N (h)

1. Geostatistik
Istilah Geostatistik pertama kali digunakan secara luas oleh Matheron (1963) dan didefinisikan sebagai
aplikasi hubungan atau turunan fungsi random dalam penelaahan dan memperkirakan gejala alam. Gejala alam
itu sendiri seringkali dapat dikenal variabelnya yang tertentu, misalnya penyebaran dalam suatu ruang, bidang
maupun garis. Penyebaran variabel dalam suatu ruang, bidang atau garis disebut variabel teregional atau dapat
diartikan sebagai variabel yang diukur tergantung pada nilai sekitar yang terdistribusi dalam ruang berdimensi
dua atau tiga. Variabel tersebut tidak lain adalah merupakan pengujian fungsi f(x) yang menempati setiap titik
(x) pada ruang.
Geostatistik adalah merupakan aplikasi teori variabel terregional dalam mempelajari fenomenafenomena gejala alam, terutama untuk menentukan volume bahan galian. Landasan dari Geostatistik adalah
The Theory of Regionalised Variables, yang mana bahwa data dari titik-titik sampel mempunyai korelasi satu
sama lain sesuai dengan karakteristik penyebaran endapan mineralnya.
Tahapan perhitungan cadangan dalam analisis geostatistik secara umum meliputi : pengamatan data
lapangan, variografi, dan perhitungan variansi perkiraan dan variansi krigging.

1.

Pengamatan Data Lapangan

Dari hasil pemboran didapat koordinat (x , y) dengan ketebalan Z, sehingga titik bor ditulis Z(x , y).

2.

Variografi
Adalah merupakan serangkaian pekerjaan mulai dari penelusuran data, pembuatan model hingga
analisanya.
-

Penelusuran Data
Secara manual atau dengan komputer. Jika data tersusun dalam grid/spacing

yang teratur dapat

dilakukan perhitungan secara langsung dengan arah horisontal, vertikal ataupun diagonal.
-

Pembuatan dan Analisis Variogram Eksperimen

Variogram adalah suatu grafik x - y yang dihasilkan dari pengeplotan jarak dan variance dari data yang
berpasangan. Variance dapat dihitung dengan rumus :
n
(h) = 1/2 N (h) [ Z (Xi + h ) - (Z (Xi) ]2
i=1
keterangan :
Z (Xi)

= tebal pada titik conto Xi

Z (Xi + h) = tebal titik conto yang berjarak h dari Xi

h

= jarak yang merupakan fungsi fektor (arah tertentu)

= jumlah pasangan data yang dihitung sepanjang arah tertentu jarak tertentu dengan interval jarak h
(h)

= semivariogram

3.

Analisa Krigging
Adalah analisa untuk menaksir tebal blok yang dilakukan berdasarkan nilai semi variogram, jarak
pengaruh dan jarak setiap titik yan g akan ditafsir nilainya atau tebalnya.
Dalam bentuk matrik persamaan Krigging dapat ditulis dengan :

[ ] [ A] = [ D ]
Keterangan :
11 12 . . . 1n

21

22 . . . 2n

n1

n2 . . . nn

[]=

= matrik simetris yang tergantung tebal conto Xi yang diketahui

vx1
vx2
[D]=

:
xn
1
= matrik yang harganya tergantung pada blok V dan titik conto Xi

[ A ] = pembobot

sehingga besarnya pembobot [ A ] = [ ]-1 [ D ]

Langkah-langkah analisa Krigging :

Dengan rumus-rumus diatas dibuat susunan matriks untuk menghitung

variansi antara conto dengan

titik yang akan ditaksir tebalnya. Dari matriks tersebut dapat ditentukan bobot pengaruh setiap contoh yang
menjadi penaksir terhadap titik yang akan ditentukan tebalnya.

Selanjutnya koefisien-koefisien matriks dihitung dengan gabungan rumus sebagai berikut :

xixj = C + Co - (h)

n
(h) = 1/2 N (h)

[ Z (Xi + h) - Z (Xi) ]2
i=1

keterangan :
xixj

= kesalahan krigging

C + Co = nilai sill
Co
3.2.1.

= Nugget effect

Variogram
Variogram oleh Journel & Huijbreght (1978) dikatakan sebagai karakteristik variabel diantara dua
kuantitas (conto) Z(xi) dan Z(xi+h). Variogram eksperimental dapat dinyatakan dengan persamaan berikut:
............................................. (8)

dimana:
: Variogram eksperimental
: Nilai kadar pada lokasi
: Nilai kadar pada lokasi
: Jumlah pasangan data
Persamaan di atas hanya berlaku bagi data dengan jarak antar pasangan (lag) yang sama sebesar h dan
berarah 0. Sedangkan untuk data yang memiliki jarak antar conto tidak teratur diperlukan suatu toleransi untuk
kedua variabel tersebut. David (1977) menjelaskan istilah angle classes (/2) dan distance classes (hh)
sebagai toleransi untuk menghitung pasangan data dengan jarak antar data yang tidak teratur. Semua titik conto
atau data yang berada pada search area yang didefinisikan dengan angle classes dandistance classes akan
dianggap sebagai titik-titik conto yang berjarak h dari titik x o (titik origin) pada arah yang dimaksud, seperti
yang ditunjukkan pada Gambar 3.3.

Gambar 3.4. Searching area untuk variogram dengan angle classes (/2) dan distance classes (hh) (David, 1977).
a.

Komponen Variogram
Sebuah variogram memiliki beberapa komponen (Gambar 3.4) yaitu antara lain:

1.

Nugget effect
Nugget effect merupakan petunjuk bahwa data mempunyai ketidakteraturan yang tinggi. Nugget
effect dapat dihindari dengan memperkecil jarak sampling (Darijanto, 1998). Apabila nugget pada suatu model
variogram tinggi, maka akan dihasilkan nilai bobot conto yang hampir sama untuk semua conto, akibatnya
penaksiran kriging akan mirip dengan nilai rata-rata biasa.

2.

Sill
Sill adalah varians maksimum yang terdapat pada suatu distribusi, dimana rata-rata varians tidak
bergantung lagi pada jarak antar sampel.

3.

Range
Secara umum (h) akan naik dengan bertambahnya harga h, artinya besarnya perbedaan harga pada dua
titik conto akan sangat tergantung dengan jarak antara kedua titik tersebut. Kenaikan harga (h) tersebut akan
berlangsung selama masih terdapat pengaruh harga antar titik conto tersebut, daerah ini dikenal dengan
nama daerah pengaruh suatu conto, sampai akhirnya konstan di suatu harga () = C (sill) yang merupakan
varians populasi. Daerah pengaruh suatu conto ini mempunyai suatu jarak dengan notasi a yang dikenal dengan
nama daerah pengaruh (range). Di luar jarak ini maka rata-rata variasi harga Z(x) dan Z(x+h) tidak lagi
tergantung dengan jarak, dengan kata lain Z(x) dan Z(x+h) tidak berkolerasi satu dengan yang lainnya.

Gambar 3.5. Komponen variogram (Sinclair & Blackwell, 2004).

b.

Variogram Eksperimental
Variogram eksperimental dibuat berdasarkan perhitungan dari 2 (dua) data dengan jarak tertentu
sebesar h. Data tersebut merupakan data yang diperoleh dari pengukuran di lapangan, dapat berupa data kadar,
ketebalan, dll. Pencarian pasangan data dalam variogram ditunjukkan pada Gambar 3.5.

Gambar 3.6. Pencarian pasangan data pada

perhitungan variogram eksperimental (Sinclair & Blackwell, 2004).

Dari hasil perhitungan variogram diplot pada suatu koordinat kartesian jarak antar pasangan data (h)
dan variogram (h) seperti terlihat pada Gambar 3.6.

Gambar 3.7. Variogram eksperimental (Sinclair & Blackwell, 2004).

c.

Fitting Variogram
Metode yang umum digunakan dalam melakukan fitting variogram ada 2 (dua), yaitu: metode visual
dan metode least square. Para ahli geostatistik lebih banyak menggunakan metode visual (manual)
untuk fitting variogram karena hasilnya sudah cukup memuaskan (David, 1977). Namun, pekerjaan ini sangat
tergantung dari pengalaman dan sense seseorang. Tujuan dari fitting ini adalah untuk menentukan parameter
geostatistik seperti range (a), sill (C) dan nugget variance (C0).
Berikut ini adalah beberapa pedoman penting dalam melakukan fittingvariogram:

Variogram yang mempunyai pasangan conto yang sangat sedikit agar diabaikan.

Nugget variance (C0) didapat dari perpotongan garis tangensial dari beberapa titik pertama variogram dengan
sumbu Y.

Sill (C0+C) kira-kira sama dengan atau mendekati varians populasi. Garis tangensial di atas akan memotong
garis sill pada jarak 2/3 range (
), sehingga selanjutnya dapat dihitung harga range (David, 1977).

Interpretasi nugget variance untuk variogram dengan sudut toleransi 180 (variogram rata-rata) akan sangat
membantu untuk memperkirakan besarnyanugget variance (David, 1977).

Nugget variance diambil dari multiple variogram (dalam berbagai arah). Dalammultiple variogram, best
spherical line sebaiknya lebih mendekati variogram yang mempunyai pasangan conto yang cukup.

d.

Variogram Model
Berdasarkan ada tidaknya sill dan range, maka model variogram dikelompokkan menjadi model
dengan sill dan model tanpa sill sebagai berikut :

1.

Model dengan sill

Model Sferis (Model Matheron)

Model Sferis yang ditunjukkan pada Gambar 3.7. dengan persamaan:
Untuk h a

Untuk h > a

................................. (9)

Untuk h = 0

Gambar 3.8. Variogram model sferis (Armstrong, 1998).

Model Eksponensial
Model Eksponensial yang ditunjukkan pada Gambar 3.8 diberikan oleh persamaan berikut:
.........

....................................... (10)

Gambar 3.9. Variogram model eksponensial (Armstrong, 1998).

Model Gaussian
Model Gaussian yang ditunjukkan pada Gambar 3.9. diberikan oleh persamaan berikut:
......

........................................ (11)

Gambar 3.10. Variogram model gaussian (Armstrong, 1998).

2.

Model tanpa sill

Variogram model tanpa sill ada 3 (tiga) yaitu model Linear, de Wijsian dan Parabolik seperti yang
ditunjukkan pada Gambar 3.10.

Linear
Model linear diberikan oleh persamaan berikut:
...................................................... (12)

dimana a2 adalah konstanta yang ditetapkan.

Logaritmik atau de Wijsian

Model Logaritmik atau de Wijsian diberikan oleh persamaan berikut:
...................................................... (13)

dimana a adalah konstanta yang ditetapkan.

Model Parabolik
Model Parabolik diberikan oleh persamaan berikut:
....................................................... (14)

dimana a2 adalah konstanta yang ditetapkan.

Gambar 3.11. Variogram model tanpa sill (Armstrong, 1998).

e.

Isotropi dan Anisotropi

Mengingat h merupakan suatu vektor, maka suatu variogram harus ditentukan untuk berbagai arah. Suatu
penyelidikan perubahan
sesuai dengan arah orientasinya memungkinkan munculnya anisotropi.
Berikut ini adalah beberapa sifat isotropi/anisotropi dari variogram seperti pada Gambar 3.11.
1.

Isotropi
Jika variogram pada berbagai arah sama, maka dapat diartikan bahwa

merupakan fungsi

dengan harga absolut h. Bila harga-harga jarak pengaruh diplotkan kedalam suatu diagram cartesius maka harga
range merupakan jarak yang sama dan berbentuk seperti lingkaran.
2.

Anisotropi Geometri
Bentuk anisotropi geometri dicirikan dengan nilai sill dan nugget effectyang sama, dengan
nilai range yang berbeda. Bila harga-harga jarak pengaruh diplotkan kedalam suatu diagram cartesius maka
akan menghasilkan suatu bentuk ellips.

3.

Anisotropi Zonal
Dalam beberapa hal kemungkinan dijumpai bahwa variogram pada arah tertentu sangat berbeda,
misalnya pada endapan yang mempunyai struktur perlapisan, dimana variasi kadar pada arah tegak lurus
terhadap bidang perlapisan sangat besar dibandingkan variasinya pada bidang perlapisan. Pada kasus ini model
variogramnya benar-benar anisotropi sempurna.

Gambar 3.12. Model variogram anisotropi geometri (a) dan zonal (b).
(Journel & Huijbreght, 1978)

3.2.2.

Ordinary Kriging
Kriging merupakan suatu teknik estimasi lokal yang memberikan harga estimasi dalam keadaan tidak
biasa, kriging disebut juga sebagai Best Linear Unbiased Estimator(BLUE). Estimasi pada variabel tunggal
biasa dilakukan dengan Ordinary Kriging (OK).

Pada Ordinary Kriging hal hal yang perlu diperhatikan adalah:

Nilai estimasi variabel blok

Nilai estimasi variabel dari masing-masing blok dilakukan dengan menggunakan persamaan sebagai
berikut:

............................................................. (15)

Bobot

dihitung dengan persamaan kriging berikut:

dengan

..................................... (16)

Varians kriging
Varians kriging dapat dinyatakan dengan persamaan:
................................................ (17)

dimana:
: Nilai taksiran kadar
: Nilai kadar yang dibobot
: Nilai rata - rata

jika salah satu ujung vektor h menunjukkan

domain v(x) dan ujung lainnya menunjukkan domain v(x) juga

: Nilai rata - rata
jika salah satu ujung vektor h menunjukkan

domain V(x) dan ujung lainnya menunjukkan domain v(x)

: Nilai rata - rata
jika salah satu ujung vektor h menunjukkan

domain V(x) dan ujung lainnya menunjukkan domain V(x) juga

: Varians kriging
: Nilai bobot
: Pengali Lagrange