Komputasi Geologi

GL2101
Analisis Regresi
 Lebih dari 1 variabel data hubungan
matematis/ ketergantungan

 variabel:
 bebas/ prediktor  mudah/ murah (x)
 tak bebas/ respons  (y)
Kegunaan dalam Geologi
 Kegunaan dalam data terekam  filing
 Digunakan untuk memperkirakan
karakteristik  sampel (data empiris)
menerangkan populasi  persamaan
regresi

 metoda eksplorasi
menggunakan data lama  model
Contoh:
Pembesaran diameter pori terhadap diameter
butiran. Ukuran pori cenderung lebih kecil
daripada ukuran butir.
(Modifikasi dari Wardlaw, 1976)
Hubungan porositas dan kedalaman pada
batupasir di busur Pasifik timurlaut,
digambarkan pada 2 gradien geothermal yang
berbeda.
(Modifikasi dari Galloway, 1974)
Contoh:

sumber:
Statistics and Data Analysis in
Geology (Davis, 2002)
Contoh:
(pada kertas logaritmik)

Hubungan faktor resistivitas formasi Hubungan faktor resistivitas formasi

terhadap porositas terhadap permeabilitas
(1) Miosen (2) Oligosen (3) Eosen (4) (1) Miosen (2) Oligosen (3) Eosen (4)
Kapur Akhir (5) Mississippian Akhir Kapur Akhir (5) Mississippian Akhir
(Modifikasi dari Archie, 1950) (Modifikasi dari Archie, 1950)
Model
 model: penyederhanaan dan abstraksi
dari keadaan alam yang sesungguhnya
 hipotesis
 kurva regresi
a0, a1, a2, ..., dst.  koefisien regresi
Analisis Regresi
1. Regresi Linear Sederhana
(Aproksimasi Least-Square)
2. Regresi Kuadratik
(Regresi Polinomial)
3. Regresi Linear Ganda
(Regresi Multi-Variabel, Regresi Variabel Majemuk)
4. Regresi Eksponensial
I. Regresi Linear Sederhana
 Metoda Aproksimasi Least Square
Data

garis regresi

yˆ  a0  a1 x
 Garis regresi terbaik mewakili data
adalah bila a0 dan a1 dipilih sedemikian
rupa sehingga S (Σδi2) adalah minimum
square least

minimal: dan =0
minimal dan =0
 m m

 y a x i 1 i
a0  i 1 i 1
m
m m m
m xi yi   xi  yi
a1  i 1 i 1 i 1
2
 m
 m
m xi    xi 
2

i 1  i 1 
Analisis Regresi:
I. Regresi Linear Sederhana
 Acuan: nilai rata-rata y ( )
Data deviasi total

yi  y

deviasi sisa

 i  yi  yˆi

deviasi akibat regresi

y
yˆ  a0  a1 x yˆ i  y

garis regresi
Deviasi

JKT JKR JKS

 JKT  Jumlah Kuadrat Total

 JKR  Jumlah Kuadrat Akibat Regresi
 JKS  Jumlah Kuadrat Sisa

 Nilai JKT  konstan

 Baik/ buruk regresi  nilai JKR & JKS
Koefisien Determinasi
 JKR besar  JKS kecil  regresi baik
 JKR kecil  JKS besar  regresi buruk

 R2  Koefisien Determinasi (koefisien

korelasi darab
 0 ≤ JKR ≤ JKT  0 ≤ R2 ≤ 1
 R2 baik  engineering judgement (± 80 %)
R2 minimum dan R2 maksimum
II. Regresi Kuadratik
 Kecenderungan data:


Kurva Regresi

Data
 Kurva regresi terbaik mewakili data
adalah bila a0, a1 dan a2 dipilih
sedemikian rupa sehingga S (Σδi2)
adalah minimum square
least

minimum: , dan =0
Selanjutnya:
Eliminasi
Gauss
Analisis Regresi

JKT JKR JKS

 JKT  Jumlah Kuadrat Total

 JKR  Jumlah Kuadrat Akibat Regresi
 JKS  Jumlah Kuadrat Sisa
dengan: adalah nilai y data
adalah nilai y rata-rata dari
data
adalah nilai y pada kurva
regresi dengan persamaan:
Koefisien Determinasi

 0 ≤ R2 ≤ 1
 R2 baik  engineering judgement (± 80 %)
III. Regresi Linear Ganda
 Variabel tidak bebas  Y (susah/
mahal)
 Variabel bebas  X1, X2, X3, ..., Xk

 Persamaan linear:

 a0, a1, a2, a3, ..., ak  koefisien regresi

ditentukan dengan metode least-square.
 Deviasi:

 Least square:

 Minimal: , dan =0
Persamaan Matriks
Koefisien Determinasi (R2)
IV. Regresi Eksponensial
kuliah ini

 Plot:
 Semi-Log : x  skala linear
y  skala logaritmik
 Kegunaan:
Regresi data yang menunjukkan
hubungan eksponensial
Contoh:
(pada kertas semi-log)

Contoh Analisis Produksi Contoh Analisis Produksi

Minyak dengan regresi Minyak dengan beberapa garis
eksponensial. regresi.
Transformasi:

dengan:

 Dengan melakukan transformasi, maka

persamaan eksponen berubah menjadi
persamaan linear sederhana.
 Kurva regresi terbaik mewakili data
adalah bila b0 dan b1 dipilih sedemikian
rupa sehingga S (Σδi2) adalah minimum
square least

dengan: (  log dari data)

minimum: dan =0
 m xiYi   xi  Yi
b1 
m xi  xi 
2 2

b0 
 Y b x
i 1 i

m
 Belum selesai
 Transformasi kembali
 b0  a0:

 b1  a1:

(untuk log, untuk ln  disesuaikan dengan basis)

 Koefisien Determinasi

Koefisien Determinasi pada

Regresi Eksponensial
tidak ditentukan dari
y = a0.a1x

dengan:  nilai Y transformasi data

 nilai Y rata-rata dari
transformasi data
 nilai Y pada kurva regresi
dengan persamaan:
PR no. 1
 Pada tahun 1998, di daerah X telah pernah
dilakukan eksplorasi geokimia untuk unsur Cd,
unsur Zn dan unsur Hg. Namun karena situasi
tidak memungkinkan, eksplorasi dihentikan.
 Pada tahun 2008, eksplorasi akan dilanjutkan.
Biaya analisis kimia tanah untuk unsur Hg
adalah $ 15 per sampel sedangkan unsur Cd
dan Zn adalah $ 4,5 per sampel.
 Karena itu, data tahun 1998 dianalisis kembali,
kemudian direncanakan analisis kimia untuk
unsur Cd atau Zn pada 30 sampel baru,
dengan harapan kandungan kimia Hg dapat
diperkirakan dari kandungan kimia Cd atau Zn.
Data Cd, Zn dan Hg (1998)
No Cd Zn Hg No Cd Zn Hg No Cd Zn Hg
Sampel (%) (%) (ppm) Sampel (%) (%) (ppm) Sampel (%) (%) (ppm)
1 0,3 0,2 126 11 3,3 4,2 2353 21 5,0 7,2 8932
2 0,4 0,8 771 12 2,8 4,1 1004 22 6,1 5,5 10794
3 0,8 0,9 970 13 3,2 3,8 5440 23 5,4 5,2 9166
4 1,2 1,0 745 14 3,2 5,6 3894 24 4,8 7,0 4551
5 1,0 1,3 2308 15 3,0 3,4 5721 25 5,8 7,9 6595
6 1,6 2,0 696 16 4,3 4,4 6748 26 5,3 6,3 11475
7 2,1 2,4 867 17 4,5 5,1 4684 27 7,9 9,7 10244
8 1,6 2,5 3270 18 3,8 3,9 4965 28 7,7 5,7 13119
9 1,8 3,2 4393 19 4,5 4,8 6507 29 5,0 11,4 7198
10 2,4 2,1 792 20 4,0 7,5 6294 30 8,1 11,3 13051
 Menggunakan regresi linear sederhana, tentukanlah hubungan
antara kandungan Cd terhadap Hg dan Zn terhadap Hg.
 Lakukanlah analisis regresi, dan tentukanlah analisis kimia yang
lebih baik untuk digunakan untuk memperkirakan kandungan Hg
PR no. 2
Sudut Kadar Factor of Sudut Kadar Factor of Sudut Kadar Factor of
Lereng Air (%) Safety Lereng Air (%) Safety Lereng Air (%) Safety
(°) (FS) (°) (FS) (°) (FS)

1 18,5 20,15 1,30 11 30,0 18,58 1,28 21 45,0 22,86 1,13

2 18,5 26,00 1,54 12 30,0 21,71 1,28 22 45,0 28,81 1,12
3 18,5 28,92 1,45 13 30,0 26,88 1,27 23 45,0 31,12 1,12
4 18,5 30,55 1,40 14 30,0 27,16 1,27 24 45,0 31,33 1,12
5 18,5 34,45 1,25 15 30,0 29,54 1,27 25 45,0 32,33 1,12
6 22,5 18,20 1,35 16 37,5 13,33 1,15 26 60,0 15,64 0,99
7 22,5 20,17 1,35 17 37,5 17,20 1,21 27 60,0 18,22 0,98
8 22,5 20,26 1,35 18 37,5 19,13 1,26 28 60,0 20,42 0,98
9 22,5 25,83 1,35 19 37,5 20,21 1,27 29 60,0 24,39 0,98
10 22,5 26,94 1,34 20 37,5 22,79 1,16 30 60,0 24,71 0,98
 Berdasarkan data di atas, buatlah persamaan yang
menunjukkan Factor of Safety sebagai fungsi dari sudut lereng
dan kadar air. Gunakanlah eliminasi gauss pada matriks.
 Tentukanlah koefisien determinasi persamaan tersebut.
PR no.3
Data produksi minyak pada lapangan A.
Rata-rata Rata-rata Rata-rata
Bulan ke- Produksi Bulan ke- Produksi Bulan ke- Produksi
(barel/hari) (barel/hari) (barel/hari)
1 33 11 40 21 12
2 133 12 36 22 11
3 132 13 30 23 10
4 120 14 25 24 11
5 101 15 28 25 10
6 106 16 6 26 11
7 91 17 22 27 10
8 55 18 21 28 12
9 50 19 16 29 7
10 38 20 13 30 11
Tentukanlah kecenderungan produksi minyak pada
lapangan A. Regresi apakah yang paling baik untuk
mendekati data: linear, kuadratik atau eksponensial?