1

KARAKTERISTIK HUBUNGAN ANTARA KEDALAMAN DAN

POROSITAS

Diusulkan Oleh:
Rindi Nadila 410016051 2016
Heldina Puspita Maharani 410016021 2016

INSTITUT TEKNOLOGI NASIONAL YOGYAKARTA

YOGYAKARTA
2019
 2

( KARAKTERISTIK HUBUNGAN KEDALAMAN DAN POROSITAS )

Rindi Nadila, Heldina Puspita Maharani

Jurusan Teknik GEOLOGI, ITNY,Jl. Babarsari, Caturtunggal, Depok Sleman,
Rindinadila12@gmail.com

ABSTRAK
Analisis regresi linier merupakan teknik dalam statistika yang digunakan
untuk membentuk model hubungan antara variabel dependen dengan satu atau lebih
variabel independen. Dalam analisis regresi dibedakan dua jenis variabel yaitu
variabel dependen dan variabel independen. analisis regresi adalah untuk
mengestimasi ratarata populasi atau nilai rata-rata variabel dependen berdasarkan
nilai variabel independen yang diketahui. sehingga hasil dari analisis regresi di
peroleh nilai f hitung = -8,002 dan f tabelnya = 18,79 (-1,8) dan Bila b (+) maka
naik, dan bila (-), sehingga hubungan antara kedua variabel tersebut terjadi
signifat.

ABSTRACT
Linear regression analysis is a technique in statistics that is used to form a model of
the relationship between the dependent variable and one or more independent
variables. In the regression analysis two types of variables are distinguished,
namely the dependent variable and the independent variable. Regression analysis is
to estimate the average population or average value of the dependent variable based
on the value of the known independent variable. so the results of the regression
analysis are obtained f value = -8.002 and f table = 18.79 (-1.8) and If b (+) then
increases, and if (-), so that the relationship between the two variables is significant.
 3

PENDAHULUAN
Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui
pengaruh antara satu atau beberapa variabel terhadap satu buah variabel. Variabel
yang mempengaruhi sering disebut variabel bebas, variabel independen atau
variabel penjelas. Variabel yang dipengaruhi sering disebut dengan variabel terikat
atau variabel dependen. Regresi linear hanya dapat digunakan pada skala interval
dan ratio.

Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana
yaitu dengan satu buah variabel bebas dan satu buah variabel terikat; dan regresi
linear berganda dengan beberapa variabel bebas dan satu buah variabel terikat.
Analisis regresi linear merupakan metode statistik yang paling jamak dipergunakan
dalam penelitian-penelitian sosial, terutama penelitian ekonomi. Program komputer
yang paling banyak digunakan adalah SPSS (Statistical Package For Service
Solutions).

Regresi Linear Sederhana

Analisis regresi linear sederhana dipergunakan untuk mengetahui

pengaruh antara satu buah variabel bebas terhadap satu buah variabel terikat.
Persamaan umumnya adalah:

Y = a + b X.

Dengan Y adalah variabel terikat dan X adalah variabel bebas. Koefisien a

adalah konstanta (intercept) yang merupakan titik potong antara garis regresi
dengan sumbu Y pada koordinat kartesius.

Langkah penghitungan analisis regresi dengan menggunakan program

SPSS adalah: Analyse --> regression --> linear. Pada jendela yang ada, klik
variabel terikat lalu klik tanda panah pada kota dependent. Maka variabel tersebut
akan masuk ke kotak sebagai variabel dependen. Lakukan dengan cara yang sama
untuk variabel bebas (independent). Lalu klik OK dan akan muncul output SPSS.
 4

Interpretasi Output

1. Koefisien determinasi

Koefisien determinasi mencerminkan seberapa besar kemampuan variabel bebas

dalam menjelaskan varians variabel terikatnya. Mempunyai nilai antara 0 – 1 di
mana nilai yang mendekati 1 berarti semakin tinggi kemampuan variabel bebas
dalam menjelaskan varians variabel terikatnya.

2. Nilai t hitung dan signifikansi

Nilai t hitung > t tabel berarti ada pengaruh yang signifikan antara variabel bebas
terhadap variabel terikat, atau bisa juga dengan signifikansi di bawah 0,05 untuk
penelitian sosial, dan untuk penelitian bursa kadang-kadang digunakan toleransi
sampai dengan 0,10.

3. Persamaan regresi

Sebagai ilustrasi variabel bebas: Biaya promosi dan variabel terikat: Profitabilitas
(dalam juta rupiah) dan hasil analisisnya Y = 1,2 + 0,55 X. Berarti interpretasinya:

1. Jika besarnya biaya promosi meningkat sebesar 1 juta rupiah, maka

profitabilitas meningkat sebesar 0,55 juta rupiah.
2. Jika biaya promosi bernilai nol, maka profitabilitas akan bernilai 1,2 juta
rupiah.

Interpretasi terhadap nilai intercept (dalam contoh ini 1,2 juta) harus hati-hati dan
sesuai dengan rancangan penelitian. Jika penelitian menggunakan angket dengan
skala likert antara 1 sampai 5, maka interpretasi di atas tidak boleh dilakukan
karena variabel X tidak mungkin bernilai nol.

Regresi Linear Berganda

 5

Analisis regresi linear berganda sebenarnya sama dengan analisis regresi

linear sederhana, hanya variabel bebasnya lebih dari satu buah. Persamaan
umumnya adalah:

Y = a + b1 X1 + b2 X2 + .... + bn Xn.

Dengan Y adalah variabel bebas, dan X adalah variabel-variabel bebas, a

adalah konstanta (intersept) dan b adalah koefisien regresi pada masing-masing
variabel bebas.

Interpretasi terhadap persamaan juga relatif sama, sebagai ilustrasi,

pengaruh antara motivasi (X1), kompensasi (X2) dan kepemimpinan (X3)
terhadap kepuasan kerja (Y) menghasilkan persamaan sebagai berikut:

Y = 0,235 + 0,21 X1 + 0,32 X2 + 0,12 X3

1. Jika variabel motivasi meningkat dengan asumsi variabel kompensasi dan

kepemimpinan tetap, maka kepuasan kerja juga akan meningkat
2. Jika variabel kompensasi meningkat, dengan asumsi variabel motivasi dan
kepemimpinan tetap, maka kepuasan kerja juga akan meningkat.
3. Jika variabel kepemimpinan meningkat, dengan asumsi variabel motivasi dan
kompensasi tetap, maka kepuasan kerja juga akan meningkat.

Interpretasi terhadap konstanta (0,235) juga harus dilakukan secara hati-hati.

Jika pengukuran variabel dengan menggunakan skala Likert antara 1 sampai
dengan 5 maka tidak boleh diinterpretasikan bahwa jika variabel motivasi,
kompensasi dan kepemimpinan bernilai nol, karena ketiga variabel tersebut tidak
mungkin bernilai nol karena Skala Likert terendah yang digunakan adalah 1.
Analisis regresi linear berganda memerlukan pengujian secara serempak
dengan menggunakan F hitung. Signifikansi ditentukan dengan membandingkan F
hitung dengan F tabel atau melihat signifikansi pada output SPSS. Dalam
beberapa kasus dapat terjadi bahwa secara simultan (serempak) beberapa variabel
mempunyai pengaruh yang signifikan, tetapi secara parsial tidak. Sebagai
ilustrasi: seorang penjahat takut terhadap polisi yang membawa pistol
 6

(diasumsikan polisis dan pistol secara serempak membuat takut penjahat). Akan
tetapi secara parsial, pistol tidak membuat takut seorang penjahat. Contoh lain: air
panas, kopi dan gula menimbulkan kenikmatan, tetapi secara parsial, kopi saja
belum tentu menimbulkan kenikmatan.

Penggunaan metode analisis regresi linear berganda memerlukan uji asumsi

klasik yang secara statistik harus dipenuhi. Asumsi klasik yang sering digunakan
adalah asumsi normalitas, multikolinearitas, autokorelasi, heteroskedastisitas dan
asumsi linearitas..

Langkah-langkah yang lazim dipergunakan dalam analisis regresi linear

berganda adalah 1) koefisien determinasi; 2) Uji F dan 3 ) uji t. Persamaan regresi
sebaiknya dilakukan di akhir analisis karena interpretasi terhadap persamaan
regresi akan lebih akurat jika telah diketahui signifikansinya. Koefisien
determinasi sebaiknya menggunakan Adjusted R Square dan jika bernilai negatif
maka uji F dan uji t tidak dapat dilakukan.

TUJUAN
Adapun tujuan pembuatan artikel ilmiah ini yaitu :
• Memberikan informasi dan wawasan mengenai apa itu regresi.
• Mengetahui persamaan regresi,arah regresi, dan pengaruh yang signifikan
antara kedalaman (X) terhadap porositas.

DATA DAN METODE

Dalam penelitian ini data yang digunakan dalam proses linier sederhana diambil
dari data tugas yang diberikan.data tersebut seperti dalam tabel 1. Kriteria atau
variable yang di gunakan dalam penelitian ini yaitu ; kedalaman X dan porositas
Y.
tabel 1.kedalaman dan porositas data RCAL (routine core analisis)
Kedalaman (m) Porositas (%)
NO
X Y
 7

1 47.4 18.3
2 65.85 17.6
3 82.4 16.7
4 99.3 16
5 119.7 15.2
6 138.8 14.5
7 157.6 13.7
8 172.1 12.9
9 196.1 12.2
10 223.1 11.8
∑ 1302.35 148.9

Regresi Linier Sederhana

Analisis regresi dilakukan bila hubungan dua variabel berupa hubungan

kausal atau fungsional. Untuk menetapkan kedua varaibel mempunyai
hubungan kausal atau tidak, maka harus didasarkan pada teori atau konsep-
konsep tentang dua variabel tersebut. Hubungan antara panas dengan tingkat
muai panjang, dapat dikatakan sebagai hubungan yang kausal; hubungan antara
kepemimpinan dengan kepuasan kerja pegawai dapat dikatakan hubungan yang
fungsional;

Kita gunakan analisis regresi bila kita ingin mengetahui bagaimana

veriabel dependen/kriteria dapat diprediksikan melalui varibel independen tau
prediktor, secara individual. Dampak dari penggunaan analissi regresi dapat
digunakan untuk memutuskan apakah naik tau menurunnya variabel dependen
dapat digunkan untuk memutuskan apakah naik dan menurunnnya varibel
dependen dapat dilakukan melalui menaikkan dan menurunkan keadaan
variabel independen, atau untuk meningkatkan keadaan variabel dependen
dapat dilakukan dengan meningkatkan varibel independen/dan sebaliknya.
(Sugiyono, 2008).

Dalam suatu persamaan regresi terdapat 2 macam variabel, yaitu :

 8

• Variabel dependen/ variabel respon (variabel tak bebas) adalah variabel

yang nilainya bergantung dari variabel lain. Biasanya dinyatakan dengan Y.
• Variabe lindependen/ variabel predictor (variabel bebas) adalah
variabel yang nilainya tidak bergantung dari variabel lain.
Biasanya dinyatakan dengan X. Persamaan Regresi linier
• sederhana:
 9

HASIL DAN PEMBAHASAN

Regression

Notes

Output Created 11-MAY-2019 21:55:44

Comments

Input Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data 10

File

Missing Value Handling Definition of Missing User-defined missing values

are treated as missing.

Cases Used Statistics are based on cases

with no missing values for
any variable used.

Syntax REGRESSION

/MISSING LISTWISE

/STATISTICS COEFF
OUTS R ANOVA

/CRITERIA=PIN(.05)
POUT(.10)

/NOORIGIN

/DEPENDENT y

/METHOD=ENTER x.

Resources Processor Time 00:00:00,00

 10

Elapsed Time 00:00:00,02

Memory Required 2400 bytes

Additional Memory Required 0 bytes

for Residual Plots

[DataSet1]

Variables Entered/Removeda

Variables Variables
Model Entered Removed Method

1 kedalamanb . Enter

a. Dependent Variable: porositas

b. All requested variables entered.

Model Summary

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .994a .988 .987 .25922

a. Predictors: (Constant), kedalaman

ANOVAa

Model Sum of Df Standardized T Sig

Squares Coefficiens
Beta

Regression 45.351 1 45.351 674.924 .000b

Residual .538 8 .067
Total 45.889 9
 11

a. Dependent Variable: porositas

b. Predictors: (Constant), kedalaman

Coefficientsa

Model Unstadardi Std eror Standardiz T Sig

zer ed
coefficiens Coefficien
B s Beta
1(Constan 19.962 .212 94.274 .000
t)
kedalaman -.039 .001 -.994 -25.979 .000

a. Dependent Variable: porositas

Graphy
 12

Dari grafik ini mengambarkan porositas batuan terhadap kedalaman sangat

mempengaruhi porositas batuan itu sendiri, karna pada grafik ini dengan kedalaman
200.00-225.00 meter maka porositasnya dari batuan itu sendiri akan semakin bagus.

Frequency Table

kedalaman

Valid Cumulative
Frequency Percent Percent Percent
Valid 47.40 1 10.0 10.0 10.0
65.85 1 10.0 10.0 20.0
82.40 1 10.0 10.0 30.0
99.30 1 10.0 10.0 40.0
119.70 1 10.0 10.0 50.0
138.80 1 10.0 10.0 60.0
157.60 1 10.0 10.0 70.0
172.10 1 10.0 10.0 80.0
196.10 1 10.0 10.0 90.0
223.10 1 10.0 10.0 100.0
Total 10 100.0 100.0

Porositas

Valid Cumulative
Frequency Percent Percent Percent
Valid 11.80 1 10.0 10.0 10.0
12.20 1 10.0 10.0 20.0
12.90 1 10.0 10.0 30.0
13.70 1 10.0 10.0 40.0
14.50 1 10.0 10.0 50.0
15.20 1 10.0 10.0 60.0
16.00 1 10.0 10.0 70.0
 13

16.70 1 10.0 10.0 80.0

17.60 1 10.0 10.0 90.0
18.30 1 10.0 10.0 100.0
Total 10 100.0 100.0

Histogram
 14

Perhitungan
1. Diketahui :
X = 1302,35 m
Y = 148,9 %
Xy = 18227,51
2
𝑥 = 199511,75 𝑚2
𝑦2 = 2263,01 %
n = 10

ϵy − b(ϵx)
2. =
n

148,9 − (−0,03) . 1302,35

=
10

148,9 − (−39,0705
=
10

187,9705
=
10

= 18,79

n ( ϵxy) − (ϵx) (ϵy)

3. =
n(ϵ𝑥 2 ) − (𝜖𝑥 2

10. (18227,51) − (1302,35)(148,9)

=
10 (199511,75) − (1302,35)2

182275,1 − 193919,915
=
1995117,5 − 1696115,523

−11644,31
=
299001,977

= -0.93

ϵy − b (ϵx
4. 𝑎 =
n

148,9 − (−0,03) . (1302,75)

=
10
 15

187,9705
=
10

= 18,79

n ( ϵxy) − (ϵx) (ϵy)

𝑏=
n(ϵ𝑥 2 ) − (𝜖𝑥 2

10. (18227,51) − (1302,35)(148,9)

=
10 (199511,75) − (199511,95)

182275,1 − 19391,91
=
1995117,5 − 199511,75

−11644,31
=
1795605,75

= -6,43 x 10−3

(𝜖𝑦)2
5. 𝐽𝐾𝑟𝑒𝑔(𝑎) =
n

(148,9)2
=
10
22171,21
=
10
= 2217,121

(ϵx) − (ϵy)
6. 𝐽𝐾𝑟𝑒𝑔 (𝑏𝑙𝑎) = b. {ϵxy − }
n
(1302,35) − (148,9)
= 10 {18227,51 − }
10
= 10 {182227,51 – 115,345}

= 10 { 18112,165}
= 181121,65

7. Jkres = ϵ𝑦 2 -Jkreg(bla) – Jkreg (a)

= 2263,01 – 181121,65 – 2217,121

= -181121,65

8. RJKreg(a) = JKReg(a) → 2217,121

JKReg(bla) → 181121,65
 16

JKres
9. 𝑅𝐽𝐾𝑟𝑒𝑠 =
n−2
−181075,761
=
10 − 2
−181075,761
=
8
= -22634,47

RJKreg(bla)
10. 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = RJKres

181121,65
=
−22634,47

= -8,002

11. Ftabel = F{(1-a) (dhreg[bla]), (dhres)} / Ftabel = F(a) (1,n-2)

Ftabel = F(a) (1,n-2

= 18,79 (1,10-2)

= 18,79 (-1,8)

1. Diketahui :
X : 1302,35 m
Y : 148,9 %
XY : 18227,51
X2 : 199511,75 m2
Y2 : 2263,01 %
N : 10

N(∑ 𝑥 𝑌)−(∑ 𝑥 𝑌) (∑𝑌)

b. 𝑁 (∑𝑋 2 )−(∑𝑋)2

dan di korelasikan dari nila f hitung = -8,002 maka tabelnya = 18,79 (-1,8)
 17

KESIMPULAN
Berdasarkan dari hasil analisis regresi di peroleh nilai f hitung = -8,002 dan
f tabelnya = 18,79 (-1,8), dengan demikian Ho ditolak dan Ha di terima maka
terdapat indikasikan bahwa hubungan antara pemeabilitas (mD) dengan porositas
(%) batuan dimana korelasi dari arah kedua variabel tersebut positif ditunjuk
dengan nilai angka arah atau koefisien regresi yang menunjukkan angka
peningkatan ataupun penurunan variabel dependen yang didasarkan pada variabel
idependen. Bila b (+) maka naik, dan bila (-) maka terjadi signifat antara antara
dua variabel.
 18

DAFTAR PUSTAKA

• Muri Yusuf. 2005. Metodologi Penelitian. UNP Press: Padang.

• Anonim. 1999. Klasifikasi Sumberdaya dan Cadangan
Batubara. SNI 13-6011. BSN, Jakarta.
• Arikunto, Suharsimi. 2010. Prosedur Penelitian Suatu Pendekatan Praktik.
Jakarta: PT. Rineka Cipta.
• Burhan Bungin, 2005. Metodologi Penelitian Kuantitaif Komunikasi,
Ekononomi, dan Kebijakan Publik serta ilmu-ilmu social lainnya, Jakarta:
Kencana.

Lampiran 1. Biodata Ketua, Anggota dan Dosen Pembimbing

Biodata Ketua Pengusul

A. Identitas Diri
Nama Lengkap Rindi Nadila

Jenis Kelamin Perempuan

Perguruan Tinggi Institut Teknologi Nasional Yogyakarta

Program Studi Teknik Geologi

NIM 410016051

Tempat dan Tanggal Lahir Bangko, 30 Desember 1998

E-mail rindinadila12@gmail.com

Nomor Telepon/HP 082372480525

B. Kegiatan Kemahasiswaan Yang Sedang/Pernah Diikuti

NO Jenis Kegiatan Status Dalam Kegiatan Waktu dan Tempat
 19

1 2018/2019 dan
Yogyakarta

C. Penghargaan Yang Diterima

No Jenis Penghargaan Instansi Pemberi Penghargaan Tahun

1.

Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan
dapat di pertanggung jawabkan secara hukum. Apabila dikemudian hari ternyata di
jumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demkian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu
persyaratan dalam pengajuan hibah PKM-AI.

Yogyakarta, 12 Mei 2019

(Rindi Nadila)

Biodata Anggota 1

A. Identitas Diri

Nama Lengkap Heldina Puspita Maharani

Jenis Kelamin Perempuan

Perguruan Tinggi Institut Teknologi Nasional Yogyakarta

Program Studi Teknik Geologi

NIM 410016021

Tempat dan Tanggal Lahir Ponggerang, 04-Juli-1998

E-mail Dinalatamaa@gmail.com
 20

Nomor Telepon/HP 085741196588

B. Kegiatan Kemahasiswaan Yang Sedang/Pernah Diikuti

NO Jenis Kegiatan Status Dalam Kegiatan Waktu dan Tempat

C. Penghargaan Yang Diterima

No Jenis Penghargaan Instansi Pemberi Penghargaan Tahun

1.

Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan
dapat di pertanggung jawabkan secara hukum. Apabila dikemudian hari ternyata di
jumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demkian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu
persyaratan dalam pengajuan hibah PKM-AI.

Yogyakarta, 12 Mei 2019

(Heldina Puspita Maharani)

21