KONSEP PERHITUNGAN CADANGAN METODE KRIGGING

Senin, 25 Januari 2010

Diposkan oleh Rahmat Diansyah Putra

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.
2 (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.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 suatu varians
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, 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:2E merupakan fungsi dari faktor-faktor pembobotan Varians estimasi
adalah faktor Lagrangedimana.
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.
dapat dicari dengan cara menyelesaikan persamaan tersebut terhadap [A], yaitu : dan Seluruh
varians dan kovarians dapat diperoleh dari variogram dan harga-harga
[ A ] = [ E ] ' [D ]
3. Varians Estimasi Kriging
ke dalam persamaan akan tetapi dapat juga diperloeh dari penyerderhanaan formula dasar yang
digunakan dalam perhitungan kiging.Varians kriging diperloeh dari mendesain sedimikian rupa
sehingga varians estimasi minimum, pada susbstitusi koefisien kriging untuk tiap
Persamaan sistem kriging adalah :

0i + I o2- k2 =

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
k2 +2z*2 +z2 =
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 blokblok 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 mempuny dari data 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.ai 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 diestimasi sama (serupa) dalam sebahagian besar
support V
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 0,51,5. 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.