LAPORAN AKHIR

PRKTIKUM GEOSTATISTIKA TG 3009

MODUL KE – 02
KONSEP STATISTIKA DASAR

Oleh:
Adam Fatkhurrahman 118120148

Asisten :
DESTA AULIA RASADA 118120020
ATHA FEBIYOGA TAMAM 118120076
OLVI ANGGI OLOANI 118120109
NUNGGA SAPUTRA 118120120

PROGRAM STUDI TEKNIK GEOFISIKA

JURUSAN TEKNOLOGI PRODUKSI DAN INDUSTRI
INSTITUT TEKNOLOGI SUMATERA
2022
I. Tujuan

Adapun tujuan dari praktikum minggu kedua ini adalah agar praktikan dapat
memahami dan menyelesaikan permasalahan kebumian dengan mwnggunakan
anlisis statistic melalui analisa kovariansi, auto-korelasi, cross-korelasi, koefisien
korelasi, rank koefisien korelasi, dan regresi linier.

II. Tinjauan Pustaka

1. Modus
Modus merupakan nilai yang sering muncul dalam sebuah data.

2. Median
Median merupakan nilai tengah yang terdapat pada sebuah data. Secara
matematis dapat diformulasikan sebagai berikut :

3. Mean
Mean merupakan nilai rata rata dari sebuah bilangan yang mewakili dari
sekumpulan data tersebut. Secara matematis dapat diformulasikan sebagai
berikut :
4. Variansi
variansi merupakan contoh ukuran statistik atau parameter populasi yang
memiliki karakteristik penyebaran atau dispersi terhadap mean. Secara
matematis dapat diformulasikan sebagai berikut :

5. Kovariansi
Definisi kovariansi hamper sama dengan variansi yang membedakan ialah
kovariansi digunakan untuk analisa dua sekuens data yang berbeda. Secara
matematis dapat diformulasikan sebagai berikut :

6. Standar Deviasi (Std)

Standar deviasi merupakan contoh ukuran statistik atau parameter
populasi yang memiliki karakteristik penyebaran atau dispersi terhadap
mean. Secara matematis dapat diformulasikan sebagai berikut :

Nilai standar deviasi yang kecil menunjukkan bahwa observasi terkumpul

(ter-cluster) dengan sangat kuat sekitar nilai pusat ( mean, median dan
modus). Sebaliknya jika nilai nya besar maka menunjukkan data yang
tersebar (ter-scatter).

7. Nilai maksimum dan nilai minimum

Nilai maksimum adalah nilai tertinggi dari suatu variabel dan nilai
minimum adalah nilai terendah untuk suatu variabel.
8. Korelasi
Korelasi merupakan salah satu teknik statitik yang digunakan untuk
mencari hubungan antara dua variabel yang bersifat kuantitatif. Secara
matematis dapat diformulasikan sebagai berikut :

9. Koefisien Korelasi
Korelasi merupakan salah satu teknik statitik yang digunakan untuk
mencari hubungan antara dua variabel yang bersifat kuantitatif. Koefisien
korelasi menyatakan hubungan nilai antara x dan y. Koefisien
korelasi adalah nilai yang menunjukan kuat/tidaknya hubungan linier
antar dua variabel. Koefisien korelasi biasa dilambangkan dengan huruf r
dimana nilai r dapat bervariasi dari -1 sampai +1. Nilai r yang mendekati -
1 atau +1 menunjukan hubungan yang kuat antara dua variabel tersebut
dan nilai r yang mendekati 0 mengindikasikan lemahnya hubungan antara
dua variabel tersebut. Sedangkan tanda + (positif) dan – (negatif)
memberikan informasi mengenai arah hubungan antara dua variabel
tersebut. Jika bernilai + (positif) maka kedua variabel tersebut memiliki
hubungan yang searah. Dalam arti lain peningkatan X akan bersamaan
dengan peningkatan Y dan begitu juga sebaliknya. Jika bernilai – (negatif)
artinya korelasi antara kedua variabel tersebut bersifat berlawanan.
Peningkatan nilai X akan dibarengi dengan penurunan Y.Secara matematis
dapat diformulasikan sebagai berikut :

10. Rank koefisien korelasi

Rank koefisien korelasi adalah nilai yang menunjukan keeratan hubungan
linier dua variabel dengan skala data interval atau rasio.Menyatakan
 hubungan antara data x da y namun diurutkan terlebih dahulu. Secara
matematis dapat diformulasikan sebagai berikut :

Jika variabel X dan Y independen maka nilai r = 0, akan tetapi jika nilai
r=0, X dan Y tidak selalu independen. Variabel X dan Y hanya tidak
berasosiasi. hasil dari koefisien koefisien korelasi hanya bisa digunakan
sebagai indikasi awal dalam analisa. Nilai dari koefisien korelasi tidak
dapat menggambarkan hubungan sebab akibat antara variabel X dan Y.
Untuk sampai pada adanya hubungnan sebab dan akibat diperlukan
penelitian yang lebih intensif atau dapat didasarkan pada teori yang ada
dimana X mempengaruhi Y atau Y yang mempengaruhi X.

11. Regresi linier

regresi linear merupakan suatu pendekatan untuk memantapkan hubungan
antara satu atau lebih variabel dependen (regresi linier sederhana) dan juga
variabelel independen (regresi linier banyak). Regresi linier digunakan
untuk meneliti hubungan antar dua atau lebih variabel, dengan paling
tidak satu variabel sebagai variabel dependen (respon) dan variabel
lainnya sebagai variabel independen (variabel prediktor).
a. Regresi linier sederhana
regresi linear sederhana adalah analisis regresi linear yang
hanya melibatkan dua variabel, yaitu satu variabel independen dan
satu variabel dependen. Disebut linear sederhana karena variabel
dependen diasumsikan berhubungan linear dalam parameter dan linear
dengan variabel independen. Secara umum, model regresi linear
sederhana dengan satu variabel independen dan fungsi linear dalam X
dapat ditulis :
 b. Regresi linier berganda

Regresi Linear Berganda adalah model regresi linear dengan

melibatkan lebih dari satu variable bebas atau predictor. Model regresi
linear berganda dilukiskan dengan persamaan sebagai berikut:

Bentuk regresi linear adalah :

III. PENGOLAHAN DATA

III.1 LANGKAH KERJA
Langkah kerja analisa statistik dari data sumur 34-29.
1. Mengimport modul
2. Menginput data mentah berupa porositas, permeabilitas,
dan logpermeabilitas
3. Mendefinisikan porositas, permeabilitas, dan log k
4. Mendefinisikan jumlah lag, mean u&mean t, dan standar deviasi
5. Menghitung kovarian antar data
6. Menghitung autokorelasi antar data
7. Menghitung Cross-korelasi antar data

8. Menghitung koefisien korelasi antar data

9. Membuat grafik regresi linear antar data
10. Mencari nilai koefisien determinasi berdasarkan grafik regresi linear
 11. Analisis hasil yang diperoleh.

III.2 . Diagram Alir

start

Input parameter

Definisikan semua
parameter yang ingindicari
seperti nilai z, std, mean dsb

Memasukkan semua nilai-

nilaiyang diminta ada setiap
poin permasalahan yang
disesuaikan

Print Semuahasil

Output Hasilsetiap poin

finish
IV. HASIL DAN ANALISIS
Hasil
Autokorelasi Porositas Lag1,2,3
Autokorelasi Permeabilitas Lag1,2,3
Autokorelasi Log K Lag1,2,3
Covarian Poro-perm

Covarian Poro-Log Perm

Cross Correlation Poro-perm lag1,2,3
Cross Correlation Poro-LogK Lag 1,2,3

Koefisien Korelasi Poro perm

Koefisien korelasi Poro Log K

Regresi Linier
Poro Perm (koding)

Poro Perm (numerik)

Grafik Regresi Poro-Perm

800
600 y = 27.159x - 359.15
400 R² = 0.706

200
0
0 10 20 30 40
-200
-400
 Regresi Linier
Poro-Log K (koding)

Poro-Log K (numerik)

Grafik Regresi Poro-Log K

3.500
3.000
2.500 y = 0.16x - 1.5272
R² = 0.9191
2.000
1.500
1.000
0.500
0.000
-0.500 0 5 10 15 20 25 30 35
-1.000

Analisis
Berdasarkan praktikum kali ini dilakukan perhitungan kovarian, autokorelasi,
kros korelasi, koefisien korelasi dan koefisien determinasi (regresi linear) pada
setiap data porositas, permeabilitas, dan log permeabilitas. Kovarian adalah
data koefisien korelasi yang belum dilakukan normalisasi, pada data dilakukan
kovarian antara porositas dan permebilitas dengan nilai 1033 dan kovarian
antara porositas dan log permeabilitas sebesar 7.07. Sedangkan untuk
autokorelasi menghitung hubungan dengan dirinya sendiri, yaitu poro-poro =
0.7804590365954274 (1), perm-perm = 0.8283095763120139 (1), logk-

logk 0.6764118131687039 (1). Selanjutnya yaitu kros korelasi antara

porositas-permeabilitas = 0.7756579478316507 (1) dan porositas- log k =
0.6956662265909175 (1). Berdasarkan hasil yang kita peroleh dari Covarian
dan Kros Korelasi antara Permeabilitas dan Log pemeabilitas maka didapatkan
nilai yang rendah pada Log pemeabilitas, hal ini menunjukkan bahwa data
yang baik adalah data log permeabilitas.

Koefisien korelasi merupakan parameter keterkaitan antar data. Jika hasilnya

mendekati 1 maka hubungan antar dua variable kuat dan akurat, antara poro-
permea memiliki koefisien korelasi 0.8402391452504124, dan antara poro-
log k memiliki nilai koefisien korelasi sebesar 0.958676072649383. sehingga
dapat dibuktikan lagi bahwa hubungan antara porositas lebih baik dengan log k
daripada permeabilitas.

Setelah itu, dilakukan uji regeresi linear untuk mencari kelinearan antara dua
variabel, dapat dilihat pada grafik, distribusi sebaran data antara poro-perm,
data observasi tidak fit dengan kelinearan data kalkulasi, juga dilihat dari nilai
koefisien determinasi (R2) nya 0.7 yang lebih kecil daripada nilai koefisien
determinasi (R2) sebaran data antara poro-log k 0.8.

Jika dibandingkan perhitungan menggunakan Microsoft Excel dan Google

Colab, hasil nilainya memiliki hasil yang sama menunjukkan nilai dan tahap
yang benar adanya. Hanya perbedaan pada seberapa banyak angka dibelakang
koma. Sehingga baik proses perhitungan melalui Microsoft Excel ataupun
Google Colab dapat digunakan.

V. Kesimpulan
Adapun yang dapat kita simpulkan pada praktikum kali ini ialah :
1. Jika suatu covarian dan kross korelasi didapatkan hasil yang kecil
maka dapat menggambarkan perbandingan antar data yang baik.
 2. Jika Hasil pada koefisien korelasi mendekati 1 maka didapatkan juga
keterkaitan antar data yang baik.
3. Regresi linier dapat dilakukan untuk mencari prediksi nilai diantara 2
data yang kosong
4. Hasil parameter di atas dapat dicari setelah mengetahui parameter
dasar statistka seperti mean, modus, median dan sebagainya,

Daftar Pustaka

Sutisna, icam. (2020). Statistika penelitian. Universitas Negeri Gorontalo,

1(1), 1–15. Tim Penyusun. 2022. Modul 1 Praktikum Geostatistika.

ITERA:Lampung Selatan.

https://www.popmama.com/big-kid/10-12-years-old/chania-aulia-
humayrha/cara-menghitung-mean-median-dan-modus-pada-pelajaran-
matematika/2

https://www.academia.edu/41462874/MAKALAH_KONSEP_DASAR_STATI
STIK

http://repository.unas.ac.id/2237/1/Buku_Pengolahan%20sinyal%20digital_Ern
a%20Kusuma_2018-min.pdf

Lampiran
https://colab.research.google.com/drive/1sxNK_7r_hAj30RWQUqpHrpNV6J7vs
zlI#scrollTo=PY8Igm8Vz7Hq
Excel : Terlampir