Anda di halaman 1dari 23

8.

VARIANS ESTIMASI

Estimasi suatu cadangan dicirikan oleh suatu ekstensi / pengembangan satu


atau beberapa harga yang diketahui terhadap daerah di sekitar yang tidak
diketahui. Suatu harga yang diketahui (diukur pada conto inti, atau pada suatu
blok) diekstensikan terhadap bagian-bagian yang diketahui pada satu endapan
bijih. Ada beberapa metode estimasi dalam pertambangan antara lain :

a. Estimasi kadar rata-rata suatu cadangan bijih berdasarkan rata-rata suatu


kadar (misal didapat dari analisa conto pemboran / sumur uji),
b. Estimasi endapan bijih pada suatu tambang atau blok-blok penambangan
dengan pertolongan poligon sebagai daerah pengaruh, yang antara lain
didasari oleh titik-titik pengamatan berikutnya, pembobotan secara propor-
sional terbalik dengan jarak dll.

Gambar 8.1: Sketsa ekstensi satu titik dan estimasi beberapa titik

Setiap estimasi tidak selalu diinterprestasikan berikut ketelitiannya menggunakan


varians estimasi, tetapi bisa juga secara statistik harga estimasi tersebut
dikontrol dengan selang kepercayaannya. Untuk estimasi menggunakan satu
conto, dimana harga tersebut diekstensikan ke suatu volume yang lebih besar,
dikenal dengan istilah ekstensi dan varians ekstensi. Sedangkan estimasi
berdasarkan beberapa conto, dimana harga-harga conto tersebut diekstensikan
ke suatu volume, dikenal dengan estimasi dan varians estimasi.

1
8.1 ESTIMASI SATU CONTO v DAN EKSTENSI KE
VOLUME V (EXTENSION VARIANCE)
Dalam suatu kasus sederhana, misalnya V adalah suatu volume cadangan (blok
penambangan) dengan harga rata-rata variabel terregionalnya (kadar, ketebalan)
tidak diketahui :

Z ( x ) dx = U
1
V V
Untuk V : ZV = (8-1)

sedangkan v adalah volume (inti bor, blok bijih yang sudah ditambang) dengan
harga rata-rata diketahui :

Z ( x ) dx = U *
1
Untuk v : Zv =
vv (8-2)

Besaran tidak diketahui U akan diperkirakan melalui besaran yang sudah


diketahui U*, artinya harga v diekstensikan ke V.

Melalui ekstensi ini akan terjadi


kesalahan sebesar :
Er = U * U = Z v Z V
Kesalahan ini dikarekterisasi oleh
suatu varians yang dikenal sebagai
varians ekstensi dari v ke V.

Gambar 8.2 Ekstensi volume v ke V

Varians kesalahan atau deviasi ini diekspresikan sebagai berikut :

[ ( )]
E (v ke V) = var E r Z v Z V = D2 [U * U ] (8-3)

Deviasi di tengah sama dengan nol (artinya tanpa penyimpangan sistematik atau
pencaran yang diharapkan). Menurut MATHERON (1971) persamaan tersebut di
atas dapat ditampilkan sebagai berikut :

E2 (v ke V ) = 2 (v ,V ) (V ,V ) (v ,v ) (8-4)

2
(v ,V ) merupakan harga rata-rata dari ( x y ) dimana x dan y masing-masing
tidak tergantung satu sama lain pada volume v dan V, yaitu x untuk volume v dan
y untuk volume V, atau :

y (v ,V ) =
( jumlah (x y ) untuk semua x pada v dan semua y pada V )
banyaknya batasan jumlah

dx ( x y )dy
1
vV v V
= (8-5)

(V ,V ) adalah rata-rata dari (x y ) , dimana x dan y adalah titik-titik di posisi


yang tidak tergantung satu sama lain pada volume V, atau :

(V ,V ) =
( jumlah (x y ) untuk semua x pada V dan semua y pada V )
banyaknya batasan jumlah

dx ( x y )dy
1
VV V V
= (8-6)

(v ,v ) adalah rata-rata dari (x y ) , dimana x dan y adalah titik-titik di posisi


yang tidak tergantung sama lain pada volume v, atau :

(v , v ) =
( jumlah (x y ) untuk semua x pada v dan semua y pada v )
banyaknya batasan jumlah

dx ( x y )dy
1
vv v v
= (8-7)

Secara umum hubungan-hubungan mendasar tersebut di atas dapat ditulis


sebagai berikut :
E2 (v ke V ) dx ( x y )dy
2
vV v V
= ko var ians vV

dx ( x y )dy
1
VV V V
- var ians V

dx ( x y )dy
1
vv v v
- var ians v (8-8)

Rumus ini dapat berlaku untuk semua bentuk, dimana v dapat berupa misalnya:
titik, garis, bidang, atau volume, sedangkan V dapat berupa garis, bidang,
ataupun volume. Perhitungan integral-integral untuk hubungan v ke V dapat
dilihat pada tabel ataupun nomogram tersedia.

3
8.1 ESTIMASI SEJUMLAH (N) CONTO S DAN EKSTENSI
KE V (ESTIMATION VARIANCE)
Di lapangan sering diketahui sejumlah harga conto z ( xi ) pada sejumlah titik
pengambilan conto xi . Harga rata-rata suatu blok atau cadangan bijih
diperkirakan melalui harga rata-rata conto :

z (x )
1
U* = i
N i =1

Varians deviasi U* - U disebut varians


estimasi dari V melalui N conto z ( xi )

Gambar 8.3: Estimasi beberapa titik conto xI ke volume V

MATHERON (1971) memberikan varians estimasi sebagai berikut :

(x y )dy
2
N2 = E2 = i ko var ians NV
NV i =1 V

dx ( x y )dy
1
VV V V
- var ians V

(x yj )
N N
1
- i var ians N (8-9)
NN i =1 j = 1

atau dengan S untuk N conto :

N2 = E2 = 2 (S ,V ) (V ,V ) (S , S ) (8-10)

Persamaan ini penurunannya analog dengan apa yang sudah dikerjakan untuk
varians ekstensi. Seperti yang terlihat pada Gambar 8.4, (S , S ) dipengaruhi oleh
geometri conto, (V ,V ) oleh geometri yang diestimasi, sedangkan y (S ,V )
dipengaruhi oleh hubungan antara S dan V.

4
8.2 CATATAN
a. Tidak ada perbedaan antara varians eksistensi dan varians estimasi.
Varians ekstensi berhubungan dengan ekstensi satu conto pada daerah
pengaruhnya, sedangkan varians estimasi ditujukan pada ekstensi sejumlah
conto pada daerah pengaruh gabungan (blok bijih atau cadangan bijih).

b. Setiap persoalan estimasi dapat dipecahkan dengan rumus-rumus yang


tersedia. Dalam hal umum kadang-kadang diperlukan pemecahan persoalan
dengan integral rangkap enam, dimana dalam hal ini biasanya digunakan
metode pendekatan (sumasi). Penggunaan Tabel dan Grafik sangat
membantu dalam mempermudah proses perhitungan.

data tersedia S data tersedia S

estimator Z s terhadap Z s yang tidak diketahui

{ }
E2 = var error Z S Z V = 2 (S ,V ) (V ,V ) (S , S ) (8-11)

STRUKTUR

GEOMETRI S HUBUNGAN S KE V GOEMETRI V

Gambar 8.4: Sketsa varians estimasi menurut Huijbregt (1975)

5
c. Varians estimasi sangat erat hubungannya satu sama lain dengan posisi
relatif conto S dan hubungan geometriknya dalam penaksiran volume V.
Pada rumus-rumus perlu diperhatikan hubungan geometrik antara S dan V
melalui (S ,V ) , serta hubungan geometrik di dalam conto S melalui y (S , S )
serta di dalam volume V melalui y (V ,V ) .

Kedua gambar di bawah ini diperagakan berdasarkan perbedaan hubungan


antara conto S dan volume V yang baik menurut perasaan maupun secara teori
akan memberikan varians estimasi yang berbeda.

Gambar 8.5 Letak / posisi conto S terhadap proses estimasi

d. Varians estimasi akan kecil, jika letak conto satu sama lainnya dekat dan
akan memberikan estimasi volume yang lebih baik. Dalam hal ini akan
menghasilkan variogram yang lebih reguler yang berarti, bahwa variasi
variabel terregional di dalam endapan / cadangan / ruang semakin kontinu.

e. Varians estimasi mempunyai arti penting karena memungkinkan peramalan


berapa besar cadangan yang akan diperoleh dengan ketelitian yang tinggi,
jika diberikan informasi tambahan seperti penambahan lubang bor. Varians
estimasi N2 sangat tergantung dari (h ) dan hubungan geometrik conto.

f. Varians estimasi terikat pada rata-rata penyimpangan kuadrat. Ketelitian


harga penaksiran dicirikan oleh varians estimasi N2 yang merefleksikan
suatu ukuran untuk sebaran harga estimasi yang mendekati harga yang
sebenarnya. Kita dapat membuat suatu pernyataan mengenai jenis dispersi
untuk harga yang sebenarnya, kemudian dapat juga memberikan suatu
selang kepercayaan untuk harga yang sebenarnya. Selang kepercayaan ini
dapat diperoleh dari standar deviasi estimasi N = E = E2 atau dari
standar deviasi relatif N2 / U *

6
g. Harga-harga tersebut dibawah ini digunakan untuk memberikan selang-
selang kepercayaan (secara konvensional) terhadap harga yang diestimasi.

U = harga sebenarnya
U* = harga yang ditaksir / diestimasi
E2 = varians estimasi
E = standar deviasi estimasi
U U * 2 E = selang kepercayaan dengan ~ 97,5% tingkat konfidensi
pada pembatasan satu sisi atau dengan 2,5 % faktor
kesalahan.
U U * 1 E = selang kepercayaan dengan ~ 85% tingkat konfidensi
pada pembatasan satu sisi atau dengan 15% faktor
kesalahan.

Hal ini berlaku untuk distribusi normal. Untuk distribusi-distribusi lainnya,


batas bawah selang kepercayaan akan tidak terlalu banyak bergeser.

8.3 PERHITUNGAN VARIANS ESTIMASI


Berdasarkan persamaan dasar :

(x yj)
N N N

(xi y )dy dx ( x y )dy


2 1 1
E2 =
NV i =1 V

VV V V NN i =1 j =1
i (8-12)

atau
E2 = 2 (S ,V ) (V ,V ) y (S , S ) (8-13)

akan ditunjukkan beberapa contoh bagaimana varians estimasi dihitung :

8.4.1 Ekstensi Conto Bentuk Titik S Sepanjang Garis L

E2 = 2 (S , L ) (L , L ) y (S , S )
2 (S , L ) = ( xi y )dy
1
1 L L

Integrasi tersebut digantikan oleh sumasi, dimana panjang L dibagi dalam


L sejumlah I. Selanjutnya N = 1, karena perhitungan berlaku untuk satu titik.

1 N
(S , L ) = (i.L ) = X (L ) (8-14)
I i =1

7
Pembentukan harga rata-rata ( xi y ) yang sering terjadi, dimana titiknya tetap
xi dan y menyebarkan garis L, ditabelkan sebagai fungsi bantu X(L) atau
diperoleh dari grafik terlampir. Fungsi bantu (L , L ) = F (L ) telah dibahas pada
bab sebelumnya tentang varians dispersi.

(S , S ) = 0 (karena terhadap dirinya sendiri)


(x1 x1 ) = (0 ) = 0 (variogram dari titik nol)

Contoh : L= 0,5 X(0,5) = 0,359; F(0,5) = 0,245


E2 = ( 2 ) ( 0 ,359 ) 0 ,245 0 ,0 = 0 ,473

8.4.2 Ekstensi Conto Bentuk Titik S Sepanjang Garis L


(Titik S Berada di tengah Garis L)

E2 = 2 (S , L ) (L , L ) (S , S )

( ) ( ) ( )
(S , L ) = 1 2 X L 2 + 1 2 X L 2 = X L 2
(L , L ) = F (L )
(S , S ) = 0
( )
E2 = 2 X L 2 F (L )

Contoh : L=0,5 X (0 ,5 2 ) = 0 ,816 ; F(0,5) = 0,245


E2 = ( 2 ) ( 0 ,816 ) 0 ,245 0 ,0 = 0 ,127

Terlihat dari hasil diatas, bahwa satu conto yang terletak di tengah-tengah garis
L lebih baik posisinya daripada yang terletak di bagian tepi (lihat 8.4.1).
Penentuan varians estimasi dengan mudah dapat diperoleh dari data fungsi
bantu X(L) dan F(L) juga dihitung berdasarkan grafik atau tabel.

8.4.3 Ekstensi Conto Bentuk Titik S Sepanjang Garis L


(Titik S Berada di ujung-ujung Garis L)

E2 = 2 (S , L ) (L , L ) (S , S )

8
1 N
(S , L ) = (xi y )dy
NL i =1 V
dengan N = 2

= 1 2 X ( L ) = X (L )
2
(L , L ) = F (L )

(xi y j )
1 N N
(S , S ) =
NN i =1 j =1

=
1
[ (x1 y 1 ) + (x1 y 2 ) + (x2 y1 ) + (x2 y 2 )]
22
=
1
[ (0 ) + (x1 y 2 ) + (x2 y1 ) + (0 )]
22
2 ( x1 y 2 ) = 1 ( x1 y 2 )
1
=
22 2
dalam hal ini 1 (L )
2
E = 2 X (L ) F (L ) 1 2 (L )
2

Contoh : L = 0,5 X(0,5) = 0,359; F(0,5) = 0,245; (0 ,5 ) =0,688


= ( 2 ) ( 0 ,359 ) 0 ,245 ( 1 2 ) ( 0 ,688 ) = 0 ,129
2
E

Contoh ini menunjukkan, bahwa pemosisian satu conto yang terletak di tengah-
tengah garis L (meskipun jumlah conto lebih sedikit), masih lebih baik daripada
dua conto yang terletak di ujung-ujungnya. Seperti pada sub Bab 8.4.2,
penentuan varians estimasinya dapat dengan mudah dihitung bersadarkan
fungsi-fungsi yang ditaksir dari grafik atau diperoleh dari tabel.

8.4.4 Ekstensi Conto Bentuk Titik S Terhadap Bidang R


(Titik S Berada di ujung Bidang R)

E2 = 2 (S , R ) (R , R ) (S , S )

(S , R ) = ( xi y )dy
1
1 R R
(8-15)

Sama seperti pada ekstensi sepanjang garis, di sini fungsi integral juga diganti
dengan sumasi (S). Fungsi bantu yang akan digunakan dinyatakan dalam funsi
Q(H,L). Harga Q(H,L) ini dapat dicari pada Tabel 8.1.

9
(S , R ) = Q ( H , L )
(R , R ) = F ( H , L )

Fungsi ini telah dibahas dalam perhitungan varians dispersi

(S , S ) = (0 ) = 0

Contoh : R = L H = ( 0 ,4 ) ( 0 ,8 )
(
Q 0 ,4
0 ,8
)= 0 ,629 ; (
F 0 ,4 )
0 ,8
= 0 ,451 ; (0 ) = 0 ,0
E2 = ( 2 ) ( 0 ,629 ) 0 ,451 0 ,0 = 0 ,807

8.4.5 Ekstensi Lateral Conto S Terhadap Bidang R


(Titik S Berada di tengah-tengah Bidang R)

E2 = 2 (S , R ) (R , R ) (S , S )

( ) (
(S , R ) = ( 4 ) ( 1 4 ) Q H 2 , L 2 = Q H 2 , L 2 )
(R , R ) = F ( H , L )

Fungsi ini telah di bahas dalam perhitungan varians dispersi

(S , S ) = (0 ) = 0
( )
E2 = 2 Q H 2 , L 2 F (H , L )

Contoh : R = L H = ( 0 ,4 ) ( 0 ,8 )
(
Q 0 ,2
0 ,4
) = 0 ,346 ; (
F 0 ,4 )
0.8
= 0 ,451 ; (0 ) = 0 ,0
E2 = ( 2 ) ( 0 ,236 ) 0 ,451 0 ,0 = 0 ,241

Contoh ini memperlihatkan, bahwa posisi suatu conto yang terletak di tengah-
tengah bidang memberikan varians yang lebih kecil dibandingkan jika conto
berada di ujung bidang.

10
Tabel 8.1
Fungsi bantu ekstensi titik terhadap bidang empat persegi panjang Q(h/a,I/a),
untuk model sferis / Matheron, C0 = 0; C = 1,0 (Siemens,1981)

Misal Q(0,4/0,8) = 0,629

11
8.4.6 Ekstensi 3D (Ruang) Conto Bentuk Titik
Ekstensi-ekstensi conto terhadap ruang bersifat sama seperti ekstensi secara
lateral.

8.4.7 Ekstensi Elemen Bentuk Garis dan Bentuk Ruang


terhadap Bidang atau Ruang
Ekstensi-ekstensi ini didapatkan dengan cara yang sama melalui beberapa
perubahan rumus dasar.

Beberapa nomogram model Matheron telah dibuat untuk mencari harga-harga


varians ekstensi :

Varians ekstensi titik terhadap garis (Gambar 8.6),


Varians ekstensi titik terhadap bidang bujur sangkar (Gambar 8.7),
Varians ekstensi titik terhadap bidang empat persegi panjang (Gambar 8.8
dan Gambar 8.9),
Varians ekstensi garis terhadap bidang empat persegi panjang (Gambar
8.10),
Varians ekstensi garis terhadap ruang bentuk balok (Gambar 8.11), dan
Varians ekstensi bidang bujur sangkar terhadap ruang bentuk balok (Gambar
8.12).

12
Gambar 8.6 Nomogram varians eksistensi / estimasi titik terhadap garis
untuk model sferis / Matheron, C0 = 0, C = 1,0 (Annels, 1991)

Misal E2 ( ) untuk h/a = 0,133 adalah 0,034

13
Gambar 8.7 Nomogram varians eksistensi / estimasi titik terhadap bidang
bujur sangkar untuk model sferis / Matheron,
C0 = 0, C = 1,0 (Annels, 1991)

Misal E2 ( ) untuk h/a = 0,333 adalah 0,125

14
Gambar 8.8 Nomogram varians eksistensi / estimasi titik terhadap bidang empat
persegi panjang untuk model sferis / Matheron
C0 = 0, C = 1,0 (Annels, 1991)

Mis. E2 ( ) untuk h/a = 0,4 dan I/a = 0,8 adalah 0,241

15
Gambar 8.9 Nomogram varians estimasi titik-titik terhadap bidang empat
persegi panjang untuk model Matheron
C0 = 0, C = 1,0 (Annels, 1991)

16
Gambar 8.10 Nomogram varians ekstensi garis terhadap bidang empat
persegi panjang untuk model Matheron
C0 = 0, C = 1,0 (Annels, 1991)

17
Gambar 8.11 Nomogram varians ekstensi garis terhadap ruang bentuk
balok untuk model sferis / Matheron
C0 = 0, C = 1,0 (David, 1977)

18
Gambar 8.12 Nomogram varians ekstensi bidang terhadap ruang bentuk
Balok untuk model sferis / Matheron
C0 = 0, C = 1,0 (David, 1977)

19
8.5 VARIANS ESTIMASI GLOBAL
[ ]
Penyimpangan total U * U pada proses estimasi ini dapat diselesaikan dengan
sumasi dari masing-masing simpangan sebagai berikut :

[U ] [ ]
N
*
U = i U i* U i (8-16)
i =1

Jika dianggap, bahwa setiap simpangan tidak tergantung satu dengan lainnya
(seperti yang umum terjadi), akan diperoleh varians estimasi global sebagai
berikut :

E2 = Var [U * U ] = i2 Var [U i* U i ] = i2 E2 (i )
N N
(8-17)
i =1 i =1

8.5.1 Varians Estimasi Global Conto Sepanjang Garis


dengan Jarak Sama

Panjang L terdiri dari sejumlah N segmen I yang merupakan daerah pengaruh


titik pada segmen tersebut,

L = N I (8-18)

Varians estimasi untuk segmen I mempunyai faktor bobot :

= l L = I N l = 1N (8-19)

E2 (I ) = 2 E2 ( ) = E2 ( )
1
2
(8-20)
N

Untuk seluruh garis L didapatkan varians estimasi global :

N N
2
E (L ) = E2 (I i ) = 1
2
E2 ( ) = E2 ( )
1
(8-21)
i =1 i =1 N N

20
Soal : Pada suatu lintasan sepanjang 160 m diambil 20 conto dengan jarak antar
conto 8 m. Jika diketahui daerah tersebut mempunyai penyebaran kadar
yang diekspresikan dalam variogram model Matheron, dengan C = 34%
dan a = 60 m, dan mempunyai kadar rata-rata z = 3,8% Zn, ditanyakan
berapa besar varians estimasi globalnya dan standar deviasi relatifnya ?

Jawab: Dari nomogram varians estimasi untuk model sferis, diperoleh :


( ) ( )
E2 (I ) = E2 I a = E2 8 60 = E2 (0 ,133 ) = 0 ,034 C = 0.034 34% 2 Varians
estimasi global untuk N = 20 conto pada garis L adalah :
E2 (L ) = E2 (I ) =
1 1
0 ,034 34% 2 = 0 ,058% 2
N 20
Standar deviasi = E (L ) = 0 ,058% 2 = 0 ,24%
Standar deviasi relatif E (L ) / z 100% = 0 ,24 100% = 6 ,30% .
3 ,8

8.5.2.1 Varians Estimasi Global Conto Sepanjang Garis


dengan Jarak yang Tidak Sama

N
Jika jarak antar conto tidak sama L = I I maka perhitungan rata-rata dan juga
i =1
penentuan varians estimasi harus dilakukan dengan pembobotan.

Ii
faktor bobot : i = (8-22)
L

1 N
harga rata-rata : z= I i z ( xi )
L i =1
(8-

23)

N
: E2 (L ) = E2 ( )
1
varians estimasi global
L2
I
i 1
i
2
(8-24)

Contoh soal :

21
N = 10 conto diambil pada suatu lintasan sepanjang 160 m, kadar rata-rata
z = 3 ,8% Zn . Variogram sesuai model Matheron, dengan C = 34% dan a = 60 m
(seperti pada soal sebelumnya).

Jarak antar conto II adalah sebagai berikut :

II II / a E2 ( ) I i2 I i2 E2 ( )
5 0,083 0,022 25 0,550
10 0,167 0,042 100 4,200
15 0,250 0,065 225 14,625
5 0,083 0,022 25 0,550
30 0,500 0,130 900 117,000
25 0,417 0,106 625 66,250
20 0,333 0,084 400 33,600
15 0,250 0,065 225 14,625
10 0,167 0,042 100 4,200
25 0,417 0,106 625 66,250
160 321,850

E2 (L ) =
1
321,85 34% 2 = 0 ,43% 2
L2
E (L ) = 0 ,43% 2 = 0 ,65%
E (L ) / z 100% = 17 ,2%

8.5.3 Varians Estimasi Global Conto pada Bidang


Untuk conto pada suatu bidang dapat digunakan aturan seperti halnya conto
sepanjang garis.

Suatu bidang R terbagi dalam N bagian


bidang dengan ukuran yang berbeda rj. Tiap
bidang mempunyai satu conto (lubang bor)
yang terletak di tengah-tengah.

Varians estimasi masing-masing bidang


dapat dibaca pada nomogram atau label
Ekstensi titik terhadap bidang empat persegi
panjang, dan dengan memperhatikan faktor
bobot, maka varians estimasi global dapat
dihitung sebagai berikut :

22
ri2 E2 (r j ) =
N N
E2 (R ) =
1 1
R2 i =1 R2
r
i =1
1
2
E2 ( ) (8-25)

Jika semua blok mempunyai besar yang sama, maka berlaku :

E2 (R ) =
1
E2 ( ) (8-26)
N

Contoh : Pada suatu endapan fosfat telah diambil 95 conto pemboran


dengan grid 50 x 50 m. Kadar rata-rata z akumulasi kadar dan
ketebalan adalah 365 m %. Variogram model Matheron untuk
endapan ini memberikan sill C = 77.912 m %, nugget variance C0
= 30.000 m % dan range a = 150 m.

Ditanya : Varians estimasi global dan deviasi standar relatif!

Dengan h/a = I/a = 50/150 = 0,333 diperoleh varians ekstensi titik


terhadap bidang bujur sangkar 0,125 sehingga diperoleh :
E2 (r ) = E2 ( ) = C0 + C 0 ,125 = 30.000 + ( 77 ,912 ) ( 0 ,125 ) = 39.739

Untuk seluruh bidang diperoleh varians estimasi global :


E2 (R ) = E2 (r ) = 39.739 m 2 % 2
1 1
N 95
E (R ) = 418,3 m %
2 2 2

E2 (R ) = 20 ,4 m%

20 ,4
Standar deviasi relatif = 100% = 5 ,6%
365

23