Proposal Tugas Akhir

PERHITUNGAN CADANGAN BATU GAMPING MENGGUNAKAN METODE

GEOSTATISTIK DI PT. SEMEN BIMA, AJIBARANG
JAWA TENGAH

Diajukan untuk Memenuhi Sebagian dari Syarat-Syarat

yang Diperlukan pada Kurikulum Fakultas Teknik
Universitas Syiah Kuala

Disusun oleh :

HELSY ULFA HANDALIA

1204108010064

PRODI TEKNIK PERTAMBANGAN

FAKULTAS TEKNIK UNIVERSITAS SYIAH KUALA
DARUSSALAM, BANDA ACEH
TAHUN
2016
 DAFTAR ISI

Daftar Isi .................................................................................................... i

Daftar Gambar ............................................................................................... ii
Daftar Tabel ................................................................................................... iii
BAB I PENDAHULUAN ..................................................................... 1
1.1 Latar Belakang .......................................................................... 1
1.2 Perumusan Masalah .................................................................... 2
1.3 Tujuan Penelitian ........................................................................ 2
1.4 Manfaat Penelitian ...................................................................... 2

BAB II TINJAUAN PUSTAKA ........................................................... 3

2.1 Perhitungan Cadangan ................................................................ 3
2.1.1 Klasifikasi Cadangan .........................................................
2.1.2 Klasifikasi Sumber Daya
Berdasarkan Estimasi Cadangan ................................................ 5
2.2 Metode Perhitungan Cadangan .................................................. 8
2.2.1 Metode Poligon ................................................................. 8
2.2.2 Metode Penampang ........................................................... 9
2.2.3 Metode IDW ...................................................................... 9
2.2.4 Metode Geostatistik ........................................................... 10
2.2.4.1 Analisis Statistik .................................................... 10
2.2.4.2 Variogram .............................................................. 13
2.2.4.3 Kriging ................................................................... 18

BAB III METODOLOGI PENELITIAN ............................................. 31

3.1. Tempat dan Waktu ..................................................................... 31
3.2. Bahan dan Alat ........................................................................... 31
3.2.1 Bahan ................................................................................. 31
3.2.2 Alat .................................................................................... 21
3.3. Prosedur Penelitian ..................................................................... 21
 3.3.1 Prosedur Penelitian Skematis ............................................ 22
3.3.2 Prosdur Penelitian Deskriptif ............................................ 23
3.4. Ananlisis Parameter Uji.............................................................. 23
DAFTAR PUSTAKA
 DAFTAR GAMBAR

Gambar 2.1 Hubungan antara Hasil Eksplorasi,

Sumberdaya Mineral dan Cadangan mineral ............................ 5
Gambar 2.2 Metode Poligon......................................................................... 8
Gambar 2.3 Arah variogram (), search area dengan angle of classes
dan distance classes (David, 1977). ......................................... 14
Gambar 2.4 Model variogram dengan sill .................................................... 17
Gambar 3.1 Diagram Alir ............................................................................. 22
 DAFTAR TABEL

Tabel 2.1 Klasifikasi sumberdaya berdasarkan jarak pemboran

dan error tolerance pada sistem JORC (1999) ......................... 7
Tabel 3.1 Jadwal Kegiatan ........................................................................ 21
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Kegiatan pertambangan batugamping di Indonesia telah dilakukan sejak
beratus tahun yang lalu. Dimulai dari zaman penjajahan Belanda hingga Indonesia
merdeka, baik secara konvensional maupun dengan teknik yang telah jauh
berkembang seperti sekarang ini. Seiring dengan itu, berbagai metode penyusunan
dan pengklasifikasian sumberdaya juga terus mengalami perkembangan dan
beragam.
Perhitungan cadangan merupakan suatu pekerjaan yang penting, karena
mempunyai peran yang sangat penting dalam mengevaluasi suatu proyek
pertambangan. Perhitungan cadangan dapat memberikan taksiran
kualitas(kadar/grade) dan kualitas (tonase) dari suatu cadangan dapat dapat di
tentukan umur tambang dan batas-batas kegiatan penambangan yang dibuat
bedasarkan taksiran cadangan ini.
Pemilihan metode yang digunakan dalam perhitungan cadangan harus
sesuai dengan filosofi nya, maka untuk mengestimasi cadangan batugamping
diperlukan metode yang sesuai dan efektif. Dalam penelitian ini dilakukan dengan
menggunakan perhitungan cadangan dengan metode geostatistik.
Geostastistik merupakan metode probabilistik yang digunakan untuk
menganalisis kumpulan atau variabel populasi dengan mempertimbangkan ruang
(spastial) dari data-data tersebut. Geostastistik merupakan gabungan ilmu statistik
dan matematika.
Maka dengan pendekatan geostatistik maka parameter geometri maupun
batugamping dapat dipertimbangkan secara sekaligus untuk menentukan
klasifikasi sumberdaya. Dan jika ini dilakukan maka setiapcekungan batugamping
dengan setting geologi tertentu dapat memiliki parameter klasifikasi sumberdaya
misalnya jarak pengaruh yang berbeda dengan cekungan batugamping di tempat
lain dengan setting geologi yang berbeda, dan memiliki nilai error relative kecil.

1
1.2 Perumusan masalah
Perhitungan estimasi yang dilakukan dengan menggunakan metode
konvesional hanya didasarkan pada kriteria struktur geologi, dimana semakin
besar jarak pengaruh maka nilai error yang dihasilkan akan semakin besar,
sedangkan metode gesotatistik mengestimasikan sampel disekitarnya sehingga
error yang dihasilkan kecil.

1.3 Batasan Masalah

Dalam penelitian ini, batasan masalah yaitu;
1. Metode yang digunakan pada perhitungan cadangan batugamping
menggunakan metode geostatistik
2. Nilai estimasi yang dilakukan menggunakan metode Ordinary Kriging

1.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah:
1. Mendapatkan nilai error yang kecil pada perhitungan cadangan
batugamping.
2. Mendapatkan nilai estimasi dengan menggunakan metode Ordinary
Kriging
3. Analisis statistik untuk data kualitas dan geometri

1.5 Manfaat Penelitian

Adapun manfaat penelitian terhadap perhitungan cadangan gamping
adalah untuk mengetahui cadangan yang terdapat pada quarry serta mengetahui
umur tambang agar perusahaan dapat mengavaluasi rencana produksi kedepan..

2
 BAB II
Tinjauan Pustaka

2.1 Perhitungan Cadangan

Perhitungan cadangan adalah penentuan untuk mengetahui berapa jumlah
volume atau tonase dari suatu endapan. Pemilihan metode perhitungan cadangan
tergantung dari bentuk endapanya sehingga dapat ditentukan metode yang cocok
untuk digunakan. Setelah dilakukan perhitungan cadangan maka dapat diketahui
berapa umur tambang bedasarkan target produksinya.
Perhitungan cadangan membutuhkan klasifikasi cadangan dan permodelan
cadangan untuk mengetahui metode penambangan yang akan digunakan nantinya,
data yang di perluka pada perhitungan cadangan berupa data lubang bor, elevasi
pemboran dan kualitas mineral tersebut.

2.1.1 Klasifikasi Cadangan

Cadangan (endapan mineral) adalah bagian dari sumberdaya mineral yang
telah diketahui keberadaan dan dimensinya seperti, ukuran, bentuk, sebaran,
kualitas dan kuantitas endapan bahan galian yang secara ekonomis dapat
ditambang sesuai dengan ekonomi nasional. Oleh karena itu upaya untuk
meningkatkan kualitas dan kuantitas endapan mineral selalu diusahakan dengan
tingkat kepastian yang lebih tinggi, seiring dengan tahap eksplorasi. Semakin
lanjut tahap eksplorasi, semakin besar pula tingkat keyakinan akan kuantitas
sumber daya mineral dan cadangan.
Salah satu klasifikasi yang digunakan sebagai pedoman dalam melaporkan
hasil eksplorasi adalah Joint Ore Reverve Committe (JORC) yang mana telah
digunakan secara luas sejak awal 1990an, dan hingga kini masih digunakan oleh
negara-negara dengan industri tambang didunia termasuk Indonesia. Di Indonesia
sendiri pada tahun 1998 telah dibuat klasifikasi sumberdaya dan cadangan oleh
Badan Standarisasi Nasional (BSN).

3
 Sumberdaya mineral menurut JORC dibagi berdasarkan kenaikan
kepercayaan geologi menjadi sumberdaya tereka (inferred), sumberdaya terkira
(indicated) dan sumberdaya terukur (measured).
Sumberdaya tereka (inferred resources) adalah bagian dari sumberdaya
mineral dimana tonase, kadar dan kandungan mineral dapat diestimasi dengan
tingkat kepercayaan yang rendah. Sumberdaya berasal dari kondisi geologi dan
asumsi tetapi tidak dibuktikan dengan kontinuitas kadar. Sumberdaya ini didasari
oleh informasi yang didapatkan melalui teknik yang tepat dari lokasi seperti
outcrop, trenching, test pit, dan lubang bor yang terbatas.
Sumberdaya terkira (indicated resources) adalah bagian dari sumberdaya
mineral dimana tonase, density, bentuk, karakteristik fisik, kadar, dan kandungan
mineral bisa diestimasi dengan tingkat kepercayaan yang lebih beralasan.
Sumberdaya didasari oleh data eksplorasi, sampling, dan hasil uji melalui teknik
yang tepat pada lokasi seperti outcrop, trenching, test pit, dan lubang bor. Lokasi
terlalu luas atau spasi yang tidak tepat untuk menegaskan geologi atau kontinuitas
kadar tetapi spasi cukup baik untuk mengasumsikan kontinuitas.
Sumberdaya terukur (measured resources) adalah bagian dari sumberdaya
dimana tonase, density, bentuk, karakteristik fisik, kadar, dan kandungan mineral
bisa diestimasi dengan tingkat kepercayaan yang tinggi. Sumberdaya ini didasari
eksplorasi rinci, sampling, dan hasil uji melalui teknik yang tepat dari lokasi
seperti outcrop, trenching, test pit, dan lubang bor. Spasi sudah cukup rapat untuk
menegaskan geologi atau kontinuitas kadar.
Di dalam SNI (4726:2011) sumberdaya mineral terdiri dari ; Sumberdaya
Mineral Tereka, Sumberdaya Mineral Terunjuk,dan Sumberdaya Mineral
Terukur. Sedangkan cadangan mineral terbagi menjadi dua, yaitu; Cadangan
Mineral Terkira, dan Cadangan Mineral Terukur.
Sumberdaya mineral tereka(inferred mineral resource) adalah sumber
mineral yang tonase, kadar, dan kandungan mineral dapat di estimasi dengan
tingkat keyakinan geologi(geological assurance) rendah. Sumberdaya mineral
terunjuk(indicated mineral resource)adalah sumberdaya mineral yang tonase,
densitas, bentuk, dimensi, kimia, kadar, dan kandungannya dapat diestimasi
4
dengan tingkat keyakinan geologi (geological assurance) medium.Sumberdaya
mineral terukur(measured mineral resource) adalah sumberdaya mineral yang
tonase, densitas, bentuk, dimensi, kimia,kadar, dan kandungan mineral dapat
diestimasi dengan tingkat keyakinan geologi (geological assurance) tinggi.
Cadangan bijih terkira(probable ore reserve) adalah bagian sumberdaya terunjuk
yang ekonomis untuk di tambang, dan dalam beberapa kondisi juga sebagai
sumberdaya mineral terukur. Sedangkan cadangan bijih terbukti adalah (proved
ore reserve) bagian dari sumberdaya terukur yang ekonomis ditambang.

Klasifikasi sumberdaya dan cadangan dikelompokkan bedasarkan dua

kriteria yang menjadi dasar klasifikasi, yaitu keyakinan geologi dan keyakinan
tambang. Hubungan antara hasil eksplorasi, sumberdaya mineral dan cadangan
mineral tertera dalam Gambar 2.1

Gambar 2.1 Hubungan antara Hasil Eksplorasi, Sumberdaya Mineral dan

Cadangan mineral.

2.1.2 Klasifikasi Sumberdaya Berdasarkan Estimasi Geostatistik

Penggunaan metode geostatistik untuk mengestimasi sumberdaya ataupun
cadangan mulai meningkat sejak pertengahan tahun 1980an (Champigny dan
Amstrong, 1993 dalam Sinclair dan Blackwell, 2002). Hal ini dikarenakan adanya
permintaan untuk menyediakan suatu blok estimasi, dan prosedur geostatistik

5
menyediakan pengukuran yang bervariasi, termasuk jarak pengaruh dari sampel
dan varians kriging blok (error estimasi).
Froidevaux dan Roscoe (1983) dalam Sinclair dan Blackwell (2002)
menyarankan penggunaan nilai range (daerah pengaruh) variogram sebagai basis
pengklasifikasian sumberdaya, dan mendefinisikan tiga kelas sebagai berikut:
1. Blok berada di dalam area sampel dan nilai kadar yang akan diolah
merupakan data yang berada di dalam daerah pengaruh.
2. Blok berada di dalam daerah pengaruh, tetapi data yang ada berada di luar
range atau hanya mempunyai satu lubang bor di dalam daerah
pengaruhnya.
3. Blok berada di wilayah endapan tetapi jauh dari data (berada pada batas
luar endapan).
Akan tetapi, range tidak cukup memadai sebagai basis dalam
pengklasifikasian sumberdaya karena tidak mencakup nilai nugget efect
didalamnya. Jika komponen struktur error mempunyai pengaruh kecil terhadap
total variabilitasi, maka range menjadi sedikit berguna utuk pengklasifikasian.
Lagipula range sebagai fungsi autokorelasi umumnya tidak terdefinisi baik dari
data eksplorasi. Penggunaan range selanjutnya akan menjadi kompleks dengan
kemunculan struktur dan model yang banyak (dengan range yang banyak berbeda
tergantung dari karakteristik anisotropi dari tempat ke tempat).
Royle (1977), Sabourin (1984) dan Froidevaux dkk (1986) dalam Sinclair
dan Blackwell (2002) merekomendasikan varians kriging blok yang digunakan
untuk mengklasifikasikan blok-blok berdasarkan nilai asal-asalan menjadi
kategori measured, indicated dan inferred. Royle kemudian menstandarkan
pendekatan ini dengan mendasari klasifikasinya pada blok ukuran dari grid
sampling. Hal ini kemudian sedikit diterima karena blok estimasi tidak hanya
merupakan fungsi dari ukuran blok, tapi sangat tergantung dari karakteristik
autokorelasi dari endapan. Sekalipun dengan data yang sedikit, memungkinkan
untuk mengestimasi kadar rata-rata dari suatu volume besar dengan derajat
kepercayaan yang tinggi (pada distribusi kadar yang hampir seragam). Tingkat
kepercayaan merupakan sifat spesifik endapan dan tidak dapat diasumsikan
6
berdasarkan prasangka untuk estimasi dan pelaporan sumberdaya, kondisi geologi
dan informasi sampling penting.
Penggunaan varians kriging sebagai dasar pengklasifikasian juga pernah
diajukan oleh Blackwell (1998) dalam Sinclair dan Blackwell (2002). Blackwell
menunjukkan penggunaan dari varians kriging relatif sebagai komponen penting
pada klasifikasi sumberdaya untuk porphyry-copper dan endapan emas epitermal
yang besar. tahapan pengklasifikasiannya sebagai berikut:
1. Identifikasi blok mineralisasi
2. Identifikasi blok mineralisasi yang mempunyai nilai diatas cut off grade
3. Klasifikasi blok diatas cut off grade berdasarkan pada nilai standar deviasi
kriging relatif pilihan dari nilai-nilai standar deviasi kriging relatif. Blackwell
menyarankan penggunaan standar deviasi kriging relatif untuk klasifikasi
sumberdaya sebagai measured, indicated, dan inferred sebagai berikut:
Measured 0.3 indicated 0.5 inferred
Nilai standar deviasi kriging relatif memasukkan efek baik jumlah maupun
lokasi data. Yang harus diingat adalah bahwa kriging error untuk suatu blok
sebenarnya bukan sebuah estimasi dari variabilitas lokal, tetapi malah sebuah
error global atau rata-rata error. Akan tetapi, error blok kriging adalah sebuah
indikator yang jelas dari jumlah data dan susunan data relatif dari blok. Karena
dapat merepresentasikan interaksi dari dua hal tersebut pada nilai error, maka
kriging error adalah sebuah dasar empiris yang baik untuk klasifikasi kualitas
relatif blok kadar.
Tabel 2.1 Klasifikasi sumberdaya berdasarkan jarak pemboran dan error
tolerance pada sistem JORC (1999)
Klasifikasi Spasi max. antara titik-
Jarak ekstrapolasi max. Error tolerance
sumberdaya titik informasi*
Measured 500 m +1 km:<500m 0-10%
Indicated 1000 m +2km:<1 km 10-20%
Inferred 2000 m +4 km >20%
*Jarak pertama adalah batas maksimum dan yang kedua adalah jarak yang umum
digunakan. Dalam penelitian ini digunakan sistem
7
2.2 Metode Perhitungan Cadangan
Perhitungan cadangan menaksirkan beberapa kuantitas (tonase) bijih/metal
batuan dan beberapa kualitas (kadar) dari variabel regional. Dalam perhitungan
cadangan terbagi menjadi dua tahap yaitu, perhitungan di seluruh daerah yang di
eksplorasi atau perhitungan cadangan di setiap front penambangan sesuai skala
penambangannya secara in situ atau estimasi blok model.
Ada beberapa metode yang dapat digunakan untuk menghitung sumberdaya
batubara di daerah penelitian. Pemakaian metode disesuaikan dengan kualitas
data, jenis data yang diperoleh, dan kondisi lapangan serta metode penambangan
(misalnya sudut penambangan). Metode - metode esimasi yang biasa digunakan
adalah metode konvesional seperti poligon,penampang, dan triangulasi.
Sedangkan blok model metode yang digunakan seperti geostatistik dan IDW.

2.2.1 Metode Poligon

Metode poligon adalah salah satu metode geometri sederhana yang paling
sering digunakan dibidang penambangan untuk menghitung sumberdaya dan
cadangan khusunya pada endapan-endapan yang relatif homogen.

Dalam metode ini perhitungan cadangan dilakukan dengan mencari luas masing-
masing area yang kemudian dikaitkan dengan ketebalan rata-rata dari endapan
tersebut. Jarak titik bor didalam poligon dengan batas poligon sama dengan jarak
batas poligon dengan titik terdekat, seperti gambar dibawah ini:

Gambar 2.2 Metode Poligon

8
2.2.2 Metode Penampang
Metode penampang adalah salah satu metode perhitungan cadangan dengan
cara konvesional. Prinsip dari metode ini adalah membagi endapan menjadi
beberapa bagian dengan interval tertentu, jarak yang sama atau berbeda sesuai
dengan keadaan geologi dan kebutuhan pertambangan. Dalam metode ini
perhitungan volume sumber daya atau cadangan dilakukan dengan mengetahui
luas area masing-masing sayatan yang kemudian dikalikan dengan panjang blok
ataupun blok yang besar dibagi menjadi blok-blok yang lebih kecil.
Didasarkan pada pembuatan blok maka terdapat beberapa cara dari metode
ini yaitu blok penambang dibatasi oleh 2 buah penampang dan sebuah bidang
permukaan yang tidak teratur dan masing-maisng blok terakhir dibatasi oleh
bidang permukaan yang tidak teratur. Pengukuran luas dilakukan dengan
menggunakan plainmeter. Sedangkan perhitungan volume dilakukan dengan
menggunakan 2 persamaan yaitu Mean Area dan Frustum.

a. Mean Area
Persamaan mean area merupakan salah satu persamaan yang digunakan
untuk menghitung volume dari suatu endapan, volume diperoleh dari
perkalian luas section width.

b. Frustum
Persamaan Frustum merupakan salah satu persamaan yang juga digunakan
untuk mengestimasi volume dari suatu endapan. Persamaan ini digunakan
apabila volume endapan mempunyai bentuk sepert kerucut terpancung,

2.2.3 Metode IDW

Metode ini merupakan suatu cara penaksiran yang telah memperhitungkan
adanya hubungan letak ruang (jarak), merupakan kombinasi linear atau harga
rata-rata tertimbangan (Weighting average) dari titik-titik data yang ada
disekitarnya(Notosiswoyo,2000).

9
 Metode IDW ini mempunyai batasan pada jarak saja dan belum
memperhatikan efek pengelompokan data,sehingga data dengan jarak yang
sama,namun mempunyai pola sebaran yang berbeda masih akan memberikan hasil
yang sama atau dengan kata lain metode ini belum memberikan korelasi ruang
antar titik data dengan yang lain (Haris,2005)

2.2.4 Metode Geostatistik

Pada tahun 1980-an geostatistik muncul sebagai gabungan dari disiplin
ilmu teknik pertambangan, geologi, matematikan dan statistika. Kelebihannya jika
dibandingan dengan pendekan klasik untuk mengestimasi cadangan mineral
adalah bahwa geostatistik mampu memodelkan baik kecenderungan spasial
(spasial tren) maupun korelasi spasial (spasial correlation). Data dari setiap
sampel titik didefinisikan oleh lokasi dan bobot nilai pengukuran objek yang
diamati. Setiap nilai data berhubungan dengan lokasinya. Prinsip dasar
geostatistik adalah bahwa area yang saling berdekan cenderung memiliki bobot
yag tidak jauh berbeda jika dibandingkan dengan area yang tidak
berdekatan(berjauhan). Data geostatistik mengarah pada data sampel yang berupa
titik, baik beraturan(regular) atau tidak beraturan (irregular) dari suatu distribusi
spasial kontinu(Cressie,1993:10).
Adapun langkah-langkah yang digunakan pada metode geostatistik ;
1.Analisis data eksplorasi
2. Model Variogram, parameter penentuan, model validasi
3. Membuat prediksi dengan menggunakan kriging

2.2.4.1 Analisis Statistik

Statistik adalah suatu disiplin ilmu matematika yang digunakan untuk
merancang proses pengumpulan data, meringkas, menginterpretasikan, dan
menggambarkan data,serta menarik kesimpulan. Statistik ini bertujuan untuk
menganalisis data awal eksplorasi, statistik yang digunakan adalah statistik
univarian.

10
1. Statistik Univarian
Merupakan metode statistik yang digunakan untuk menganalisis hubungan
antar masing-masing data dari suatu populasi tanpa memperhatikan lokasi dari
data-data tersebut. Adapun parameter-parameter statistik univarian sebagai
berikut;
a. Nilai rata-rata
Ekspektasi matematik atau yang disebut juga mean populasi sangat erat
berkait dengan nilai rata-rata suatu conto. Rata-rata merupakan parameter lokasi
dimana data terpusat,dihitung dengan cara jumlah semua data yang diamati dibagi
dengan banyaknya data yang diamati.

b. Median
Median adalah nilai tengah pada suatu kelompok data yang diurutkan mulai
dari yang terkecil ke yang terbesar. Nilai dari median sama dengan nilai dari
quartil tengah (50% percentiles). Untuk mendapatkan nilai median secara manual
dilakukan dengan mengurutkan (sorting) data terlebih dahulu. Dimana median
adalah data yang terletak pada urutan ke-(n+1)/2 jika n ganjil, atau data yang
terletak pada urutan ke-(n/2) jika n genap, dengan n adalah banyaknya data.

c. Modus
Modus adalah nilai data dari suatu kelompok data yang mempunyai
frekuensi tertinggi (nilai data terbanyak) atau nilai yang sering muncul.

d. Ukuran variasi
Ukuran variasi (dispersi) adalah ukuran yang menyatakan variasi suatu data
terhadap rata-rata atau terhadap data lainnya. Ukuran variasi dapat dinyatakan
sebagai nilai jarak (range), rata-rata simpangan (mean deviation), simpangan baku
(standard deviation), dan koefisien variasi (coefficient of variation).

11
 Range yaitu selisih antara nilai data terbesar dengan nilai datar terkecil.

Range = Xmaximum Xminimum

Varians (2 )yaitu ukuran variasi yang menyatakan penyebaran data di

sekitar rataan. Varians dinyatakan dengan persamaan:

Simpangan baku () adalah akar kuadrat dari varians, merupakan nilai

yang mengukur rata-rata selisih jarak masing-masing nilai individu

dari suatu kelompok nilai terhadap rata-ratanya. Simpangan baku
dinyatakan dengan persamaan:

Koefesien variansi adalah suatu parameter yang menunjukkan

keheterogenan suatu kelompok data. Semakin besar nilai koefesien
variasi , maka sifat data tersebut semakin heterogen. Koefesien
variansi dapat juga digunakan untuk membandingkan dua kelompok
data. Koefesien variansi dinyatakan dengan persamaan:

Skewness atau kemiringan kurva adalah kecenderungan distribusi data

dilihat dari ukuran simetris atau tidaknya suatu kurva histogram.
Skewness positif menyatakan distribusi data lebih banyak berada pada
nilai yang lebih rendah. Sedangkan skewness negative menyatakan
distribusi data lebih banyak berada pada nilai yang lebih tinggi
Skewness dinyatakan dengan persamaan.

12
 e. Histogram
Suatu populasi dapat disajikan dalam bentuk tabel frekuensi dan
histogram.Dalam tabel frekuensi,populasi data dibagi ke dalam beberapa
kelas,yang kemudian ditentukan dengan jumalah data yang berada dalam tiap
kelas(frekuensi).Hasil dari tabel frekuensi kemudian digambarkan dalam suatu
histogram.

2.2.4.2 Variogram
Variogram adalah sebuah alat geostatistik untuk mengukur korelasi spasial
dari variabel teregional. Variogram dihitung dengan suatu rumus yang sederhana,
yaitu perbedaan rata-rata antara dua titik conto dengan jarak tertentu.
Perbedaan tersebut mempunyai kemungkinan berharga < 0 atau > 0. Agar
perbedaan rata-rata tersebut selalu berharga > 0, maka perhitungan didasarkan
pada perbedaan kuadrat.
Delfiner mendefinisikan bahwa perbedaan kuadrat tersebut diasumsikan
sebagai ekspektasi [Z(x ) Z(x )], sehingga definisi variogram menjadi:
i i+h

2g(h) = Var [Z(x ) Z(x )], dimana 2g(h) adalah variogram dan Var adalah
i i+h

varians.Dari fungsi tersebut dapat didefinisikan variogram eksperimental sebagai

berikut:

dimana: g(h) = variogram eksperimental untuk arah tertentu dari jarak h

h = 1d, 2d, 3d, 4d (d = jarak antar conto)
z(x ) = harga (data) pada titik x
i i

z(x ) = data pada titik yang berjarak h dari x

i+h i

13
 N(h) = jumlah pasangan data

Persamaan tersebut di atas hanya berlaku pada pasangan conto yang tepat
sama pada jarak h berarah 0. Sedangkan pada pengambilan conto yang tidak
regular (jarak antar conto tidak teratur), diperlukan suatu toleransi untuk kedua
variabel tersebut. David (1977) memperkenalkan istilah angle classes (2/) dan
distance classes (hh) sebagai toleransi untuk menghitung pasangan data dengan
jarak antar data yang tidak teratur. Semua titik conto yang berada pada search
area yang didefinisikan dengan angle classes (2/) dan distance classes (hh)
akan dianggap sebagai titik-titik conto yang berjarak h dari x dapat dilihat pada
0,

gambar 2.4.

Gambar 2.3 Arah variogram (), search area dengan angle of classes dan distance
classes (David, 1977).

Pada model variogram ada beberapa parameter geostatistik yang dapat

diamati, antara lain adalah sill, range, nugget effect, dan nested structure.

1. Daerah Pengaruh (range)

Secara umum g(h) akan naik dengan bertambahnya harga h, artinya
besarnya perbedaan harga pada dua titik akan sangat tergantung dengan jarak ke
dua titik tersebut. Kenaikan harga g(h) tersebut akan berlangsung selama masih
terdapat pengaruh harga antar titik, daerah ini dikenal dengan daerah pengaruh
14
suatu conto, sampai akhirnya konstan di suatu harga g()= 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 berkorelasi satu dengan yang lainnya. Range (a) adalah
suatu ukuran untuk daerah pengaruh.

2. Sill(c)
Menurut Isaaks dan Srivastava (1989), masa stabil suatu variogram yang
mencapai rangenya disebut dengan sill. sill mendeskripsikan dimana
variogramnya menjadi suatu wilayah yang datar, yakni ragamnya juga tidak
mengalami suatu kenaikan.

3. Nugget Effect
Variogram dengan struktur bersarang umumnya terbentuk jika jarak pasangan
antar conto sangat kecil dibandingkan dengan range a. Dalam hal jarak pasangan
antar conto dipilih sedemikian besarnya sehingga bagian awal dari variogram
tidak terekam, maka ekstrapolasi kurva menuju ke h = 0 tidak memberikan (0) =
0 melainkan (0) = C yang dikenal sebagai nugget variance.
0

A. Model Variogram
Variogram eksperimental dapat dibuatkan model matematik (model
teoritis)nya yang akan bermanfaat untuk proses fitting. Pemilihan model
variogram ini dipengaruhi oleh beberapa hal berikut:
Perilaku variogram di dekat titik awal, yang biasanya mudah dikenali. Ada
tidaknya nugget variance dapat diketahui dengan cara ekstrapolasi (h)
memotong sumbu tegak (untuk h = 0).
Kehadiran sill, pada awalnya varians statistic dari data dapat dianggap
sebagai harga sill.
Kehadiran anisotropi, struktur bersarang dll.

15
Menurut Isaaks dan Srivastava(1989), model-model dasar dalam variogram
adalah :
1. Model Spherical
Model Spherical adalah model yang paling sering digunakan dalam
variogram. Bentuk persamaan bakunya adalah sebagai berikut :

ha

a = range, C = sill = ()

Dimana h adalah jarak tertentu dalam arah umum yang memisahkan dua
titik sebarang dan a adalah range. Model ini akan berbentuk linear pada jarak
kecil yang dekat dengan pusat, tetapi meluruskan untuk jarak yang besar, dan
memberikan sill di a.Variogram model Spherical dapat dilihat pada Gambar 2.3

2. Model Eksponensial
Model transisi lain yang biasa digunakan adalah model eksponensial yang
memberikan sill asimtotik. Bentuk persamaannya adalah sebagai berikut.

Dimana a adalah range dan h adalah jarak tertentu dalam arah umum yang
memisahkan dua titik sebarang. Seperti model spherical, model eksponensial
berbentuk linear untuk semua jarak pendek yang dekat dengan pusatnya.
Variogram model eksponensial ini dapat dilihat pada Gambar 2.3

3. Model Gaussian
Model linear bukan merupkan model transisi karena tidak terdapat
jangkauan sill,tetapi naik secara linear terhadap h. Bentuk bakunya dapat ditulis
secara sedarhana sebagai berikut:

Variogram model Gaussian dapat dilihat pada Gambar 2.3

16
 Variogram model sferis Variogram model eksponensial

Variogram model Gaussian

Gambar 2.4 Model variogram dengan sill

B. Fitting Variogram

Variogram eksperimental sangat berguna untuk menganalisis struktur

suatu endapan bahan galian dan tidak dapat langsung digunakan dalam
perhitungan cadangan. Untuk itu perlu adanya model variogram teoritis untuk di-
fit-kan dengan variogram eksperimental. Model teoritis ini diekspresikan dengan
suatu model matematis.
Dua metode yang umum digunakan untuk mem-fit variogram
eksperimental dengan variogram teoritisnya yaitu metoda visual dan metoda least
square. Dengan metoda visual (manual) biasanya sudah cukup memuaskan, dan
banyak digunakan oleh para ahli geostatistik (David,1977). Tujuan utama dari
fitting ini adalah untuk mengetahui parameter geostatistik seperti a, C dan C .
0

Berikut ini beberapa pedoman penting dalam melakukan fitting:

Variogram yang mempunyai pasangan conto yang sangat sedikit agar
diabaikan.

Nugget variance (C ) didapat dari perpotongan garis tangensial dari

0

beberapa titik pertama variogram dengan sumbu (h).

17
 Sill (C +C) kira-kira sama dengan atau mendekati varians populasi. Garis
0

tangensial di atas akan memotong garis sill pada jarak 2/3 a, sehingga
selanjutnya dapat dihitung harga a (David, 1977, Clark, 1979, Leigh and
Readdy, 1982).

Interpretasi nugget variance untuk variogram dengan sudut toleransi 180

(variogram rata-rata) akan sangat membantu untuk memperkirakan
besarnya nugget variance (David, 1977).

Nugget variance diambil dari multiple variogram (dalam berbagai arah).

Dalam multiple variogram, best spherical line sebaiknya lebih mendekati
variogram yang mempunyai pasangan conto yang cukup.

Setelah diketahui parameter geostatistik tersebut, maka pembuatan model

variogram (sferis) dapat diplot.

2.2.4.3 Kriging
Kriging adalah suatu teknik perhitungan untuk estimasi dari suatu variabel
terregional yang menggunakan pendekatan bahwa data yang dianalisis dianggap
sebagai suatu realisasi dari suatu variabel acak, dan keseluruhan variabel acak
yang dianalisis tersebut membentuk suatu fungsi acak dengan menggunakan
model struktual variogram. Kriging juga merupakan suatu metode yang digunakan
untuk menonjolkan metode khusus dalam rata-rata bergerak terbobot yang
menimalkan variansi dari hasil estimasi.
Secara umum, kriging merupakan suatu metode untuk menganalisis data
gesotatistik untuk mengiterpolasikan suatu nilai kandungan mineral bedasarkan
data sampel. Data sampel pada ilmu kebumian biasanya diambil di tempat-tempat
yang tidak beraturan. Dengan kata lain, metode ini digunakan untuk mengestimasi
besarnya titik yang tidak tersampel bedasarkan informasi dari karakteristik titik-
titik tersampel yang berada di sekitarnya dengan mempertimbangkan korelasi
spasial yang ada didalam data tersebut.
Banyak metode yang dapat digunakan dalam metode kriging salah satunya
yaitu ordinary kriging yang akan dibahas pada pembahasan berikutnya.
18
A. Ordinary Kriging
Ordinary kriging adalah metode perhitungan estimasi dari variabel terregional
pada titik (point), luas ataupun volume dengan menggunakan kriteria
meminimalkan varians estimasi (pencaran data) (Hohn, 1999).Pada metode ini,
memiliki asumsi bahwa rata-rata(mean) tidak diketahui dan bernilai konstan.
Metode OK yang perlu diperhatikan adalah seperti berikut:

1. Nilai estimasi variable blok

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

Bobot i dihitung dengan persamaan kriging berikut:

( ) ( )

2. Varians kriging dapat dinyatakan dengan persamaan:

( )

3. Error relative dinyatakan dengan persamaan:

dimana:

= Nilai taksiran kadar

= Nilai kadar yang dibobot

19
( ) = Nilai rata-rata (h) jika salah satu ujung vektor h
menunjukkan domain v(x) dan ujung lainnya menunjukkan
domain v(x) juga.

( ) = Nilai rata-rata (h) jika salah satu ujung vektor h

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

( ) = Nilai rata-rata (h) jika salah satu ujung vektor h

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

20
 BAB III
METODOLOGI PENELITIAN

3.1 Tempat dan Waktu

Tempat pelaksanaan penelitian adalah di PT.Semen Bima, Jawa Tengah.
Dengan waktu penelitian selama 3 bulan terhitung dari bulan Juni sampai Agustus
2016.
Jenis Kegiatan Minggu

1 2 3 4 5 6 7 8 9 10 11 12
Studi Literatur
Orientasi Lapangan
Pengamatan
Pengambilan Data
Pengolahan Dan Analisis Data
Penyusunan Laporan
Presentasi Hasil penelitian

Adapun mengenai waktu pelaksanaan tugas akhir disesuaikan berdasarkan

kebijakan perusahaan PT. Semen Bima, Jawa Tengah.

3.2 Bahan dan Alat

Untuk menunjang penelitian yang akan dilakukan, diperlukan beberapa bahan
dan alat.
3.2.1 Bahan
Penulis menggunakan data sekunderberupa yaitu:
Data elevasi lubang bor.
Data kualitas batugamping.
Peta topografi.

3.2.2 Alat
1) Alat Tulis
Digunakan dalam mendukung kegiatan pengumpulan data.

21
2) Laptop
Digunakan untuk menginput dan mengolah data serta menganalisis hasil
olahan data yang diperoleh dilapangan.

3.3 Prosedur Penelitian

3.3.1 Prosedur Penelitian Skematis
Tahapan dalam penelitian ini dapat dilihat pada bagan alir di gambar
3.1

22
3.3.2 Prosedur Penelitian Deskriptif
Penelitian ini diawali dengan pengambilan data sekunder
diantaranyakoordinat lubang bor, elevasi lubang bor, data kualitas batu gamping,
dan peta geologi.
Data-data sekunder yang diperoleh dilakukan analisis menggunakan analisis
univarian untuk menganalisis hubungan antar data tanpa memperhaitikan lokasi
contoh, diolah menggunakan softwareMicrosoft Excel 2010.Setelah dilakukan
analisis univarian lalu dilakukan analisis variografi yang meliputi, variogram,
model variogram dan Fitiing variogram, analisi variografi ini bertujuan
menetukan pola penyebaran data dan membuat estimasi di titik sampe, lalu
dilanjutkan dengan mengestimasikan nilai pada titik sampel tersebut dengan
menggunkan Ordinary Kriging. Kemudian Nilai error relative yang dihasilkan
menjadi dasar pengklasifikasian sumberdaya. Pada tahap akhir dilakukan
perhitungan cadangan pada quarry bedasrkan geostatistik.

3.4 Analisis Parameter Uji

Pada tahapan ini dilakukan analisis terhadap data yang telah dikumpulkan,
yaitu:
a) Pengumpulan Data
Metodelogi penelitian yang dilakukan meliputi pengumpulan data primer
yang berupa koordinat dan data kualitas batugamping yang dilakukan pada
quarry PT. Semen Bima, serta data pendukung yang dikumpulkan bedasarkan
literatur dan referensi
b) Pengolahan data
Pengolahan data merupakan perubahan dari data mentah yang diambil dari
lapangan berupa data koordinat dan data kualiatas batugamping. Pada tahap
pengolahan data dilakukan analisis statistik dan penyiapan peta dasar untuk
melihat distribusi dan sebaran dari data asli geometri dan kualitas batugamping
untuk kondisi geologi sederhana.Lalu dilakukan analisis variografi untuk

23
 parameter geomteri (ketebalan) dan kualitas batugamping. Analisis variografi ini
dilakukan meliputi model variogram dan fitting model variogram.Untuk
mendapatkan nilai estimasi (kriged valie) dan varians estimasi ( digunakan
metode Ordinary Kriging. Kemudian dengan mengambil asumsi bahwa distibusi
error estimasi adalah normal dan dengan mengambil tingkat keyakinan 95% maka
dapat dihitung tingkat kesalahan (errior relative). Sebagai berikut:
%error=

Nilai error relative selanjutnya dijadikan sebagai dasar pengklasifikasian

sumberdaya. Pada tahap akhir dilakukan perhitungan jumlah total sumberdaya
batugamping baik dengan metode geostatistik .

c) Analisis Data

Pada tahap ini dilakukan analisis variografi dari nilai error hasil perhitungan
dengan kriging.Kemudian akan dilakukan dengan membandingkan jumlah total
sumberdaya yang didapatkan dengan pendekatan geostatistik terhadap jumlah
total sumberdaya yang didapatkan dari metode konversional, untuk melihat hasil
error relative yang lebih rendah dari kedua metode tersebut

24