Anda di halaman 1dari 21

KRIGING

1. Model Blok Cebakan Mineral

Pemakaian model blok untuk memodelkan suatu cebakan mineral telah


umum dilakukan dalam industri pertambangan. Hal ini dimulai pada akhir
tahun 60-an, ketika komputer mulai digunakan di dalam pekerjaan
perhitungan cadangan dan perencanaan tambang. Volume 3-dimensi
cebakan mineral yang akan ditambang kita bagi ke dalam unit-unit yang
lebih kecil (blok/unit penambangan terkecil). Dalam kerangka model blok
inilah semua tahap pekerjaan akan dilakukan, mulai dari penaksiran kadar,
perancangan batas penambangan hingga ke perencanaan tambang jangka
panjang dan jangka pendek.

Tergantung pada jenis cebakan mineral yang dihadapi, tujuan pembuatan


model serta metode penambangan, ukuran blok dapat berkisar dari 3 x 3 x 2
m (x,y,z) atau lebih kecil untuk cebakan emas tipe vein, hingga 25 x 25 x
15m atau lebih besar untuk cebakan-cebakan berukuran masif seperti
tembaga porfiri. Tiap-tiap blok akan memiliki atribut (variabel model)
misalnya topografi atau volume blok (utuh/tidak utuh), jenis batuan, berat
jenis, taksiran kadar, klasifikasi hasil taksiran, aspek pengolahan/metalurgi
dll. Semakin banyak jumlah blok dan jumlah variabel dalam model, semakin
besar pula kebutuhan memori dan mass storage (disk space) komputer kita.

2. Kriging: Suatu Penjelasan Intuitif

kriging - 1
Metode kriging yang akan dibahas di sini adalah teknik linier yang dikenal
sebagai kriging biasa (ordinary kriging). Selain kriging biasa, banyak lagi
teknik kriging linier dan non-linier lainnya. Teknik-teknik lainnya ini (simple
kriging, universal kriging, lognormal kriging, jackknife kriging, indicator
kriging, probability kriging, disjunctive kriging) tidak akan dibicarakan di sini.

Gambar 1.Skema tiga dimensi suatu model blok cebakan mineral.

kriging - 2
Blok

Conto

Gambar 2. Penaksiran kadar blok menggunakan conto yang terletak di


dalam dan/atau di sekitar blok.

Kriging adalah penaksir geostatistik yang dirancang untuk penaksiran lokal


dari kadar blok sebagai kombinasi linier dari conto-conto yang ada di dalam
dan / atau di sekitar blok, sedemikian rupa sehingga taksiran ini tidak bias
dan memiliki varians minimum.

Secara sederhana, kriging menghasilkan seperangkat bobot yang


meminimumkan varians penaksiran (estimation variance), sesuai dengan
geometri permasalahan (konfigurasi conto di sekitar blok) dan sifat
mineralisasi. Faktor terakhir ini dinyatakan dalam fungsi variogram yang
mengkuantifikasikan korelasi spatial (ruang) antar conto

Dengan teknik rata-rata tertimbang (weighted average), kriging akan


memberikan bobot yang tinggi untuk conto di dalam / di dekat blok, dan
sebaliknya bobot yang rendah untuk conto yang jauh letaknya. Selain
faktor jarak, bobot ini ditentukan pula oleh posisi conto relatif terhadap blok
dan terhadap satu sama lain.

3. Latar Belakang

Hubungan kadar conto pemboran dengan kadar sebenarnya (dari blok


penambangan) memperlihatkan suatu pencaran sistematis. Artinya, kadar
conto bor tersebut bukanlah suatu penaksir yang paling baik untuk kadar
blok penambangan.

kriging - 3
Matheron memberikan cara penaksir yang lebih akurat melalui pembobotan
harga-harga conto dengan bantuan fungsi variogram. Nama cara ini
(kriging) diberikan sebagai penghormatan kepada D.G. Krige, yang
memelopori cara penaksiran kadar emas dengan menggunakan koreksi
antar conto pada tahun limapuluhan di Afrika Selatan.

Korelasi antara kadar conto pemboran dengan kadar sebenarnya dari suatu
blok penambangan di titik bor tersebut (diperoleh setelah blok tersebut
ditambang) akan memberikan suatu diagram pencar yang memperlihatkan,
bahwa sebagian besar pasangan kadar tersebut terletak di dalam suatu
ellips.

Jika kadar conto merupakan taksiran yang akurat untuk kadar blok
penambangan yang diwakili conto tersebut, maka pencaran pasangan data
tersebut akan membentuk garis regresi A-A' yang melalui titik nol, dengan
sudut 450. Penelitian Krige terhadap perilaku kadar conto emas
memperlihatkan bahwa garis regresi tersebut pada kenyataannya lebih
mendatar, seperti yang ditunjukkan oleh garis B-B'.

kadar A'
blok
Z1' B'
Z1
_ z1 > Z1
Z
Z2
z2 < Z2
Z2' B
_
A z2 z z1 kadar
conto

Gambar 3. Pencaran data antara kadar conto vs. kadar blok untuk conto
emas (kurva B-B')

Ini berarti bahwa ada penyimpangan sistematik dan conto bor bukan
merupakan harga taksiran yang mewakili kadar bijih pada blok yang
ditambang.

kriging - 4
Analisis conto yang terletak di atas harga rata-rata ( Z ) memberikan kadar
yang lebih tinggi daripada kadar sebenarnya dari blok penambangan, atau
z1>Z1.

Sebaliknya analisis untuk kadar di bawah rata-rata menunjukkan kadar


conto lebih rendah daripada kadar blok hasil penambangan. Conto z 2
memiliki kadar yang lebih kecil daripada kadar sebenarnya Z 2 dari blok
penambangan.

Menggunakan taksiran variogram dari analisis data regional, Matheron


memperlihatkan bahwa taksiran kadar blok tidak hanya dipengaruhi oleh
conto yang terletak di dalam blok saja, tetapi juga dipengaruhi oleh conto-
conto di sekitarnya yang berdekatan. Hasilnya adalah :
1. suatu harga taksiran kadar yang lebih baik,

2. suatu varians K
2
dari taksiran tersebut.

Elips pasangan data antara kadar conto dengan kadar sebenarnya dari blok
bijih dapat dibagi menjadi empat bagian, menggunakan garis regresi melalui
titik ( Z , z ), serta batas cut-off grade (cog) zC = ZC = 5 % (Gambar 2a) atau
zc = 3,5% dan Zc = 5% (Gambar 2b).

(a)
kadar A'
blok 1
(sebenarnya)
_ 4
Z
5%
2 3
_
A 5% z kadar
conto
(penaksir)

kriging - 5
(b)
kadar A'
blok
(sebenarnya) B'
_ 1
Z
5%
4
B
2
3
1 _
A 3,5% z kadar
conto
(penaksir)

Gambar 4. Pencaran data antara kadar conto vs. kadar blok yang
memperlihatkan prospek kesalahan penambangan

Daerah 1 : blok yang ditambang dengan kadar > cog yang sesuai
dengan kadar conto > cog ditambang
Daerah 2 : blok-blok yang tidak ditambang dengan kadar < cog yang
sesuai dengan kadar conto < cog
Daerah 3 : blok-blok dengan kadar < cog yang karena kesalahan
penaksiran (kadar taksiran > cog) juga ditambang
Daerah 4 : blok-blok dengan kadar > cog yang karena kesalahan
penaksiran (kadar taksiran < cog) tidak ditambang

Jika garis regresi B-B' yang menunjukkan hubungan antara conto (sebagai
taksiran kadar) dan kadar blok (kadar sebenarnya) diplot, maka blok-blok
dengan kadar < 5% (cog) yang ditambang karena taksiran kadar (conto)
>3,5% cog (daerah 3, Gambar 4b). Daerah 3 yang ditambang walaupun
berkadar rendah menjadi lebih besar, daerah 4 yang tidak tertambang
karena kesalahan informasi menjadi kecil. Namun demikian, secara
keseluruhan daerah dengan blok-blok yang mempunyai kadar > cut-off
grade (5 %) dan ditambang menjadi lebih besar.

Kriging tidak akan membuat garis regresi baru yang lebih baik, tetapi akan
mempersempit elips pencaran taksiran data (Gambar 5b).

kriging - 6
(a) (b)
kadar kadar
blok sebe-
narnya
4
1 4 1
Zc Zc
2 2
3
3

zc kadar conto zc kadar kriging


sbg penaksir penaksir

Gambar 5. Perubahan bentuk elips pencaran data dengan penggunaan


metode kriging.

Kriging akan memberikan bentuk elips pencaran data yang lebih


kurus/sempit, dengan garis regresi yang mendekati sudut 45 o. Jumlah blok
pada daerah 3 dan daerah 4 (yang menyatakan kadar rendah ditambang
atau kadar tinggi tidak ditambang) akan berkurang.

4. Asumsi dan Sifat-Sifat Kriging

Penggunaan ordinary kriging didasarkan pada asumsi-asumsi berikut (Kim,


1990):

Penyebaran kadar merupakan suatu proses acak (random process)


dengan asumsi sedikit lebih lunak daripada stasionaritas orde kedua,
yang biasanya disebut dengan asumsi hipotesis intrinsik orde nol. Ini
berarti bahwa varians maupun kovarians harus ada dan finite
Data tidak menunjukkan gejala drift, dengan kata lain E[Z(x)] = m
Kadar rata-rata (m) dari cebakan ini tidak diketahui

Selain kedua sifat penting dari kriging yang merupakan penaksir tidak bias
dengan varians penaksiran yang minimum, masih ada beberapa sifat
menarik lainnya yaitu:
Untuk tiap blok yang ditaksir dapat diperoleh pula varians krigingnya.

kriging - 7
Kriging adalah interpolator yang eksak; taksiran kadar pada lokasi data
akan sama dengan nilai data (conto), jadi tidak ada kesalahan
penaksiran.
Kriging memiliki kemampuan intrinsik untuk menguraikan data
(declustering) dalam proses penaksiran. Hal ini amat berguna dalam
penaksiran menggunakan data yang amat mengelompok dan tak
beraturan.
Kriging memberikan taksiran yang tidak bias secara bersyarat
(conditionally unbiased). Ini berarti bahwa secara rata-rata, semua
blok yang taksiran kadarnya adalah Z 0 akan memiliki kadar tersebut,
atau
E [Z | Z* = Z0] = Z0
Kriging mampu menyaring conto yang digunakan dalam penaksiran
(screening), artinya conto yang letaknya di dekat blok cenderung akan
menyaring / mengurangi pengaruh conto yang letaknya lebih jauh di
belakang conto pertama.
Dengan teknik kriging, kadar rata-rata dari blok-blok kecil sama dengan
taksiran kadar untuk gabungan dari blok-blok tersebut (additivity).
Catatan: varians kriging dari blok-blok tidak dapat digabungkan seperti
halnya taksiran kadar.

Selain beberapa kelebihan penaksir kriging di atas, ada pula beberapa


kekurangan atau kelemahannya. Yang pertama, ordinary kriging cenderung
menghasilkan taksiran blok yang lebih merata atau kurang bervariasi
dibandingkan dengan kadar yang sebenarnya (smoothing effect).
Walaupun secara global kriging memberikan taksiran yang tidak bias,
secara lokal kadar yang tinggi biasanya ditaksir terlalu rendah dan
sebaliknya.

Kelemahan yang kedua, bobot yang diperoleh dari persamaan kriging tidak
ada hubungannya secara langsung dengan kadar conto yang digunakan
dalam penaksiran. Bobot ini hanya tergantung pada konfigurasi conto di
sekitar blok dan satu sama lain, serta pada variogram (yang walaupun
merupakan fungsi kadar namun didefinisikan secara global). Walaupun
variogram memberikan gambaran dari mineralisasi dengan merata-ratakan

kriging - 8
beda kuadrat dari conto untuk setiap pasangan jarak h, ia tidak dapat
menangkap seluruh aspek variasi kadar pada tingkat lokal. Jadi,
perbedaan kadar conto yang cukup besar (antara satu hingga dua orde
saja) sudah cukup untuk mengacaukan taksiran kadar di tingkat lokal / blok.

Selain itu, varians kriging yang dihasilkan tidak pula mencerminkan


variabilitas kadar conto yang digunakan dalam penaksiran. Varians kriging
lebih merupakan suatu indeks ketidak pastian dari hasil taksiran kadar, dan
hanya dapat dibandingkan secara relatif untuk blok-blok dalam satu model
yang sama. Ia hanya merupakan fungsi dari posisi conto terhadap blok dan
terhadap satu sama lain. Untuk ukuran ketidak pastian dari taksiran kadar
yang berdasarkan pada kadar conto, teknik kriging lainnya seperti jackknife
kriging dapat digunakan. Varians jackknife yang merupakan fungsi dari
cadar conto dapat digunakan untuk membuat suatu selang kepercayaan
untuk taksiran kadar (Adisoma, 1993).

5. Persamaan Kriging

Misalkan terdapat suatu kumpulan S1 dari n conto dengan volume yang


sama pada suatu tempat xi. Sebagai taksiran harga terhadap suatu kadar Z
dari volume V dipilih Z*. Taksiran kadar ini dapat dihitung melalui
pembobotan rata-rata tertimbang (whighted average) kadar-kadar conto
z(xi).
n
Z* i .z( x i )
i 1

Jumlah faktor pembobotan i dibuat sedemikian rupa sehingga sama


dengan satu :
n
i 1
i 1

Dengan demikian taksiran ini tidak bias, artinya harga yang diharapkan
untuk perbedaan antara Z dan Z* adalah nol.
E [Z -Z*] = 0

kriging - 9
Dengan memperhatikan faktor-faktor pembobotan akan didapat suatu
varians estimasi (lihat diskusi tentang varians estimasi)
E2 Var [ Z Z*]
2 n 1 n n
( x i y )dy VV
V i 1 i ( x y ) dx dy i j ( x i xj )
V VV i 1 j 1

n n n
2 i ( Si ,V ) (V ,V ) i j ( S ,S j )
i 1 i 1 j 1

Varians estimasi atau varians penaksiran ini adalah suatu fungsi dari faktor-
faktor pembobotan i. Untuk memilih faktor-faktor pembobotan yang optimal,
dibuat sedemikian rupa sehingga varians perkiraan ini minimum.

Persyaratan bahwa jumlah i adalah satu, dapat didekati dengan


pertolongan suatu multiplikator Lagrange (m) untuk meminimum-kan
hubungan persamaan berikut ini :

Q E2 2 m ( i 1 ) min

Selain dari yang tidak diketahui, juga terdapat m yang juga tidak diketahui.
Pernyataan bahwa harus diminimumkan ini diartikan bahwa perbedaan
parsial Q m dan Q i adalah nol.

Selanjutnya didapat sistem persamaan linier (kriging system) sebagai


berikut :
n
1
j ( xi xj )m
V ( x x i ) dx atau
j 1 V
n n
j ( Si ,S j ) m ( Si ,V ) dan i 1
j 1 i 1

Sistem persamaan ini cukup untuk menentukan harga-harga j dan m yang


akan menghasilkan suatu varians minimum.

Varians penaksiran (kriging variance) akan diekspresikan melalui


persamaan berikut :

kriging - 10
n
1 1
K2
VV dx ( x y ) dy j V ( x x j ) dx atau
V V j 1 V

n
K2 (V ,V ) m j ( S j ,V )
j 1

Berikut ini diuraikan persamaan untuk menghitung dan yang merupakan


konstanta-konstanta yang tidak dikenal :

1 . ( S1S1 ) 2 . ( S1S2 ) ... j . ( S1S j ) ... n . ( S1Sn ) m ( S1V )


1 . ( S2 S1 ) 2 . ( S2 S2 ) ... j . ( S2 S j ) ... n . ( S2 Sn ) m ( S2V )

1 . ( S j S1 ) 2 . ( S j S2 ) ... j . ( S j S j ) ... n . ( S j Sn ) m ( S jV )

1 . ( Sn S1 ) 2 . ( Sn S2 ) ... j . ( Sn S j ) ... n . ( Sn Sn ) m ( SnV )
1 2 ... j ... n = 1

Dengan memperhatikan bahwa ( Si S j ) ( S j Si ) , maka akan memberikan


suatu matriks berikut ini :

kriging - 11
(SS1 1) (SS1 2 ) . . (SS1 j ) . . (SS1 n ) 1 (SV )
1
1
(SS2 1 ) (SS2 2 ) . . (SS2 j ) . . (SS2 n ) 1 2 (SV1 )


(SSi 1 ) (SSi 2 ) . . (SSi j ) . . (SSi n ) 1 3 = (SVj )


(SSn 1) (SSn 2 ) . . (SSn j ) . . (SSn n ) 1 n (SVn )

1 1 . . 1 . . 1 0 m 1
Matriks ( Si S j ) merupakan suatu matriks yang simetris.

Sistem persamaan tersebut diatas dapat dituliskan sebagai berikut :


K L M

kriging - 12
Persamaan ini akan diselesaikan terhadap L untuk mendapatkan i dan
sehingga diperoleh persamaan : L K 1 . M
Untuk varians kriging dapat dituliskan :

K2 (V ,V ) t L M

6. Prosedur Point/Block Kriging

Teknik penaksiran kriging biasa (ordinary kriging) dapat dilakukan untuk


blok maupun untuk penaksiran di suatu titik. Penaksiran titik merupakan
suatu kasus khusus dari penaksiran blok, yaitu blok tersebut diwakili oleh
titik tengahnya.

Jadi, untuk penaksiran di suatu titik lokasi (point kriging) volume blok
menyusut menjadi sebesar volume conto. Perhitungan varians penaksiran
(kriging variance) pun menggunakan menggunakan varians conto (sample
variance) sebagai titik tolak.

Aplikasi penaksiran kadar dalam bidang pertambangan hampir selalu


dilakukan untuk blok-blok yang merupakan unit penambangan terkecil.
Dalam proses perhitungan (jarak conto ke blok, variogram antara conto dan
blok), setiap blok diwakili oleh titik-titik integrasi (lihat Gambar 5).
Perhitungan varians penaksiran dilakukan dengan titik tolak varians blok,
bukan varians conto. Selain dari hal-hal di atas, prosedur penaksiran titik
pada dasarnya sama dengan penaksiran blok (lihat Gambar 6).

kriging - 13
Gambar 5. Contoh dua dimensi dari suatu blok dengan perhitungan luas
yang didekati oleh 9 titik integrasi numerik

Hitung Varians
Conto (Blok)

Untuk setiap titik (blok) lakukan


langkah-langkah berikut

Cari conto-conto dari lubang-


lubang bor terdekat

Hitung variogram antara tiap


conto dengan titik (blok)

Hitung variogram
antar conto

Pecahkan persamaan linier untuk


memperoleh bobot

Hitung taksiran kadar untuk titik


(blok) dan varians kriging

kriging - 14
Gambar 6.Rangkuman prosedur point / block kriging

kriging - 15
7. Contoh Perhitungan

Pengaruh beberapa parameter geostatistik akan diterangkan pada suatu


conto perhitungan sederhana sebagai berikut :

Diketahui conto xi dengan kadar z(xi) diambil dengan jarak yang sama
(L=20 m) di sepanjang suatu garis. Kadar rata-rata semua conto z = 1,0.
Variogram (model Matheron) pada data tersebut mempunyai parameter
sebagai berikut :
C0 = 0,0 C = 1,0 a = 60 m
Akan dihitung bobot, varians estimasi (varians kriging), dan standar deviasi
relatif untuk kadar z* suatu potongan garis sepanjang L (mis, pada titik x1)

7.1 Sistem Kriging dengan memperhatikan hanya satu conto

n n
j ( Si ,S j ) m ( Si ,V ) j 1
j 1 j 1

untuk n =1 maka 1 =1
( S1S1 ) 0
( S1 L ) C0 C ( )
= C0 C X ( L 2 )
= 0 +1 X (10 60 )
= 0,124
Dengan memasukkan parameter-parameter tersebut pada persamaan
umum kriging akan memberikan :
1 . 0 + m = 0,124 m = 0,124
Untuk varians krigingnya berlaku rumus :
n
K2 ( L, L ) m j ( S j ,L )
j 1

( L, L ) C0 C . F( L )
= 0 + 1 . F( L a ) = F( 20 60 )
= F(0,333) = 0,165
m = 0,124

kriging - 16
1 ( S1 L ) 1x 0124
, 0124
,
K2 0165
, 0124
, 0124
, 0 ,083

Standar deviasi relatif : 2 K x100% 29%


2

K z

7.2 Sistem Kriging dengan memperhatikan tiga conto

Sistem Kriging

1 . ( S1S1 ) 2 . ( S1S2 ) 3 . ( S1S3 ) m ( S1V )


1 . ( S2 S1 ) 2 . ( S2 S2 ) 3 . ( S2 S3 ) m ( S2V )
1 . ( S3 S1 ) 2 . ( S3 S2 ) 3 . ( S3 S3 ) m ( S3V )
1 2 3 m 1

Untuk L=20m a=60m, C0=0,0 dan C=1,0


maka 1= 0,76 2=3= 0,12 dan m=0,01
n
K2 ( L, L ) m j ( S j ,L )
j 1

( L, L ) 0 ,165
m = 0,124
n
j ( S j , L ) = 0,76 x 0,124 + 0,12 x 0,477 + 0,12 x 0,477 = 0,208
j 1

K2 -0,165 + 0,01 + 0,208 = 0,053

Standar deviasi relatif : 2 K x 100% = 23%


2

K z
Z* = 0,76 x z(x1) + 0,12 x z(x2) + 0,12 x z(x3)

kriging - 17
7.3 Contoh perhitungan sederhana penaksiran titik untuk dua
konfigurasi conto

Untuk memberikan gambaran yang lebih nyata, berikut ini diberikan contoh
sederhana bagaimana memecahkan persamaan kriging tanpa bantuan
komputer. Agar lebih mudah, contoh-contoh ini dibuat untuk penaksiran titik
(point kriging). Penaksiran blok mempunyai cara perhitungan yang sama,
hanya detail perhitungannya lebih panjang. Untuk penaksiran blok dengan
jumlah conto cukup banyak, program komputer yang ada dapat dipakai
dengan mudah.

Gambar 7 menunjukkan suatu blok kecil yang diwakili oleh titik tengahnya
X0, yang dikelilingi oleh conto yang masing-masing berjarak 100 m dari blok.
Konfigurasi pada Gambar 7a memperlihatkan conto 2 dan 3 yang letaknya
saling berdekatan (jarak satu sama lain 20 m) di sebelah Timur blok, dan
conto 1 di sebelah Barat blok. Konfigurasi di Gambar 7b memperlihatkan
ketiga conto yang tersebar merata di sekitar blok (tidak ada pengelompokan
data).

Kriging akan dapat membedakan kedua konfigurasi ini dengan memberikan


bobot yang berbeda. Sebaliknya, metode penaksiran yang semata-mata
didasarkan kepada jarak antara conto dengan blok (misalnya metode jarak
terbalik / inverse distance) tidak mampu melihat pengelompokan data ini.
Inverse distance akan memberikan bobot yang sama untuk kedua
konfigurasi di atas.

kriging - 18
(a)

(b)

Gambar 7. Contoh perhitungan kriging untuk dua konfigurasi conto di


sekitar blok

Digunakan variogram model Sferis (Matheron) dengan :


nugget (C0) = 0
sill = 4,0
range (a) = 400 m
atau (h) = 0,01 h untuk h 400 m
(h) = 4,0 h untuk h > 400 m

kriging - 19
a. Perhitungan untuk konfigurasi Gambar 7a.
Langkah 1. Menghitung variogram antar conto
( S1 S1) atau 11 = (0 m) = 0,01 x 0 = 0
11 = 22 = 33 = 0
( S1 S2 ) atau 12 = 21 = (200 m) = 0,01 x 200 = 2
( S1 S3 ) atau 13 = 31 = (200 m) = 0,01 x 200 = 2
( S2 S3 ) atau 23 = 32 = (20 m) = 0,01 x 20 = 20

Langkah 2. Menghitung variogram antara blok/titik conto


(S1 V ) = (S2 V ) = ( S3 V ) = (100 m) = 0,01 x 100 = 1
1V = 2V = 3V = 1
Langkah 3. Mengisikan elemen-elemen matriks kriging dan diselesaikan
untuk memperoleh bobot.
11 12 13 1 1 1V

1 2
21 22 23 = 2V
31 32 33 1 3 3V
1 1
1 0 m 1
0 2 2 1 1 1
2 0 0,2
1 2 1
=
2 0,2 0 1 3 1
1 1 1 0 m 1

sehingga diperoleh :
W 1 = 0,487 ; W 2 = W 3 = 0,256 ; dan m = - 0,026
Langkah 4. Menghitung varians Kriging
k2 = 0,974

b. Perhitungan untuk konfigurasi Gambar 7b.


0 173
, 173
, 1 1 1
173
, 0 173
,
1 2 1
=
173
, 173
, 0 1 3 1
1 1
1 0 m 1

sehingga diperoleh :
W 1 = W 2 = W 3 = 0,333 ; dan m = - 0,153
Varians Kriging, k2 = 0,847
Kesimpulan :

kriging - 20
Secara relatif, konfigurasi Gambar 7b memberikan varians kriging yang
lebih rendah dari pada konfigurasi Gambar 7a, artinya hasil taksiran
kadarnya lebih dapat dipercayai.
Bobot conto 1 pada konfigurasi Gambar 7a hampir separuh dari seluruh
bobot, dan conto 2+3 separuhnya. Artinya konfigurasi Gambar 7a
praktis ditaksir dengan 2 conto yaitu conto 1 dan gabungan conto 2+3.
Konfigurasi Gambar 7b memberikan bobot yang sama untuk setiap conto.

kriging - 21