaitu
secara manual dan secara aplikasi. Alat dan bahan yang dibutuhkan dalam
biostatistika curve-fit by eye yaitu sebagai berikut:
Alat dan bahan perhitungan secara manual :
1. Kertas grafis atau kertas milimeter
2. Penggaris transparan
3. Pensil
4. Alat tulis lainnya
Alat dan bahan perhitungan secara aplikasi :
1. Laptop
2. Ms.Excel (standarisasi internasional)
3.2 Skema kerja

Siapkan alat dan bahan untuk melakukan perhitungan secara manual dan
menggunakan aplikasi

Langkah pertama untuk perhitungan manual yaitu plotkan 7 titik observasi pada
kertas millimeter block

Lalu plotkan 7 titik observasi pada kertas millimeter block

Kemudian mencari nilai koefisien regresi a dan b

Setelah itu menghitung ragam dari data observasi

Langkah terakhir Interpretasi kesimpulan

6
3.3 Analisa Prosedur
Berikut merupakan analisa prosedur dari curve-fit by eye :
1. Dalam melakukan curve-fit by eye apabila ada data koma maka kita
bulatka terlebih dahulu,
2. Kemudian buat grafis, lalu cari titik pertemuan pada grafis dari
setiap pertemuan garis. Begitu pula untuk data selanjutnya.
3. Cari nilai a dengan mencari nilai yang jaraknya paling saling
berdekatan, kemudian tarik garis keberanian sampai memotong
sumbu Y,
4. Lalu mencari b dengan rumus y2 – y1/ x2-x1
5. Setelah itu tentukan nilai regresi liniernya Y=a + bx
6. Lalu tentukan derajad keberanian ∆atas - ∆bawah, ∆atas adalah
nilai di atas garis keberanian, sedangkan ∆bawah adalah nilai di
bawah garis keberanian.
7. Jika nilai dibawah 0 adalah underestimate, jika nilai diatas 0 adalah
overestimate.
8. Dapat dikatakan ideal apabila nilai sama dengan 0 atau cara
perhitungan manual atau menggunakan ms excel nilai hasil yang
dihasilkan sama.

7
 BAB IV PEMBAHASAN

4.1 Data Hasil Praktikum

Gambar 1. Hasil regresi manual

8
 (Sumber: Dokumentasi Pribadi, 2022)

Gambar 2. Hasil Regresi Excel

(Sumber: Kajian Praktikum Dinamika Populasi Ikan, 2022)

4.2 Analisa Hasil

Analisis regresi menggunakan metode Curve By Eye dari data praktikum
di atas yaitu overestimates, karena nilai derajat keberaniannya sebesar 12,8
yang berarti bahwa terlalu berani dalam mengambil keputusan. Sedangkan
analisis regresi menggunakan Excel yaitu mendapatkan nilai a dan b yang telalu
rendah. Dengan demikian analisis regresi menggunakan metode curve fit bye
eye sudah benar karena bentuk umum perasamaan dengan menggunakan excel
tidak jauh berbeda.

9
 BAB V PENUTUP

5.1 Kesimpulan
1. Transformasi data bisa penulis katakan sebagai proses dimana yang awalnya
hanya berupa data mentah hasil ekstraksi yang kemudian disaring dan diubah
menurut kaidah bisnisyang berlaku. Inteligensi Bisnis (IB), dapat penulis
definisikan sebagai sekumpulan teknik dan alat yang berguna untuk
mentransformasi data dari yang awalnya hanya berupa data mentah akan diubah
menjadi informasi yang dapat berguna dan bermakna untuk tujuan analisis bisnis.

10
 2. Metode regresi linier merupakan metode yang terdiri dari satu atau lebih variabel
independen yang biasa dengan notasi X dan satu variabel respon yang bisa
diwakili dengan Y. Pada penelitian ini Metode prediksi regresi linier dapat
menghasilkan prediksi dengan beberapa kriteria nilai error MAPE, dimana
terdapat 26 model prediksi regresi linier yang memiliki nilai error kurang dari
20% artinya mempunyai akurasi sebesar 80%.
3. Metode Curve Fit by Eye Proses curve fitting merupakan proses pencocokan antara
kurva data pengukuran dengan kurva model yang kita gunakan,sehingga dapat
diprediksi model bawah permukaanberdasarkan nilai resistivitasnya.
4. Dalam metode curve-fit by eye terdapat dua cara perhitungan yaitu secara manual
dan secara aplikasi. Alat dan bahan yang dibutuhkan dalam biostatistika curve-fit
by eye yaitu kertas grafis atau kertas milimeter, pensil, dan atk. Sedangkan untuk
alat dan bahan perhitungan secara aplikasi laptop dan ms.excel.

5.2 Saran

Pada proses pratikum Dinamika Populasi Ikan saat ini sudah dijalankan
dengan baik. Namun ada beberapa saran yang diberikan yang mungkin bisa
menjadi bahan pertimbangan atau tolak ukur agar proses pratikum kedepannya
lebih baik. Pada pratikum kali ini, materi yang disampaikan kurang jelas dan
waktunya terbatas, baik dalam menerangkan materi maupun mencontohkan hal
penugasan. Sebaiknya materi vidio yang diberikan untuk penugasan harus
diberikan kepada mahasiswa agar lebih mengerti penjelasan yang disampaikan
dan bisa menjadi bahan acuan untuk penugasan selanjutnya.

11
 DAFTAR PUSTAKA

Baihaqi, W. M., Dianingrum, M., & Ramadhan, K. A. N. (2019). Regresi Linier

Sederhana Untuk Memprediksi Kunjungan Pasien di Rumah Sakit
Berdasarkan Jenis Layanan dan Umur Pasien. Simetris: Jurnal
Teknik Mesin, Elektro Dan Ilmu Komputer, 10(2), 671-680.
Hajar, M., Nasution, Y. N., & Prangga, S. (2022, May). Penerapan Metode
Agglomerative Nesting (Agnes) Pada Pengelompokkan Wilayah
Desa Atau Kelurahan Di Kabupaten Kutai Kartanegara (Studi
Kasus: Data Potensi Desa (PODES) Tahun 2018). In Prosiding
Seminar Nasional Matematika dan Statistika (Vol. 2).
Handoko, F. D., Fauzi, A., Ryan, D., Kurniasih, F., Mutiara, P., & Afifi, S. T.
(2022). Transformasi Data Menjadi Informasi Pada Bisnis Intelijen.
Jurnal Ilmu Hukum, Humaniora dan Politik, 2(3), 313-19.
Muzakki, Y., Lestari, W., & Fajar, M. H. M. (2021). Pemodelan Akuifer Air Tanah
Menggunakan Geolistrik Resistivitas Vertical Electrical Sounding
(VES) di Kabupaten Sorong, Provinsi Papua Barat. Jurnal
Geosaintek, 7(3).
Novrinda, N., Kurniah, N., & Yulidesni, Y. (2017). Peran orangtua dalam
pendidikan anak usia dini ditinjau dari latar belakang
pendidikan. Jurnal Ilmiah Potensia, 2(1), 39-46.
Purwadi, P., Ramadhan, P. S., & Safitri, N. (2019). Penerapan Data Mining Untuk
Mengestimasi Laju Pertumbuhan Penduduk Menggunakan Metode
Regresi Linier Berganda Pada BPS Deli Serdang. Jurnal
SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer),
18(1), 55-61.
Rindengan, A. J., & Mananohas, M. (2017). Perancangan Sistem Penentuan
Tingkat Kesegaran Ikan Cakalang Menggunakan Metode Curve

12
 Fitting Berbasis Citra Digital Mata Ikan. Jurnal Ilmiah Sains, 17(2),
161-168.
Yunus, R. N. (2019). Kemampuan Menulis Argumentasi Dalam Latar Belakang
Skripsi Mahasiswa Manajemen Universitas Pembangunan Panca
Budi. Jumant, 11(1), 207-216.

13
 LAMPIRAN

Lampiran 1. Metode Curve Fit By Eye

1. Scan pengerjaan regresi secara manual

14
Lampiran 2. Langka Regresi Linier Melalui Excel
1. Siapkan data yang akan diolah, kemudian pilih data analysis

Lampiran 1. Data

2. Setelah itu pilih regression lalu klik OK

Lampiran 2. Regression

3. Isi Y dengan cara blok data MBD dan X dengan data SL, lalu pilih output
range dan klik OK

Lampiran 3. Input Regression

15
4. Tentukan nilai a dan nilai b

Lampiran 4. Tentukan nilai a dan b

5. Kemudian pilih grafik scatter

Lampiran 5. Grafik Scatter

6. Klik chart elements atau panah yang ada dipojok atas

Lampiran 6. Chart elements

16
7. Kemudian centang axis, chart title, gridlines dan trendlines

Lampiran 7. Munculkan Garis

8.
Klik kanan pada grafik, lalu pilih select data

9.
Lampiran 8. Select data
9.
Klik add pada select data source

Lampiran 9. Add data

10.
Isi X dengan cara blok
data SL dan Y dengan
data MBD, lalu klik OK

17
 Lampiran 10. Input series X dan Y

11. Setelah muncul garis kemudian klik kanan dan pilih

Lampiran 11. Muncul garis

12. Centang Display Equation dan Display R-squared

Lampiran 12. Display Equation dan Display R-squared

13. Ubah dash tipe menjadi solid

Lampiran 13. Ubah dash tipe menjadi solid

18
14. Dan ubah warna garisnya menjadi warna hitam

Lampiran 14. Ubah warna

19