KEMENTERIAN PENDIDIKAN, KEBUDAYAAN, RISET DAN TEKNOLOGI

UNIVERSITAS HASANUDDIN
FAKULTAS TEKNIK
DEPARTEMEN TEKNIK GEOLOGI

ACARA I : PENGENALAN DAN PENGOLAHAN DATA STATISTIK

DENGAN MENGGUNAKAN IBM SPSS VERSI 26.0

LAPORAN

OLEH : RUZIK WIRDANDO MUSFA

NO. MHS : D061191012

GOWA
2021

i
KEMENTERIAN PENDIDIKAN, KEBUDAYAAN, RISET DAN TEKNOLOGI
UNIVERSITAS HASANUDDIN
FAKULTAS TEKNIK
DEPARTEMEN TEKNIK GEOLOGI

ACARA I : PENGENALAN DAN PENGOLAHAN DATA STATISTIK

DENGAN MENGGUNAKAN IBM SPSS VERSI 26.0

LAPORAN

Diajukan sebagai Salah Satu Syarat Kelulusan

Mata Kuliah Geotatistik pada Departemen Teknik Geologi
Fakultas Teknik Universitas Hasanuddin

OLEH : RUZIK WIRDANDO MUSFA

MHS : D06119102

GOWA
2021

ii
 KATA PENGANTAR

Puji syukur saya patut panjatkan atas kehadirat ALLAH SWT, Tuhan
Yang Maha Esa, atas berkat dan rahmat-Nya sehingga saya dapat
menyelesaikan laporan tugas 1 geostatistik. Dalam pembuatan laporan ini ada
beberapa hambatan yang saya hadapi. Namun saya menyadari bahwa
pembuatan laporan ini adalah usaha maksimal yang saya lakukan, dan tidak
terlepas dari support beberapa pihak. Oleh karena itu, saya mengucapkan
terimakasih yang sebesar-besarnya kepada :
1. Kedua Orang Tua penulis yang selalu memberikan motivasi serta
mendukung dalam kelancaran pembuatan laporan ini.
2. Dosen pembimbing mata kuliah Geostatistik atas segala ilmu yang telah
diberikan.
3. Teman-teman senasib dan seperjuangan angkatan 2019 Program Studi
Teknik Geologi Departemen Teknik Geologi Fakultas Teknik Universitas
Hasanuddin.
Saya menyadari bahwa laporan ini sangat jauh dari kesempurnaan. Oleh
karena itu, kritik dan saran yang bersifat membangun penulis terima dengan hati
terbuka. Semoga laporan ini dapat bermanfaat bagi semua pihak.

Gowa, 6 Desember 2021

Penulis

iii
 DAFTAR ISI

Halaman
SAMPUL........................................................................................................i
HALAMAN TUJUAN.....................................................................................ii
KATA PENGANTAR.....................................................................................iii
DAFTAR ISI..................................................................................................iv
BAB I PENDAHULUAN............................................................................1
1.1 Latar Belakang.......................................................................1
1.2 Maksud dan Tujuan................................................................1
1.3 Alat dan Bahan........................................................................1
BAB II TINJAUAN PUSTAKA..................................................................2
2.1 Pengertian Statistik dan Geostatistik.......................................2
2.2 Data.........................................................................................3
2.3 Penyajian Data........................................................................3
2.4 Ukuran Statistik........................................................................5
BAB III PEMBAHASAN..............................................................................7
3.1 Prosedur Kerja dan Pengolahan Data1....................................7
3.2 Frequencies dan DescreptiveData2......................................... 7
3.3 Tabulasi Silang (Crosstabs)2................................................... 13
3.4 Q-Q dan P-P Plot Diagrams2................................................... 19
BAB IV PENUTUP3.................................................................................... 25
DAFTAR PUSTAKA4................................................................................... 26

1
Membahas tentang langkah kerja dan metode pengolahan data pada software lengkap dengan gambar (Print
Screen Halaman kerja SPSS dan MS. Excel)
2
Jelaskan secara lengkap hasil outputsoftwarebeserta dasar rumus/formula (sesuai teori dasar statistik) dalam
bentuk paragraf beserta dengan diagram/tabel hasil analisis deskriptif.
3
Berisi tentang kesimpulan singkat hasil pengolahan data peraktikum (mengacu pada tujuan tulisan).
4
Sumber yang digunakan sebagai referensi/kepustakaan laporan, usahakan bersumber dari text book, jurnal,
artikel atau literatur lain yang terpublis (Tahun pencetakan dan Nama penerbit), dan bukan berupa referensi
hasil browsing dari website atau blogspot yang tidak akuntabel.

iv
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Menghadapi tantangan Era Industri 4.0, dimana segala aspek kehidupan

telah terintegrasi dengan kemajuan teknologi, maka sangat dibutuhkan sumber
daya manusia yang berkualitas dan memiliki kemampuan sesuai tuntutan dunia
kerja yang erat kaitannya dengan capaian mata kuliah dan bersinergi dengan
visi, misi dan tujuan kampus. Sehingga, calon geologist dalam hal ini mahasiswa
Teknik Geologi Unhas diharapkan mampu menjawab tantangan dan tuntutan
tersebut. Salah satu kemampuan yang penting dikuasai adalah kemampuan
menganalisis dan menyelesaikan data geologi dengan menggunakan
pendekatan geostatistik (e.g. perhitungan statistik cadangan/kandungan batuan,
mineral dan lainnya.

1.2 Maksud dan Tujuan

Maksud dari praktikum statistik ini adalah untuk menganalisis dan

menyelesaikan permasalahan geologi dengan pendekatan statistik, khususnya
yang berkaitan ruang lingkup ilmu geologi (geostatistik).
Adapun tujuan dari praktikum geostatistik ini, yaitu:
1. Mahasiswa mampu mengolah, menyajikan dan menjelaskan manfaat
data-data statistik (Frequencies, Descreptives Data, Crosstabs, Q-Q dan
P-P Plot Diagrams) menggunakan aplikasi program e.g. MS. Office
(Excel) dan SPSS.
2. Mahasiswa diharapkan dapat menggunakan berbagai variabel data dalam
bentuk data statistik untuk menyelesaikan masalah geologi.
3. Mengetahui manfaat dari pengolahan analisis statistika dan kaitannya
dengan disiplin ilmu (geologi).

1.3 Alat dan Bahan

Alat dan bahan yang digunakan pada praktikum geostatistik ini, yaitu:
1. Data statistik (Problem Sheet)
2. Laptop/Personal Computer
3. Program Aplikasi/Software SPSS Ver. 26.0 dan Ms. Excel

1
 BAB II
TINJAUAN PUSTAKA

2.1 Pengertian Statistik dan Geostatistik

Statistik adalah sekumpulan fakta yang berbentuk angka yang disusun dalam
tabel atau daftar yang menggambarkan suatu persoalan (Subana., dkk., 2000).
Statistik adalah kumpulan angka angka mengenai suatu masalah, sehingga
dapat memberikan gambaran mengenai masalah tersebut (Heryanto, 2007)
Statistik Secara etimologis berasal dari kata status (Bahasa latin), yang dalam
Bahasa Indonesia diterjemahkan menjadi negara. Pada mulanya, kata statistic
diartikan sebagai kumpulan bahan keterangan yang mempunyai arti penting dan
berguna bagi suatu negara (Sudijono, 2005)
Geostastik merupakan metode dari statistic yang pada umumnya digunakan
untuk menganalisa karakteristik cebakan mineral yang biasanya menggunakan dua
cara, yaitu statistic klasik dan statistic spasial (Aisha, Warnana and Ariyanti, 2018).
Adapun pengertian lainnya menurut Matheron (1963) yang menyebutkan bahwa
geostatistik merupaka ilmu yang khusus mempelajari distribusi dalam ruang, yang
sangat berguna untuk insyinyur tambang dan ahli geologi seperti grade, ketebalan,
akumulasi dan termasuk semua aplikasi praktis untuk masalah-masalh yang muncul
dalam evaluasi endapan bijih (Silitonga, Usman and Maryanto, 2019).
Terdapat beberapa komponen dasar geostatistik sebagai berikut : (1) (semi)
variogram analysis yang merupakan karakterisasi dari korelasi spasila dalam artian
data menjadi kurang atau tidak berkorelasi seiring dengan bertambahnya jarak (lag)
dari posisi data diambil; (2) kriging merupakan optimal interpolation yang
menghasilkan linear unbaised estimate di setiap lokasi; (3) stochastic simulation
merupakan proses untuk menghasilkan multiple equiprobable images dari variable
dengan menggunakan semivariogram model. Variogram yang disebutkan merupakan
suatu metode analisis secara geostatistik yang berfungsi untuk mengkuantifikasi
tingkat kemiripan atau variabilitas antara dua contoh yang terpisah pada jarak
tertentu. Variogram atau semivariogram adalah alat utama yang digunakan dalam
perhitungan melalui geostatistik (Silitonga, Usman and Maryanto, 2019).

2
2.2 Data

Data merupakan suatu kumpulan yang terdiri dari fakta-fakta untuk

memberikan gambaran yang luas terkait dengan suatu keadaan. Seseorang yang
akan mengambil sebuah kebijakan atau keputusan umumnya akan menggunakan
data sebagai bahan pertimbangan. Melalui data seseorang dapat menganalisis,
menggambarkan, atau menjelaskan suatu keadaan.
Di samping itu, data dikumpulkan melalui cara-cara tertentu kemudian diolah
menjadi suatu informasi yang jelas dan mudah dipahami setiap orang. Data juga
dibutuhkan di dalam berbagai macam keperluan, seperti penjualan, penelitian hingga
kependudukan. Data memiliki jenis dan fungsinya masing-masing, hal ini sesuai
dengan kebutuhan pengelola data.
Secara umum, data banyak digunakan untuk suatu penelitian tertentu.
Namun, seiring berjalannya waktu, data dibutuhkan untuk memenuhi berbagai
keperluan di berbagai bidang. Tentunya hal ini bertujuan untuk memberikan informasi
yang jelas dan benar setelah data tersebut diolah lebih lanjut.

2.3 PENYAJIAN DATA

Setelah data dikumpulkan dan diolah dengan berbagai macam metode,

selanjutnya data siap disajikan. Terdapat fungsi dari penyajian data ini adalah untuk
memberikan gambaran awal dari hasil pengumpulan data, informasi data lebih cepat
dimengerti, dan memudahkan saat proses analisis data. Penyajian data melalui
beberapa tahapan, yaitu editing, koding, kemudian membuat penyajian data tersebut.
Editing atau dikenal sebagai penyuntingan adalah pengecekan atau
pengoreksian data yang telah dikumpulkan, karena kemungkinan data yang masuk
(raw data) atau data terkumpul itu tidak logis dan meragukan. Tujuan dari
penyuntingan adalah untuk menghilangkan kesalahan-kesalahan yang terdapat pada
pencattatan di lapangan dan bersifat koreksi. Coding adalah proses untuk
menempatkan angka atau symbol lain pada setiap jawaban sehingga data dapat
dimasukkan ke dalam sejumlah kategori atau kelas untuk mempermudah penyajian
data.
Adapun manfaat dari penyajian data ini, yaitu : (a) dapat membantu dalam
meringkas data kualitatif dan kuantitatif,; (b) data kualitatif meliputi distribusi
frekuensi, frekuensi relative, persen distribusi frekuensi, grafik batang, dan grafik
lingkaran; (c) data kuantitatif meliputi distribusi frekuensi, relative frekuensi dan
persen distribusi frekuensi, diagram ataau plot titik, distribusi kumulatif, dan ogive; (d)
dapat digunakan untuk melakukan eksplorasi data; serta (e) membuat tabulasi silang
3
dan diagram sebaran data.
Terdapat dua bentuk data yang dapat disajikan, yaitu berupa tabel dan grafik
yang akan dijelaskan sebagai berikut:
a. Tabel
Tabel merupakan bentuk penyajian ini merangkum data ke dalam bentuk
baris atau kolom. Tabel ini memiliki tiga jenis, yaitu tabel satu arah (one-way table)
merupakan tabel yang menunjukkan satu variable atau karakteristik saja dan
tabulasi silang (two way table) merupakan metode tabulasi untuk merangkum data
dengan dua atau lebih variable secara bersamaan. Pada metode tabulasi silang ini
dapat digunakan jika : (1) salah satu variable bersifat kualitatif dan lainnya
kuantitatif; (2) kedua variable berupa variable kualitatif; (3) kedua variable berupa
variable kuantitatif.
Jenis yang ketiga adalah tabel frekuensi yang merupakan terdiri dari tabel
ringkasan data yang menunjukkan frekuensi atau banyaknya item atau obyek pada
setiap kelas yang ada. Adapun tujuan tabel frekuensi adalah untuk mendapatkan
informasi lebih dalam tentang data yang ada yang tidak dapat secara cepat
diperoleh dengan melihat data asli.
b. Grafik
Grafik merupakan diagram yang berfungsi sebagai sebuah potret yang
dapat memberikan gambaran serta uraian-uraian dari tempat atau obyek dari mana
gambar itu diperoleh. Grafik ini ada banyak macemnya, yaitu grafik batamg, garis,
lambang atau symbol, serta lingkaran. Berikut merupakan penjelasan jenis grafik
yang dapat digunakan atau biasa digunakan dalam statistic:
a) Grafik garis (line chart) : untuk melihat pertumbuhan atau
perkembangan suatu kejadian
b) Grafik peta : melihat atau menunjukkan lokasi suatu wilayah beserta
atribut atau karakteristiknya
c) Grafik batang (bar graph) : untuk melihat distribusi atau
perbandingan nilai, frekuensi, atau persentase di setiap kategori.
d) Grafik titik : metode persentasi secara grafis yang menggambarkan
hubungan antara dua variable kuantitatif.
e) Grafil lingkaran (pie chart) : untuk melihat perbandingan (dalan
persentase atau proporsi), mempresentasikan distribusi frekuensi relative
dari data kualitatif maupun data kuantitatif yang telah dikelompokkan.
f) Ogive : grafik yang menyajikan nilai kumulatif, pada sumbu
horizontal menunjukkan nilai data, sedangkan sumbu vertical merupakan
frekuensi kumulatif, relative kumulatif, atau persen frekuensi kumulatif.
4
 Dalam penyajian data spasial, terdapat dua model dalam mempresentasikan
komponen spasila dalam informasi geografis, yaitu model vector dan model
rastel. Pada model vector, obyek atau kondisi permukaan bumi digambarkan
dengan symbol titik, garis dan area yang pada dasarnya juga dibatasi oleh
garis/polygon. Dalam model raster, posisi obyek dipermukaan bumi
digambarkan dalam raung dan disebut sebagai sel. Representasi dari sel
berada dalam suatu posisi yang berupa kolom dan baris, yang biasa
diistilahkan sebagai pixel (picture element).

Setiap model penyajian data spasial tersebut, memiliki kelebihan dan

kekurangan masing-masing. Kelebihan dari model vector adalah penyajian datanya
yang cukup bagus, struktur datanya cukup kompak, grafik data cukup akurat,
pemanggilan kembali, updating dan generalisasi grafik data dan atribut dapat
dilakukan dengan mudah, serta topologi data dapat dideskripsikan selengkapnya
dengan link network. Namun kelemahan model vector adalah struktur datanya
cukup kompleks, kombinasi dari beberapa polygon dalam overlay cukup sulit,
display dan plot data cukup mahal, teknologi yang digunakan cukup mahal,
terutama untuk hardware dan software yang handal, serta filtering dalam polygon
tidak mungkin dilakukan.
Berbeda dengan kelebihan yang dimiliki oleh model raster, yaitu struktur
data cukup sederhana, overlay dan kombinasi data dengan citra sangat mudah,
beberapa Analisa spasial cukup mudah dilaksanakan, simulasi cukup mudah
dilakukan karena data yang dimiliki mempunyai bentuk dan ukuran yang sama,
serta teknologi yang digunakan tidak mahal. Adapun kekurangan yang dimiliki
model raster, yaitu volume grafik data cukup besar, apabila digunkana ukuran grid
sel yang besar untuk mengurangi volume data akan menghilangkan beberapa
informasi penting, network link sulit dilaksanakan, membutuhkan waktu yang
cukuup lama dalam transformasi proyeksi, serta penyajian data yang kurang bagus.

2.4 UKURAN STATISTIK

Ukuran statistic dibagi menjadi dua, yaitu ukuran pemusatan dan ukuran
keragaman. Ukuran pemusatan merupakan penyederhanaan data untuk
mempermudah peneliti membuat interpretasi dan mengambil suatu kesimpulan, yang
meliputi rata-rata, mean, modus, median, kuartil, desil, serta persentil. Berbeda
dengan ukuran keragaman yang meliputi kisaran, ragam, deviasi standara koefieisn
keragaman.

5
a. Rata-Rata : salah satu ukuran untuk memberikan gambaran yang
lebih jelas dan singkat tentang sekumpulan data yang melihat pusat suatu
data, apabila data diurutkan dari yang terkecil sampai terbesar atau
sebaliknya.
b. Median : nilai tengah dari gugusan data yang telah diurutkan mulai
dari data terkecil sampai data terbesar.
c. Modus : nilai dari data yang mempunyai frekuensi tertinggi baik data
tunggal maupun data distribusi atau sederhananya adalah nilai yang sering
muncul dalam kelompok data tersebut.
d. Kuartil data tunggal : ukuran letak yang membagi distribusi frekuensi
menjadi empat bagian yang sama besar. Terdiri dari 3 jenis kuartil, yaitu
kuartil bawah atau kuartil pertama (Q1), kuartil tengah atau kuartil kedua (Q2)
dan kuartil atas atau ketiga (Q3).
e. Desil : ukuran letak yang membagi distribusi frekuensi menjadi
sepuluh bagian besar. Beda dengan kuartil, kalua desil dibagi menjadi 9 jenis
yang dilammbangkan dengan D1, D2, dan seterusnya hingga D9.
f. Persentil : ukuran letak yang membagi distribusi frekuensi menjadi
serratus bagian sama besar. Berbeda dengan kuartil dan desil, persentil
terdiri dari 99 jenis desil yang dilanbangkan oleh P1, P2, dan seterusnya
hingga P99.

6
 BAB III
PEMBAHASAN

3.1 Prosedur Kerja dan Pengolahan Data

Adapun prosedur kerja dalam praktikum statistik kali ini adalah

GET DATA
/TYPE=XLSX
/FILE='DOCUMENT:\SEMESTER 5\GEOSTATISTIK\TUGAS 1 (SPSS)\Problem
Sheet New.xlsx'
/SHEET=name 'BM'
/CELLRANGE=FULL
/READNAMES=ON
/DATATYPEMIN PERCENTAGE=95.0
/HIDDEN IGNORE=YES.
EXECUTE.
DATASET NAME DataSet2 WINDOW=FRONT.
DESCRIPTIVES VARIABLES=Fe Ni
/STATISTICS=MEAN SUM STDDEV VARIANCE RANGE MIN MAX SEMEAN
KURTOSIS SKEWNESS
/SORT=NAME (A).

3.2 Frequencies dan Descriptive Data

3.2.1 Frequencies

Frekuensi termasuk pada kategori statistik deskriptif, digunakan

untuk menyusun data yang jumlahnya relatif banyak ke dalam suatu tabel
frekuensi.

Fe

Cumulative
Frequency Percent Valid Percent Percent

Valid 5.752000000000001 2 6.7 6.7 6.7

5.972000000000000 1 3.3 3.3 10.0

5.992000000000000 1 3.3 3.3 13.3

6.412000000000000 2 6.7 6.7 20.0

6.572000000000000 1 3.3 3.3 23.3

7
6.672000000000001 1 3.3 3.3 26.7

6.782000000000000 2 6.7 6.7 33.3

6.992000000000000 1 3.3 3.3 36.7

7.052000000000000 1 3.3 3.3 40.0

7.472000000000000 1 3.3 3.3 43.3

7.592000000000001 1 3.3 3.3 46.7

7.682000000000000 1 3.3 3.3 50.0

7.772000000000000 1 3.3 3.3 53.3

7.972000000000000 1 3.3 3.3 56.7

8.193538461538461 1 3.3 3.3 60.0

8.612000000000000 1 3.3 3.3 63.3

8.892000000000000 1 3.3 3.3 66.7

9.302000000000000 1 3.3 3.3 70.0

9.612000000000000 1 3.3 3.3 73.3

9.762000000000000 1 3.3 3.3 76.7

9.852000000000000 1 3.3 3.3 80.0

9.992000000000000 1 3.3 3.3 83.3

10.892000000000000 1 3.3 3.3 86.7

10.952000000000000 1 3.3 3.3 90.0

10.972000000000000 1 3.3 3.3 93.3

11.992000000000000 2 6.7 6.7 100.0

Total 30 100.0 100.0

8
 Ni

Cumulative
Frequency Percent Valid Percent Percent

Valid 1.787000000000000 2 6.7 6.7 6.7

1.937000000000000 2 6.7 6.7 13.3

1.997000000000000 1 3.3 3.3 16.7

2.007000000000000 1 3.3 3.3 20.0

2.107000000000000 1 3.3 3.3 23.3

2.117000000000000 1 3.3 3.3 26.7

2.177000000000000 1 3.3 3.3 30.0

2.227000000000000 1 3.3 3.3 33.3

2.237000000000000 1 3.3 3.3 36.7

2.277000000000000 2 6.7 6.7 43.3

2.297000000000000 1 3.3 3.3 46.7

2.317000000000000 1 3.3 3.3 50.0

2.327384615384615 1 3.3 3.3 53.3

2.337000000000000 2 6.7 6.7 60.0

2.397000000000000 1 3.3 3.3 63.3

2.447000000000000 1 3.3 3.3 66.7

2.477000000000000 1 3.3 3.3 70.0

2.497000000000000 1 3.3 3.3 73.3

2.527000000000000 1 3.3 3.3 76.7

2.577000000000000 1 3.3 3.3 80.0

2.597000000000000 1 3.3 3.3 83.3

9
 2.647000000000000 1 3.3 3.3 86.7

2.697000000000000 1 3.3 3.3 90.0

2.787000000000000 1 3.3 3.3 93.3

2.807000000000000 2 6.7 6.7 100.0

Total 30 100.0 100.0

3.2.2 Descriptive

Notes

Output Created 01-DEC-2021 18:46:59

Comments

Input Active Dataset DataSet2

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working 30
Data File

Missing Value Definition of Missing User-defined missing

Handling values are treated as
missing.

Cases Used Statistics are based on all

cases with valid data.

10
Syntax FREQUENCIES
VARIABLES=Fe Ni

/NTILES=4

/NTILES=2

/PERCENTILES=25.0
75.0 85.0

/STATISTICS=STDDEV
VARIANCE RANGE
MINIMUM MAXIMUM
SEMEAN MEAN
MEDIAN MODE SUM
SKEWNESS SESKEW

KURTOSIS SEKURT

/HISTOGRAM
NORMAL

/ORDER=ANALYSIS.

Resources Processor Time 00:00:01.52

Elapsed Time 00:00:01.10

Statistics

Fe Ni

N Valid 30 30

Missing 0 0

Mean 8.221717948717 2.325012820512

949 821

Std. Error of Mean .3472241444948 .0524752999527

94 01

11
Median 7.727000000000 2.322192307692
000 308

Mode 5.752000000000 1.787000000000

a
001 000a

Std. Deviation 1.901824964502 .2874190549594

869 41

Variance 3.617 .083

Skewness .549 -.090

Std. Error of Skewness .427 .427

Kurtosis -.846 -.629

Std. Error of Kurtosis .833 .833

Range 6.239999999999 1.020000000000

998 000

Minimum 5.752000000000 1.787000000000

001 000

Maximum 11.99200000000 2.807000000000

0000 000

Sum 246.6515384615 69.75038461538

38450 4620

Percentiles 25 6.647000000000 2.114500000000

000 000

50 7.727000000000 2.322192307692
000 308

75 9.784500000000 2.539500000000
001 001

12
 85 10.91300000000 2.664500000000
0000 000

3.2 Tabulasi Silang (Crosstabs)

Histogram

DATASET ACTIVATE DataSet2. DATASET CLOSE DataSet1.

REGRESSION

/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)

13
 /NOORIGIN
/DEPENDENT Fe
/METHOD=ENTER Ni.

Regression

Notes

Output Created 01-DEC-2021 18:49:17

Comments

Input Active Dataset DataSet2

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data 30

File

Missing Value Handling Definition of Missing User-defined missing values

are treated as missing.

Cases Used Statistics are based on cases

with no missing values for
any variable used.

Syntax REGRESSION

/MISSING LISTWISE

/STATISTICS COEFF
OUTS R ANOVA

/CRITERIA=PIN(.05)
POUT(.10)

/NOORIGIN

/DEPENDENT Fe

/METHOD=ENTER Ni.

14
 Resources Processor Time 00:00:00.03

Elapsed Time 00:00:00.02

Memory Required 2480 bytes

Additional Memory Required 0 bytes

for Residual Plots

Variables Entered/Removeda

Variables Variables
Model Entered Removed Method

1 Nib . Enter

a. Dependent Variable: Fe

b. All requested variables entered.

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .550a .302 .277 1.616682283054

351

a. Predictors: (Constant), Ni

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 31.709 1 31.709 12.132 .002b

Residual 73.183 28 2.614

15
 Total 104.891 29

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 16.680 2.446 6.818 .000

Ni -3.638 1.045 -.550 -3.483 .002

a. Dependent Variable: Fe

CORRELATIONS
/VARIABLES=Fe Ni
/PRINT=TWOTAIL NOSIG
/MISSING=PAIRWISE.

Correlations

Notes

Output Created 01-DEC-2021 18:50:28

Comments

Input Active Dataset DataSet2

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data 30

File

16
Missing Value Handling Definition of Missing User-defined missing values
are treated as missing.

Cases Used Statistics for each pair of

variables are based on all the
cases with valid data for that
pair.

Syntax CORRELATIONS

/VARIABLES=Fe Ni

/PRINT=TWOTAIL NOSIG

/MISSING=PAIRWISE.

Resources Processor Time 00:00:00.02

Elapsed Time 00:00:00.02

Correlations

Fe Ni

Fe Pearson Correlation 1 -.550**

Sig. (2-tailed) .002

N 30 30

Ni Pearson Correlation -.550** 1

Sig. (2-tailed) .002

N 30 30

**. Correlation is significant at the 0.01 level (2-tailed).

NONPAR CORR

/VARIABLES=Fe Ni

/PRINT=SPEARMAN TWOTAIL NOSIG

17
Nonparametric Correlations

Notes

Output Created 01-DEC-2021 18:50:28

Comments

Input Active Dataset DataSet2

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data 30

File

Missing Value Handling Definition of Missing User-defined missing values

are treated as missing.

Cases Used Statistics for each pair of

variables are based on all the
cases with valid data for that
pair.

Syntax NONPAR CORR

/VARIABLES=Fe Ni

/PRINT=SPEARMAN
TWOTAIL NOSIG

/MISSING=PAIRWISE.

Resources Processor Time 00:00:00.00

Elapsed Time 00:00:00.00

Number of Cases Allowed 629145 casesa

18
 Correlations

Fe Ni

Spearman's rho Fe Correlation Coefficient 1.000 -.615**

Sig. (2-tailed) . .000

N 30 30

Ni Correlation Coefficient -.615** 1.000

Sig. (2-tailed) .000 .

N 30 30

**. Correlation is significant at the 0.01 level (2-tailed).

PPLOT
/VARIABLES=Fe Ni
/LN
/STANDARDIZE
/TYPE=Q-Q
/FRACTION=BLOM

3.4 Q-Q dan P-P Plot Diagrams

PPlot

Notes

Output Created 01-DEC-2021 18:51:27

Comments

Input Active Dataset DataSet2

Filter <none>

Weight <none>

Split File <none>

19
 N of Rows in Working Data 30
File

Date <none>

Missing Value Handling Definition of Missing User-defined missing values

are treated as missing.

Cases Used For a given sequence or time

series variable, cases with
missing values are not used
in the analysis. Cases with
negative or zero values are
also not used, if the log
transform is requested.

Syntax PPLOT

/VARIABLES=Fe Ni

/LN

/STANDARDIZE

/TYPE=Q-Q

/FRACTION=BLOM

/TIES=MEAN

/DIST=NORMAL.

Resources Processor Time 00:00:01.22

Elapsed Time 00:00:00.87

Use From First observation

To Last observation

Time Series Settings (TSET) Amount of Output PRINT = DEFAULT

Saving New Variables NEWVAR = CURRENT

20
 Maximum Number of Lags in MXAUTO = 16
Autocorrelation or Partial
Autocorrelation Plots

Maximum Number of Lags MXCROSS = 7

Per Cross-Correlation Plots

Maximum Number of New MXNEWVAR = 60

Variables Generated Per
Procedure

Maximum Number of New MXPREDICT = 1000

Cases Per Procedure

Treatment of User-Missing MISSING = EXCLUDE

Values

Confidence Interval CIN = 95

Percentage Value

Tolerance for Entering TOLER = .0001

Variables in Regression
Equations

Maximum Iterative CNVERGE = .001

Parameter Change

Method of Calculating Std. ACFSE = IND

Errors for Autocorrelations

Length of Seasonal Period Unspecified

Variable Whose Values Unspecified

Label Observations in Plots

Equations Include CONSTANT

Model Description

Model Name MOD_1

Series or Sequence 1 Fe

21
 2 Ni

Transformation Natural logarithm

Non-Seasonal Differencing 0

Seasonal Differencing 0

Length of Seasonal Period No periodicity

Standardization Applied

Distribution Type Normal

Location estimated

Scale estimated

Fractional Rank Estimation Method Blom's

Rank Assigned to Ties Mean rank of tied

values

Applying the model specifications from MOD_1

Case Processing Summary

Fe Ni

Series or Sequence Length 30 30

Number of Missing Values in Negative or Zero Before Log 0 0

the Plot Transform

User-Missing 0 0

System-Missing 0 0

The cases are unweighted.

22
 Estimated Distribution Parameters

Fe Ni

Normal Distribution Location .0000000000000 .0000000000000

00 00

Scale 1.000000000000 1.000000000000

000 000

The cases are unweighted.

Fe

23
Ni

24
 BAB IV
PENUTUP

4.1 Kesimpulan

Adapun kesimpulan dari praktikum kali ini adalah

1. Data-data statistik yang diperoleh yaitu (Frequencies, Descreptives Data,
Crosstabs, Q-Q dan P-P Plot Diagram) dengan menggunakan aplikasi
program e.g. MS. Office (Excel) dan SPSS.
2. Variabel data yang digunakan yaitu Data Kuantitatif diberikan problem
sheet dan diolah di aplikasi e.g. MS. Office (Excel) dan SPSS.
3. Manfaat dari pengolahan analisis statistika adalah menganalisis data
dengan mudah dan menerapkan model spasial yang berguna untuk
mengetahui penyebaran data misalkan data mineral suatu daerah.

4.2 Saran

Adapun saran dari saya adalah agar praktikumnya di jalankan offline agar

peserta dapata memahami seluruh rangkaian atau pembelajaran yang bisa di

dapatkan dari praktikum, tapi jelas tetap dengan protokol kesehatan yang tetap di

jaga

25
 DAFTAR PUSTAKA

Aisha, F. Y., Warnana, D. D. and Ariyanti, N. (2018) ‘Pemodelan Geostatistik 3D

Pada Sebaran Batuan Karbonat Menggunakan Metode Kriging

Berdasarkan Data Resistivitas 2D dan N-SPT’, Jurnal Geosaintek,

4(3), pp. 95–102.

Kariadinata, R. and Abdurahman, M. (2015) Dasar-Dasar Statistik Pendidikan. II.

Bandung: CV Pustaka Setia.

Silitonga, D., Usman, D. N. and Maryanto (2019) ‘Estimasi Sumberdaya Bauksit

Menggunaan Geostatistik dengan Metode Ordinary Kriging di PT

Sandai Inti Jaya Tambang (SIJT) Desa Sandai Kiri, Kecamatan

Sandai, Kabupaten Ketapang, Provinsi Kalimantan Barat’, Prosiding

Teknik Pertambangan, 5(2).

26