GEOSTATISTIK

I PENDAHULUAN
Statistik secara umum
Arti statistik
♣ Kata statistik berasal dari bahasa latin “status” atau bahasa Italia
“statista” yang berarti “fakta kenegaraan”. Pada mulanya statistik
dipakai untuk urusan kenegaraan,
kenegaraan karena pemerintah memerlukan
informasi khusus untuk mengambil keputusan perencanaan dan
pengaturan (misal pajak) yang efektif dan efesien.
♣ Sekarang
k statistik
k tidak
d k hanya
h bermanfaat
b f untuk
k urusan kenega-
kenega
k -
raan saja, tapi juga sangat berguna bagi ahli ekonomi, ilmuwan,
peneliti, pedagang, perbankan, asuransi, dsb, sehingga kegunaan
statistik menjadi sangat universal.
♣ Kata statistik kemudian ditafsirkan mempunyai 2 arti: yang perta-
perta-
ma sebagai
g ilmu pengetahuan
p g (ilmu
( statistik)) dan yang
y g kedua seba-
seba-
gai fakta atau gambaran yang berupa data numerik (misalnya statis-
statis-
tik kependudukan, pendapatan nasional, pengangguran, dsb).
Arti statistik

♣ Sebagai ilmu pengetahuan: Statistik adalah kombinasi prinsip (konsep)

dan teknik (metode) yang dipakai untuk mengumpulkan, mempresenta
mempresenta--
sikan,, menganalisis,
g , dan menginterpretasi
g p data numerik/kuantitatif
yang bersifat variatif dan mengandung ketidak pastian.
♣ Sebagai fakta atau gambaran: Statistik adalah data numerik parame-
parame-
ter--parameter tertentu. Misal Statistik kependudukan, parameternya
ter
dapat berupa: jumlah penduduk per desa (kecamatan, kabupaten), umur
jenis kelamin, status perkawinan, pendapatan perorangan, dsb.
♣ Statistik kemudian juga dapat dianggap sebagai satu seni, yaitu seni
mengambil
bil keputusan
k t s berdasarkan
b d s k ketidak
k tid k pastian.
sti Di sinilah
si il h letak
l t k
keunggulan statistik yang dapat dipergunakan untuk mengambil kepu-
kepu-
tusan berdasarkan informasi yang tidak lengkap.
Arti statistik
♣ Dalam perkembangannya telah dikenal 2 macam statistik, yaitu statistik
deskriptif (descriptive statistics) dan statistik inferensial (inferential
statistics).
♣ Statistik deskriptif
p adalah statistik yang
y g berhubungan
g dengang parameter
p 2

yang dapat diturunkan dari data statistik misal: probability (kebolehjadian

/peluang), mean (nilai rerata), median (nilai tengah), mode, deviasi, range,
variance,, covariance,, semivariance,, dsb serta penampilannya
p p y dalam bentuk
diagram2 khusus, misalnya: histogram (berkaitan dg distribusi frekuensi),
bargraph, line-
line-graph, variogram, dsb. Statistik deskriptif ini banyak sekali
dipakai
p di dalam Geostatistik.
♣ Statistik inferensial adalah statistik yang digunakan untuk mengambil
keputusan berdasarkan fakata
fakata--fakta yang terbatas, misal di bidang
pemasaran untuk mengetahui apakah yang dilakukan cukup efektif atau tidak,
tidak
di bidang farmasi obat baru lebih baik dari pada yang lama, dsb.
Statistik inferial mulai banyak dipakai di bidang-
bidang-bidang geologi/geofisika
(geostatistik) psikologi,
(geostatistik), psikologi sosiologi,
sosiologi meteorologi (prediksi cuaca)
cuaca), dsb.
dsb
GEOSTATISTIK
Pengertian
ng r n g geostatistik
♣ Geostatistik tidaklah sekedar menggunakan statistik untuk untuk
menangani data geologi/geofisika, karena metode statistik yang umum
tidak menampung masalah-
masalah-masalah variasi spasial yang banyak dijumpai
dalam geologi dan geofisika.
♣ Isacks dan Srivastava (1989): geostatistik adalah statistik ditambah
d
dengan iinformasi
f i spasial.
i l
Deutsch dan Journel (1992): geostatistik adalah statistik untuk
g
menangani data yang
y g berfluktuasi dalam ruang g maupun
p waktu.
Datta dan Gupta (dlm Yuwono, 2003): geostatistik adalah statistik yang
diterapkan pada geodata yang menerus dalam ruang maupun waktu.
♣ Krige
Krige, RG,
RG seorang ahli geomatematik Perancis memperkenalkan suatu
cara statistik untuk menangani variable teregionalisasi. Cara khusus ini
kemudian dinamakan “Kriging”
♣ Setelah
S t l hk kriging
i i muncull k
konsep-konsep
konsep-k geostatistik
t ti tik b
baru yang llebih
bih
canggih, seperti Simulated Annealing, Sequential Gaussian Simulation,
Bayesian Simulation, dan sebagainya.
 HA
L

Variabel teregionalisasi
♣ Menurut Deutsch (2002), Variabel teregionalisasi (regionalized variable)
adalah variable yang dapat mempunyai nilai yang berbeda (bervariasi /
berfluktuasi) dengan berubahnya lokasi / tempat, misalnya lithofasies,
porositas, permeabilitas, dsb.
porositas permeabilitas dsb
♣ Menurut Matheron (1963), Variabel teregionalisasi adalah suatu fungsi
numerik dalam ruang yang berubah dari satu tempat ketempat yang lain
dengan kontinuitas semu
semu, yang variasinya tidak dapat dinyatakan dengan
fungsi--fungsi matematik biasa (variasinya sukar ditebak, tapi kalau dikata-
fungsi dikata-
kan random atau acak juga tidak), sehingga variable ini menampilkan
f
fenomena dan
d watakt k yang khusus.
kh
♣ Variabel teregionalisasi berbeda dengan variabel random, karena variable
ini mempunyai karakter deterministik pada kontinuitas spasialnya. Sebagai
contoh: topografi permukaan tanah, ukuran bijih mineral, porositas, perme-
perme-
abilitas, dsb.
♣ Walaupun
p p polanyay tidak betul
betul--betul random/acak,, variable terigionalisasi
g
Z(x) tetap direalisasikan sebagai fungsi random, tetapi dengan anggapan
tetap mengikuti derajad kestasioneran tertentu (yang umumnya lemah).
Variabel random stasioner Variabel random non stasioner

Tidak ada trend Ada trend

♣ Variabel / Fungsi random dikatakan stasioner bila;

1. Fungsi densitas kebolehjadian (Probability Density Fuction, PDF) nya pada
sembarang titik invariant terhadap pergeseran serempak titik2 yang ada.
ada
2. Kovarian antara 2 titik x1 dan x2 tidak tergantung pada x1 dan x2 , tetapi pada
vektor x1− x2
♣ Hipotesa
Hi t intrinsik
i t i ik untuk
t kffungsii random
d Z
Z:
1. Untuk suatu vektor h, maka Z(x + h) − Z(x) mempunyai nilai harapan (ekspek-
tasi) = 0.
2. Untuk vektor h tersebut, nilai varians-nya tidak bergantung pada titik x.

Catatan: Kebolehjadian (probability) = peluang (lebih umum dipakai)

Untuk menangani variabel teregionalisasi, diperlukan
pengetahuan awal tentang:
Fungsi densitas peluang (Probability Density Function, PDF).
Fungsi densitas komulatif (Comulative Density Function, CDF), yaitu
suatu fungsi yang diturunkan dari PDF.
PDF
Varians, Semivarians, dan Covarians
Variabel-variabel y
Variabel- yang
g ada pada
p statistik deskritif seperti:
p peluang,
p g
mean, median, mode, deviasi, range, dsb.

Catatan
Dalam ilmu kebumian, CDF dan PDF mempunyai arti penting untuk keperluan:
1. Pemodelan (modeling), misal model perubahan lithologi pada reservoir
2. Perkiraan (estimasi), misal perkiraan tentang nilai parameter porositas pada
suatu reservoir.
3.
3 Diagnosa
Diagnosa, parameter reservoir dapat diuji CDF/PDF nya dengan CDF/PDF
teoritis atau referensi.
 II POPULASI, SAMPEL, PARAMETER, DATA
♣ Populasi adalah himpunan keseluruhan obyek yang diselidiki
diselidiki, misalnya
“mahasiswa FMIPA
FMIPA--UGM”.
♣ Sampel adalah himpunan bagian dari populasi, misalnya: “mahasiswa
Program Studi Geofisika,
Geofisika FMIPA
FMIPA--UGM
UGM”
♣ Parameter adalah karakter atau konstanta dari suatu populasi atau
sampel, misalnya: lama studi, indeks prestasi, nilai ujian UMPTN
mahasiswa program studi Geofisika,
Geofisika FMIPA-
FMIPA-UGM
♣ Data adalah informasi yang dikumpulkan untuk statistik, misalnya:
nama, umur, alamat, gol darah, dsb MHS PS Geofisika FMIPA FMIPA--UGM
♣ Statistik adalah suatu harga yang dihitung dari suatu parameter,
parameter
misalnya “statistik lama studi (rerata dari tahun ke tahun)
mahasiswa program studi Geofisika FMIPA-
FMIPA-UGM”

C t h lain
Contoh l i
♣ Populasi: Gempabumi di Indonesia
♣ Sampel: 1. Gempabumi di Jawa, 2. Gempabumi di Banda.
Gempa di Jawa dan Banda mempunyai karakter yang
sedikit berbeda
♣ Parameter: Waktu kejadian, posisi, kedalaman, kekuatan gempa, dsb
Sampel

S
Sampel l hendaknya
h d k di ilih yang representatif
dipilih t tif ((mewakili)
kili) agar
statistik yang dihitung darinya memberikan gambaran yang
benar dari populasinya.
populasinya
Karena sering dijumpai keadaan yang berbeda dalam suatu
p p
populasi, g
maka harus digunakan p yang
sampel y g berbeda pula
p
jenisnya.
Untuk populasi yang tidak terlalu heterogen, sampel random
( b
(observasi d l
dalam sampell independen
d d satu sama llain)) adalah
d l h
yang paling representatif.
Sampel random adalah sampel yang pengambilannya
sedemikian sehingga setiap elemen populasinya mempunyai
kemungkinan
g yang
y g sama untuk terambil.
 Cara pengambilan sampel
Prosedur pengambilan sampel adalah sangat penting dalam statistik
karena hal ini akan menentukan apakah sampel yang diambil dapat
memberikan gambaran yang tepat dari karakter populasi ybs. Jenis
sampel yang biasa digunakan oleh peneliti statistik adalah: sampel
random, sample sistematik, dan sampel kelompok (cluster sampel).
♣ Sampel random sederhana: sampel yang pengambilannya sedemikian, shg
p elemen populasinya
setiap p p y mempunyai
p y kemungkinan
g yang
y g sama untuk ter-
ter-
ambil (dengan bantuan tabel bilangan random).
♣ Sampel sistematis: sampel yang pemilihannya dilakukan secara sistema-
sistema-
tis dari populasinya
populasinya, misal memilih produk barang setiap 1 jam sekali,
sekali
memilih mahasiswa yang NIM nya ganjil, dsb
♣ Sampel kelompok: sampling random sederhana dengan sampling unitnya
berupa
b kumpulan
k l atau
t kelompok
k l k elemen.
l Proses
P pemilihannya
ilih dilakukan
dil k k
secara random terhadap kelompok-
kelompok-kelompok tsb. Sebagai contoh: dalam
penelitian memperkirakan pendapatan rumah tangga di suatu kota,
k l k
kelompoknya di i d
terdiri darii b b
beberapa k l
keluarga yang di b bl
disebut k ((misalnya
blok i l
RT), kemudian dipilih secara random blok (RT), baru kemudian dilakukan
pendataan rumah tangga pada RT yang terpilih.
Data
jenis yaitu data kualitatif dan kuantitatif.
Data ada 2 jenis, kuantitatif
♣ Data kualitatif adalah data yang berbentuk bukan angka
numerik, misalnya nama, gol darah, agama, pekerjaan,
status perkawinan, dsb
♣ Data kuantitatif adalah data yang berbentuk angka nu
merik misalnya umur,
merik, umur pendapatan
pendapatan, jumlah keluarga
keluarga, dsb
dsb.

Data dapat
p diukur secara langsung
g g (misal
( gol
g darah,, umur,,
dsb) dan secara tidak langsung (misal status sosial ekonomi).
Data yang tidak dapat diukur secara langsung harus dibuat
sedemikian rupa sehingga secara operasional dapat diukur,
dengan menguraikan data tsb dalam sejumlah data lain,
misalnya
i l status
t t sosiali l ekonomi
k iddapatt di
digantikan
tik d dengan
pekerjaan, gaji, pajak, dsb.
Skala pengukuran
♣ Skala nominal (klasifikasi): mengelompokkan
g p data/obyek,
y misalnya
y status
pendidikan dikelompokkan menjadi sekolah dan tidak sekolah. Jenis
kelamin dikelompokkan menjadi lelaki atau wanita, dsb.
♣ Skala ordinal (rangking): mengelompokkan data/obyek ke dalam kelas
kelas--
kelas yang memp urutan tertentu, misalnya lebih baik, lebih tinggi,
dsb. Tingkat pendidikan dapat dikelompokkan menurut jenjangnya
menjadi kelompok S3,
S3 S2,
S2 S1,
S1 dsb.
dsb Dalam hal ini jejang S3 lebih
tinggi dari pada S2, jenjang S2 lebih tinggi dari pada S1, dst.
♣ Skala interval: yaitu skala pengukuran yang mengelompokkan data/ obyek
k d l
kedalam k
kelas
kelas-
l s-kelas
k l s yang mempunyaii hubungan
h b urutan
t dan
d perbe-
perbe
b -
daan dalam jarak atau interval tertentu, misal nilai UMPTN dapat
dikelompokkan menjadi kelompok nilai antara 100-
100-200, 200-
200-300,
300--400,
300 400 d dst.
t
♣ Skala rasio: yaitu skala pengukuran yang mengelompokkan data/obyek ke
dalam kelas-
kelas-kelas yang mempunyai hubungan urutan, dan berbeda
dalam obyek antara yang satu dengan yang lain. Contoh skala rasio
adalah skala untuk mengukur panjang, luas, berat, dsb.
 Peluang atau Kebolehjadian (Probability)
Peluang merupakan dasar logika proses pengambilan inferensi statistik
t t
tentang t populasi
suatu l id li i d
dengan analisis t sampel.
data l
Peluang menunjukkan seberapa besar kemungkinan yang dapat terjadi
dari suatu peristiwa.
Kata-
Kata
K t -kata:
k t : mungkin
ki ssekali,
k li mungkin,
ki tidak
tid k mungkin,
ki fifty-
fifty
fift -fifty,
fift dsb d
dapatt
dipakai untuk menunjukkan besarnya peluang tersebut.
Secara eksak, peluang adalah nilai/angka yang menunjukkan seberapa
besar kemungkinannya suatu peristiwa dapat terjadi.
terjadi Nilai peluang ber-
ber-
kisar antara 0 dan 1
Contoh 1
Koin yang bergambar Kepala dan Ekor dilempar keatas lantai. Kalau koin
tsb dilemparkan 2 kali, maka kemungkinannya akan dihasilkan gambar
kepala 1 kali dan gambar ekor 1 kali. Ini berarti bahwa peluang untuk
mendapatkan kepala dan ekor adalah sama, dan nilainya p1 = 0,5 (1 kali
dalam 2 lemparan)
Mungkin saja koin yang dilempar 2 kali akan mendapatkan kepala
kemudian kepala atau mendapatkan ekor kemudian ekor. Dengan
demikian peluang untuk menda
menda--patkan gambar yang sama dalam 2 kali
berturut--turut adalah p2 = 0,25 (1 kali dalam 4 percobaan).
lemparan berturut
p2 = p1 × p1 = 0,5 × 0,5 = 0,25
Contoh 2

Nilai ujian
j mahasiswa untuk mata kuliah g
geostastistik adalah sebagai
g
berikut:
Nilai A: 5 mhs, B: 25 mhs, C: 15 mhs, D: 4 mhs, dan E: 1 mhs
Jumlah mhs adalah: 5 + 25 + 15 + 4 + 1 = 50
♦ peluang seorang mhs mendapatkan nilai A, pA = 5 / 50 = 0,1
♦ peluang seorang mhs mendapatkan nilai B, pB = 25/50 = 0,5
♦ peluang seorang mhs mendapatkan nilai C, pC = 15/50 = 0,3
♦ peluang seorang mhs mendapatkan nilai D, pD = 4 / 50 = 0,08
♦ peluang seorang mhs mendapatkan nilai E,
E pE = 1 / 50 = 0,02
0 02

Di sini terlihat bahwa keboleh jadian seorang mhs akan memperoleh nilai
tertentu tersebar atau terdistribusi secara tidak merata dan mengikuti
pola tertentu.
Kalau jumlah mhs nya cukup banyak, soal ujiannya cukup baik, mhs tidak
turunan, maka polanya akan mengikuti pola distribusi normal, dengan
peluang terbesar pada nilai C (distribusi frekuensi)