7
Laporan Praktikum Geostatistika Statistika Multivariate PENDAHULUAN Dewasa ini, tidak hanya satu atau dua hal harus diperhitungkan dalam mempertimbangkan sesuatu, namun banyak beberapa hal yang harus diperhatikan. Misalkan saja dalam hal peledakan pada pertambangan, untuk menghasilkan fragmentasi batuan yang baik setelah peledakan untuk mencapai target produksi, maka diperlukan perhitungan yang matang pada spasi antar lubang ledak, tebal burden yang akan diledakkan, kedalaman lubang ledak, bidang bebas, dan variabel lainnya. Untuk hal- hal inilah terdapat suatu metode dalam statistika yang mengurusi apabila ada suatu atau lebih perlakuan yang diduga mempengaruhi subjek dalam beberapa segi atau beberapa karakteristik sehingga dapat diukur beberapa karakteristik atau variabel tersebut yang kemudian juga dapat dicari besar kemungkinan antar variabel itu mempunyai hubungan. Data multivariate merupakan data yang diperoleh dengan mengukur lebih dari satu variabel kriteria pada setiap individu anggota sampel. TUJUAN PRAKTIKUM 1. Dapat menampilkan data posting. 2. Dapat menampilkan contouring atau pengkonturan data posting dengan menggunakan metode-metode interpolasi serta membandingkan metode interpolasi pada gridding. 3. Dapat memahami parameter smoothing. DASAR TEORI Metode statistika multivariate adalah teknik- teknik analisis statistik yang memperlakukan sekelompok variabel kriteria yang saling berkorelasi sebagai suatu sistem dengan memperhitungkan korelasi antar variabel- variabel. Analisis statistik multivariat merupakan metode statistik yang memungkinkan kita melakukan penelitian terhadap lebih dari dua variable secara bersamaan. Dengan menggunakan teknik analisis ini maka kita dapat menganalisis pengaruh beberapa variable terhadap variable lainnya dalam waktu yang bersamaan. Analisis

Statistika Multivariate

Embed Size (px)

DESCRIPTION

Laporan Praktikum Statistika Multivariate

Citation preview

Page 1: Statistika Multivariate

Laporan Praktikum Geostatistika

Statistika Multivariate

PENDAHULUAN

Dewasa ini, tidak hanya satu atau dua hal harus diperhitungkan dalam mempertimbangkan sesuatu, namun banyak beberapa hal yang harus diperhatikan. Misalkan saja dalam hal peledakan pada pertambangan, untuk menghasilkan fragmentasi batuan yang baik setelah peledakan untuk mencapai target produksi, maka diperlukan perhitungan yang matang pada spasi antar lubang ledak, tebal burden yang akan diledakkan, kedalaman lubang ledak, bidang bebas, dan variabel lainnya. Untuk hal-hal inilah terdapat suatu metode dalam statistika yang mengurusi apabila ada suatu atau lebih perlakuan yang diduga mempengaruhi subjek dalam beberapa segi atau beberapa karakteristik sehingga dapat diukur beberapa karakteristik atau variabel tersebut yang kemudian juga dapat dicari besar kemungkinan antar variabel itu mempunyai hubungan.

Data multivariate merupakan data yang diperoleh dengan mengukur lebih dari satu variabel kriteria pada setiap individu anggota sampel.

TUJUAN PRAKTIKUM1. Dapat menampilkan data posting.2. Dapat menampilkan contouring atau

pengkonturan data posting dengan menggunakan metode-metode interpolasi serta membandingkan metode interpolasi pada gridding.

3. Dapat memahami parameter smoothing.

DASAR TEORIMetode statistika multivariate adalah

teknik-teknik analisis statistik yang memperlakukan sekelompok variabel kriteria yang saling berkorelasi sebagai suatu sistem dengan memperhitungkan korelasi antar variabel-variabel.

Analisis statistik multivariat merupakan metode statistik yang memungkinkan kita melakukan penelitian terhadap lebih dari dua variable secara bersamaan. Dengan menggunakan teknik analisis ini maka kita dapat menganalisis pengaruh beberapa variable terhadap 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.

Teknik analisis multivariat secara dasar diklasifikasi menjadi dua, yaitu analisis dependensi dan analisis interdependensi. Analisis dependensi berfungsi untuk menerangkan atau memprediski variable (variable) tergantung dengan menggunakan dua atau lebih variable bebas. Yang termasuk dalam klasifikasi ini ialah analisis regresi linear berganda, analisis diskriminan, analisis varian multivariate (MANOVA), dan analisis

korelasi kanonikal. Metode dependensi diklasifikasikan didasarkan pada jumlah variable tergantung, misalnya satu atau lebih dan skala pengukuran bersifat metrik atau non metrik.  Jika variable tergantung hanya satu dan pengukurannya bersifat metrik, maka teknik analisisnya digunakan analisis regresi berganda. Jika variable tergantung hanya satu dan pengukurannya bersifat non-metrik, maka teknik analisisnya menggunakan analisis diskriminan. Jika variable tergantung lebih dari satu dan pengukurannya bersifat metrik, maka teknik analisisnya digunakan analisis multivariate varian. Jika variable tergantung lebih dari satu dan pengukurannya bersifat non-metrik,

Page 2: Statistika Multivariate

maka teknik analisisnya digunakan analisis conjoint. Jika variable tergantung dan bebas lebih dari satu dan pengukurannya bersifat metrik atau non metrik, maka teknik analisisnya digunakan analisis korelasi

kanonikal.  Analisis interdependensi berfungsi untuk memberikan makna terhadap seperangkat variable atau membuat kelompok-kelompok secara bersama-sama. Yang termasuk dalam klasifikasi ini ialah analisis faktor, analisis kluster, dan multidimensional scaling. Metode interdependensi diklasifikasikan didasarkan pada jenis masukan variable dengan skala pengukuran bersifat metrik atau non metrik. Jika masukan data berskala metrik, maka kita dapat menggunakan teknik analisis faktor, analisis kluster dan multidimensional scaling. Jika masukan data berskala non-metrik, maka kita hanya dapat menggunakan teknik analisis multidimensional scaling.

MANOVA mempunyai pengertian sebagai suatu teknik statistik yang digunakan untuk menghitung pengujian signifikansi perbedaan rata-rata secara bersamaan antara kelompok untuk dua atau lebih variable tergantung. Teknik ini bermanfaat untuk menganalisis variable-variabel tergantung lebih dari dua  yang berskala interval atau rasio. Dalam SPSS prosedur  MANOVA disebut juga GLM Multivariat digunakan untuk menghitung analisis regresi dan varians untuk variabel tergantung lebih dari satu dengan menggunakan satu atau lebih variabel faktor atau covariates. Variabel - variabel faktor digunakan untuk membagi populasi kedalam kelompok-kelompok. Dengan menggunakan prosedur general linear model ini, kita dapat melakukan uji H0 mengenai pengaruh variabel-variabel faktor terhadap rata-rata berbagai kelompok distribusi gabungan semua variabel  tergantung. Kita dapat meneliti interakasi antara faktor-faktor dan efek dari

faktor-faktor individu. Lebih lanjut, efek-efek covariates dan interaksi antar covariate dengan semua faktor  dapat dimasukkan. Dalam analisis regresi, variabel bebas atau predictor dispesifikasi sebagai covariates.

PENGOLAHAN DATAPengolahan data dilakukan dengan

menggunakan Microsoft Excel dan Software Golden Surfer versi 11.

Pindahkan data yang diberikan ke Microsoft Excel

Save as data tersebut dengan format .Txt (tab delimitied)

Masukkan data .Txt tadi ke Golden Surfer pada grid kemudian pilih data

Pada grup Gridding Method pilih metode gridding yang mau dipakai.

Lengkapi parameter dengan klik Advanced Options, lalu klik OK

Pada dialog Open, pilih data yang akan diolah kemudian klik Open untuk membuat petanya.

Pilih Map New Post Map

Gridding Data

Posting Data

Contouring

Page 3: Statistika Multivariate

ANALISISSetelah dilakukan analisis

multivariate terhadap data yang diberikan dengan menggunakan microsoft excel 2007 dan software golden surfer versi 11, dapat dianalisis bahwa setiap metode gridding yang digunakan akan membuat suatu bentuk yang berbeda pada bentuk 3Dnya yang otomatis juga dapat terlihat pada bentuk profilnya. Dalam analisis multivariate kali ini, telah dipraktikkan 5 jenis metode gridding dari 12 metode yang tersedia dalam aplikasi golden surfer versi 11 yaitu, inverse distance to power, kriging, nearest neighbor, triangulation with linear interpolation, dan moving average. bentuk-bentuk profil dan

juga 3d dari masing-masing metode gridding ini dapat dilihat pada bab lampiran.

perbedaan dari masing-masing bentuk 3d dan juga profil dari kelima metode ini dapat terlihat jelas karena terdapat pendekatan smoothing. Apabila dilihat dari gambar, terlihat bahwa gridding yang dilakukan dengan metode nearest neighbor sangat berbeda jauh dengan moving average dimana pada moving average didapatkan bentuk yang sangat landai, sedangkan pada Triangulation with Linear Interpolation terlihat sangat lancip. Dengan kata lain, smoothing untuk Triangulation with Linear Interpolation ini sangat kecil. Hal ini juga berarti bahwa luasan kontur yang diberikan pada masing-masing metode gridding juga berbeda yang dapat terlihat pada skala dari gambar bentuk 3Dnya.

Jika diurutkan smoothing dari tinggi kerendah maka urutannya adalah moving average, inverse distance to power, kriging, triangulation with lineat interpolation, dan nearest neighbor. Sedangkan apabila diurutkan berdasarkan kontur nya didapatkan hasil yang sebaliknya. Artinya, semakin tinggi smoothing yang dihasilkan maka semakin rendah atau semakin sedikit kontur yang didapatkan, begitupun sebaliknya.

KESIMPULANDari hasil analisis multivariate ini,

dapat disimpulkan bahwa:1. Posting dan contouring suatu data

dapat ditampilkan dengan menggunakan software Golden Surfer.

2. Masing-masing metode gridding mempunyai smoothing yang berbeda.

3. Masing-masing metode gridding mempunyai contouring yang berbeda.

LAMPIRAN

Pada dialog Open, pilih data yang telah di grid, lalu klik Open atau OK untuk membuat peta

konturnya.

Pilih Map New Contour Map

Ubah warna kontur dengan pilih Levels kemudian cental Fill Contours

Centang Color Scale untuk menampilkan skala peta dengan warna yang sudah dipilih

3D

Pilih Map New 3D Wireframe atau 3D Surface

Pada dialog Open, pilih data yang telah di grid, lalu klik Open atau OK untuk membuat 3D

Petanya.

Page 4: Statistika Multivariate

Gambar 1. Gridding Inverse Distance to Power

Gambar 2. Gridding Kriging

Gambar 3. Gridding Nearest Neighbor

Page 5: Statistika Multivariate

Gambar 4. Gridding Triangulation with Linear Interpolation

Gambar 5. Gridding Moving Average