LAPORAN PRAKTIKUM GEOSTATISTIKA

“STATISTIKA BIVARIATE”

DISUSUN OLEH

YAFIS RAHMAN J.
F1D113032

PROGRAM STUDI TEKNIK PERTAMBANGAN

JURUSAN TEKNIK KEBUMIAN

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS JAMBI

2016
 ACARA 2

STATISTIKA BIVARIATE

1. Tujuan Praktikum
Tujuan dari praktikum ini adalah :
1. Dapat menyajikan data yang memiliki dua variabel dalam bentuk scatter
plot.
2. Dapat menentukan hubungan antara kedua variabel secara kuantitatif.

2. Dasar Teori
2.1 Analisis Bivariate
Analisis bivariat adalah analisis yang dilakukan untuk mengetahui
keterkaitan dua variabel. Dilihat dari bentuk data (kategorik dan numerik), ada 4
kemungkinan analisis yang dapat dilakukan yaitu 1) variabel kategorik dengan
kategorik dilakukan uji beda proporsi, 2) variabel kategorik dengan numerik
dilakukan uji beda rata-rata, 3) variabel numerik dengan kategorik dilakukan uji
beda rata-rata, dan 4) variabel numerik dengan numerik dilakukan uji korelasi.
Analisis Bivariat yaitu hipotesis yang diuji biasanya kelompok yang berbeda
dalam ciri khas tertentu dengan koefisien kontigensi yang diberi simbol C.
Analisis bivariat menggunakan tabel silang untuk menyoroti dan menganalisis
perbedaan atau hubungan antara dua variabel. Menguji ada tidaknya
perbedaan/hubungan antara variabel kondisi pemukian, umur, agama, status
migrasi, pendidikan, penghasilan, umur pekkawinan pertama, status kerja dan
kematian bayi/balita dengan persepsi nilai anak digunakan analisis chi square,
denagn tingkat kemaknaan a=0,05. Hasil yang diperoleh pada analisis chi square,
dengan menggunakan program SPSS yaitu nilai p, kemudian dibandingkan
dengan a=0,05. Apabila nilai p< dari a=0,05 maka ada hubungan atau perbedaan
antara dua variabel tersebut.Dalam analisis bivariate secara umum terdiri dari
analisa korelasi dan analisa regresi.
Analisis regresi merupakan alat yang dapat memberikan penjelasan
hubungan antara dua jenis variabel yaitu hubungan antara variabel dependen atau
variabel kriteria dengan variabel independen atau variabel prediktor. Analisis
hubungan antara dua variabel disebut sebagai analisis regresi sederhana jika hanya
melibatkan satu variabel independen. Analisis disebut sebagai analisis regresi
berganda jika melibatkan lebih dari satu variabel independen.

2.2 Koefisien Korelasi

Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik
pengukuran asosiasi / hubungan (measures of association). Pengukuran asosiasi
merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistik
bivariat yang digunakan untuk mengukur kekuatan hubungan antara dua variabel.
Diantara sekian banyak teknik-teknik pengukuran asosiasi, terdapat dua teknik
korelasi yang sangat populer sampai sekarang, yaitu Korelasi Pearson Product
Moment dan Korelasi Rank Spearman. Pengukuran asosiasi mengenakan nilai
numerik untuk mengetahui tingkatan asosiasi atau kekuatan hubungan antara
variabel. Dua variabel dikatakan berasosiasi jika perilaku variabel yang satu
mempengaruhi variabel yang lain. Jika tidak terjadi pengaruh, maka kedua
variabel tersebut disebut independen.
Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua
variabel (kadang lebih dari dua variabel) dengan skala-skala tertentu, misalnya
Pearson data harus berskala interval atau rasio; Spearman dan Kendal
menggunakan skala ordinal. Kuat lemah hubungan diukur menggunakan jarak
(range) 0 sampai dengan 1. Korelasi mempunyai kemungkinan pengujian
hipotesis dua arah (two tailed). Korelasi searah jika nilai koefesien korelasi
diketemukan positif; sebaliknya jika nilai koefesien korelasi negatif, korelasi
disebut tidak searah. Yang dimaksud dengan koefesien korelasi ialah suatu
pengukuran statistik kovariasi atau asosiasi antara dua variabel. Jika koefesien
korelasi diketemukan tidak sama dengan nol (0), maka terdapat hubungan antara
dua variabel tersebut. Jika koefesien korelasi diketemukan +1. maka hubungan
tersebut disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan
kemiringan (slope) positif. Sebaliknya. jika koefesien korelasi diketemukan -1.
maka hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear
sempurna dengan kemiringan (slope) negatif. Dalam korelasi sempurna tidak
diperlukan lagi pengujian hipotesis mengenai signifikansi antar variabel yang
dikorelasikan, karena kedua variabel mempunyai hubungan linear yang sempurna.
Artinya variabel X mempunyai hubungan sangat kuat dengan variabel Y. Jika
korelasi sama dengan nol (0), maka tidak terdapat hubungan antara kedua variabel
tersebut.
Pengukuran asosiasi berguna untuk mengukur kekuatan (strength) dan arah
hubungan hubungan antar dua variabel atau lebih. Contoh: mengukur hubungan
antara variabel: Motivasi kerja dengan produktivitas, porositas dengan
permeabilitas.
Pengukuran ini hubungan antara dua variabel untuk masing-masing kasus
akan menghasilkan keputusan, diantaranya:
a. Hubungan kedua variabel tidak ada;
b. Hubungan kedua variabel lemah;
c. Hubungan kedua variabel cukup kuat;
d. Hubungan kedua variabel kuat;
e. Hubungan kedua variabel sangat kuat.
Penentuan tersebut didasarkan pada kriteria yang menyebutkan jika
hubungan mendekati 1, maka hubungan semakin kuat; sebaliknya jika hubungan
mendekati 0, maka hubungan semakin lemah
Koefesien korelasi ialah pengukuran statistik kovarian atau asosiasi antara
dua variabel. Besarnya koefesien korelasi berkisar antara +1 s/d -1. Koefesien
korelasi menunjukkan kekuatan (strength) hubungan linear dan arah hubungan
dua variabel acak. Jika koefesien korelasi positif, maka kedua variabel
mempunyai hubungan searah. Artinya jika nilai variabel X tinggi, maka nilai
variabel Y akan tinggi pula. Sebaliknya, jika koefesien korelasi negatif, maka
kedua variabel mempunyai hubungan terbalik. Artinya jika nilai variabel X tinggi,
maka nilai variabel Y akan menjadi rendah dan berlaku sebaliknya. Untuk
memudahkan melakukan interpretasi mengenai kekuatan hubungan antara dua
variabel penulis memberikan kriteria sebagai berikut:
a. 0 : Tidak ada korelasi antara dua variabel
b. >0 – 0,25: Korelasi sangat lemah
c. >0,25 – 0,5: Korelasi cukup
d. >0,5 – 0,75: Korelasi kuat
e. >0,75 – 0,99: Korelasi sangat kuat
 f. 1: Korelasi sempurna

2.3 Scatter plot

Scatter plot adalah sebuah grafik yang biasa digunakan untuk melihat suatu
pola hubungan antara 2 variabel. Untuk bisa menggunakan scatter plot, skala data
yang digunakan haruslah skala interval dan rasio. Pola hubungan scatter plot dapat
dikelompkkan seperti dibawah ini:
1) Hubungan positif

Gambar 1 hubungan positif

Jika plot yang terjadi seperti pada gambar 1, maka variabel 1 dan variabel 2
menunjukkan hubungan yang positif. Peningkatan yang terjadi pada variabel
1 juga diikuti peningkatan pada variabel 2. Dan jika variabel 1 mengalami
penurunan, variabel 2 juga mengalami penurunan.
2) Hubungan negatif

Gambar 2 Hubungan negatif

Jika plot yang terjadi seperti pada gambar 2, maka variabel 1 dan variabel 2
menunjukkan hubungan yang negatif. Peningkatan yang terjadi pada
variabel 1 diikuti penurunan oleh variabel 2. Dan jika variabel 1 mengalami
penurunan, variabel 2 akan mengalami peningkatan.

3) Hubungan yang rendah

Gambar 3hubungan yang rendah

Jika plotnya menyebar seperti pada gambar 3, maka bisa disimpulkan bahwa
hubungan antara variabel 1 dengan variabel 2 sangatlah kecil Atau tidak ada
hubungan.
 4) Hubungan non linear

Gambar 4hubungan non linear

Jika plot yang terjadi membentuk curva seperti gambar 4, maka

diindikasikan terjadi hubungan non linier antara 2 variabel.

3. Alat dan Bahan

Adapun alat dan bahan yang digunakan dalam praktikum tentang statistika
bivariate ini adalah sebagai berikut:
1. Laptop
2. Microsoft excel.
3. Modul praktikum

4. Prosedur Kerja
Adapun prosedur kerja yang dilakukan pada praktikum statistika bivariate
adalah sebagai berikut:
1. Dibuka microsoft excel dan dimasukan data variabel 1 dan variabel 2
2. Diblok kedua variabel data tersebut, klik insert pilih scatter plot.
3. Dimasukan data yang ingin dicari hubungannya, untuk sumbu-x masukan
seluruh data variable ‘V’ dengan cara men-drag seluruh data pada variable
‘V’. Begitupun untuk sumbu-y dengan memasukan seluruh data variable
‘U’.
4. Dihitung koefisien korelasi dengan rumus yang telah disediakan pada materi
kuliah secara manual.
 5. Dihitung koefisien korelasi dengan perintah berikut, letakan cursor pada cell
yang kosong, lalu ketik =correl(masukan seluruh harga variable V (sb-x),
masukan seluruh harga variable U (sb-y)). Setelah itu enter.
6. Dibandingkan dengan menggunakan pilihan data analysis.
7. Dilanjutkan dengan melakukan regresi untuk mengetahui rumus empiris
dari hubungan antara kedua variable seperti petunjuk dari instruktur atau
asisten praktikum.
8. Diulangi langkah 1 sampai 7 untuk data permeabilitas dan porositas
9. Dilihat hubungan dari porositas dan permeabilitas tersebut.
5. Data dan Hasil
Data 1.

Gambar 5Sebaran data dengan dua variable, ‘U’ dan ‘V’.

Hasil 1.

Scatter plot V-U

60
y = 0.3139x - 11.522
50
y = 0.0014x2 + 0.0673x - 1.8729
40
30
20
U

10
0
0 20 40 60 80 100 120 140 160
-10
-20
V

Series1 Linear (Series1) Poly. (Series1)

Gambar 6scatter plot variabel U dan V

Gambar a Gambar b

Gambar c
Gambar 7. (gambar a. nilai korelasi secara manual; gambar b. Korelasi
menggunakan correl; gambar c. Korelasi dengan cara otomatis)
Data 2

Gambar 8. Data Sebaran porositas (%) pada sebuah sample batuan.

Gambar 9 Data sebaran harga permeabilitas (mD) pada sebuah sample batuan.
Hasil 2

Scatter plot
3500
3000 y = 32.077x - 428.19
2500
y = 1.8063x2 - 48.992x + 329.4
U (permeabilitas)

2000
1500
1000
500
0
-500 0 10 20 30 40 50
-1000
V (porositas)

Series1 Linear (Series1) Poly. (Series1)

Gambar 10 scatter plot porositas dan permeabilitas

Gambar a Gambar b

Gambar c
Gambar 11. (gambar a. nilai korelasi secara manual; gambar b. Korelasi
menggunakan correl; gambar c. Korelasi dengan cara otomatis)

Data 3

Gambar 12data sebaran permeabilitas dan porositas

Hasil 3

Scatter plot
3500
y = 44.131x + 55.813
3000
U (permeabilitas)

2500 y = 0.6184x2 + 19.059x + 265

2000
1500
1000
500
0
0 5 10 15 20 25 30 35
V (porositas)

Series1 Linear (Series1) Poly. (Series1)

Gambar 13scatter plot porositas dan permeabilitas

Gambar a Gambar b

Gambar c
Gambar 14(gambar a. nilai korelasi secara manual; gambar b. Korelasi
menggunakan correl; gambar c. Korelasi dengan cara otomatis)

6. Pembahasan

Praktikum kali ini membahas tentang analisis bivariate dengan

menggunakan Microsoft Excel. Praktikum ini sama saja dengan praktikum
analisis Univariate sebelumnya hanya saja subjek analisis ada 2. Pada analisis
bivariate subjek yang dianalisis lebih dari 1 dan pada praktikum kali ini terdapat
dua data, data U dan data V yang harus dianalisis kemudian dicari nilai korelasi
antara kedua data tersebut. Adapun praktikan diharuskan untuk mencari korelasi
data antara Nilai permeabilitas dan porositas dari suatu batuan menurut data 2 dan
data 3.
 Dilihat dari analisis awal yaitu, analisis descriptive statistics dari data
untuk variable U dan variable V. Di mana pada kedua data tersebut nillai untuk
Variable U relative lebih besar dan nilai untuk Variable V cenderung lebih kecil.
Di dalam data – data tersebut terdapat beberapa error yang ditemukan oleh
praktikan karena sebagian data bernilai 0. Hal ini adalah hal yang lumrah terjadi
pada setiap pengambilan data, namun adakalanya pengambilan data biasanya
diulang hingga praktikan mendapatkan besaran angka yang bukan 0 dalam
pengambilan data. Adapula yang mengabaikan error tersebut apabila nilai tersebut
tidak terlalu banyak muncul dan dapat diabaikan.

Pada data Variable U di dapat nilai Skewness sebesar -0,8836907 dan pada
data Variable V di dapat nilai Skewness sebesar 0,554343. Dari hasil analisa ini
praktikan mendapatkan bahwa kedua data ini tidak ada yang bergrafik Normal
Distribution Skewness yang berarti kedua data ini nilainya tidak terdistribusi
secara baik. Pada data variable U terdapat grafik sebagai berikut :

Histogram
30
20
10
0
18 37 56 75 94 113 132 More

Frequency Linear (Frequency)

Dilihat dari histogram yang didapatkan untuk data Variable U data tersebut
memiliki Negative Skewness di mana pada data tersebut nilai median hampir
sama banyaknya dengan nilai yang kurang atau lebih dari median itu sendiri.
Kemudian untuk data dengan Variable V terdapat grafik Histogram sebagai
berikut :
 Histogram
60
Frequency
40
Frequency
20

0 Linear
(Frequency)
1 16 31 46 61 More
Bin

Dilihat dari histogram yang didapatkan untuk data Variable V data tersebut
memiliki Positive Skewness di mana pada data tersebut nilai median relative lebih
banyak dibanding nilai yang kurang dari atau lebih dari median tersebut.

Untuk nilai korelasi sebagai berikut :

Artinya nilai hubungan antara Variable U dan V kuat karena nilai korelasi
semakin dekat dengan angka 1.

Untuk data 2 dan data 3 hubungan korelasi adalah sebagai berikut.

Untuk data 2 :

Pada data 2 hubungan korelasi antara Permeabilitas dan Porositas cukup kuat
namun tidak sekuat pada data pertama.

Untuk data 3 :

Pada data 3 hubungan antara Permeabilitas hamper sama dengan data kedua.

Jadi, hubungan anatara dua nilai korelasi antara data 2 dan data 3 cukup
kuat karena nilai korelasi mendekati angka 1, karena semakin dekat nilai korelasi
dengan angka 1 maka semakin erat hubungan antara data tersebut. Apabila kedua
data tersebut semakin dengan angka 0 atau -1 maka semakin lemah hubungan
antara kedua data tersebut. Maka dapat disimpulkan bahwa semakin tinggi
permeabilitas suatu batuan maka semakin tinggi porositas dari batuan tersebut dan
semakin rendah permeabilitas suatu batuan maka semakin rendah pula porositas
dari batuan tersebut.

7. Kesimpulan
Kesimpulan dari praktikum ini adalah :
- Analisis Bivariat adalah analisis secara simultan dari dua variabel. Hal ini
biasanya dilakukan untuk melihat apakah satu variabel, seperti jenis
kelamin, adalah terkait dengan variabel lain, mungkin sikap terhadap pria
maupun wanita kesetaraan.
- Analisis bivariat menggunakan tabel silang untuk menyoroti dan
menganalisis perbedaan atau hubungan antara dua variabel
- Analisis bivariat dalam hal perhubungannya antara satu data dengan data
yang lainnya dapat ditarik dengan nilai korelasi antar data yang dihasilkan.
- Semakin tinggi permeabilitas suatu batuan maka semakin tinggi porositas
dari batuan tersebut begitu juga sebaliknya.
 DAFTAR PUSTAKA
 http://www.rumusstatistik.com/2015/04/perbedaan-analisis-univariat-
dan.html (diakses pada tanggal 10 November 2016)
 https://tonyteaching.wordpress.com/2010/10/31/menguji-asumsi-
normalitas-data-dengan-spss/ (diakses pada tanggal 10 November
2016)
 http://duwiconsultant.blogspot.co.id/2011/11/analisis-korelasi-
sederhana.html (diakses pada tanggal 10 November 2016)
 https://amanahtp.wordpress.com/2011/12/14/teknik-analisis-data-
korelasi/ (diakses pada tanggal 10 November 2016)