TUGAS GEOSTATISTIKA

Penerapan GStat dengan Input Semivariogram Spherical pada Metode

Universal Kriging untuk Data

Disusun Oleh :
Cyntia Novia Dewi

(140110130027)

Kukuh Kresnandini

(140110130057)

Tamara Putri Andini

(140110130087)

Rico Fernando

(140110130095)

Kelompok 9

PROGRAM STUDI MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PADJADJARAN
2016

KATA PENGANTAR

Dengan menyebut nama Tuhan YME, kami panjatkan puja dan puji syukur atas kehadiratNya, yang telah melimpahkan rahmat sehingga kami dapat menyelesaikan makalah ilmiah
tentang Penerapan GStat dengan Input Semivariogram Spherical pada Metode Universal
Kriging untuk Data.
Makalah ilmiah ini telah kami susun dengan maksimal dan mendapatkan bantuan dari
berbagai pihak sehingga dapat memperlancar pembuatan makalah ini. Untuk itu kami
menyampaikan banyak terima kasih kepada semua pihak yang telah berkontribusi dalam
pembuatan makalah ini.
Terlepas dari semua itu, kami menyadari sepenuhnya bahwa masih ada kekurangan baik
dari segi susunan kalimat maupun tata bahasanya. Oleh karena itu dengan tangan terbuka
kami menerima segala saran dan kritik dari pembaca agar kami dapat memperbaiki makalah
ilmiah ini.
Akhir kata kami berharap semoga makalah ilmiah tentang limbah dan manfaatnya untuk
masyarakan ini dapat memberikan manfaat maupun inpirasi terhadap pembaca.

Jatinangor, 16 Maret 2016

Penyusun

BAB I
PENDAHULUAN

1.1.

LATAR BELAKANG

Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,

menganalisis, menyajikan, menginterpretasi, dan menarik kesimpulan berdasarkan data yang
ada. Pengumpulan data memegang peranan penting dalam statistika, sebab bila data tersebut
mengalami kesalahan atau tidak representatif dapat dipastikan bahwa kesimpulan yang
diperoleh akan salah. Terdapat dua macam statistika, yaitu statistika deskriptif dan statistika
inferensial.
Statistika deskriptif adalah statistika yang digunakan untuk mendeskripsikan dan
menyimpulkan data, baik secara numerik (misal menghitung rata-rata dan standar deviasi)
atau secara grafis (dalam bentuk tabel atau grafik), untuk mendapatkan gambaran jelas
mengenai data tersebut, sehingga lebih mudah dibaca dan lebih bermakna.
Sedangkan statistika inferensial adalah statistika yang digunakan untuk mengambil keputusan
berdasarkan analisis data yang diperoleh, misalkan melakukan uji hipotesis, melakukan
estimasi pengamatan masa mendatang, membuat permodelan hubungan (korelasi, regresi,
anova, deret waktu), dan sebagainya. Data yang dapat digunakan antara lain data pada bidang
pemasaran, farmasi, geologi, psikologi, dan masih banyak lagi.
Secara khusus, terdapat statistika yang digunakan untuk mengolah data geologi dan terdapat
informasi spasial disebut dengan istilah geostatistika. Informasi spasial yaitu informasi yang
mengidentifikasi lokasi geografis dan karakteristik keadaan alam atau buatan manusia dan
batas-batas di muka bumi. Selain itu, pada geologi banyak dijumpai masalah-masalah variasi
spasial.

Penerapan geostatistika sangat luas. Pada perkembangannya banyak aplikasi statistika

multivariat yang masuk dalam geostatistika. Geostatistika dikembangkan pada industri

mineral untuk melakukan perhitungan cadangan mineral, seperti emas, perak, platina, dan
sebagainya. Hal yang paling penting dalam perhitungan cadangan adalah penaksiran. D.K.
Krige, seorang insinyur pertambangan Afrika Selatan, memperkenalkan salah satu metode
penaksiran yang digunakan untuk menangani variabel teregionalisasi (regionalized variable).
Variabel teregionalisasi adalah variabel yang mempunyai nilai berbeda (bervariasi) dengan
berubahnya lokasi/tempat.
Metode penaksiran yang digunakan untuk menangani variabel teregionalisasi disebut dengan
metode kriging. Pada tahun 1960an, Kriging dikembangkan dalam geostatistika oleh Georges
Matheron (Suprajitno Munadi, 2005: 4). Pada perkembangannya banyak metode kriging yang
dikembangkan untuk menangani berbagai macam kasus yang ada dalam data geostatistik
salah satu kasus yaitu terdapat data kandungan mineral tersampel yang tidak memiliki trend
(kecenderungan) tertentu.
Metode kriging yang sesuai untuk menyelesaikan kasus tersebut antara lain simple kriging
dan ordinary kriging. Simple kriging digunakan pada saat rata-rata populasi diketahui,
sedangkan pada ordinary kriging digunakan pada saat rata-rata populasi tidak diketahui.
Namun, pada kesempatan kali ini akan dibahas universal kriging, yaitu metode kriging yang
mempunyai kecenderungan trend tertentu dan merupakan bentuk umum dari simple kriging
sebagai salah satu cara perluasan dari metode Ordinary kriging.

1.2.

TUJUAN
Adapun tujuan penulisan makalah ini adalah:
1. Menjelaskan tentang metode universal kriging pada geostatistika.
2. Menjelaskan tentang sifat-sifat metode universal kriging.
3. Menjelaskan langkah-langkah untuk pengestimasian cadangan hasil tambang
dengan menggunakan metode universal kriging.

1.3.

RUMUSAN MASALAH
1. Apakah yang dimaksud dengan metode universal kriging pada geostatistika?
2. Bagaimana sifat-sifat metode universal kriging?

BAB II
LANDASAN TEORI

Geostatistika awalnya dikembangkan dalam industry pertambangan untuk menaksir

cadangan-cadangan mineral yang ada di bumi. Proses prediksi ini dikenal dengan istilah
kriging. Kriging merupakan teknik untuk mengestimasi kandungan mineral berdasarkan dari
data yang telah diketahui. Universal kriging adalah metode kriging yang mempunyai
kecenderungan trend tertentu dan merupakan bentuk umum dari simple kriging sebagai salah
satu cara perluasan dari metode Ordinary kriging. Universal kriging adalah metode
penaksiran yang digunakan untuk menangani masalah kenonstasioneran dari data sampel.
Seperti halnya dengan Ordinary kriging, Universal kriging juga menghasilkan BLUE
(Best Linier Unbiassed Estimator). Sifat BLUE membuktikan bahwa estimator Universal
kriging adalah estimator tak bias, linier dan punya nilai variansi minimum. Dengan BLUE ini
maka akan dihasilkan MSE minimum (Mean Square Error minimum) yang digunakan untuk
mengukur efisiensi dari estimator. MSE minimum diperlukan pada analisis struktural, yaitu
untuk mencocokan nilai semivariogram eksperimental dengan semivariogram Universal
kriging. Dengan MSE minimum didapatkan perhitungan dan juga variansi error dari masingmasing data sampel yang akan di estimasi.
Universal Kriging adalah kriging dari data yang mempunyai kecenderungan trend
tertentu. Universal kriging tepat jika diaplikasikan untuk menganalisis data yang mempunyai
kecenderungan tertentu, misalnya tebal lapisan bertambah dengan berubah-ubahnya arah atau
nilai permeabilitas yang berkurang dengan menjauhnya lokasi dari channel sand. Channel
sand merupakan lokasi yang telah ditandai atau dijadikan target penambangan. Universal
kriging sebenarnya hamper mirip dengan Ordinary kriging, perbedaan dari keduanya
hanyalah pada jenis data yang diteliti.
Variogram dan Semivariogram Eksperimental Variogram merupakan grafik variansi
terhadap jarak (lag). Untuk analisis lebih lanjut variogram atau semivariogram eksperimental
harus diganti dengan variogramteoritis yang mempunyai bentuk kurva paling mendekati
dengan variogram eksperimental. Dalam analisis data geostatistika, proses pencocokan antara
variogram eksperimental dengan variogram teoritis ini disebut analisis struktural (structural

analisis). Selain itu analisis structural juga bias dilakuk1. an dengan cara perbandingan mean
square error (MSE) dari masing-masing variogramteoritis.
Semivariogram Universal Kriging adalah perangkat dasar dari geostatistik untuk
visualisasi, pemodelan dan eksploitasi autokorelasi spasial dari variable teregionalisasi.
Variogram adalah ukuran dari variansi, sedangkan semivariogram adalah setengah dari nilai
variogram.
Universal kriging adalah salah satu metode dari kriging untuk memprediksi atau
mengestimasikan dungan mineral dalam pertambangan. Metode Universal kriging ini
diterapkan pada data yang mempunyai kecenderungan trend tertentu atau data yang nonstasioner. Estimator yang dihasilkan pada metode Universal kriging adalah estimator yang
bersifat BLUE ( Best Linier Unbiased Estimator ) yaitu estimator yang tidak bias, linier dan
punya nilai variansi estimator minimum.
Beberapa contoh semivariogram teori adalah model spherical, exponential dan
Gaussian.
Data Spasial
Data spasial adalah jenis data yang diperoleh dari hasil pengukuran yang memuat informasi
mengenai lokasi dan pengukuran. Data ini disajikan dalam posisi geografis dari suatu obyek,
berkaitan dengan lokasi, bentuk dan hubungan dengan obyek-obyek lainnya, dengan
menggunakan titik, garis dan luasan. Data spasial dapat berupa data diskrit atau kontinu dan
dapat juga memiliki lokasi spasial beraturan (regular) maupun tak beraturan (irregular). Data
spasial dikatakan mempunyai lokasi yang regular jika antara lokasi yang saling berdekatan
satu dengan yang lain mempunyai posisi yang beraturan dengan jarak sama besar, sedangkan
dikatakan irregular jika antara lokasi yang saling berdekatan satu dengan yang lain
mempunyai posisi yang tidak beraturan dengan jarak yang berbeda. Berdasarkan jenis data,
terdapat 3 tipe mendasar data spasial yaitu data geostatistika (geostatistical data), data area
(lattice data), dan pola titik (point pattern) .
Data spasial adalah sebuah data yang berorientasi geografis dan memiliki koordinat tertentu
sebagai dasar referensinya. Data spasial mempunyai dua bagian penting yang memebuatnya
berbeda dari data yang lain, yaitu informasi lokasi (spasial) dan informasi deskriptif (atribut)
[5]. Data spasial juga merupakan salah satu model data dependen, karena dikumpulkan dari
lokasi berbeda yang mengindikasikan adanya ketergantungan antara pengukuran dangan

lokasi. Nilai data di lokasi s biasa dinotasikan dengan Z(s) dimana Z(s) merupakan variabel
teregional. Himpunan dari variabel teregional Z(s) disebut proses spasial {Z(s): s D}
dimana D adalah himpunan random di ruang berdimensi D.
2.2 Semivariogram Eksperimental
Semivariogram merupakan variogram yang diperoleh dari data yang diamati atau data hasil
pengukuran yang berupa grafik. Semivariogram didefinisikan sebagai Mean Square Error
dari ( ) terhadap ( ), maka nilai semivariogram dapat ditaksir dengan menghitung setengah
rata-rata dari kuadrat selisih nilai data di 2 lokasi yang berjarak, dengan rumus :

Dimana,
( h)

: semivariogram untuk arah tertentu dengan jarak h

N (h)

: jumlah pasangan data berjarak h

: jarak antar sampel

Z ( si )
Z ( si +h )

: nilai data pada titik s i

: nilai data pada titik yang berjarak h dari s i

2.3 Semivariogram Teoritis

Semivariogram teoritis didapatkan melalui fitting semivariogram eksperimental dengan pola
yang diamati pada semivariogram. Dalam suatu semivariogram dicirikan oleh nugget effect,
sill, dan rangeI[5]. Dimana oleh nugget effect, sill, dan range itu sendiri adalah :
a. Range
Range merupakan jarak dimana nilai sill mulai mendekati konstan yang merupakan jarak
maksimum dimana masih terdapat korelasi antar variabel teregional.
b. Sill
Sill merupakan nilai semivariogram yang konstan untuk ( h ) yang tidak terbatas.

c. Nugget effect
Nugget effect merupakan nilai semivariogram pada jarak di sekitar nol.

1. Model Spherical

Dimana,
C0

: nugget effect

: range

: sill

2. Model Eksponensial
3. Model Linear
4. Model Gaussian

2.4 Uji Validitas

Dalam uji validasi, tahap ini menguji model yang dihasilkan dan menaksir harga tanah
dengan nilai sebenarnya kemudian dihitung menggunakan metode Jackknifing untuk memilih
model yang terbaik[7]. Pengujian dilakukan degan menghitung nilai RMSE (Root Mean
Square Error) yang dihasilkan dengan nilai minimum menggunakan persamaan :

Z ( xi )

: Nilai hasil estimasi dengan model teoritis

Z ( xi )

: Nilai harga asli

: Jumlah sampel

Semakin kecil nilai RMSE semakin tepat taksiran model, semakin tinggi daya taksiran model.

2.5 Universal Kriging

Metode Universal kriging ini diterapkan pada data yang mempunyai kecenderungan trend
tertentu atau data yang non-stasioner [3]. Universal kriging adalah salah satu metode dari
kriging untuk memprediksi atau mengestimasi. Dimana persamaan universal kriging sistem.

Dan dinyatakan dalam bentuk matriks sebagai berikut :

hik

: jarak antar titik i ke k

h pi

: jarak antar titik p ke p

( hik )

: nilai semivariogram

( h pi ) : nilai semivariogram
xi , yi

: koordinat input

wi

: bobot yang akan diisikan pada nilai data

: parameter Lagrange

1, 2

: koefiesien lokal tren

x p, y p

: koordinat taksiran

Pada ruas kiri dari sistem menjelaskan perbedaan atau selisih antar data sampel, sedangkan
ruas kanan menunjukkan perbedaan atau selisih nilai semivariogram antara tiap titik data
sampel dengan titik xi.
2.6 Interpolasi kriging

Untuk membuat peta kontur digunakan interpolasi kriging. Kelebihan dari teknik ini adalah
penggunaan optimalisasi secara statistik dan juga penanganan error atau ketidakpastian
kontur. Teknik ini menggunakan informasi yang diberikan semivariogram dalam menemukan
nilai bobot yang optimal yang akan digunakan dalam melakukan penaksiran atau estimasi
suatu nilai dari lokasi yang tidak diobservasi[8]. Nilai dari lokasi
yang tidak diobservasi tersebut dinyatakan dengan rata-rata bobot nilai dari lokasi yang
terobservasi.

DAFTAR PUSTAKA
https://www.google.co.id/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=8&cad=rja&uact=8&ved=0ahUKEwjW_Lvt6sTL
AhWKBI4KHcYPD-MQFghWMAc&url=https%3A%2F
%2Frepository.telkomuniversity.ac.id%2Fpustaka%2Ffiles%2F101890%2Fjurnal_eproc
%2Fpemodelan-harga-tanah-kota-batam-dengan-menggunakan-metode-universalkriging.pdf&usg=AFQjCNHq-Ksg4Ww2h-dYVVoQLB4DpDnR4g&sig2=7XR4PgEh4QNbDl_oJQ24Q
http://www.undana.ac.id/jsmallfib_top/JURNAL/TEKNIK%20PERTAMBANGAN/TEKNIK
%20PERTAMBANGAN%202013/ESTIMASI%20KANDUNGAN%20HASIL
%20TAMBANG%20MENGGUNAKAN.pdf