Konsep Dasar

• Presentasi statistik konvensional mencakup gagasan tentang

populasi yang merupakan kumpulan nilai yang hampir tak
terbatas yang membentuk deposit mineral.
• Sampel adalah subset perwakilan yang dipilih dari populasi
dan harus mencerminkan ciri-ciri penting populasi
darimana ia ditarik.
• Sampel acak adalah sampel dimana setiap anggota populasi
memiliki kesempatan yang sama untuk disertakan dalam
sampel.
• Ruang sampel adalah kumpulan semua kemungkinan hasil
eksperimen peluang, misalnya kampanye pengeboran.
 Konsep Dasar
• Peristiwa ruang sampel adalah sekelompok
hasil dari ruang sampel yang anggotanya
memiliki karakteristik umum.
• Statistik induktif atau kesimpulan statistik
dapat dicoba jika sampel dianggap
representatif.
• Statistik deskriptif adalah fase statistik yang
menggambarkan atau menganalisa sampel
tertentu tanpa kesimpulan tentang populasi.
 Distribusi Probabilitas
Distribusi univarian
• Fungsi distribusi kumulatif (CDF) adalah cara
universal untuk mengekspresikan keadaan
pengetahuan yang tidak lengkap untuk
variabel berkelanjutan.
• Misalkan sebuah RV dilambangkan dengan Z
maka CDF F (z) didefinisikan sebagai:
 Distribusi Probabilitas
Distribusi univarian
• Fungsi kepadatan probabilitas (PDF) adalah turunan
dari CDF, jika dapat didiferensiasi. Dengan
menerapkan teorema dasar kalkulus, CDF dapat
diperoleh dengan mengintegrasikan PDF:
 Distribusi Probabilitas
Distribusi Parametrik dan Non-parametrik
• Model distribusi parametrik memiliki ekspresi
analitis baik untuk PDF maupun CDF, seperti untuk
fungsi kepadatan Gaussian dan distribusi Lognormal.
• Distribusi parametrik terkadang berhubungan
dengan teori yang mendasari, seperti halnya
distribusi normal ke Teorema Batas Tengah
• Fungsi distribusi kumulatif non-parametrik adalah
serangkaian fungsi langkah.
 Distribusi Probabilitas
Quantiles
• Quantiles adalah nilai Z spesifik yang memiliki makna
probabilistik.
• Quantiles digunakan untuk membandingkan distribusi dengan
berbagai cara.
• Quantiles dapat digunakan untuk membandingkan distribusi
data asli dengan nilai simulasi, membandingkan dua jenis
sampel, atau membandingkan hasil uji dari dua laboratorium
yang berbeda.
• Cara yang baik untuk melakukan ini adalah dengan sebidang
pencocokan quantiles, yaitu plot quantile-quantile (Q-Q)
 Distribusi Probabilitas
Quantiles
 Distribusi Probabilitas
Nilai Ekspektasi
• Nilai yang diharapkan dari variabel acak adalah rata-rata
tertimbang probabilitas dari variabel acak tersebut:

• Nilai yang diharapkan dari variabel acak juga dikenal

sebagai mean atau momen pertama. Nilai yang
diharapkan juga bisa dianggap sebagai operator statistik.
Ini adalah operator linear.
 Distribusi Probabilitas
Nilai Ekspektasi
 Distribusi Probabilitas
Extreme Values—Outliers
• Sejumlah kecil nilai yang sangat rendah atau
sangat tinggi dapat sangat mempengaruhi
statistik ringkasan seperti mean atau varians
data, koefisien korelasi, dan ukuran
kontinuitas spasial.
• Jika terbukti nilai keliru, maka harus
dikeluarkan dari data.
 Distribusi Probabilitas
Extreme Values—Outliers
• Untuk nilai ekstrim sampel yang valid, ada
beberapa cara untuk mengatasinya:
– mengklasifikasikan nilai ekstrim ke populasi statistik
terpisah untuk pemrosesan khusus, atau
– menggunakan statistik yang kuat, yang kurang sensitif
terhadap nilai ekstrim.
• Sebagai prinsip umum, data tidak boleh dimodifikasi
kecuali diketahui keliru, walaupun pengaruhnya dalam
model prediktif spasial mungkin dibatasi.
 Distribusi Probabilitas
Multiple Variable Distributions
• Beberapa variabel bisa berupa atribut
geometris dari deposit atau nilai seperti nilai
ketebalan, emas, perak, atau tembaga.
• Mereka bisa menilai kelas yang sama di lokasi
yang berbeda.
• Statistik bivarian dan multivarian digunakan
dalam kasus ini.
 Distribusi Probabilitas
Multiple Variable Distributions
 Analisis Data Spasial
Declustering
• Teknik declustering menetapkan setiap datum
sebuah bobot berdasarkan kedekatan dengan
data sekitarnya wi, i = 1, ..., n.
• Bobot ini lebih besar dari 0 dan jumlah ke 1.
Distribusi eksperimental dan semua statistik
ringkasan dihitung dengan bobot bukan 1 / n
konstan.
 Analisis Data Spasial
Declustering
• Metode declustering
poligonal mungkin yang
paling sederhana, dan
memberikan bobot
masing-masing
sebanding dengan luas
atau volume masing-
masing sampel.
 Analisis Data Spasial
Declustering
• Teknik declustering tetangga-terdekat biasanya
digunakan dalam estimasi sumber daya, dan
seperti metode poligonal.
• Perbedaannya adalah bahwa hal itu diterapkan
pada grid reguler blok atau node grid.
 Analisis Data Spasial
Declustering
• Teknik desrapping sel adalah teknik declustering yang
umum digunakan lainnya (Journel 1983; Deutsch 1989).
• Declustering sel bekerja sebagai berikut:
– Bagi volume bunga ke dalam grid sel l = 1, ..., L.
– Hitung sel yang terisi Lo dan jumlah data di setiap sel yang
ditempati nlo, lo = 1, ..., Lo.
– Berat setiap data sesuai dengan jumlah data yang jatuh pada
sel yang sama, misalnya untuk datum saya jatuh di sel l, bobot
declustering sel adalah:.
 Analisis Data Spasial
Declustering
 Analisis Data Spasial
Declustering
 Analisis Data Spasial
Declustering dengan Multiple Variables
• Bobot declustering ditentukan berdasarkan
konfigurasi geometrik data.
• bobot declustering yang berbeda perlu dihitung
bila tidak ada sampling yang tidak sama. Sebagai
contoh, terkadang ada beberapa set sampel
Tembaga dan Molibdenum yang berbeda dalam
deposit porfiri Cu-Mo, yang memerlukan dua set
bobot declustering.
 Analisis Data Spasial
Moving Windows dan Proportional Effect
• Moving windows digunakan untuk memahami perilaku
data spasial lokal, dan bagaimana hal itu mungkin berbeda
dari statistik global.
• Proportional Effects dikarenakan histogram berbentuk
incline, tapi mungkin juga mengindikasikan kecenderungan
spasial atau kurangnya homogenitas spasial.
• Grafik Proportional effect terkadang digunakan untuk
membantu menentukan populasi statistik homogen dalam
deposit
 Analisis Data Spasial
Moving Windows dan Proportional Effect
 Analisis Data Spasial
Pemodelan Trend
• Pemodelan trend diterapkan saat trend
terdeteksi dan diasumsikan dipahami dengan
baik.
• Data lubang bor biasanya merupakan sumber
untuk deteksi trend.
 Distribusi Gaussian dan Transformasi Data

• Distribusi Gaussian umumnya digunakan karena sifat

statistiknya yang mudah digunakan.
• Distribusi Gaussian berasal dari Teorema Batas Tengah, yang
merupakan salah satu teorema paling penting dalam statistik
 Distribusi Gaussian dan Transformasi Data

• Distribusi Gaussian univariat sepenuhnya

ditandai dengan mean (m) dan standar deviasi
(σ). Fungsi kepadatan probabilitas diberikan
oleh:
 Integrasi Data dan Inferensi

• Prediksi variabel spasial memerlukan

pertimbangan distribusi nilai multivariat di
lokasi yang berbeda.
• Inferensi memerlukan kombinasi data sampel
untuk diperkirakan di lokasi yang tidak
diketahui.
• Perhitungan distribusi bersyarat dilakukan
dengan penerapan Hukum Bayes, salah satu
hukum terpenting dalam teori statistik.
 Integrasi Data dan Inferensi

• Hukum Bayes memberi kemungkinan bahwa suatu

peristiwa tertentu akan terjadi mengingat bahwa
(atau kondisional untuk) peristiwa yang berbeda
telah terjadi.
• Ekspresi matematis untuk Hukum Bayes dapat ditulis
sebagai:

• dengan E1 dan E2 menjadi peristiwa, dan P mewakili

probabilitas.
Integrasi Data dan Inferensi