00 - INA-PENGANTAR GEOSTATISTICS - Pps
00 - INA-PENGANTAR GEOSTATISTICS - Pps
Pengantar
GEOSTATISTICS
Disarikan dari buku Penuntun Matakuliah
Geostatistik oleh: Dr.Ir. Totok Darijanto,
Rekayasa Pertambangan ITB, 1999-2000
PENGERTIAN ISTILAH
Kita mengenal: Diffractogram, Seismogram,
Correlogram
gram = gambar/ grafik
VARIOGRAM = variance + gram
SEMIVARIOGRAM = setengah dari variance.
Variance, menunjukan jumlah (sigma) selisih
dua nilai, dikuadratkan, dibagi jumlah data
SEMIVARIANCE
Salah satu ukuran statistik dasar dalam
geostatistik yaitu SEMIVARIANCE
Dipakai untuk menunjukan laju perubahan dari
suatu variabel regional pada orientasi tertentu.
Menunjukan ukuran derajat ketergantungan
spasial antara observasi , yaitu pengukuran
titik dari suatu sifat/nilai, misal: kedalaman,
elevasi dsb
SEMIVARIANCE
h
nh
2
(
x
x
)
i
i
ih
2n
SEMIVARIOGRAM
Hasilnya disebut experimental
semivariogram, untuk membedakan
dengan theoretical semivariogram.
Hasil experimental semivariogram
diestimasi dengan model matematik yaitu
theoretical semivariogram
SEMIVARIOGRAM
Semivariance
( xi xi h )
(x x
i i h )
n
2n
LAG
Menghitung nilai (SAMPLING) DENGAN JARAK YANG
SAMA (BISA VERTIKAL ATAU HORIZONTAL)
h=1
h=2
h=3
h=4
PARAMETER STATISTIK
X
s
1
n
1
x
1
n
X
1
2
i
x
VARIAN
Simpangan baku (STANDARD DEVIATION) =
akar dari varian
Nilai RERATA (ARITHMATICS MEAN) dari
sampel erat kaitannya dengan nilai rerata dari
populasi
PARAMETER STATISTIK
Titik tengah
kelas, Xi (cm)
Frekuensi, f
fi Xi
153
765
158
20
3.160
163
42
6.846
168
26
4.368
173
1.211
100
16.350
16350
163,50 cm
100
PARAMETER STATISTIK
MEDIAN: nilai yang terletak di tengah
Jajaran ganjil: 3, 4, 4, 5, 6, 7, 8, 9, 10
mempunyai median: 6
Jajaran (genap): 3, 4, 4, 5, 6, 8, 8, 8, 9, 10
mempunyai median: (6+8)/2 = 7
MODUS (mode): Nilai yang paling banyak muncul (frekuensi terbesar)
kumpulan: 3,4,4,5,6,8,8,8,9,10 mempunyai modus 8
kumpulan: 3,4,4,5,6,8,8,9,10 mempunyai modus 4 dan 8, disebut bimodal.
Jika banyak modus lebih dari dua disebut multimodal
kumpulan 3,4,5,6,8,9,10 tidak mempunyai modus
X
notasi modus:
PARAMETER STATISTIK
simpangan baku
S
rerata
X
PARAMETER STATISTIK
Nilai 7
Lokasi 1
8 10 9
3 4
11 11 13 11 12 16
10
12 10 11
10 12
15 ppm
11 12 13 14
15 16
17
frekuensi
4
3
2
1
7 8 9 10 11 12 13 14 15 16
ppm
1 1
1 1 2 2 2 3 2
2 2
1 2 2 2 2 4 3
3 2
1 2 2 4 4 5 5
3 3
2 2 3 7 8 6 7
2 2
2 2 4 7 9 7 6
4 2
2 2 4 5 8 6 5
4 2
1 2 3 3 2 4 5
2 2
1 1 2 2 2 2 3
1 1
1 1 2 2 2 2 2
1 1
1
1 2
3 4 5 6 7 8 9
1 1 1 1 2 2 2 2
1 1 1
1 1 2 2 2 3 2 3
2 2 1
1 2 2 2 2 4 3 3
3 2 1
1 2 2 4 4 5 5 5
3 3 2
2 2 3 7 8 6 7 6
2 2 2
2 2 4 7 9 7 6 5
4 2 2
2 2 4 5 8 6 5 7
4 2 1
1 2 3 3 2 4 5 3
2 2 1
1 1 2 2 2 2 3 2
1 1 1
1 1 2 2 2 2 2 2
1 1 1
1
1 2
3 4 5 6 7 8 9
1 1 1 1 2 2 2 2
1 1 1
1 1 2 2 2 3 2 3
2 2 1
1 2 2 2 2 4 3 3
3 2 1
1 2 2 4 4 5 5 5
3 3 2
2 2 3 7 8 6 7 6
2 2 2
2 2 4 7 9 7 6 5
4 2 2
2 2 4 5 8 6 5 7
4 2 1
1 2 3 3 2 4 5 3
2 2 1
1 1 2 2 2 2 3 2
1 1 1
1 1 2 2 2 2 2 2
1 1 1
40
30
20
10
1 2
3 4 5 6 7 8 9
1 1 1 1 2 2 2 2
1 1 1
1 1 2 2 2 3 2 3
2 2 1
1 2 2 2 2 4 3 3
3 2 1
1 2 2 4 4 5 5 5
3 3 2
2 2 3 7 8 6 7 6
2 2 2
2 2 4 7 9 7 6 5
4 2 2
2 2 4 5 8 6 5 7
4 2 1
1 2 3 3 2 4 5 3
2 2 1
1 1 2 2 2 2 3 2
1 1 1
1 1 2 2 2 2 2 2
1 1 1
10
1
1 2 3 4 5 6 7
Linier
Parabolik, non-linier
Rumus dasar
1 n
s xy
( xi x)( yi y )
n 1 i 1
r
s xy
sx s y
kovarian (covariance)
koefisien korelasi
Contoh:
xi yi
( xi x) ( yi y ) ( xi x) 2
( yi y ) 2 ( xi x)( yi y )
-1
-3
-1
10
+1
+4
16
18
12
26
S2 =
13
S=
3.6
x2
y6
3.5
r
0.97
(1)(3.6)
Sxy = 3.5
VARIABEL TER-REGIONAL
(REGIONALIZED VARIABLE)
VARIABEL TER-REGIONAL
(REGIONALIZED VARIABLE)
Maka nilai variabel terregional f(x)
tergantung pada posisi letak ruang x.
Secara umum (rerata) akan menunjukan
aspek terstruktur dengan fungsi tertentu.
Karena aspek erratic, kajian langsung pada
variabel terregional tidak memungkinkan,
karenanya memerlukan beberapa hipotesis.
MENGHITUNG VARIOGRAM
z ( xi ) z ( xi h )
MENGHITUNG VARIOGRAM
var variance
MENGHITUNG VARIOGRAM
semivariogram:
N
(h )
z
(
x
)
z
(
x
)
i
ih
i 1
2 N(h)
Dimana:
(h) = (semi) varogram untuk arah tertentu dan jarak h
h = 1d, 2d, 3d, 4d (d = jarak antar conto)
z(Xi) = nilai (data) pada titik Xi
z(Xi+h) = data pada titik yang berjarak h dari Xi
N(h) = jumlah (banyaknya) pasangan data
MENGHITUNG VARIOGRAM
contoh sederhana:
2
N(a) = 6
N(2a) = 5
N (3a) = 5
(0) 0
(a) 1 (12 32 0 2 0 2 2 2 2 2 ) 1.5
12
( 2a ) 1 ( 2 2 3 2 3 2 2 2 2 2 ) 3
10
(3a ) 1 ( 2 2 32 32 4 2 0 2 ) 3.8
10
MENGHITUNG VARIOGRAM
4
3
2
1
0
2a
3a
>>
MENGHITUNG VARIOGRAM
Nilai (ppm)
lokasi
10
11
11
13
11
11
10
12
15
14 15
16
17
12
10
16
11
12
10
12 13
MENGHITUNG VARIOGRAM
(7 9) 2 (9 8) 2 (8 10) 2 ...... (10 12) 2 (12 15) 2
(2)
ppm 2
2 16
(4 1 4 ......... 4 9) 74
2,31 ppm 2
32
32
(1 1 1 1 ....... 1 25) 101
( 4)
3.36 ppm 2
2 15
30
(9 0 9 1 ......... 4 4 16) 99
(6)
3.54 ppm 2
2 14
28
(4 4 9 9 ........ 25 0 16) 100
(8)
3.85 ppm 2
2 13
26
(9 4 4 4 36) 57
(24)
5.70 ppm 2
25
10
Notes: jarak sampel 2m,
dst
MENGHITUNG VARIOGRAM
9.00
8.00
Varian
populasi
7.00
6.00
5.00
4.00
3.00
Variogram
2.00
1.00
0.00
0
10 12 14 16
18 20
22 24
Semi variogram
sill
= sampel
= model
nugget
range
Lag
mh
Model Variogram
(variogram teoritis)
Model Sferis
(h)
() = C
2/3 a
Model Variogram
(variogram teoritis)
Model Eksponensial
(h)
() = C
2a
3a
Model Variogram
(variogram teoritis)
(h)
Model Parabolik
() = C
2a
Thanks you