LAPORAN PRAKTIKUM

TA3201 GEOSTATISTIK
UNTUK PEMODELAN SUMBERDAYA

Disusun oleh :
Fina Fitriana R.
12113079

Asisten:
Firly Rachmaditya Baskoro, ST., MT.

PROGRAM STUDI TEKNIK PERTAMBANGAN

FAKULTAS TEKNIK PERTAMBANGAN DAN PERMINYAKAN
INSTITUT TEKNOLOGI BANDUNG
2016
Kata Pengantar
Puji dan syukur kami panjatkan kepada Tuhan Yang Maha Esa karena atas berkat

dan rahmat-Nya pengerjaan Laporan Praktikum Pengenalan Perangkat Lunak untuk Mata

Kuliiah TA3201 Geostatistik untuk Pemodelan Sumberdaya ini dapat terselesaikan.

Ucapan terima kasih kami sampaikan kepada Bapak Mohamad Nur Heriawan,

ST.,MT.,Ph.D selaku dosen pengampu matakuliah dan Mas Firly Rachmaditya Baskoro,

ST.,MT selaku asisten praktikum yang telah banyak membantu dan membimbing kami

dalam pelaksanaan praktikum serta penyusunan laporan praktikum ini. Tidak lupa juga,

kami mengucapkan terima kasih kepada semua pihak yang telah membantu penyusunan

laporan ini hingga selesai.

Kami menyadari bahwa di dalam laporan ini tidak terlepas dari kesalahan-

kesalahan. Oleh karena itu, jika ada kritik dan saran yang bersifat membangun akan kami

tampung. Akhir kata, kami menyampaikan ucapan terima kasih kepada para pembaca

yang telah meluangkan waktu untuk membaca laporan ini.

Bandung, Mei 2016

Fina Fitriana R.
 Daftar Isi

Cover
Kata Pengantar
Daftar Isi

Bab I. Manajemen Basis Data

1.1 Komposit Data
1.2 Basis Data
1.3 Visualisasi Data Bor

Bab II. Analisis Statistik dan Pemodelan Variogram

2.1 Statistik Univarian
2.2 Pencilan dan Campuran Populasi
2.3 Statistik Bivarian
2.4 Statistik Spasial

Bab III. Pemodelan Geologi

3.1 Model Kerangka (Wireframe) Badan Bijih
3.2 Model Geologi Badan Bijih (Orebody)

Bab IV. Estimasi Sumberdaya dengan Metode Geostatistik

4.1 Pembuatan Model Blok
4.2 Tabulasi Sumberdaya

Bab V. Analisis dan Pembahasan

Bab VI. Kesimpulan dan Saran

Daftar Pustaka
 BAB I

MANAJEMEN BASIS DATA

Data yang digunakan dalam praktikum ini merupakan dataset hasil kegiatan pemboran untuk
jenis endapan batubara. Deskripsi litologi dan pengujian kadar adalah hal yang sangat penting
pada saat mendapatkan sampel dari lapangan. Pengujian kadar secara individual akan
mempresentasikan nilai kadar (assay) untuk suatu interval panjang core (conto inti bor) tertentu
disertai dengan deskripsi litologi dari material hasil pemboran. Tabel 1.1 menunjukkan contoh
rekapitulasi hasil pengujian kadar dan pengamatan litologi dari data pemboran pada endapan
batubara.

Tabel 1.1 Tabulasi data assay hasil pemboran dan pengujian kadar pada endapan batubara
*file basis data lengkap terlampir di CD

Bor Hole X Y Z SampDHe Code Seam From To Thick SG Ash (% adb) TS (% adb) CV (kkal/kg ar)
DH-95-20 1167,79 -2880,53 36,24 DH-95-20-10 Q 62,10 62,35 0,25 1,30 3,24 0,87 4722,3
DH-95-20 1167,79 -2880,53 36,24 DH-95-20-11 Q 62,35 62,60 0,25 1,30 2,88 0,73 4680
DH-95-20 1167,79 -2880,53 36,24 DH-95-20-12 Q 62,60 63,35 0,75 1,30 2,61 0,54 4675,5
DH-95-20 1167,79 -2880,53 36,24 DH-95-20-13 Q 63,35 63,60 0,25 1,30 2,07 0,25 4717,8
DH-95-20 1167,79 -2880,53 36,24 DH-95-20-14 Q 63,60 63,85 0,25 1,30 2,52 0,37 4649,4
DH-95-57 706,83 -2967,69 58,58 DH-95-57-01 R 22,60 22,85 0,25 1,30 3,24 0,49 4599,9
DH-95-57 706,83 -2967,69 58,58 DH-95-57-02 R 22,85 23,10 0,25 1,30 6,39 0,25 4447,8
DH-95-57 706,83 -2967,69 58,58 DH-95-57-03 R 23,10 25,72 2,62 1,30 1,98 0,76 4670,1
DH-95-57 706,83 -2967,69 58,58 DH-95-57-04 RB 25,72 26,05 0,33 1,30 13,32 3,24 3998,7
DH-95-57 706,83 -2967,69 58,58 DH-95-57-05 RB 26,05 26,30 0,25 1,30 7,47 3,76 4418,1
DH-95-57 706,83 -2967,69 58,58 DH-95-57-06 RB 26,30 26,55 0,25 1,30 13,14 2,20 4144,5
DH-95-19 906,62 -2874,62 55,92 DH-95-19-01 R 42,10 42,35 0,25 1,30 3,33 0,56 4726,8
DH-95-19 906,62 -2874,62 55,92 DH-95-19-02 R 42,35 42,60 0,25 1,30 3,96 0,46 4561,2
DH-95-19 906,62 -2874,62 55,92 DH-95-19-03 R 42,60 43,10 0,50 1,30 2,52 0,45 4650,3
DH-95-19 906,62 -2874,62 55,92 DH-95-19-04 R 43,10 44,40 1,30 1,30 2,70 0,78 4698,9
DH-95-19 906,62 -2874,62 55,92 DH-95-19-05 RB 44,40 44,90 0,50 1,30 18,63 3,70 3684,6
DH-95-19 906,62 -2874,62 55,92 DH-95-19-06 RB 44,90 45,15 0,25 1,30 8,64 4,02 4311
DH-95-19 906,62 -2874,62 55,92 DH-95-19-07 RB 45,15 45,40 0,25 1,30 9,09 5,42 4257
DH-95-19 906,62 -2874,62 55,92 DH-95-19-08 Q 65,20 66,05 0,85 1,30 9,27 1,41 4398,3
DH-95-21 668,86 -3171,61 77,56 DH-95-21-01 RT 25,60 25,85 0,25 1,30 7,74 3,02 5045,4
DH-95-21 668,86 -3171,61 77,56 DH-95-21-02 R 25,85 26,10 0,25 1,30 4,14 0,71 4511,7
DH-95-21 668,86 -3171,61 77,56 DH-95-21-03 R 26,10 26,60 0,50 1,30 3,96 0,50 4504,5
DH-95-21 668,86 -3171,61 77,56 DH-95-21-04 R 26,60 27,55 0,95 1,30 2,43 0,68 4653
DH-95-21 668,86 -3171,61 77,56 DH-95-21-05 RB 27,55 28,05 0,50 1,30 2,25 1,51 4572
DH-95-22 898,96 -3179,16 57,76 DH-95-22-01 R 27,07 27,32 0,25 1,30 4,68 0,45 4582,8
DH-95-22 898,96 -3179,16 57,76 DH-95-22-02 R 27,32 27,57 0,25 1,30 2,43 0,34 4914
DH-95-22 898,96 -3179,16 57,76 DH-95-22-03 R 27,57 28,07 0,50 1,30 8,64 0,25 4202,1
1.1 Komposit Data
Komposit adalah metode penggabungan bberapa data kadar individu hingga menghasilkan
kadar rata-rata. Pembuatandata komposit bertujuan untuk mereduksi data-data yang bersifat
unik. Alasan dan keuntungan dari pembuatan komposit data ini, antara lain (Hustrulid, 1995):
1. Pengujian kadar dengan interval panjang yang tidak teratur harus dikompositkan agar
menghasilkan data yang representatif untuk keperluan analisis geostatistik.
2. Komposit akan memasukkan proses dilusi akibat penambangan pada suatu jenjang
(bench) pada tambang terbuka. Dengan demikian dapat dihitung secara cepat kadar dan
tonase bijih yang diperoleh dalam kegiatan penambangan.
3. Mereduksi data-data yang bersifat erratik/ data-data yang bersifat unik, misalnya
pencilan (outlier).
4. Mengurangi jumlah data sehingga waktu yang dibutuhkan untuk proses analisis menjadi
lebih cepat.

Pembuatan data komposit pada praktikum batubara kali ini adalah penambahan dan pembatasan
lapisan overburden setiap lubang bor.

Tabel 1.2 Tabulasi penambahan dan pembatasan lapisan overburden setiap lubang bor.
*file basis data lengkap terlampir di CD

BHID FROM TO LITHO CV TS ASH THICKNESS

DH-95-20 0 62,1 OB_Q 0 0 0 62,1
DH-95-20 62,1 62,35 Q 4722,3 0,87 3,24 0,25
DH-95-20 62,35 62,6 Q 4680 0,73 2,88 0,25
DH-95-20 62,6 63,35 Q 4675,5 0,54 2,61 0,75
DH-95-20 63,35 63,6 Q 4717,8 0,25 2,07 0,25
DH-95-20 63,6 63,85 Q 4649,4 0,37 2,52 0,25
DH-95-57 0 22,6 OB_R 0 0 0 22,6
DH-95-57 22,6 22,85 R 4599,9 0,49 3,24 0,25
DH-95-57 22,85 23,1 R 4447,8 0,25 6,39 0,25
DH-95-57 23,1 25,72 R 4670,1 0,76 1,98 2,62
DH-95-57 25,72 26,05 RB 3998,7 3,24 13,32 0,33
DH-95-57 26,05 26,3 RB 4418,1 3,76 7,47 0,25
DH-95-57 26,3 26,55 RB 4144,5 2,2 13,14 0,25
DH-95-19 0 42,1 OB_R 0 0 0 42,1
DH-95-19 42,1 42,35 R 4726,8 0,56 3,33 0,25
DH-95-19 42,35 42,6 R 4561,2 0,46 3,96 0,25
DH-95-19 42,6 43,1 R 4650,3 0,45 2,52 0,5
 1.2 Basis Data
Basis data disusun sebagai dasar bagi input data lubang bor dalam pemodelan menggunakan
perangkat lunak Datamine Studio 3. data yang telah dikompositkan perlu untuk dibuat basis
data. Basis data dibuat dengan Microsoft Excel lalu disimpan dalam format comma space
delimited (.csv). Basis data terdiri dari:
1. Data Collar, data ini memuat informasi koordinat Easting (sumbu X), Northing (sumbu
Y), dan Elevasi (sumbu Z).
2. Data Assay, data ini memuat informasi mengenai kedalaman lubang bor (meter ke- atau
from dan to) serta hasil assay dari tiap penembusan.
3. Data Survei, data ini memuat informasi mengenai bearing atau dip direction, dip, dan
deviasi lubang bor. Karena pemboran tegak, maka dip dari data survei ini bernilai 90o
untuk seluruh lubang bor.

Tabel 1.3 Basis Data Assay.

*file basis data lengkap terlampir di CD

BHID FROM TO LITHO CV TS ASH THICKNESS

DH-95-20 0 62,1 OB_Q 0 0 0 62,1
DH-95-20 62,1 62,35 Q 4722,3 0,87 3,24 0,25
DH-95-20 62,35 62,6 Q 4680 0,73 2,88 0,25
DH-95-20 62,6 63,35 Q 4675,5 0,54 2,61 0,75
DH-95-20 63,35 63,6 Q 4717,8 0,25 2,07 0,25
DH-95-20 63,6 63,85 Q 4649,4 0,37 2,52 0,25
DH-95-57 0 22,6 OB_R 0 0 0 22,6
DH-95-57 22,6 22,85 R 4599,9 0,49 3,24 0,25
DH-95-57 22,85 23,1 R 4447,8 0,25 6,39 0,25
DH-95-57 23,1 25,72 R 4670,1 0,76 1,98 2,62
DH-95-57 25,72 26,05 RB 3998,7 3,24 13,32 0,33
DH-95-57 26,05 26,3 RB 4418,1 3,76 7,47 0,25
DH-95-57 26,3 26,55 RB 4144,5 2,2 13,14 0,25
DH-95-19 0 42,1 OB_R 0 0 0 42,1
DH-95-19 42,1 42,35 R 4726,8 0,56 3,33 0,25
DH-95-19 42,35 42,6 R 4561,2 0,46 3,96 0,25
DH-95-19 42,6 43,1 R 4650,3 0,45 2,52 0,5
DH-95-19 43,1 44,4 R 4698,9 0,78 2,7 1,3
DH-95-19 44,4 44,9 RB 3684,6 3,7 18,63 0,5
DH-95-19 44,9 45,15 RB 4311 4,02 8,64 0,25
 Tabel 1.4 Basis Data Survey.
*file basis data lengkap terlampir di CD

BHID AT DIP BR
DH-95-20 0 90 0
DH-95-20 0 90 0
DH-95-20 0 90 0
DH-95-20 0 90 0
DH-95-20 0 90 0
DH-95-20 0 90 0
DH-95-57 0 90 0
DH-95-57 0 90 0
DH-95-57 0 90 0
DH-95-57 0 90 0
DH-95-57 0 90 0
DH-95-57 0 90 0
DH-95-57 0 90 0
DH-95-19 0 90 0
DH-95-19 0 90 0
DH-95-19 0 90 0
DH-95-19 0 90 0
DH-95-19 0 90 0
DH-95-19 0 90 0
DH-95-19 0 90 0
DH-95-19 0 90 0
DH-95-19 0 90 0
DH-95-19 0 90 0
DH-95-21 0 90 0
DH-95-21 0 90 0
DH-95-21 0 90 0
DH-95-21 0 90 0
DH-95-21 0 90 0
DH-95-21 0 90 0
DH-95-22 0 90 0
DH-95-22 0 90 0
DH-95-22 0 90 0
DH-95-22 0 90 0
DH-95-22 0 90 0
DH-95-22 0 90 0
DH-95-22 0 90 0
DH-95-22 0 90 0
DH-95-22 0 90 0
DH-95-22 0 90 0
DH-95-22 0 90 0
DH-95-22 0 90 0
DH-95-22 0 90 0
DH-95-22 0 90 0
 Tabel 1.5 Basis Data Collar.
*file basis data lengkap terlampir di CD

BHID XCOLLAR YCOLLAR ZCOLLAR

DH-95-20 1167,79 -2880,53 36,24
DH-95-20 1167,79 -2880,53 36,24
DH-95-20 1167,79 -2880,53 36,24
DH-95-20 1167,79 -2880,53 36,24
DH-95-20 1167,79 -2880,53 36,24
DH-95-20 1167,79 -2880,53 36,24
DH-95-57 706,83 -2967,69 58,58
DH-95-57 706,83 -2967,69 58,58
DH-95-57 706,83 -2967,69 58,58
DH-95-57 706,83 -2967,69 58,58
DH-95-57 706,83 -2967,69 58,58
DH-95-57 706,83 -2967,69 58,58
DH-95-57 706,83 -2967,69 58,58
DH-95-19 906,62 -2874,62 55,92
DH-95-19 906,62 -2874,62 55,92
DH-95-19 906,62 -2874,62 55,92
DH-95-19 906,62 -2874,62 55,92
DH-95-19 906,62 -2874,62 55,92
DH-95-19 906,62 -2874,62 55,92
DH-95-19 906,62 -2874,62 55,92
DH-95-19 906,62 -2874,62 55,92
DH-95-19 906,62 -2874,62 55,92
DH-95-19 906,62 -2874,62 55,92
DH-95-21 668,86 -3171,61 77,56
DH-95-21 668,86 -3171,61 77,56
DH-95-21 668,86 -3171,61 77,56
DH-95-21 668,86 -3171,61 77,56
DH-95-21 668,86 -3171,61 77,56
DH-95-21 668,86 -3171,61 77,56
DH-95-22 898,96 -3179,16 57,76
DH-95-22 898,96 -3179,16 57,76
DH-95-22 898,96 -3179,16 57,76
DH-95-22 898,96 -3179,16 57,76
DH-95-22 898,96 -3179,16 57,76
DH-95-22 898,96 -3179,16 57,76
DH-95-22 898,96 -3179,16 57,76
DH-95-22 898,96 -3179,16 57,76
DH-95-22 898,96 -3179,16 57,76
DH-95-22 898,96 -3179,16 57,76
DH-95-22 898,96 -3179,16 57,76
DH-95-22 898,96 -3179,16 57,76
DH-95-22 898,96 -3179,16 57,76
DH-95-22 898,96 -3179,16 57,76
 1.3 Visualisasi Data Bor
Langkah selanjutnya yaitu menggabungkan data assay dan collar serta memvisualisasi
secara 3D sebaran seluruh data bor beserta variasi kadar dan litologi yang ada.

Gambar 1.1 Menggabungkan data assay dan collar

Gambar 1.2 Vsualisasi secara 3D sebaran seluruh data bor beserta variasi kadar dan litologi.
 BAB II

ANALISIS STATISTIK DAN PEMODELAN VARIOGRAM

Terdapat tiga metode analisis statistik yang dapat digunakan, yaitu:

1. Analisis statisitik univarian adalah analisis statistik berdasarkan hubungan antar data
dalam satu populasi tanpa memperhatikan lokasi dari data-data tersebut.
2. Analisis statistik bivarian adalah analisis statistik berdasarkan hubungan antara dua
populasi data yang berbeda pada lokasi yang sama.
3. Analisis statistik ruang adalah analisis statistik yang mempertimbangkan faktor ruang
dari data tersebut atau dengan geostatistik.

Pada praktikum kali ini analisis statistik yang dilakukan adalah analisis deskriptif kualitas dan
ketebalan batubara, pembuatan histogram dan kurva distribusi kumulatif, menentukan top-cut
dari masing-masing nilai kadar unsur serta modifikasi data assay, analisis bivarian dengan
scatter plot, serta membuat variogram eksperimental 3D dengan perangkat lunak SGeMS.

2.1 Statistik Univarian

Analisis statistik univarian adalah analisis statistik berdasarkan hubungan antar data dalam satu
populasi, tanpa memperhatikan lokasi dari data-data tersebut. Dalam analisis ini akan dilakukan
statistik deskriptif data kualitas batubara dan ketebalan secara keseluruhan per untuk masing-
masing seam kemudian akan dibuat histogram dan kurva distribusi kumulatif untuk
mengidentifikasi kehadiran nilai pencilan atas dan campuran populasi data (jika ada). Adapun
perhitungan statistik ini dilakukan dengan mmenggunakan Microsoft Excel, yaitu dengan Data
Analysis. Sedangkan Histogram dan kurva distribusi kumulatif menggunakan Kaleidagraph.
2.1 Statistik Univarian sebelum Top-Cut
Berikut adalah resume statistik deskriptif data kualitas dan ketebalan secara keseluruhan untuk
dataset seam batubara.

Tabel 2.1 Statistik Deskriptif Seam Q Sebelum Top-Cut

Statistik deskriptif CV TS ASH THICKNESS
Mean 4636,0482 0,9212 3,0962 0,4338
Standard Error 16,6348 0,0330 0,1849 0,0241
Median 4656,1500 0,8300 2,5650 0,2500
Mode 4722,3000 0,7200 2,2500 0,2500
Standard Deviation 213,0288 0,4226 2,3673 0,3088
Sample Variance 45381,2615 0,1786 5,6040 0,0953
Kurtosis 13,1891 -0,2336 43,1003 1,8675
Skewness -1,6162 0,7260 5,4210 1,6236
Range 2249,1000 1,7600 23,5800 1,5000
Minimum 3225,6000 0,2500 1,0800 0,2000
Maximum 5474,7000 2,0100 24,6600 1,7000
Sum 760311,9000 151,0700 507,7700 71,1400
Count 164,0000 164,0000 164,0000 164,0000
Largest(1) 5474,7000 2,0100 24,6600 1,7000
Smallest(1) 3225,6000 0,2500 1,0800 0,2000
Confidence Level(95,0%) 32,8474 0,0652 0,3650 0,0476

Tabel 2.2 Statistik Deskriptif Seam QB Sebelum Top-Cut

Statistik deskriptif CV TS ASH THICKNESS
Mean 4476,8571 1,9395 5,3848 0,2524
Standard Error 59,8874 0,1456 0,5738 0,0113
Median 4537,8000 1,8200 4,3200 0,2500
Mode #N/A #N/A 3,6900 0,2500
Standard Deviation 274,4385 0,6673 2,6296 0,0518
Sample Variance 75316,4846 0,4453 6,9149 0,0027
Kurtosis -0,2658 -0,9680 -0,6213 6,7071
Skewness -0,6271 0,1381 0,8509 2,3266
Range 959,4000 2,3900 8,4600 0,2300
Minimum 3956,4000 0,9000 2,0700 0,2000
Maximum 4915,8000 3,2900 10,5300 0,4300
Sum 94014,0000 40,7300 113,0800 5,3000
Count 21,0000 21,0000 21,0000 21,0000
Largest(1) 4915,8000 3,2900 10,5300 0,4300
Smallest(1) 3956,4000 0,9000 2,0700 0,2000
Confidence Level(95,0%) 124,9229 0,3038 1,1970 0,0236
 Tabel 2.3 Statistik Deskriptif Seam QT Sebelum Top-Cut
Statistik deskriptif CV TS ASH THICKNESS
Mean 4755,0000 1,5931 4,2431 0,2687
Standard Error 48,1889 0,0670 0,3238 0,0142
Median 4734,0000 1,5600 3,7800 0,2500
Mode #N/A 1,1000 3,6000 0,2500
Standard Deviation 323,2609 0,4497 2,1724 0,0950
Sample Variance 104497,6214 0,2022 4,7193 0,0090
Kurtosis 0,0233 1,2599 8,5514 16,1835
Skewness 0,0674 1,0608 2,4409 3,7447
Range 1482,3000 1,9700 12,3300 0,5500
Minimum 3933,0000 1,0100 1,6200 0,2000
Maximum 5415,3000 2,9800 13,9500 0,7500
Sum 213975,0000 71,6900 190,9400 12,0900
Count 45,0000 45,0000 45,0000 45,0000
Largest(1) 5415,3000 2,9800 13,9500 0,7500
Smallest(1) 3933,0000 1,0100 1,6200 0,2000
Confidence Level(95,0%) 97,1183 0,1351 0,6527 0,0285

Tabel 2.4 Statistik Deskriptif Seam R Sebelum Top-Cut

Statistik deskriptif CV TS ASH THICKNESS
Mean 4589,3963 0,7019 2,8504 0,6569
Standard Error 15,1390 0,0279 0,1666 0,0391
Median 4628,2500 0,6300 2,4300 0,5000
Mode 4517,1000 0,5000 2,4300 0,2500
Standard Deviation 193,8740 0,3578 2,1336 0,5013
Sample Variance 37587,1218 0,1280 4,5521 0,2513
Kurtosis 5,0213 3,1364 7,5917 3,2664
Skewness -1,7428 1,4944 2,2574 1,7273
Range 1231,2000 1,9900 14,3100 2,4800
Minimum 3737,7000 0,2100 0,4500 0,2000
Maximum 4968,9000 2,2000 14,7600 2,6800
Sum 752661,0000 115,1100 467,4700 107,7300
Count 164,0000 164,0000 164,0000 164,0000
Largest(1) 4968,9000 2,2000 14,7600 2,6800
Smallest(1) 3737,7000 0,2100 0,4500 0,2000
Confidence Level(95,0%) 29,8939 0,0552 0,3290 0,0773
 Tabel 2.5 Statistik Deskriptif Seam RB Sebelum Top-Cut
Statistik deskriptif CV TS ASH THICKNESS
Mean 4087,5398 3,1339 10,4814 0,3486
Standard Error 48,8626 0,1334 0,7646 0,0214
Median 4213,8000 3,2400 8,5500 0,2500
Mode #N/A 3,2400 7,4700 0,2500
Standard Deviation 445,1594 1,2153 6,9660 0,1949
Sample Variance 198166,8858 1,4769 48,5252 0,0380
Kurtosis 0,1017 -0,8337 -0,6963 3,5600
Skewness -0,7776 0,0782 0,5768 2,0112
Range 2064,6000 4,6400 26,2700 0,8800
Minimum 2762,1000 1,0400 0,7200 0,1500
Maximum 4826,7000 5,6800 26,9900 1,0300
Sum 339265,8000 260,1100 869,9600 28,9300
Count 83,0000 83,0000 83,0000 83,0000
Largest(1) 4826,7000 5,6800 26,9900 1,0300
Smallest(1) 2762,1000 1,0400 0,7200 0,1500
Confidence Level(95,0%) 97,2033 0,2654 1,5211 0,0426

Tabel 2.6 Statistik Deskriptif Seam RT Sebelum Top-Cut

Statistik deskriptif CV TS ASH THICKNESS
Mean 4565,8962 1,7936 4,5936 0,2941
Standard Error 34,6313 0,0610 0,4475 0,0111
Median 4653,9000 1,6650 3,1050 0,2500
Mode 4653,9000 1,4000 2,9700 0,2500
Standard Deviation 305,8557 0,5387 3,9519 0,0985
Sample Variance 93547,7341 0,2902 15,6179 0,0097
Kurtosis 2,2679 0,1339 7,3113 1,0448
Skewness -1,3899 0,9715 2,3977 1,6860
Range 1561,5000 2,2000 22,7700 0,3600
Minimum 3483,9000 1,0200 0,7200 0,2000
Maximum 5045,4000 3,2200 23,4900 0,5600
Sum 356139,9000 139,9000 358,3000 22,9400
Count 78,0000 78,0000 78,0000 78,0000
Largest(1) 5045,4000 3,2200 23,4900 0,5600
Smallest(1) 3483,9000 1,0200 0,7200 0,2000
Confidence Level(95,0%) 68,9598 0,1215 0,8910 0,0222
 Tabel 2.6 Statistik Deskriptif Seam PT Sebelum Top-Cut
Statistik deskriptif CV TS ASH THICKNESS
Mean 3810,6000 7,9700 14,9400 0,2500
Standard Error 0,0000 0,0000 0,0000 0,0000
Median 3810,6000 7,9700 14,9400 0,2500
Mode #N/A #N/A #N/A #N/A
Standard Deviation #DIV/0! #DIV/0! #DIV/0! #DIV/0!
Sample Variance #DIV/0! #DIV/0! #DIV/0! #DIV/0!
Kurtosis #DIV/0! #DIV/0! #DIV/0! #DIV/0!
Skewness #DIV/0! #DIV/0! #DIV/0! #DIV/0!
Range 0,0000 0,0000 0,0000 0,0000
Minimum 3810,6000 7,9700 14,9400 0,2500
Maximum 3810,6000 7,9700 14,9400 0,2500
Sum 3810,6000 7,9700 14,9400 0,2500
Count 1,0000 1,0000 1,0000 1,0000
Largest(1) 3810,6000 7,9700 14,9400 0,2500
Smallest(1) 3810,6000 7,9700 14,9400 0,2500
Confidence Level(95,0%) #NUM! #NUM! #NUM! #NUM!

2.2 Pencilan dan Campuran Populasi

Setelah dibuat analisis statistik deskriptifnya, maka langkah selanjutnya yaitu membuat
histogram dan distriibusi kumulatif untuk mengidentifikasi nilai pencilan atas (outlier) dan
campuran populasi (jika ada). Setelah itu batas nilai atas (top-cut) tersebut digunakan untuk
memodifikasi data assay dengan menurunkan nilai kualitas diatas top-cut sampai maksimum
pada batas nilai top-cut tersebut.

Seam Q.
 Gambar 2.1 Histogram CV Seam Q

Gambar 2.2 Distribusi Kumulatif CV Seam Q

Top-cut CV Seam Q yaitu 5100 kkal/kg ar.

Gambar 2.3 Histogram TS Seam Q

 Gambar 2.2 Distribusi Kumulatif TS Seam Q

Top-cut Total Sulphur Seam Q yaitu 1,7 % adb.

Gambar 2.5 Histogram Ash Seam Q

 Gambar 2.6 Distribusi Kumulatif Ash Seam Q
Top-cut Ash Seam Q yaitu 7 % adb.

Gambar 2.7 Histogram Ketebalan Seam Q

 Gambar 2.8 Distribusi Kumulatif Ketebalan Seam Q

Seam QB

Gambar 2.9 Histogram CV Seam QB

 Gambar 2.10 Distribusi Kumulatif CV Seam QB
Dapat dilihat dari grafik bahwa CV Seam QB mempunyai dua modus, artinya memiliki dua
populasi sehingga harus dipisahkan menjadi populasi lebih rendah dan lebih tinggi dengan
batasan nilai (cut-off) tertentu.

Gambar 2.11 Histogram TS Seam QB

Gambar 2.12 Distribusi Kumulatif TS Seam QB

Data sudah baik.

Gambar 2.13 Histogram Ash Seam QB

Gambar 2.14 Distribusi Kumulatif Ash Seam QB

Top-cut Ash Seam QB yaitu 6,5 %adb.
 Gambar 2.15 Histogram Ketebalan Seam QB

Gambar 2.16 Distribusi Kumulatif Ketebalan Seam QB

Seam QT

Gambar 2.17 Histogram CV Seam QT

 Gambar 2.18 Distribusi Kumulatif CV Seam QT
Top-cut CV Seam QT yaitu 5125 kkal/kg ar.

Gambar 2.19 Histogram TS Seam QT

Gambar 2.20 Distribusi Kumulatif TS Seam QT

Top-cut TS Seam QT yaitu 2,35 adb.
 Gambar 2.21 Histogram Ash Seam QT

Gambar 2.22 Distribusi Kumulatif Ash Seam QT

Top-cut Ash Seam QT yaitu 8 adb.

Gambar 2.23 Histogram ketebalan Seam QT

 Gambar 2.24 Distribusi Kumulatif Ketebalan Seam QT
Seam R

Gambar 2.25 Histogram CV Seam R

Gambar 2.26 Distribusi Kumulatif CV Seam QT

 Gambar 2.27 Histogram TS Seam R

Gambar 2.28 Distribusi Kumulatif TS Seam R

Top-cut TS Seam R yaitu 1,5 adb.

Gambar 2.29 Histogram Ash Seam R

 Gambar 2.30 Distribusi Kumulatif Ash Seam R
Top-cut Ash Seam R yaitu 7,5 adb.
Seam RB

Gambar 2.31 Histogram CV Seam RB

Gambar 2.32 Distribusi Kumulatif CV Seam RB

 Gambar 2.33 Histogram TS Seam RB

Gambar 2.34 Distribusi Kumulatif TS Seam RB

 Gambar 2.35 Histogram Ash Seam RB

Gambar 2.36 Distribusi Kumulatif Ash Seam RB

Top-cut ash seam RB yaitu 21 adb.

Gambar 2.37 Histogram ketebalan Seam RB

 Gambar 2.38 Distribusi Kumulatif Ketebalan Seam RB
Seam RT

Gambar 2.39 Histogram CV Seam RT

Gambar 2.40 Distribusi Kumulatif CV Seam RT

 Gambar 2.41 Histogram TS Seam RT

Gambar 2.42 Distribusi Kumulatif TS Seam RT

Top-cut TS seam RT yaitu 2,3 adb.
 Gambar 2.43 Histogram Ash Seam RT

Gambar 2.44 Distribusi Kumulatif Ash Seam RT

Top-cut ash seam RT yaitu 10 adb.

Gambar 2.45 Histogram Ketebalan Seam RT

 Gambar 2.44 Distribusi Kumulatif Ketebalan Seam RT

Analisis Statistik Deskriptif setelah Top-cut

Tabel 2.7 Statistik Deskriptif Seam Q Setelah Top-Cut

CV TS ASH THICKNESS
Mean 4631,835366 0,910731707 2,91445122 0,433780488
Standard Error 15,70048832 0,031228831 0,110069532 0,024109345
Median 4656,15 0,83 2,565 0,25
Mode 4722,3 1,7 2,25 0,25
Standard Deviation 201,0643546 0,399924166 1,409577778 0,308750262
Sample Variance 40426,87469 0,159939339 1,986909513 0,095326725
Kurtosis 14,80487643 -0,689615714 1,54687867 1,867459915
Skewness -2,417987003 0,542862987 1,391839071 1,623647957
Range 1824,4 1,45 5,92 1,5
Minimum 3225,6 0,25 1,08 0,2
Maximum 5050 1,7 7 1,7
Sum 759621 149,36 477,97 71,14
Count 164 164 164 164
Largest(1) 5050 1,7 7 1,7
Smallest(1) 3225,6 0,25 1,08 0,2
Confidence Level(95,0%) 31,0025708 0,061665218 0,217346008 0,047606906
 Tabel 2.8 Statistik Deskriptif Seam QB Setelah Top-Cut
CV TS ASH THICKNESS
Mean 4444,014 1,93952381 4,6533333 0,252380952
Standard Error 51,46736 0,14562096 0,323295 0,011294853
Median 4537,8 1,82 4,32 0,25
Mode 4650 #N/A 6,5 0,25
Standard Deviation 235,8531 0,66731909 1,481524 0,051759517
Sample Variance 55626,66 0,44531476 2,1949133 0,002679048
Kurtosis 0,073039 -0,9680382 -1,325627 6,707056579
Skewness -1,19163 0,13812641 0,0049913 2,326637919
Range 693,6 2,39 4,43 0,23
Minimum 3956,4 0,9 2,07 0,2
Maximum 4650 3,29 6,5 0,43
Sum 93324,3 40,73 97,72 5,3
Count 21 21 21 21
Largest(1) 4650 3,29 6,5 0,43
Smallest(1) 3956,4 0,9 2,07 0,2
Confidence Level(95,0%) 107,359 0,30376001 0,6743816 0,02356065

Tabel 2.9 Statistik Deskriptif Seam QT Setelah Top-Cut

CV TS ASH THICKNESS
Mean 4788,480952 1,608571429 4,006666667 0,281428571
Standard Error 72,58038684 0,083894167 0,323170553 0,028745896
Median 4853,7 1,63 3,96 0,25
Mode 5125 2,12 4,5 0,25
Standard Deviation 332,6051166 0,384451372 1,480953522 0,131730244
Sample Variance 110626,1636 0,147802857 2,193223333 0,017352857
Kurtosis 0,283490533 -0,753716229 1,9196606 8,532992998
Skewness -0,836624566 -0,018661388 0,941350069 2,874916052
Range 1192 1,34 6,38 0,55
Minimum 3933 1,01 1,62 0,2
Maximum 5125 2,35 8 0,75
Sum 100558,1 33,78 84,14 5,91
Count 21 21 21 21
Largest(1) 5125 2,35 8 0,75
Smallest(1) 3933 1,01 1,62 0,2
Confidence Level(95,0%) 151,4000339 0,175000166 0,674121961 0,059962888
 Tabel 2.10 Statistik Deskriptif Seam R Setelah Top-Cut
CV TS ASH THICKNESS
Mean 4595,334 0,706526 2,750684 0,699263158
Standard Error 13,47333 0,023327 0,121182 0,042716872
Median 4626,45 0,64 2,43 0,5
Mode 4517,1 0,5 2,43 0,25
Standard Deviation 185,7171 0,321538 1,670384 0,588811451
Sample Variance 34490,83 0,103387 2,790184 0,346698925
Kurtosis 5,531265 -0,10405 0,824034 4,038143017
Skewness -1,7447 0,749807 1,062229 1,928879655
Range 1231,2 1,29 7,05 3,15
Minimum 3737,7 0,21 0,45 0,2
Maximum 4968,9 1,5 7,5 3,35
Sum 873113,4 134,24 522,63 132,86
Count 190 190 190 190
Largest(1) 4968,9 1,5 7,5 3,35
Smallest(1) 3737,7 0,21 0,45 0,2
Confidence Level(95,0%) 26,57743 0,046014 0,239044 0,084263092

Tabel 2.11 Statistik Deskriptif Seam RB Setelah Top-Cut

CV TS ASH THICKNESS
Mean 4087,539759 3,133855422 10,22783133 0,348554217
Standard Error 48,86259143 0,133392832 0,710853457 0,02138953
Median 4213,8 3,24 8,55 0,25
Mode #N/A 3,24 21 0,25
Standard Deviation 445,1593937 1,215266538 6,476183204 0,194867889
Sample Variance 198166,8858 1,476872759 41,9409489 0,037973494
Kurtosis 0,101666925 -0,833716928 -1,171252828 3,560023458
Skewness -0,77759022 0,07819032 0,363037818 2,011218274
Range 2064,6 4,64 20,28 0,88
Minimum 2762,1 1,04 0,72 0,15
Maximum 4826,7 5,68 21 1,03
Sum 339265,8 260,11 848,91 28,93
Count 83 83 83 83
Largest(1) 4826,7 5,68 21 1,03
Smallest(1) 2762,1 1,04 0,72 0,15
Confidence Level(95,0%) 97,20325989 0,265360837 1,414113973 0,042550588
 Tabel 2.12 Statistik Deskriptif Seam RT Setelah Top-Cut
CV TS ASH THICKNESS
Mean 4565,896154 1,715512821 4,205512821 0,294102564
Standard Error 34,6313431 0,044565706 0,313817262 0,011148553
Median 4653,9 1,665 3,105 0,25
Mode 4653,9 2,3 2,97 0,25
Standard Deviation 305,8557407 0,393593658 2,77155901 0,098461356
Sample Variance 93547,73414 0,154915967 7,681539344 0,009694639
Kurtosis 2,267909888 -1,355375499 -0,192649632 1,044770827
Skewness -1,389940852 0,246940532 1,038733216 1,686018303
Range 1561,5 1,28 9,28 0,36
Minimum 3483,9 1,02 0,72 0,2
Maximum 5045,4 2,3 10 0,56
Sum 356139,9 133,81 328,03 22,94
Count 78 78 78 78
Largest(1) 5045,4 2,3 10 0,56
Smallest(1) 3483,9 1,02 0,72 0,2
Confidence Level(95,0%) 68,95981417 0,088741658 0,624890001 0,022199606

Setelah data dilakukan top-cut, statistik deskriptif yang dihasilkan cenderung semakin
mendekati distribusi normal sehingga kemungkinan adanya over-estimate dapat berkurang.

2.2 Statistik Bivarian

Analisis statistik bivarian adalah analisis statistik yang menganalisis distribusi dua
peubah yang berbeda tetapi terletak pada lokasi yang sama. Metode statistik bivarian yang biasa
digunakan adalah diagram pencar yang merupakan penggambaran dua peubah dalam satu
grafik X-Y. Kedua variable tersebut disebut memiliki hubungan positif jika kedua nilai
berbanding lurus, negatif jika kedua peubah tersebut cenderung menunjukkan nilai yang
berbanding terbalik, dan tidak memiliki hubungan apabila persebaran data kedua peubah
cenderung acak.
Adapun kriterianya adalah sebagai berikut:
Gambar 2.45 Diagram Pencar pada Seam Q

Gambar 2.46 Diagram Pencar pada Seam QB

Gambar 2.47 Diagram Pencar pada Seam QT

 Gambar 2.48 Diagram Pencar pada Seam R

Gambar 2.49 Diagram Pencar pada Seam RB

Gambar 2.50 Diagram Pencar pada Seam RT

Berdasarkan nilai R2 yang diperoleh dari diagram pencar, maka dapat disimpulkan bahwa
sebagian besar seam mempunyai korelasi negatif antara Calorivic Value dengan Total Sulfur
maupun Ash hanya saja korelasinya tidak kuat. Namun terdapat beberapa korelasi yang kuat
antara Calorivic Value dengan Ash yaitu pada seam RB dan RT.
2.4 Statistik Spasial
Distribusi atau kontinuitas suatu data secara statistik spasial ditunjukkan melalui fungsi
variogram [(h)] yang secara teoritis adalah setengah dari varians data yang dipisahkan ole
jarak h dengan rumus:
[( ) ( + )]
() =
2
Atau secara praktis suatu variogram eksperimental dapat dihitung melalui persamaan berikut
ini:
2

=1[( ) ( + )]
() =
2()
Dimana N(h) adalah jumlah pasangan data yang dipisahkan oleh jarak h tersebut.

2.4.1 Model Variogram Seam Q.

a. Model Variogram CV Seam Q

b. Model Variogram Ash Seam Q

c. Model Variogram Thick Seam Q

d. Model Variogram TS Seam Q

2.4.2 Model Variogram Seam QT
a. Model Variogram CV Seam QT

b. Model Variogram TS Seam QT

c. Model Variogram Ash Seam QT

d. Model Variogram Thickness Seam QT

2.4.3 Model Variogram Seam QB
a. Model Variogram Ash Seam QB

b. Model Variogram TS Seam QB

c. Model Variogram CV Seam QB

d. Model Variogram Thickness Seam QB

2.4.4 Model Variogram Seam R
a. Model Variogram Ash Seam R

b. Model Variogram TS Seam R

c. Model Variogram Thickness Seam R

d. Model Variogram CV Seam R

2.4.5 Model Variogram Seam RB
a. Model Variogram Ash Seam RB

b. Model Variogram Thickness Seam RB

c. Model Variogram TS Seam RB

d. Model Variogram CV Seam RB

2.4.6 Model Variogram Seam RT
a. Model Variogram Ash Seam RT

b. Model Variogram Thickness Seam RT

c. Model Variogram CV Seam RT

d. Model Variogram TS Seam RT

Dari fitting model variogram, maka dapat di resume parameter geostatistik dibawah tabel
berikut:
Seam Kualitas Calorivic Value Total Sulphur Ash Thickness
Model Variogram Spherical Spherical Spherical Exponential
Varians Nugget 23000 0.08 2 0.01
Seam Q Sill 5000 0.2 3.8 0.088
Rasio Nugget 5001 1.2 4.8 1.088
Range 176 1568 384 144
Model Variogram Spherical Spherical Spherical Spherical
Varians Nugget 25000 0.2 4 0.00015
Seam QB Sill 30000 0.2 1.3 0.00025
Rasio Nugget 30001 1.2 2.3 1.00025
Range 304 240 128 208
Model Variogram Spherical Spherical Exponential Exponential
Varians Nugget 70000 0.14 1 0.002
Seam QT Sill 10000 0.04 3 0.007
Rasio Nugget 10001 1.04 4 1.007
Range 160 144 224 224
Model Variogram Exponential Exponential Spherical Exponential
Varians Nugget 25000 0.08 2 0.3
Seam R Sill 10000 0.02 0.75 0.04
Rasio Nugget 10001 1.02 1.75 1.04
Range 240 496 688 560
Model Variogram Spherical Exponential Spherical Exponential
Varians Nugget 150000 1 35 0.02
Seam RB Sill 50000 0.5 10 0.02
Rasio Nugget 50001 1.5 11 1.02
Range 720 432 416 1168
Model Variogram Exponential Spherical Spherical Spherical
Varians Nugget 50000 0.19 6.5 0.005
Seam RT Sill 30000 0.1 7.5 0.006
Rasio Nugget 30001 1.1 8.5 1.006
Range 624 112 240 448
 BAB III
PEMODELAN GEOLOGI DAN BADAN BIJIH

Sebelum pemodelan badan bijih dilakukan, akan dibuat suatu analisis statistik mengenai
batasan koordinat acuan dari data lubang bor di perangkat lunak Datamine Studio 3 dengan
menggunakan perintah stat untuk mengetahui batas domain berdasarkan geometri endapan.

Tabel 3.1 Batasan koordinat acuan untuk menentukan domain atau geometri batubara
FIELD MINIMUM MAXIMUM RANGE
XP -2157,4189 3464,4189 5622,2039
YP -6211,8491 -1404,8060 4807,0431
ZP -134,0000 6,0000000 140,0000

3.1 Model Kerangka (Wireframe) Badan Bijih

Setelah penyusunan basis data lubang bor dalam Datamine Studio 3 selesai dilakukan,
langkah selanjutnya adalah melakukan pembuatan kerangka 3D model badan bijih pada
masing-masing zona endapan. Pembuatan kerangka model badan bijih dilakukan secara manual
menggunakan perangkat luna Datamine Studio 3 untuk meningkatkan ketelitian dan
mendapatkan model endapan yang mendekati model sebenarnya. Kerangka model badan bijih
dibuat dengan menggunakan perintah ns pada Datamine Studio 3.
Gambar 3.1 Kerangka badan bijih pada seam Q

Gambar 3.2 Kerangka badan bijih pada seam QB

Gambar 3.3 Kerangka badan bijih pada seam QT

Gambar 3.4 Kerangka badan bijih pada seam R

Gambar 3.5 Kerangka badan bijih pada seam RB

 Gambar 3.6 Kerangka badan bijih pada seam RT

3.2 Model Geologi Badan Bijih (Orebody)

Model badan bijih yang solid (body tertutup) dibuat dengan menggunakan perintah eli
serta ntr pada perangkat lunak Datamine Studio 3. Verifikasi odel dilakukan pada setiap tahapan
untuk mendapatkan model badan bijih yang kemudian diisi dengan blok model dan didapatkan
jumlah volume atau tonase dari bijih yang ada.

Gambar 3.7 Model geologi badan bijih pada seam Q

Gambar 3.8 Model geologi badan bijih pada seam QB

Gambar 3.9 Model geologi badan bijih pada seam QT

Gambar 3.10 Model geologi badan bijih pada seam R

Gambar 3.11 Model geologi badan bijih pada seam RB

Gambar 3.12 Model geologi badan bijih pada seam RT
 BAB IV
ESTIMASI SUMBERDAYA DENGAN METODE GEOSTATISTIK

4.1 Pembuatan Blok Model

Blok model berfungsi sebagai model distribusi kadar atau kualitas endapan setelah
dilakukan proses penaksiran kadar. Setiap satuan blok memiliki nilai taksiran masing-masing
kadar. Blok model sumberdaya didasarkan pada karakteristik dan geometri endapan, karena
unit terkecil dari blok model akan digunakan untuk mengestimasi kadar hasil pemboran
berdasarkan pada unit terkecil yang masi berada dalam satu lingkup jarak pengaruh.

Gambar 4.1 Estimasi Blok Sumberdaya Seam Q

Gambar 4.2 Estimasi Blok Sumberdaya Seam QB

Gambar 4.3 Estimasi Blok Sumberdaya Seam QT

Gambar 4.4 Estimasi Blok Sumberdaya Seam R

Gambar 4.5 Estimasi Blok Sumberdaya Seam RB

 Gambar 4.6 Estimasi Blok Sumberdaya Seam RT

4.2 Tabulasi Sumberdaya

Setelah dilakukan model blok sumberdaya, maka didapatkan tonase dan volume yang
diresume pada tabel tabulasi berikut dibawah.
Tabel 4.1 Tabulasi sumberdaya Batubara total dan per seam.
No. Seam Tonase (ton) Volume (m3)
1. Seam Q 495.117,2 643.652,36
2. Seam QB 52.182,8 67.837,64
3. Seam QT 254.109,4 330.342,22
4. Seam R 1.193.318,7 1.551.314,31
5. Seam RB 238.590,6 310.167,78
6. Seam RT 385.775 501.507,5
Total 2.619.093,7 3.404.821,81
Setelah itu, dilakukan estimasi sesuai dengan parameter variogram yang didapatkan pada
SgeMS untuk mengubah klasifikasi sumberdaya menjadi kategori terukur (measured),
tertunjuk (indicated) dan tereka (inferred) dengan memasukkan data seperti gambar dibawah:
 BAB V
ANALISIS DAN PEMBAHASAN

Berdasarkan hasil dari pemodelan blok sumberdaya, diperoleh tonase yang diresume dalam
tabel tabulasi sumberdaya dibawah:

Tabel 5.1 Tabulasi sumberdaya Batubara total dan per seam.

No. Seam Tonase (ton) Volume (m3)
1. Seam Q 495.117,2 643.652,36
2. Seam QB 52.182,8 67.837,64
3. Seam QT 254.109,4 330.342,22
4. Seam R 1.193.318,7 1.551.314,31
5. Seam RB 238.590,6 310.167,78
6. Seam RT 385.775 501.507,5
Total 2.619.093,7 3.404.821,81

Gambar 5.1 Tabulasi sumberdaya total melalui Datamine.

 Sedangkan pada tabulasi total melalui Datamine didapatkan tonase sebesar 2.501.342,2
ton. Hal ini menunjukkan bahwa terdapat perbedaan antara total tabulasi sumberdaya perseam
kemudian ditotal dengan penghitungan total secara langsung tanpa melihat perseamnya. Hal ini
dikarenakan terdapatnya error dari beberapa hal seperti faktor manusia dalam penggunaan
software itu sendiri. Kesalahan manusia seperti kurang teliti dalam komposit data. Sedangkan
kesalahan dalam penggunaan software seperti ada kesalahan wireframe pada pembuatan model
badan bijih tertutup seperti kurang teliti dalam mebuat string seperti garis yang saling
berpotongan atau tumpang tindih.
 BAB VI
KESIMPULAN DAN SARAN

6.1 Kesimpulan
Perhitungan sumberdaya dapat dilakukan melalui beberapa cara salah satunya yaitu
dengan metode blok geostatistik dan krigging. Tahapan-tahapan yang dilakukan yaitu basis data
dan kompositing, analisis statistik dan analisis spasial sehingga mendapatkan parameter
variogram, pemodelan geologi (domain estimasi), dan pemodelan model blok untuk
mendapatkan tabulasi sumberdaya dan klasifikasinya. Berdasarkan tahapan tersebut maka
didapatkan tabulasi batubara block II sebagai berikut:

Tabel 6.1 Tabulasi sumberdaya Batubara total dan per seam.

No. Seam Tonase (ton) Volume (m3)
1. Seam Q 495.117,2 643.652,36
2. Seam QB 52.182,8 67.837,64
3. Seam QT 254.109,4 330.342,22
4. Seam R 1.193.318,7 1.551.314,31
5. Seam RB 238.590,6 310.167,78
6. Seam RT 385.775 501.507,5
Total 2.619.093,7 3.404.821,81

6.2 Saran
Error yang terjadi selama praktikum sebaiknya diminimalisir dengan melakukan setiap tahapan
dengan teliti apabila terjadi kesalahan maka sebaiknya diulang dan di cek secara teliti.
Sebaiknya tutorial praktikum dilakukan secara komprehensif dan lebih tegas supaya pratikan
tidak terlena karena deadline masih lama.
 DAFTAR PUSTAKA

M. Nur Heriawan, S.T., M.T., Ph.D, Arie Naftali Hawu Hede, S.T., M.T., Ph.D, Andy Yahya
Al Hakim, ST.,MT, Tomy Alvin Rivai, ST, Arie Naftali Hawu Hede, ST.,MT.,Ph.D.
2016. Modul Praktikum TA3201 Geostatistik untuk Pemodelan Sumberdaya. Program
Studi Teknik Pertambangan Institut Teknologi Bandung: Bandung.