ANALISIS STATISTIK MULTIVARIAT ANALISIS STATISTIK MULTIVARIAT
Seprian (F1D214030) Seprian (F1D214030)
Program Studi Teknik Geologi, Jurusan Teknik Kebumian, Fakultas Sains Program Studi Teknik Geologi, Jurusan Teknik Kebumian, Fakultas Sains dandan
Teknologi, Universitas Jambi. Teknologi, Universitas Jambi.
SARI SARI
Analasis multivariate statistic adalah analisa terhadap lebih dari dua variabel Analasis multivariate statistic adalah analisa terhadap lebih dari dua variabel dengan mempertimbangkan letak atau lokasi dari data tersebut. Analisis ini bertujuan dengan mempertimbangkan letak atau lokasi dari data tersebut. Analisis ini bertujuan untuk membandingkan metode
untuk membandingkan metode – – metode interpolasi pada gridding. Pengolahan data metode interpolasi pada gridding. Pengolahan data menggunakan software microsoft excel untuk mengorganisasi data dan golden surfer menggunakan software microsoft excel untuk mengorganisasi data dan golden surfer untuk membuat metode
untuk membuat metode – – metode interpolasi (inverse disntace to power, kriging, metode interpolasi (inverse disntace to power, kriging, nearest neighbor, triangulation with linear interpolation, dan moving average).
nearest neighbor, triangulation with linear interpolation, dan moving average). Kata Kunci : Statistika Multivariat, Metode interpolasi, Surfer.
Kata Kunci : Statistika Multivariat, Metode interpolasi, Surfer.
ABSTRACT ABSTRACT
Analasis is multivariate statistical analysis of more than two variables taking Analasis is multivariate statistical analysis of more than two variables taking into account the location or the location of the data. This analysis purpose to compare into account the location or the location of the data. This analysis purpose to compare all interpolation method’s with gridding . The data processing use software microsoft all interpolation method’s with gridding . The data processing use software microsoft excel fo
excel for or organization of rganization of data data and and goldengolden surfer for create interpolation method’ssurfer for create interpolation method’s (inverse disntace to power, kriging, nearest neighbor, triangulation with linear (inverse disntace to power, kriging, nearest neighbor, triangulation with linear interpolation, an
interpolation, and moving d moving average). From average). From all of all of interpolation interpolation method’s use method’s use toto distribution of random
distribution of random data are inverse disntace to power data are inverse disntace to power and and kriging.kriging. Key Word : Multivariate Statistics,
Key Word : Multivariate Statistics, Interpolation Method’s, Surfer.Interpolation Method’s, Surfer.
PENDAHULUAN PENDAHULUAN
Variabel adalah komponen Variabel adalah komponen yang menjadi objek pengamatan yang menjadi objek pengamatan dalam sebuah penelitian. Variabel dalam sebuah penelitian. Variabel
dapat bersifat variabel independent dapat bersifat variabel independent (bebas) atau variabel dependent (bebas) atau variabel dependent (terikat) serta dapat berupa variabel (terikat) serta dapat berupa variabel lain yang ikut mempengaruhi lain yang ikut mempengaruhi
hubungan antara variabel bebas dan variabel terikat, seperti variabel penghubung.
Variabel di dalam analisis multivariat dapat diklasifikasikan sebagai variabel dependen (dependent variable) dan variabel independen (independent variable). Variabel dependen adalah variabel yang nilainya ditentukan oleh variabel lain yaitu variabel independen. Sedangkan variabel independen adalah variabel yang digunakan untuk mengestimasi atau memprediksi nilai variabel lain yaitu variabel dependen.
Analisis Statistika Multivariate adalah analisis statistika yang dikenakan pada data yang terdiri dari banyak variabel dan antar variabel saling berkolerasi satu sama lain. Dengan kata lain, Analisis Multivariat adalah pengembangan lanjutan dari analisis Univariat maupun Bivariat. Dengan menggunakan teknik analisis ini maka kita dapat menganalisis pengaruh beberapa variable terhadap variabel – (variable) lainnya dalam waktu yang bersamaan. Analisis multivariat digunakan karena pada kenyataannnya masalah yang terjadi tidak dapat diselesaikan dengan hanya
menghubung-hubungkan dua variable atau melihat pengaruh satu variable terhadap variable lainnya. Kegiatan ini dilakukan bertujuan agar praktikan dapat menampilkan data postings, menampilkan contouring data, dan memahami parameter smoothing.
Teknik analisis multivariat secara dasar diklasifikasi menjadi tiga yaitu teknik dependent, teknik interdependent, dan teknik model struktural. Teknik dependen adalah teknik yang digunakan ketika variabel dependen dipengaruhi oleh variabel independen. Teknik interdependen adalah teknik yang digunakan ketika semua variabel saling berpengaruh. Sedangkan teknik struktural adalah teknik yang digunakan untuk menganalisis variabel dependen dan independen secara simultan.
PENGOLAHAN DATA
Kegiatan praktikum dilakukan di Gedung Laboratorium Kimia Rekayasa, Fakultas Sains dan Teknologi, Unversitas Jambi, pada hari Selasa, 25 Oktober 2016. Pada kegiatan praktikum ini, kami mengolah data menggunakan bantuan aplikasi Microsoft Office Excel dan setelah itu melanjutkan pengolahan
data menggunakan software Suffer. Pada aplikasi Microsoft Office Excell kami hanya mengedit dan memperbaiki koordinat data. Selanjutnya dalam pengolahan menggunakan Surfer, data yang telah di simpan, akan dibuka kembali dan diubah koordinat X,Y, dan Z untuk melakukan Grid data. Selanjutnya dilakuan posting data kedalam map dengan menggunakan data yang sudah di grid. Untuk contour map dan 3D wireframe juga menggunakan data yang di grid.
Untuk Gridding data digunakan metode inverse distance to power, kriging, nearest neighbor, triangulation with linear interpolation, moving average. Setelah dilakukan semua metode tersebut kemudian perbandingannya akan dijelaskan
didalam hasil dan analisa.
HASIL DAN ANALISA
Berikut adalah Hasil yang diperoleh dari pengolahan data yang telah dilakukan antara lain,
Gambar 1. Gridding method – inverse distance to power
Gambar 2. Gridding method – kriging
Gambar 3. Gridding method – nearest neighbor
Gambar 4. Gridding method – triangulation with linear interpolation
Gambar 5. Gridding method – moving average
Pada kelima gambar diatas, saya melihat bahwa kelimanya memiliki persamaan bentuk Interpretasi permukaan 3D, hanya saja pada gambar 5. Moving Average, gambar permukaan interpretasi 3D nya berbeda dari yang lain. Pada gambar 1 – 4 , kita dapat melihat perbedaan gambar pada bagian sebelah kiri yang merupakan interpretasi ketinggian permukaan dalam proyeksi 2D. Dalam proyeksi 2D, saya melihat bahwasanya pada gambar 1, inverse distanc to power memiliki sebaran gambar ketinggian permukaan yang merata dan tegas (poligon-poligon yang jelas), dimana relief tinggi di cirikan dengan warna hijau, sedangkan relief rendah dicirikan dengan warna biru keunguan. Pada gambar 2, Krigging, interpretasi daerah tinggi mulai berkurang (poligon-poligon daerah tinggi berkurang dan semakin kecil), dan mulai dipenuhi sebaran titik-titik. Pada
gambar 2, daerah berwarna hijau menunjukkan relief yang tinggi, sedangkan yang berwarna biru menunjukkan relief rendah. Pada gambar 3. Nearest Neighboor, terlihat sebaran titik-titik mulai berkurang, dan tidak sebanyak seperti yang terdapat pada metode Krigging. Pada gambar interpretasi 2D pada Nearest Neighboor menunjukkan warna daerah yang hitam adlaah relief yang tinggi, sedangkan relief rendah ditunjukkan dengan warna biru keunguan. Pada gambar 4, Triangulation with linear interpolation, dapat dilihat bahwasanya tidak memiiliki perbedaan yang terlalu signifikan jauh dari nearest neighboor. bentukan dari interpretasi 3D tidak ada yang melengkung. Kenampakan ini menunjukkan bahwa data-data ketinggian dibuat linier. Warna hitam – biru muda menunjukan ketinggian reliefnya yang jika warnanya semakin hitam kebiruan maka ketinggian relief semakin rendah. Pada 5. adalah moving average, dimana pada gambar interpretasi 3D memiliki perbedaan paling signifikan dari yang lain. Pada gambar ini, sangat jelas sekali kita dapat mengetahui tinggi dan rendah suatu permukaan relief. Hal ini dapat
kita lihat dari tingkat kerapatan kontur nya untuk gambar interpretasi 2D, dan melihat kelandaian serta ketinggian pada gambar interpretasi 3D nya.
Gambar 6. Gridding method – inverse distance to power smoothing
0,00001
Gambar 7. Gridding method – inverse distance to power smoothing
10.
Pada gambar 6 dan 7 terlihat perbedaan smoothing antara smoothing 10 dan 0,00001. Pada gambar 6 kita melihat, bahwasanya gambar interpretasi 3D nya memperlihatkan bentukan titik “bull’s eyes” yang berbentuk seperti tonjolan yang meruncing atau menjarum pada bagian puncak relief yang tinggi. Sedangkan, pada gambar 7. memperlihatkan kenampakan yang
sangat halus sehingga terlihat relief-relief di beberapa tiitk disamakan dengan relief yang lebih dominan.
KESIMPULAN
Dari Analisa yang telah dilakukan, maka disimpulkan bahwasanya :
1. Analisa Multivariat adalah Analisis Statistika dua variabel dengan mempertimbangkan letak atau lokasi dari data tersebut.
2. Dapat Menampilkan contouring atau pengkonturan data posting dengan menggunakan metode – metode interpolasi, seperti inverse disntace to power, kriging, nearest neighbor, triangulation with linear interpolation, dan moving average
3. Smoothing digunakan untuk menghaluskan data, akan tetapi data yang telalu smooth tidak bagus juga untuk diinterpretasi karena, beberapa nilai titiknya
hanya mengikuti bentukan yang dominan.
DAFTAR PUSTAKA
Arijuddin, Jibril. 2012. Analisis Statistik Multivariate. https://www.academia.edu/456 3962/analisis_statistika_multiv ariate. (diakses pada hari Senin 31 Oktober pukul 22.00 WIB) Sarwono, Jonathan. 2013. Teori
Analisis Multivariat. http://www.jonathansarwono.in fo/mvariat/multivariat.htm (diakses pada hari Senin 31 Oktober pukul 22.00 WIB) )
UCAPAN TERIMAKASIH
Penulis mengucapkan terimakasih kepada Bapak Dosen Pembimbing Praktikum Geostatistika, Bapak Soni Satiawan atas bimbingan dan ilmu berharga yang telah diberikan, beserta saudara-saudara rekan Geologi yang telah membantu memberi informasi dalam pembuatan laporan ini.
