Materi-MPC-06-Aplikasi Statistik Dan Hubungan Spasial Data

METODE PERHITUNGAN
CADANGAN (TE-3231)
Aplikasi Statistik dan
Hubungan Spasial Antar Data
TE-3231
Materi-06 : Statistik-Spasial
Aspek Utama Dalam Basis dan

Evaluasi Data
DATA
File Design
Data Input
Edit Data
Composite
Univariate
TE-3231
Outliners
Bivariate
Back Up Data
Multivariate
Aspek Utama Dalam Basis dan

Evaluasi Data
) File design dan data input,
) Data editing,
) Meng-kuantifikasi kualitas data,
) Pengelompokan data sesuai domain
geologi, sampel support, dll,
) Analisis statistik univariate,
) Analisis statistik bivariate,
) Pola-pola spasial dan trend.
TE-3231
Analisis statistik univariate

z
z
z
z
z
TE-3231
Ukuran Tendensi Sentral

Dispersi
Skewness & Kurtosis
Covariance
Histogram
Ukuran Tendensi Sentral

z Merupakan ukuran yang paling umum
digunakan,
z Ukuran yang sering digunakan adalah
rata-rata ~ mean (m)
m=
TE-3231
Mean (rata-rata)
Penentuan kadar rata-rata dari populasi
sampel kadar rata-rata dengan
pembobotan.
Faktor bobot
mw = wi xi
wi = 1
TE-3231
Kondisi non-bias
Contoh sederhana :
Dari 2 hasil analisis sampel (A dan B).
z Sampel A = 1,5 % Cu dengan panjang sampel
3 m.
z Sampel B = 0,5 % Cu dengan panjang sampel
1 m.
Berapa kadar rata-rata jika SG kedua jenis sampel
identik.
Berapa kadar rata-rata jika densiti sampel A = 3,3
gr/ml; dan densiti sampel B = 2,7 gr/ml.
Definisikan faktor bobot-nya.
TE-3231
Median
Median yaitu nilai pertengahan data yang
telah disusun dari yang besar ke yang kecil
atau sebaliknya.
Dengan kata lain 50% data bernilai di
bawah median dan 50% lagi bernilai di atas
median.
Untuk jumlah data yang kecil, median
menjadi taksiran yang baik untuk tendensi
sentral dibandingkan dengan mean.
TE-3231
Contoh sederhana
Jajaran data :
3, 4, 4, 5, 6, 8, 8, 9, 10
Median = 6.
3, 4, 4, 5, 6, 8, 8, 8, 9, 10
Median = (6+8)/2 = 7.
TE-3231
Modus
z Nilai yang memiliki frekuensi terbesar.
z Modus mungkin ada dan mungkin
juga tidak ada.
TE-3231
10
Contoh sederhana
Kumpulan data :
3, 4, 4, 5, 6, 8, 8, 8, 9, 10
Modus = 8
3, 4, 4, 5, 6, 8, 8, 9, 10
Modus = 4 dan 8 Bimodal
3, 4, 5, 6, 8, 9, 10
Tidak memiliki modus.
TE-3231
11
Contoh sederhana
TE-3231
12
UKURAN DISPERSI
z Adalah ukuran penyebaran nilai data.
z Ukuran yang sering digunakan adalah
jangkauan (range = max - min)
kurang cocok karena sangat sensitif
terhadap nilai yang ekstrim.
z Ukuran yang sering digunakan untuk
mengukur penyebaran data adalah
variansi.
TE-3231
13
Variansi (variance)
(x
m)
(n 1)
Dimana
xi adalah nilai data,
m adalah mean data,
n
TE-3231
adalah jumlah data.
14
Standar Deviasi (Simpangan baku)

z Simpangan Baku (standard deviation)
merupakan akar kuadrat dari variansi,
z Merupakan ukuran dispersi yang lebih
sering digunakan karena satuannya
sama dengan variabel, dibandingkan
dengan variansi yang satuannya kuadrat.
TE-3231
15
Standart Error
Jika `m` adalah rata-rata (mean), deviasi
standar dari sejumlah data (`n`) adalah
`s` ; maka standart error dari rata-rata
adalah :
se = s n
TE-3231
12
=s n
12
16
Skewness & Kurtosis

Ukuran kemencengan kurva (skewness)
dinyatakan sebagai ukuran simetris atau tidaknya
suatu kurva histogram (sebaran data).
Kurtosis adalah ukuran yang menunjukkan
kecenderungan keruncingan puncak data.
Skewness dan kurtosis ini jarang digunakan
dalam perhitungan cadangan. Ukuran ini
digunakan untuk menunjukkan apakah data
terdistribusi normal atau tidak.
TE-3231
17
Negative Skewness
Distribusi Normal
Positive Skewness
TE-3231
18
Koefisien Variasi
(Coefficient of Variation)
z Perbandingan antara simpangan baku

terhadap rata-rata hitung.
z CV = s/m
z Koefisien variasi yang relatif tinggi
nilai data yang melebar.
z Secara umum, CV < 0.5 distribusi
normal.
z CV > 0.5 positive skewness
TE-3231
19
DESKRIPSI BIVARIAN
Metoda deskripsi bivarian yang paling umum
digunakan adalah diagram pencar (scatter plot),
Kedua variabel dikatakan mempunyai hubungan
positif jika kedua variabel mempunyai nilai
berbanding lurus,
Kedua variabel dikatakan hubungan negatif jika
kedua variabel mempunyai nilai berbanding
terbalik,
Kedua variabel dikatakan tidak mempunyai
hubungan jika kedua nilai variabel menunjukkan
penyebaran acak.
TE-3231
20
TE-3231
21
Kovarians dan Koefisien Korelasi

Rata-rata variabel x :
1 n
x = xi
n i =1
Rata-rata variabel y :
1 n
y = yi
n i =1
Varians variabel x :
1 n
S =
( xi x ) 2
n - 1 i =1
Varians variabel y :
1 n
S =
( yi y ) 2
n - 1 i =1
Kovarians :
2
y
1 n
S xy =
( xi x )( yi y )
n - 1 i =1
Koefisien korelasi :
TE-3231
2
x
r=
Sxy
Sx S y
22
TE-3231
23
Koefisien penentuan
(coefficient of determination = r2)
Dapat digunakan untuk mengetahui besar
kontribusi nilai suatu variabel terhadap
perubahan nilai variabel lain.
Sebagai ilustrasi : Jika koefisien korelasi
antara dua variabel adalah 0,9 (r = 0,9),
maka koefisien penentuannya adalah 0,81
(r2 = 0,81=81%) variabel x mempunyai
kontribusi sebesar 81% terhadap
perubahan nilai variabel y, dan 19%
disebabkan oleh faktor lain.
TE-3231
24
Contoh sederhana
2
3
yi
3
12
10
R2 = 0.9423
10
yi
xi
1
6
4
2
0
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
xi
Tentukan rata-rata dan varians masing-masing variabel.

Tentukan kovarians untuk variabel x dan y.
Tentukan koefisien korelasi.
Gambarkan diagram korelasi variabel x dan y tersebut.
TE-3231
25
HISTOGRAM
TE-3231
26
HISTOGRAM
No
Sampel
Kadar Au
(ppm)
No
Sampel
Kadar Au
(ppm)
0.7
10
1.2
0.9
11
1.6
0.8
12
1.2
1.0
13
1.0
0.9
14
1.1
1.1
15
1.0
1.1
16
1.2
1.3
17
1.4
1.1
18
1.5
Letak data ini walaupun diacak

sedemikian rupa tetap akan
memberikan bentuk histogram,
nilai rata-rata hitung, modus dan
nilai tengah (median) yang sama.
Sesuai dengan Sturges Rule
range
Interval kelas =
1 + 3.322 log n
Rata-rata = 1.1 ppm ; Median = 1.1 ppm ; Modus = 1.1

Interval kelas = 0.0859 ~ 0.1 (pembulatan)
TE-3231
27
HISTOGRAM
Univariate Statistics:
Population ........... 18
Minimum Value ........ 0.7
Maximum Value ........ 1.6
Range ................ 0.9
Mean ................. 1.116667
Standard Deviation ... 0.233263
Standard Error ....... 0.054981
Median ............... 1.1
Sum .................. 20.1
Sum of Squares ....... 23.37
Variance ............. 0.054412
TE-3231
28
Anomalous
Anomalous
HISTOGRAM
M- 2SD
(0.7)
M- 1SD
(0.9)
Mean
(1.1)
Slightly Anomalous
Background
Standard Deviation
M+ 2SD
(1.6)
Slightly Anomalous
0
0.6
TE-3231
M+ 1SD
(1.3)
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
0
1.7
29
DISTRIBUSI SPASIAL DATA

Isotropi
Populasi yang
berbeda
Trend (bidang)
TE-3231
30
DISTRIBUSI SPASIAL DATA
Korelasi data secara spasial :

memperlihatkan korelasi yang
baik antara kadar Cu dan Au.
TE-3231
31
Mengapa perlu analisis secara

spasial ??
z Deskripsi statistik belum memperhatikan
tata letak data,
z Deskripsi statistik belum memperhatikan
kerapatan data,
z Deskripsi statistik akan menunjukkan hasil
yang sama walaupun posisi data diacak
sedemikian rupa,
z Analisis spasial dapat dilakukan dengan
plotting distribusi data ataupun dengan
menggunakan peta-peta iso.
TE-3231
32
Contoh
sederhana
Pola-1
Ukuran blok = 50 x 50 m
TE-3231
33
Contoh
sederhana
Pola-2
TE-3231
34
Contoh
sederhana
Pola-3
TE-3231
35
Contoh
sederhana
Histogram
Pola-1
40
40
30
30
20
20
10
10
0
1.0
TE-3231
2.0
3.0
4.0
5.0
6.0
7.0
8.0
9.0
0
10.0
36
Contoh
sederhana
Histogram
Pola-2
15
15
10
10
0
2.0
TE-3231
3.0
4.0
5.0
6.0
7.0
8.0
9.0
0
10.0
37
Contoh
sederhana
Histogram
Pola-3
15
15
Populasi untuk
kadar tinggi
10
10
0
2.0
TE-3231
3.0
4.0
5.0
6.0
7.0
8.0
9.0
0
10.0
38

Materi-MPC-06-Aplikasi Statistik Dan Hubungan Spasial Data

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Materi-MPC-06-Aplikasi Statistik Dan Hubungan Spasial Data

Uploaded by

Copyright:

Available Formats

METODE PERHITUNGAN

Aspek Utama Dalam Basis dan

Aspek Utama Dalam Basis dan

Analisis statistik univariate

Ukuran Tendensi Sentral

Ukuran Tendensi Sentral

adalah jumlah data.

Standar Deviasi (Simpangan baku)

Skewness & Kurtosis

z Perbandingan antara simpangan baku

Kovarians dan Koefisien Korelasi

Tentukan rata-rata dan varians masing-masing variabel.

Letak data ini walaupun diacak

Rata-rata = 1.1 ppm ; Median = 1.1 ppm ; Modus = 1.1

DISTRIBUSI SPASIAL DATA

DISTRIBUSI SPASIAL DATA

Korelasi data secara spasial :

Mengapa perlu analisis secara

You might also like