Anda di halaman 1dari 9

3.

VARIABEL TERREGIONAL DAN


SEMIVARIOGRAM

Suatu variabel dikatakan teregional jika terdistribusi dalam ruang dan biasanya
mencirikan suatu fenomena tertentu, misalnya sebagai kadar logam yang
merupakan karakteristik suatu mineralisasi.
Secara matematik variabel teregional merupakan penyajian atau realisasi nilai
fungsi f(x) yang menempati setiap titik x pada ruang.
Umumnya pada semua endapan, perilaku karakteristik atau struktur variabilitas
dalam ruang dari variabel terregional dapat dilihat / dikenali aspek erratic secara
lokal (adanya zone lebih kaya dibandingkan lainnya). Conto yang diambil pada
zone lebih kaya akan mempunyai nilai rata-rata lebih tinggi dibanding dengan
yang diambil pada zone yang lebih miskin, sehingga nilai variabel terregional f(x)
tergantung pada posisi atau letak dalam ruang x. Tetapi secara umum (rata-rata)
akan menunjukkan aspek terstruktur dengan fungsi tertentu.

3.1. KONSEP FUNGSI ACAK


Variabel acak adalah variabel yang mempunyai nilai numerik tertentu berdasar
distribusi probabilitas tertentu. Harga parameter yang terkait dengan lubang bor
z(x1) mempunyai lokasi atau posisi pada titik x1. Jadi kumpulan kadar z(x) untuk
semua x di dalam endapan, yaitu variabel terregional z(x) dapat dipandang
sebagai realisasi variabel acak {Z(x), x endapan}. Kumpulan variabel
terregional z(x) dinamakan fungsi acak dan ditulis Z(x).
Definisi fungsi acak menyatakan aspek acak dan terstuktur dari suatu variabel
terregional :
a.
b.

Secara lokal pada titik x1,z(x1) adalah variabel acak.


Z(x) juga merupakan suatu fungsi acak untuk setiap kumpulan titik-titik x1
dan x1+h, sedangkan variabel acak z(x1) dan z(x1+h) itu sendiri tidak
merupakan fungsi acak. Secara umum z(x1) dan z(x1+h) adalah
independen, tetapi keduanya dihubungkan oleh korelasi struktur letak ruang
dari variabel terregional z(x).

3.2. HIPOTESIS PADA VARIABEL TERREGIONAL


DAN SEMIVARIOGRAM
Karena munculnya aspek yang erractic pada variabel terregional, maka kajian
secara langsung terhadap variabel terregional ini tidak memungkinkan, oleh
karena itu memerlukan beberapa hipotesis.

3.2.1. Ekspektasi Matematik atau Momen Order ke satu


Ekspektasi matematik didefinisikan Memandang suatu variabel acak pada titik x.
Jika distribusi fungsi Z(x) mempunyai ekspektasi, maka ekspektasi secara umum
merupakan fungsi x, atau dapat dinyatakan sebagai berikut:
E {Z(x)} = m(x)

(1)

3.2.2. Momen Order ke dua


Tiga buah moment order ke dua yang dipertimbangkan pada geostatistik adalah :
a. Varians dari Z(x)
Jika varians ini muncul, maka pada moment order ke dua didefinisikan
sebagai ekspektasi di sekitar m(x) dari variabel acak f(x),
Var {Z(x)} = E[{Z(x) m (x)}2]

(2)

Sebagaimana ekspektasi m(x), varians secara umum juga merupakan


fungsi dari x.
b. Kovarians
Dapat dilihat bahwa jika dua variabel acak Z(x1) dan Z(x2) mempunyai
varians dari titik x1 dan x2 ditulis,
C(x1,x2) = E[{Z(x1) - m(x1) - m(x2)}]

(3)

c. Semivariogram
Fungsi semivariogram didefinisikan sebagai varians dari increment
{Z(x1) Z(x2)} dan ditulis sebagai,
2 ( x1 , x 2 ) = var{Z ( x1 ) Z ( x 2 )}

atau

(4a)

2
2 (h ) = [z ( x i ) z ( x i = h )] / N (h )

(4b)

i =1

dimana N(h) adalah jumlah pasangan data dan h adalah jarak antara
conto/lag semivariogram.
3.2.3 HIPOTESIS STATIONARITAS
Hipotesis ini muncul dari definisi bahwa fungsi kovarians dan semivariogram
tergantung secara simultan pada dua support titik x1 dan x2. Oleh karena itu,
beberapa realisasi dari kumpulan variabek acak {Z(x1),(Z(x2)} dapat digunakan
untuk menarik kesimpulan statistik.
Dilain pihak, jika fungsi ini hanya tergantung pada jarak di antara dua support titik
(yaitu pada vektor h = x1 - x2 memisahkan x1 dan x2), maka penarikan kesimpulan
statistik menjadi mungkin, yaitu setiap pasangan data {Z(xk), Z(xk)} terpisahkan
oleh jarak (xk xk), sama dengan vektor h, dapat dipandang sebagai suatu
realisasi yang lain dari pasangan variabel acak {Z(x1),(Z(x2)}.
Secara penalaran menjadi jelas, pada suatu mineralisasi homogen, korelasi yang
ada di antara dua nilai data Z(xk) dan Z(xk) tidak tergantung pada posisi di dalam
zone tetapi lebih tergantung pada jarak yang memisahkan mereka.
3.2.4. STATIONARITAS ORDER KE DUA
Sebuah fungsi acak dikatakan menjadi stationaritas order ke dua jika :
a. Ekspektasi matematik E{Z(x)} ada dan tidak tergantung pada support
titik x,
E{Z(x)} = m x
(5)
b. Setiap pasangan dari variabel acak {Z(x),Z(x+h)} muncul kovarians
dan tergantung pada jarak h,
C(h) = E[{Z(x+h) m {Z(x) m}]
= E{Z(x+h) Z(x)} m E{Z(x+h)} E {Z(x)} +m2
= E{Z(x+h) Z(x)} m2 m2 + m2
C(h) E{Z(x+h) Z(x)} - m2 x

(6)

h menyatakan suatu koordinat vektor (hu, hv, hw) pada ruang 3D.
Stationaritas dari kovarians mengandung arti stationaritas dari varians dan
variogram. Hubungan berikut bisa diturunkan dari definisi di atas :
a. C(0) = E[{Z(x) - m2 ]
C(0) = E{Z(x) Z(x)} - m2
Var {Z(x)} = E [{Z(x) m}2] = C(0)
(7)

b. (h) = E[{Z(x+h) Z(x) m}2]


= E[{Z(x+h)Z(x+h)Z(x+h)} E[{Z(x+h)Z(x)} + 1/2E{Z(x)Z(x)}
(h) = E{Z(x)Z(x)} E{Z(x+h)Z(x)}
= C(0) + m2 {C(h) + m2}
(h) = C(0) C(h)
3.2.4 HIPOTESIS INTRINSIK
Suatu fungsi acak Z(x) dikatakan menjadi intrinsik jika :
a. Muncul suatu ekspektasi matematik dan tidak tergantung pada support
titik x
E{Z(x)} = m x

(9)

b. Untuk semua vektor h, increment {Z(x)+(h) Z(x)} mempunyai varians


berhingga yang tidak tergantung pada x,
Var {Z(x+h) Z(x)} = E [{Z(x+h)-Z(x)}2 = 2 (h) x

3.3

(10)

BEBERAPA CATATAN PENTING SEMI-VARIOGRAM

Berdasarkan hipotesis di atas, maka terdapat beberapa catatan penting


semivariogram.
3.3.1 STATIONARITAS SEMU
Pada praktek, fungsi struktural kovarians atau variogram hanya digunakan untuk
jarak terbatas h a. Sebagai batas a, misalnya diameter dari penaksiran. Dua
variabel Z(x) dan Z(x+h) tidak dapat dipandang sebagai berasal dari mineralisasi
homogen yang sama jika h> a.
Pada kasus ini berarti fungsi struktural C(x,x+h) atau (x,x+h), tidak lebih dari
pada stationaritas secara lokal untuk jarak hkurang dari batasan a.

3.3.2 TIDAK MUNCULNYA KORELASI


Sering dijumpai, bahwa korelasi antara dua variabel Z(x) dan Z(x+h) menghilang
saat jarak h menjadi terlalu besar :
C(h) 0, jika h

dan secara praktis, dapat diambil C(h) = 0, pada h a. Diluar jarak a, dimana
C(h) dapat dipandang menjadi sama dengan nol disebut range dan ini
menyajikan transisi (perubahan) yang tidak memberikan korelasi pada h a.
3.3.3 SIFAT SEMIVARIOGRAM
Definisi semi-variogram sebagai varians dari increment, mengakibatkan sifat-sifat
sebagai berikut :
(0 ) = 0 , (h) = (h) 0 dan (h) (0)
Secara umum, tetapi tidak selalu harus, peningkatan h akan menyebabkan ratarata kuadrat pada dua variabel Z(x) dan Z(x+h) cenderung meningkat dan oleh
sebab itu (h) meningkat dari nilai awal (nol).
3.3.4 PHENOMENA TRANSISI
Kurva semi-variogram akan naik dan pada jarak tertentu menjadi kurang lebih
stabil di sekeliling suatu nilai batas ( ) yang disebut nilai sill, yang merupakan
a priori variance dari variabel acak.

( )= var {Z(x)} = C(0)


Semi-variogram yang dicirikan oleh nilai sill dan suatu range disebut model
transisi, dan mencerminkan suatu fungsi acak yang tidak hanya intrinsik tetapi
juga stationaritas order ke dua.
3.3.5 ZONE PENGARUH
Pada suatu fenomena transisi, setiap nilai data Z(x) akan terkorelasi dengan nilai
data lainnya yang terletak pada radius a dari x. Radius a ini disebut juga range,
yang merupakan batas stationaritas semu dari endapan yang homogen. Adanya
korelasi seperti ini menyebabkan pengaruh suatu nilai terhadap nilai lainnya
yang menurun pada jarak ke dua titik yang semakin jauh. Jadi range
menghubungkan dengan ide penalaran dari suatu zone pengaruh variabel acak,
yaitu di luar jarah h= a, variabel acak Z(x+h) dan Z(x+h) selanjutnya tidak
terkorelasi.

3.4

PERHITUNGAN VARIOGRAM

Veriogram dihitung dengan suatu rumus yang sederhana yaitu perbedaan ratarata antara dua titik conto dengan jarak tertentu. Oleh karena itu perbedaan
tersebut kemungkinan < 0 atau > 0, agar perbedaan rata-rata tersebut selalu > 0
maka perlu diaplikasikan perhitungan statistik yang berdasarkan pada perbedaan
kuadrat.
Delfiner mendefinisikan bahwa perbedaan kuadrat tersebut diasumsikan sebagai
ekspektasi [Z(xi) Z(xi+h)], sehingga definisi variogram menjadi :
2g(h) = var [z(xi) z(xi+h)]
Dimana :

2g(h) = variogram
Var = varians.

Dari fungsi tersebut dapat didefinisikan semivariogram sebagai berikut :


N

(h ) =
dimana :

[z (x ) z (x )]

i+h

i =1

2N( h )

g(h)
h
z(xi)
z(xi+h)
N(h)

= (semi)variogram untuk arah tertentu dari jarak h


= 1d, 2d, 3d, 4d (d = jarak antar conto)
= harga(data) pada titik xi
= data pada titik yang berjarak h dari xi
= jumlah pasangan data.

Sebagai contoh data kadar emas (dalam ppm) di sepanjang urat dengan jarak
penganbilan conto (d) setiap 2 m :
harga 7 9 8 10 9 11 11 13 11 12 16 12 10 11 10 12 15 ppm
I__I__I___I__I___I___I___I___I___I___I___I___I___I___I___I___I
I I I
I I
I
I
I
I
I
I
I
I
I
I
I
I
lokasi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
g(2)

2
2
2
2
2
2
(
7 9 ) + (9 8 ) + (8 10 ) + (10 9 ) + ...... + (10 12 ) + (12 15 )
=

g(4)
g(6)
g(8)
g(10)
g(12)
g(14)

=(4+1+4+1+4+0+4+4+1+16+16+4+1+1+4+9)/2x16=74/32=2,31 ppm2
=(1+1+1+1+4+4+0+1+25+0+36+1+0+1+25)/2x15= 101/30=3.36 ppm2
=(9+0+9+1+16+0+1+9+1+4+25+4+4+16)/2x14=99/28=3,54 ppm2
=(4+4+9+9+4+1+25+1+1+1+25+0+16)/2x13=100/26=3,85 ppm2
=(16+4+25+1+9+25+1+9+0+4+16+9)/2x12=119/24=4,96 ppm2
=(16+16+9+4+49+1+1+4+1+0+1)/2x11=102/22=4,64 ppm2
=(25+4+16+25+9+1+0+9+1+9)/2x10=99/20=4,95 ppm2

2 x16

ppm

g(16)
g(18)
g(20)
g(22)
g(24)

=(16+9+64+4+1+0+1+1+16)/2x9=112/18=6,22 ppm2
=(25+49+16+0+4+1+1+4)/2x8=100/16=6,25 ppm2
=(81+9+4+1+1+1+16)/2x7=113/14=8,07 ppm2
=(25+1+9+0+9+16)/2x6=60/12=5,00 ppm2

=(9+4+4+4+36)/2x5=57/10=5,70 ppm2
Gambar 3.1 Variogram eksperimental dan varians populasi
(garis mendatar, menunjukkan harga 5,25ppm2)
Perhitungan di atas dilakukan pada pasangan conto yang harus tepat pada jarak
h dan tepat arah 0, sedangkan pada prekteknya sering dijumpai pola
pengambilan conto yang tidak reguler, untuk itu perlu diberikan suatu toleransi
untuk kedua variabel tersebut, sehingga muncul istilah angle classes ( / 2 )
dan distance classes (hh) (David, 1977).
Jadi semua titik conto yang berada pada search area didefinisikan dengan angle
classes ( / 2 ) dan distance classes (hh) akan dianggap sebagai titik-titik
conto yang berjarak h dari x0 pada arah termaksud (Gambar 3.2)

Gambar 3.2 Arah varioagram ( ), search area dengan angle of classes


( / 2 ) dan distance classes (hh) (David, 1977)

Alogaritma perhitungan variogram adalah sebagai berikut :


1. Setiap titik conto mempunyai kesempatan untuk menjadi titik origin (xi).
Titik-titik lainnya dihitung dengan perbedaan kuadratnya [z(xi)-z(xi+h)]2.
Jarak antara titik origin (xi) dan titik lainnya (xi+h) harus berada pada
distance classes (hh). Jika titik xi+h berada di luar daerah distance
classes dan angle classes, maka perbedaan kuadrat tidak dihitung.
Demikian perhitungan ini berulang-ulang di setiap titik xi+h.
2. Selanjutnya dengan prosedur pada butir 1 titik-titik lainnya juga diberi
kesempatan menjadi titik origin xi.
3. Untuk prosedur 1 dan 2 hitung jumlah pasangannya N(h) yang
memenuhi syarat di atas dan juga jumlahnya secara kumulatif semua

perbedaan kuadratnya S[z(xi)-z(xi+h)]2. Dengan rumus di atas, maka


dapat dihitung (semi)variogram untuk jarak pasangan h=id.
4. Variogram untuk jarak pasangan h selanjutnya (2d, 3d, 4d, .... dst)
lakukan kembali dengan prosedur 1 sampai dengan 3. Dengan demikian
akan didapati hasil perhitungan variogram untuk setiap jarak h.
5. Plot grafik variogram dengan sumbu X adalah h sedangkan sumbu Y
nya adalah harga variogram untuk jarak h yang bersangkutan.