Konsep Perhitungan Cadangan Metode Krigging

Definisi Metode Krigging Teknik estimasi dengan cara geostatistik, didasarkan atas studi variabilitas spasial di badan bijih yang direfleksikan dalam bentuk semivariogram dengan menggunakan matriks. Teknik estimasi ini lebih unggul, karena memperhitungkan penyebaran distribusi peubah terregional, konfigurasi data dengan blok yang diestimasi, konfigurasi datanya sendiri, besarnya blok yang diestimasi dan juga memberikan gambaran efisiensi estimasi. Distribusi kesalahan yang dihubungkan dengan perkiraan ini dinamakan variasi distribusi kesalahan (varians estimasi). Suatu perkiraan yang mempunyai varian estimasi relatif besar dimasukkan sebagai estimasi jelek, hal ini menunjukkan probabilitas dari suatu estimasi menjadi jauh dari kenyataan sebenarnya. Sebaliknya, varians estimasi yang kecil menunjukkan estimasi mendekati keadaan sebenanya. Kadangkala, distribusi kesalahan ini dianggab sebagai distribusi normal sehingga interval kepercayaan baku untuk nilai blok dapat ditentukan. Matheron berusaha untuk memperkecil kesalahan ini dengan jalan memperhatikan daerah pengaruh dimana suatu conto berpengaruh terhadap conto didekatnya. Prosedur ini dinamakan kriging yang diambil dan nama DG. Kridge yang memakainya sebagai korelasi spasial dan estimator tak bias. Didalam proses kriging ini yang dilakukan adalah memperbaiki/membenarkan nilai estimasi (tak bias) dan meminimumkkan 2suatu varians (kriging varians) untuk estimasi. Kriging mengestimasi kadar titik atau blok dengan menggunakan bobot dan titik yang ada disekelilingnya. Dan hasil estimasi diperoleh suatu perkiraan kadar blok yang sebenarnya. 22. Persamaan Umum Kriging Misalkan terdapat suatu kumpulan Si dari n conto dengan volumina yang sama pada suatu tempat Xi. Maka estimasi kadar Z dari volume V adalah Z* yang diperoleh melalui pembobotan kadar-kadar conto Z(x), yaitu: Jumlah faktor pembobotan ,dibuat sedemikian rupa sehingga sama dengan satu.

Dengan cara ini tercapai suatu harga estimasi yang tak bias, artinya perbedaan rata-rata antara Z dan Z* diharapkan sama dengan nol E [Z-Z*]= 0 Sehingga varian estimasi didapat: 2E 2E

Atau 2E (V,V) = varian kadar blok Vdimana (Si,V) = covarian antar kadar blok V dengan kadar conto Xi (Si,Si) = covarian antar kadar Xi dengan kadar conto Xj i,2E merupakan fungsi dari faktor-faktor pembobotan Varians estimasi sama dengan satu. Agar diperoleh faktor pembobotan yang optimal, dibuat sedemikian rupa sehingga varian estimasi ini minimum. Hal ini dapat didekati dengan suatu rnultiplikator Lagrange, yaitu: dimana. adalah faktor Lagrange 2EQ adalah fungsi yang akan diminimumkan, yaitu C adalah Pembatas (C=0) yang mana haruslah sama dengan nol maka akan diperoleh: dan Dengan menurunkan persamaan diatas terhadap ,

Persamaan di atas merupakan sistim linier dan dari persamaan (n + l) sistim kriging dan biasanya ditutis tidak diketahui yang disebut sebagai dalam bentuk Dimana:

Atau dalam bentuk matriks pada rumus 12 adalah [E] matriks simetris dari variogramdiantara seluruh conto dan [D] adalah matriks dan variogram antara blok yang diestimasi dengan harga conto. Seluruh varians dan kovarians dapat diperoleh dari variogram dan dan hargaharga dapat dicari dengan cara menyelesaikan persamaan tersebut terhadap [A], yaitu : [ A ] = [ E ] ' [D ] 3. Varians Estimasi Kriging Varians kriging diperloeh dari mendesain sedimikian rupa sehingga varians estimasi minimum, pada susbstitusi koefisien kriging untuk tiap ke dalam persamaan akan tetapi dapat juga diperloeh dari penyerderhanaan formula dasar yang digunakan dalam perhitungan kiging. Persamaan sistem kriging adalah : o2-k2 = 0i +I

o2 = harga sill (C dalam variogram) i = harga pembobot dari sampel menuju ke titik pusat blok

0i = Harga Varains dengan jarak (h) dari sampel ke pusat blok yang ditaksir = Harga faktor lagrange hasil perhitungan 4.Sifat Kriging 4.1. Kondisi Tak Bias Sifat dasar kriging yang terpenting dalam mengestimasi cadangan endapan adalah kondisi tak bias dan varians estimasi minimum. Kondisi tak bias ini, dalam notasi matematik dinyatakan sebagai berikut: E= (Z*- Z)=0 Hal ini menunjukkan nilai estimasi rata-rata seluruh blok z yang diestimasi mempunyai kadar yang sama dengan kadar sebenarnya. Sifat ini unik untuk kriging, dimana hanya terjadi pada kasus harga terdistribusi normal (Z normal, Z* normal dan garis regresi berupa garis lurus). 4.2 Efek Penghalusan (Smoothing) Untuk mengetahui varians harga krigge dibandingkan dengan varians harga sebenarnya digunakan suatu diagram korelasi. Dan diagram ini terlihat bahwa rata-rata yang tinggi cenderun g under estimasi (harga estimasi masih terlalu rendah) dan sebalilknya, sehingga dalam hal ini diperlukan efek penghalusan. varians harga kriging dan harga sebenarnya dihubungkan dengan persamaan k2z*2 +z2 = +2 diabaikan, sehingga menjadi :Kuantitas 2 k2z*2 +z2 = Derajat kriging dapat ditunjukkan oleh faktor penghalusan, yaitu : z*2z2 / 4.3.Hubungan Addivitas Krige Ada dua metoda penyelesaian didalam mengestimasi suatu blok. Pertama dengan rnembagi blok-blok menjadi lebih kecil dan yang kedua dengan menganggabnya sebagai suatu kesatuan. Sifat ini dinamakan sifat addivitas, dan kriging mempunyai sifat ini, bila menggunakan data yang sama dalam mengestimasi dengan kedua metoda tersebut. Sebagai contoh, pada suatu endapan bijih emas dalam conto yang sedikit terletak antara 0 sampai 100 gr/ton (nugget), sedangkan kadar emas dalam blok yang berdimensi beberapa meter kubik hanya akan rnemberikan variasi yang kecil (sekitar 0,1 sampai 3 gilton). 4.4.Interpolasi Exact Pada dasarnya kriging mempunyai suatu metode interpolasi. Interpolasi ini dikatakan exact (tepat) bila titik data lebih banyak dilewati garis interpolasi dibandingkan titik lainnya. Dengan kata lain, support V yang dari datadiestimasi sama (serupa) dalam sebahagian besar support V yang ada, dan sistem kriging menentukan pada waktu kriging mengestimasi suatu titik, untuk titik data yang diketahui, koefisien bobot diberi harga satu dan untuk titik data

yang tidak diketahui adalah nol. 4.5 Efek Tirai/Tabir (Screen Effect) Kriging memberikan bobot rendah untuk conto-conto yang jauh dari blok yang sedang diestimasi, dan sebaliknya, tetapi juga dalam perhitungannya rnemperhitungkan poosisi relatif dari conto terhadap blok dan conto lainnya. Sebagal contoh, yang terletak dekat dal blok seakan membentuk semacam tirai yang akan memperkecil pengaruh conto yang lebih jauh. 3.PEMILIHAN METODE PENAKSIRAN DAN POLA PENGEBORAN Pemilihan penaksir kadar blok umumnya didasarkan pada sifat-sifat cebakan yang Diteliti, poligon cocok diterapkan pada cebakan yang mempunyai kecenderungan penyebaran kadar merata ke segala arah (skewness 0,5), seperjarak cocok untuk cebakan yang mempunyai kecenderungan kadar sedikit menyebar (skewness < 0,5); dan kriging cocok diterapkan pada cebakan yang memiliki penyebaran sangat tidak merata (skewness > 1,5). Penaksir terbaik berurut: poligon, seperjarak, dan kriging tanpa harus memperhatikan distribusi data. Peneliti telah membuktikan bahwa pada CV < 0,5 kriging merupakan penaksir terbaik dibandingkan poligon dan seperjarak. Pekerjaan yang dilakukan sebelum memilih suatu metode penaksiran adalah melakukan analisis. distribusi data. Statistik deskriptif dapat digunakan untuk mengetahui gambaran keseluruhan data. Parameter statistik tersebut adalah: jumlah sampel, rataan (mean), simpangan baku, variansi, skewness, kurtosis, minimum, maksimum, Q1, median, Q2, log-mean, koefisien variasi (lebih detil lihat Waterman, 1999). Joumel (1983:445) dan Kim (1988) menyarankan penggunaan koefisien variasi sebagai kriteria pemakaian kriging linier. Journel menyimpulkan bahwa kriging linier menghasilkan taksiran yang akurat pada data dengan koefisien variasi < 1. Namun pada distribusi data sangat miring dengan koefisien variasi 2-5, kriging linier mulai bermasalah. Kim menyarankan untuk berhati-hati bila koefisien variasi berkisar antara 0,5-1,5. Untuk data dengan koefisien variasi > 1,5 kriging linier tidak menghasilkan'taksiran yang memuaskan dan harus menggunakan kriging nonlinier (lihat Waterman, 1998). Umumnya data dengan koefisien variasi tinggi sering memiliki nugget yang tinggi pula. Tinggi-rendah nilai nugget terhadap sil/ merupakan indikator untuk mengetahui korelasi spasial dari data yang akan digunakan untuk penaksiran. Nisbah nugget/sill dapat dipakai untuk mengetahui korelasi spasial tersebut. Apabila nisbah nugget-sill > 50% kriging tidak menghasilkan taksiran yang akurat. Pada kondisi tersebut metode penaksiran yang dipakai adalah seperjarak. Apabila nugget mendekati sil/, taksiran kriging sama denganrataan aritmatika biasa sehingga tidak ada pilihan lain kecuali menggunakan poligon sampel terdekat untuk menaksir kadar blok. Berdasarkan diskusi di atas, studi tentang korelasi spasial terhadap data lebih penting dan lebih dahulu dilakukan daripada langsung menentukan metode penaksiran yahg akan dipakai. Selanjutnya tahapan berikut adalah menentukan

parameter penaksiran berdasarkan korelasi spasial data. Parameter tersebut adalah:jarak pencarian sampel ke arah sumbu mayor (kontinuitas spasial terbesar), ke arah sumbu minor (kontinuitas spasial terkecil) dan arah vertikal, jumlah maksimum dan minimum sampel yang digunakan, serta parameter variogram meliputi: nugget, sill, dan range. Pada tambang-tambang besar dan modern seperti tambang logam mulia, pola pengeboran tidak lagi dibatasi pola segiempat atau selang-seling. Pengeboran dapat dilakukan di permukaan, tunnel, atan drift ke segala arah dengan koordinat collar yang sama. Pola pengeboran ke segala arah tidak memakai lagi konsep pola segiempat atau selang-seling. Penaksiran kadar segala arah dilakukan dengan menentukan dahulu parameter penaksiran berdasarkan studi variografi. Sampel tersebar dalam ruang 3D, sehingga pencarian sampel tidak terbatas pada selapis atau dua lapis dari blok saja. Penaksiran blok berdasarkan jarak pencarian sampel searah sumbg mayor dan minor dengan sampel tersebar teratur atau tidak teratur (tergantung konfigurasi). Pekerjaan selanjutnya adalah analisis statisitk dan terakhir adalah pemilihan metode penaksiran.