Anda di halaman 1dari 13

JTM Vol. XVIII No.

1/2011

PERBANDINGAN ANTARA PENDEKATAN DIRECT GRADE DAN


ACCUMULATION GRADE PADA ESTIMASI SUMBERDAYA NIKEL
LATERIT DENGAN METODE GEOSTATISTIK

Abjan Hi. Masuara1 , Mohamad Nur Heriawan2, Syafrizal2


Sari
Penelitian ini bertujuan untuk membandingkan hasil estimasi nilai kadar dengan pendekatan direct grade versus
accumulation grade dan mengestimasi jumlah sumberdaya nikel laterit, kemudian mengklasifikasikannya menjadi
sumberdaya measured, indicated, dan inferred yang didasarkan pada nilai error relatif dari estimasi blok. Sedangkan
metode yang digunakan pada pemodelan dan perhitungan sumberdaya adalah metode geostatistik yaitu Ordinary Kriging
Blok 2 (dua) dimensi, dengan parameter kadar Ni dan Fe yang telah dibagi per zona endapan, serta lokasi penelitian hanya
dibatasi pada salah satu blok prospek nikel laterit di daerah X. Berdasarkan data yang ada, maka dilakukan analisis
anisotropi dan penentuan parameter variogram untuk digunakan dalam estimasi kriging. Metode kriging ini berfungsi untuk
mengestimasi nilai kadar Ni dan Fe pada suatu blok yang belum diketahui nilai kadarnya baik secara vertikal maupun
horizontal sehingga akan diperoleh suatu model sumberdaya berupa model blok. Adapun pembagian zona laterit adalah:
(1) Limonite Ore Zone (LOZ), (2) Low Saprolite Ore Zone (LSOZ), and (3) High Saprolite Ore Zone (HSOZ) .Kemudian
pada model tersebut akan dihitung volume dan tonase serta kandungan logamnya. Penelitian ini menghasilkan nilai
estimasi yang tidak jauh berbeda antara estimasi dengan cara direct grade versus accumulation grade. Estimasi dengan
direct grade menghasilkan sumberdaya measured sebesar 17,3 juta ton dan sumberdaya indicated 0,74 juta ton dengan
kadar rata-rata Ni - Fe pada LOZ 1,20% Ni 40,12% Fe, LSOZ 1,53% Ni 38,25% Fe, HSOZ 2,11% Ni 19,84% Fe.
Sedangkan estimasi dengan cara accumulation grade menghasilkan sumberdaya measured sebesar 16,2 juta ton dan
sumberdaya indicated 1,9 juta ton dengan kadar rata-rata Ni - Fe pada LOZ 1,20% Ni 39,18% Fe, LSOZ 1,52% Ni
39,93% Fe, HSOZ 2,15% Ni 19,61% Fe. Adapun selisih rata-rata untuk kadar Ni adalah 0,87% dan 2,57% untuk kadar
Fe, sedangkan selisih sumberdaya rata-rata 6,83% untuk klasifikasi measured dan 61,66% untuk klasifikasi indicated.

Kata kunci: direct grade, accumulation grade, ordinary kriging, nikel laterit

Abstract
This research aims to compare the estimation result of Ni-Fe grades based on the direct grade and grade accumulation
approaches, then estimating the total resources and classified them into measured,indicated, and inferred based on the
relative error value of blocks. The method used for estimation is geostatistical method, i.e. Ordinary Kriging Block 2D. The
Ni-Fe grades is differentiated for each lateritic zones, whereas the research area is specifically located only in a prospect
block of laterite nickel at X area. Based on the available drillhole exploration, anisotropy and variogram analysis were
performed to be used in kriging estimation. Kriging method is used to estimate the average grades of Ni-Fe and thickness in
each laterite zones, i.e. (1) Limonite Ore Zone (LOZ), (2) Low Saprolite Ore Zone (LSOZ), and (3) High Saprolite Ore Zone
(HSOZ). Then the volume, tonnage, and metal content of Ni-Fe in each zone were calculated. The comparison of estimation
using kriging method for direct grade and grade accumulation produced the similar results. Estimation using direct grade
produced the total measuredrResource 17.30 million tones with average grades 1.21% Ni and 40 % Fe in LOZ, 1.53% Ni
and 38% Fe in LSOZ, and 2.11% Ni and 20% Fe in HSOZ, while the total indicated resources was 0.74 million tones with
average grades 1.18% Ni and 46% Fe in LOZ, 1.47% Ni and 43% Fe in LSOZ, and 2.05% Ni and 25% Fe in HSOZ.
Estimation using grade accumulation produced the total measured resource 16.20 million tones with average grades 1.20%
Ni and 39% Fe in LOZ, 1.52% Ni and 39% Fe on LSOZ, and 2.14% Ni and 19% Fe on HSOZ, while the total indicated
resource was 1.90 million tones with averafe grades 1.16% Ni and 44% Fe in LOZ, 1.46% Ni and 43% Fe in LSOZ, and
2.10% Ni and 23% Fe in HSOZ.

Keywords: direct grade, accumulation grade, ordinary kriging, laterite nickel


1)
Program Studi Teknik Pertambangan, Fakultas Teknik, Universitas Muhammadiyah Maluku Utara, Jl. KH. Ahmad Dahlan
No. 100 Kelurahan Sasa, Ternate Selatan, Kota Ternate 97712, Telp.: +62-921-3123979, Fax.: +62-921-326136
2)
Kelompok Keahlian Eksplorasi Sumberdaya Bumi, Fakultas Teknik Pertambangan dan Perminyakan, Institut Teknologi
Bandung, Jl. Ganesa No. 10 Bandung 40132, Telp.: +62-22-2502239, Fax.: +62-22-2504209, Email:
heriawan@mining.itb.ac.id

I. PENDAHULUAN akan dilakukan. Sedangkan perhitungan


1.1 Latar Belakang sumberdaya merupakan hal yang sangat penting
Untuk mendapatkan informasi yang lengkap dan pada evaluasi suatu kegiatan penambangan baik
akurat mengenai sumberdaya bahan galian maupun pada tahap studi kelayakan maupun selama
kondisi-kondisi geologi suatu endapan bahan galian pelaksanaan kegiatan penambangan, karena
yang ada, maka pada kegiatan eksplorasi tersebut keputusan teknis yang berhubungan dengan
perlu dilakukan pemodelan dan perhitungan kegiatan penambangan sangat bergantung pada
sumberdaya. Suatu model sumberdaya bahan jumlah sumberdaya yang ada. Selain itu, hasil
galian yang dihasilkan dari tahap pemodelan akan perhitungan sumberdaya juga akan menentukan
menentukan penerapan metode penambangan yang umur tambang, perencanaan pabrik pengolahan dan

43
Abjan Hi. Masuara, Mohamad Nur Heriawan, Syafrizal

penentuan batas-batas kegiatan penambangan, antara 0 - 2 m. Tekstur batuan asal sudah


serta keperluan pembangunan infrastruktur tidak dapat dikenali lagi.
lainnya. Pemodelan dan perhitungan sumberdaya 2. Lapisan Limonit
dapat dilakukan dengan berbagai metode yang Merupakan lapisan berwarna coklat muda,
didasarkan pada pertimbangan empiris maupun ukuran butir lempung sampai pasir, tekstur
teoritis. batuan asal mulai dapat diamati walaupun
masih sangat sulit, dengan tebal lapisan
Pada penelitian ini, dilakukan pemodelan dan berkisar antara 1 - 10 m. Lapisan ini tipis
perhitungan sumberdaya menggunakan metode pada daerah yang terjal, dan sempat hilang
geostatistik untuk kasus endapan, yang di karena erosi. Pada zone limonit hampir
dalamnya menyangkut 2 (dua) elemen penting, seluruh unsur yang mudah larut hilang
yaitu: elemen luas atau volume dan elemen kadar terlindi, kadar MgO hanya tinggal kurang
atau konsentrasi. Elemen yang pertama berkaitan dari 2% berat dan kadar SiO2 berkisar 2 - 5%
dengan geometri endapan, sedangkan elemen berat. Sebaliknya kadar Fe2O3 menjadi sekitar
kedua berkaitan dengan representasi nilai di 60 - 80% berat dan kadar Al2O3 maksimum
dalam geometri endapan tersebut. Pada kasus 7% berat. Zone ini didominasi oleh mineral
endapan nikel laterit, kedua elemen ini sangat gutit, disamping juga terdapat magnetit,
berpengaruh, dimana geometri endapan hematit, kromit, serta kuarsa sekunder. Pada
menyatakan bentuk, ketebalan, dan pola sebaran gutit terikat nikel, krom, kobalt, vanadium,
dari endapan nikel laterit tersebut, sedangkan dan aluminium.
kadar merupakan representasi nilai yang penting 3. Lapisan Saprolit
dari endapan nikel pada tiap titik di dalam Merupakan lapisan dari batuan dasar yang
geometri. Adapun lokasi penelitian ini adalah di sudah lapuk, berupa bongkah-bongkah lunak
daerah X. Penggunaan metode geostatistik untuk berwarna coklat kekuningan sampai
pemodelan dan estimasi endapan nikel laterit kehijauan. Struktur dan tekstur batuan asal
salah satunya telah dilakukan oleh Heriawan et masih terlihat. Perubahan geokimia zone
al. (2004) saprolit yang terletak di atas batuan asal ini
tidak banyak, H2O dan nikel bertambah,
1.2 Tujuan dengan kadar Ni keseluruhan lapisan antara 2
Secara umum penelitian ini bertujuan untuk - 4%, sedangkan magnesium dan silika hanya
mengetahui karakteristik geometri dan jumlah sedikit yang hilang terlindi. Zona ini terdiri
sumberdaya endapan nikel laterit di daerah dari vein-vein garnierit, mangan, serpentin,
penelitian. Sedangkan secara khusus adalah: kuarsa sekunder bertekstur boxwork, Ni-
a. Membandingkan hasil estimasi nilai kadar Ni kalsedon, dan di beberapa tempat sudah
dan Fe dengan pendekatan direct grade terbentuk limonit yang mengandung Fe-
dibandingkan dengan accumulation grade hidroksida.
menggunakan metode Ordinary Kriging Blok 4. Bedrock (batuan dasar)
2 (dua) dimensi. Merupakan bagian terbawah dari profil nikel
b. Mengestimasi jumlah sumberdaya nikel laterit, berwarna hitam kehijauan, terdiri dari
laterit dan mengklasifikasikannya menjadi bongkah - bongkah batuan dasar dengan
sumberdaya terukur (measured), terunjuk ukuran >0,75 m, dan secara umum sudah
(indicated), dan tereka (inferred) yang tidak mengandung mineral ekonomis. Kadar
didasarkan pada nilai error relatif dari mineral mendekati atau sama dengan batuan
estimasi blok. asal, yaitu dengan kadar Fe 5% serta Ni dan
Co antara 0,01 0,30%.
II. TEORI DASAR
2.1 Profil Endapan Nikel Laterit 2.2 Metode Estimasi Ordinary Kriging
Profil endapan nikel laterit yang terbentuk dari Kriging merupakan suatu teknik estimasi lokal
hasil pelapukan batuan ultrabasa secara umum yang memberikan harga estimasi dalam keadaan
terdiri dari 4 (empat) lapisan, yaitu lapisan tanah tidak bias, kriging disebut juga sebagai Best
penutup atau top soil, lapisan limonit, lapisan Linear Unbiased Estimator (BLUE). Estimasi
saprolit, dan bedrock. pada variabel tunggal biasa dilakukan dengan
1. Lapisan tanah penutup Ordinary Kriging (OK). Pada Ordinary Kriging
Lapisan tanah penutup biasa disebut iron hal-hal yang perlu diperhatikan adalah
capping. Material lapisan berukuran lempung, (Armstrong, 1998):
berwarna coklat kemerahan, dan biasanya Nilai estimasi variabel blok
terdapat juga sisa-sisa tumbuhan. Pengkayaan Nilai estimasi variabel dari masing-masing
Fe terjadi pada zona ini karena terdiri dari blok dilakukan dengan menggunakan
konkresi Fe-Oksida (mineral hematit dan persamaan sebagai berikut:
gutit), dan kromiferous dengan kandungan
nikel relatif rendah. Tebal lapisan bervariasi

44
Perbandingan antara Pendekatan Direct Grade dan Accumulation Grade pada Estimasi Sumberdaya
Nikel Laterit dengan Metode Geostatistik

n dan ujung lainnya menunjukkan domain V(x)


Z * i . Z i (1) juga
i 1 2
OK : Varians kriging
Bobot i dihitung dengan persamaan kriging
i : Nilai bobot
berikut:
n
: Pengali Lagrange
i . v, v v,V
i 1
dengan
2.3 Cross-Validation
n Untuk melihat apakah hasil estimasi yang
i 1 (2) dilakukan baik atau tidak, dapat dilakukan
i 1 pengecekan dengan menggunakan cross-
Varians kriging validation. Cara kerja cross-validation adalah
Varians kriging dapat dinyatakan dengan dengan melakukan pengecekan pada lokasi yang
persamaan: telah disampel. Nilai sampel yang berada di
n lokasi tersebut diabaikan untuk sementara dari
2
OK i . v, V V , V (3) set data sampel. Nilai dari lokasi yang sama
i 1 kemudian diestimasi dengan menggunakan
sampel yang tersisa. Prosedur ini, dapat dilihat
dimana: sebagai eksperimen dengan meniru proses
Z * : Nilai taksiran kadar estimasi seolah-olah kita tidak pernah
Z i : Nilai kadar yang dibobot mengambil sampel pada lokasi tersebut. Ketika
estimasi sudah dilakukan kita dapat

membandingkan hasilnya dengan nilai
v, v : Nilai rata - rata h
jika salah satu
sebenarnya yang telah dikeluarkan dari set data
ujung vektor h menunjukkan domain v(x) dan sampel ketika akan melakukan estimasi.
ujung lainnya menunjukkan domain v(x) juga Prosedur ini diulang terus untuk semua sampel
data. Setelah melakukan cross-validation,
v,V : Nilai rata - rata h
jika salah satu selanjutnya dilakukan plotting antara kadar
ujung vektor h menunjukkan domain V(x) dan sebenarnya dan kadar hasil estimasi dalam
ujung lainnya menunjukkan domain v(x) bentuk scatter plot (Gambar 1). Dari diagram
scatter plot ini dapat dilihat apakah hasil estimasi
V , V :
Nilai rata - rata h jika salah sudah baik, atau underestimate, atau
satu ujung vektor h menunjukkan domain V(x) overestimate.

(a) (b) (c)

Gambar 1. Cross-validation menggunakan scatter plot: (a) Estimated value true value (unbiased), (b)
Over-estimate, (c) Under-estimate

45
Abjan Hi. Masuara, Mohamad Nur Heriawan, Syafrizal

2.4 Klasifikasi Sumberdaya Hubungan antara sumberdaya tersebut


Klasifikasi sumberdaya dilakukan berdasarkan diterapkan oleh Sinclair & Blackwell (2005)
klasifikasi yang dibuat oleh JORC (Australia dalam eksperimennya terhadap endapan emas
Joint Ore Reserves Committee) pada tahun 2004 epitermal. Dalam penelitian ini penulis juga
(Gambar 2). Berdasarkan klasifikasi ini, memakai kategori tersebut meskipun terhadap
sumberdaya dibagi menjadi 3 (tiga) jenis, yaitu endapan yang berbeda karena sampai saat ini
measured, indicated, dan inferred. Tingkatan belum ditemukan kategori yang secara eksplisit
klasifikasi ini dipengaruhi oleh tingkat keyakinan untuk tipe endapan nikel laterit.
terhadap kondisi geologi. Sumberdaya dengan
tingkat keyakinan paling tinggi masuk dalam III. PENGOLAHAN DATA
klasifikasi measured. Sedangkan klasifikasi 3.1 Penentuan Zona Komposit
dengan tingkat keyakinan paling rendah masuk Penentuan zona komposit pada endapan nikel
ke dalam klasifikasi inferred. Klasifikasi laterit didasarkan pada komposisi kadar Ni dan
sumberdaya dapat meningkat menjadi cadangan Fe tertentu sebagaimana ditunjukkan pada Tabel
bila memenuhi persyaratan-persyaratan dibidang 1. Penentuan parameter ini untuk kepentingan
ekonomi, teknologi penambangan, marketing, penambangan, dimana pengambilan dan
lingkungan, sosial dan pemerintah. pengelolaan bijih pada kegiatan penambangan
berdasarkan pada parameter tersebut.

Tabel 1. Parameter pembagian zona komposit


Nilai Cut-off (%-berat)
Zona Kadar Ni Kadar Fe
Limonite Ore Zone (LOZ) 1,0 1,4 40 50
Low Saprolite Ore Zone (LSOZ) 1,4 1,8 30 40
High Saprolite Ore Zone (HSOZ) > 1,8 < 30

3.2 Analisis Statistik


Gambar 2. Hubungan antara kategori Pengolahan data awal dalam penelitian ini
sumberdaya dan cadangan menurut JORC (2004) menggunakan metode statistik univarian.
Sebagaimana telah dijelaskan pada bab
Pada penelitian ini, klasifikasi sumberdaya hanya sebelumnya bahwa statistik univarian digunakan
dipengaruhi oleh tingkat keyakinan geologi yang untuk menggambarkan distribusi dari peubah-
diwakili oleh tingkat kesalahan dalam pembuatan peubah tunggal dan dapat dimanfaatkan untuk
model geologi dan estimasi sumberdaya. Tingkat menganalisis hubungan antar data dari suatu
kesalahan ini diukur dengan kriging variance populasi tanpa memperhatikan lokasi dari data-
atau error variance yang berasal dari estimasi data tersebut. Hasil dari statistik pada penelitian
dengan menggunakan Ordinary Kriging. Error ini direpresentasikan dalam bentuk tabel
diasumsikan memiliki distribusi normal dan frekuensi dan histogram. Histogram merupakan
memiliki selang kepercayaan 95%. suatu gambaran dari distribusi suatu data ke
dalam beberapa kelas yang memiliki interval
Menurut Sinclair & Blackwell (2005), hubungan kelas tertentu dan kemudian menentukan jumlah
antara sumberdaya measured, indicated, dan data dari masing-masing kelas (frekuensi).
inferred berdasarkan RKSD (Relative Kriging
Standard Deviation) dapat dituliskan sebagai Pengolahan data statistik univarian ini dilakukan
berikut: terhadap kadar Ni, Fe dan ketebalan pada
masing-masing zona, karena estimasi
Measured 0,3 Indicated 0,5 Inferred (4) sumberdaya berdasarkan ketiga variabel tersebut.
Hasil pengolahan data statistik sebagaimana pada
dimana RKSD dirumuskan sebagai: Tabel 2 dapat dilihat bahwa data pada setiap
zona memiliki karakteristik yang berbeda yang
E dikarenakan perbedaan support data. Namun
RKSD = + 1.96 (5)
z* demikian, nilai variance untuk kadar Ni pada
LOZ dan LSOZ sama, hal ini karena distribusi
dimana: E = Kriging standard deviation data pada kedua zona ini relatif sama.
z * = Kriging value Sebaliknya, HSOZ memiliki nilai varians yang
lebih besar.

46
Perbandingan antara Pendekatan Direct Grade dan Accumulation Grade pada Estimasi Sumberdaya
Nikel Laterit dengan Metode Geostatistik

Tabel 2. Hasil analisis statistik univarian kadar Ni, Fe dan ketebalan zona

LOZ LSOZ HSOZ


Parameter
Ni (%) Fe (%) Tebal (m) Ni (%) Fe (%) Tebal (m) Ni (%) Fe (%) Tebal (m)

Mean 1,20 39,50 4,15 1,55 36,69 4,59 2,11 19,84 11,94
Std. Error 0,0007 0,0066 0,0044 0,0009 0,0087 0,0057 0,0011 0,0057 0,0052
Median 1,21 41,18 3,00 1,54 39,47 3,00 1,96 16,82 11,00
Mode 1,20 41,90 1,00 1,53 38,60 1,00 1,96 44,50 3,00
Variance 0,009 81,09 15,58 0,009 97,91 17,88 0,13 82,99 54,46
Coef. Var. 0,08 0,23 0,95 0,06 0,27 0,92 0,17 0,46 0,62
Kurtosis -0,70 2,22 2,25 -0,59 0,49 1,97 4,88 0,46 -1,15
Skewness -0,08 -1,44 1,61 0,44 -1,17 1,48 1,97 1,09 0,24
Minimum 1,00 8,97 1,00 1,40 7,37 1,00 1,80 7,42 1,00
Maximum 1,40 56,08 19,00 1,79 50,62 20,00 4,13 49,30 26,00

3.3 Additive Check


Additive check dalam penelitian ini dilakukan pengeboran yang relatif sama yaitu 25 m, namun
untuk melihat nilai kadar Ni dan Fe rata-rata distribusi lubang bor juga belum teratur dan
dengan membandingkan antara kadar rata-rata masih membentuk clustering. Hasil pengolahan
biasa (mean grade) dan kadar rata-rata data sebagaimana terlihat pada Gambar 3 untuk
pembobotan (weighted grade) pada tiap zona. kadar Ni pada masing-masing zona laterit.
Umumnya hal ini dimaksudkan untuk
mengetahui perbedaan kedua nilai tersebut, 3.5 Analisis Geostatistik
sehingga dapat ditentukan parameter untuk Pada penelitian ini, perhitungan variogram
analisis geostatistik. Jika nilai antara mean grade dilakukan pada kadar Ni, Fe, accumulation grade
dan weighted grade sama (additive), maka Ni, dan accumulation grade Fe serta ketebalan
parameter analisis untuk geostatistik pada setiap zona, karena pada proses estimasi
menggunakan direct grade. Sebaliknya jika nantinya akan menggunakan data dari variabel
kedua nilai tersebut berbeda, maka nilai tersebut. Perhitungan variogram dibuat dalam
accumulation grade yang akan dipakai. Namun berbagai arah dengan mengatur parameter
demikian, pada penelitian ini cek additive azimuth dan dip. Tujuannya adalah untuk
dilakukan hanya untuk mengetahui mendapatkan gambaran umum dan karakteristik
kecenderungan data awal, sebab dalam estimasi spasial data kadar Ni dan Fe yang baik.
nantinya akan tetap menggunakan direct grade Sedangakan luas daerah pencarian (search area)
dan accumulation grade. Hasil perhitungan nilai data pada program SGeMS dinyatakan dengan
rata-rata sebagaimana pada Tabel 3 terlihat angle tolerance dan bandwidth. Parameter
bahwa antara data mean grade dan weighted lainnya adalah jarak antar conto (lag) dan
grade mempunyai nilai yang relatif sama. toleransi lag. Pada penelitian ini digunakan jarak
lag 25 m dengan toleransi lag 12,5 m, tujuannya
Tabel 3. Nilai kadar rata-rata biasa dan kadar adalah untuk mendapatkan pasangan data
rata-rata pembobotan variogram yang baik dengan memperhatikan
LOZ LSOZ HSOZ
spasi data kadar pada arah horizontal 25 m.
Parameter Ni Fe Ni Fe Ni Fe Sedangkan jumlah lag tergantung dari distribusi
Mean grade (%) 1,20 39,5 1,55 36,69 2,11 19,84 dan jumlah data yang ada. Namun jika dalam
Weighted grade (%) 1,19 41 1,52 38,82 2,16 19,17 fitting variogram didapati kondisi endapan
bersifat isotrop yang dapat dilihat dari nilai range
3.4 Distribusi Titik Bor dan Nilai Kadar yang sama atau relatif sama maka fitting
Berdasarkan data hasil pemboran yang diperoleh, variogram cukup diwakili 1 (satu) variogram saja
secara umum di daerah X memiliki distribusi (omni-directional) untuk berbagai arah, dengan
data yang belum merata, dimana pemboran parameter variogram dengan parameter
dilakukan dengan grid bervariasi antara 25 - 100 variogram: azimuth = N0oE, dip = 0o, dan angle
m. Pada penelitian ini hanya menggunakan data tolerance = 90o.
bor di salah satu blok saja yang memiliki spasi

47
Abjan Hi. Masuara, Mohamad Nur Heriawan, Syafrizal

Gambar 3. Distribusi titik bor dan nilai kadar Ni (%) pada zona: (a) LOZ, (b) LSOZ, dan (c) HSOZ
Model variogram teoritis yang digunakan untuk (C0), sill (C), dan ranges (a) sebagaimana pada
fitting variogram adalah menggunakan model Tabel 4 yang akan digunakan pada proses
Spherical dan Exponential, karena berdasarkan selanjutnya yaitu estimasi data kadar dengan
analisis variogram eksperimental yang diperoleh menggunakan metode kriging (Ordinary
menunjukkan sifat-sifat yang hampir sama Kriging). Dari model variogram yang dibuat
dengan model tersebut. Adapun hasil yang akan diketahui karakteristik spasial dari data
diperoleh dari proses perhitungan variogram kadar Ni - Fe di daerah penelitian, yang akan
tersebut berupa nilai parameter nugget varians dibahas pada bab berikutnya.
Tabel 4. Parameter model variogram kadar Ni dan Fe pada setiap zona laterit

Nugget Nugget
Zona Variabel Model Variogram Sill Total Sill Range (m)
Varians Ratio (%)
Ni (Direct grade), % Spherical 0,0067 0,002 0,0097 70 50

Ni (Accum. grade) , % Exponential 14 9,3 23,3 60 27


LOZ Fe (Direct grade) , % Spherical 25 52 77 32 360
Fe (Accum. grade) , % Spherical 22,500 12,500 35,000 64 110
Ketebalan, m Exponential 10 6,3 16,3 61 33

Ni (Direct grade) , % Spherical 0,0072 0,003 0,0102 71 170

Ni (Accum. grade) , % Exponential 25 20 45 52 33

LSOZ Fe (Direct grade) , % Exponential 30 59 89 34 102

Fe (Accum. grade) , % Spherical 24,500 16,000 40,500 60 340


Ketebalan, m Exponential 10 9,5 19,5 51 37

Ni (Direct grade) , % Spherical 0,115 0,024 0,139 79 80

Ni (Accum. grade) , % Exponential 215 100 315 68 107

HSOZ Fe (Direct grade) , % Spherical 52 29 81 64 325

Fe (Accum. grade) , % Exponential 25,000 7,000 32,000 78 28

Ketebalan, m Exponential 34 21 55 62 102

48
Perbandingan antara Pendekatan Direct Grade dan Accumulation Grade pada Estimasi Sumberdaya
Nikel Laterit dengan Metode Geostatistik

Estimasi nilai kadar pada unit-unit model blok sebelum dilakukan perhitungan sumberdaya Ni
dengan grid 25 25 1 m menggunakan metode dan Fe.
Ordinary Kriging, yang bertujuan untuk
mendapatkan nilai estimasi dan varians kriging Sebelum melakukan proses berikutnya, yaitu
dari kadar Ni, Fe dan ketebalan zona. Kriging perhitungan sumberdaya, terlebih dahulu harus
akan mengestimasi setiap variabel pada masing- dilakukan cross-validation antara hasil estimasi
masing unit model blok sehingga tiap grid akan dengan menggunakan Ordinary Kriging terhadap
memiliki satu nilai estimasi. Hasil estimasi nilai sebenarnya yang berasal dari assay data bor.
dengan Ordinary Kriging sebagaimana terlihat Nilai cross validation yang paling baik adalah
pada Gambar 4. nilai R (koefisien regresi) sama dengan 1. Hal ini
berarti nilai estimasi persis sama dengan nilai
Adapun nilai daerah pencarian (search area) sebenarnya. Akan tetapi pada kenyataannya nilai
yang digunakan dalam estimasi ini secara umum R dari hasil estimasi tidak mungkin sama dengan
adalah 75 m. Namun demikian, luasan daerah 1, melainkan akan menyimpang sebesar nilai
pencarian data ini masih menghasilkan estimasi tertentu. Apabila nilai R mendekati 1 maka hasil
blok di luar batas outline pemboran terluar estimasi akan semakin baik, demikian
sehingga blok-blok tersebut akan dihilangkan sebaliknya.

Gambar 4. Model blok hasil kriging kadar Ni pada zona: (a) LOZ, (b) LSOZ, dan (c) HSOZ

49
Abjan Hi. Masuara, Mohamad Nur Heriawan, Syafrizal

Dari hasil cross validation dapat dilihat pada IV. PEMBAHASAN


Gambar 5 untuk zona HSOZ. Dari hasil tersebut 4.1 Hasil Estimasi dan Klasifikasi
terlihat bahwa secara umum parameter- Sumberdaya
parameter yang digunakan untuk melakukan Hasil estimasi kadar dengan metode Ordinary
kriging sudah cukup baik. Nilai R yang di Kriging selanjutnya perlu dilakukan pengecekan
dihasilkan dari cross validation adalah antara untuk melihat apakah terdapat blok-blok hasil
0,66 sampai 0,86 atau rata-rata 0,77. Nilai R estimasi diluar outline titik bor terluar, dan jika
tertinggi adalah untuk kadar Fe yaitu 0,86, begitu ada maka akan dihilangkan karena penentuan
pula nilai R terendah terdapat pada Fe yakni batas daerah perhitungan sumberdaya yaitu
0,66. Sedangkan untuk kadar Ni dan berdasarkan outline blok pemboran terluar. Hasil
accumulation grade Ni berada diantaranya yaitu estimasi kadar Ni yang dilakukan pada zona
0,77 dan 0,79. Hasil yang diperoleh bahwa R < 1 HSOZ dapat dilihat pada Gambar 6, sedangkan
berarti hasil dari estimasi over-estimate karena hasil tabulasi hasil estimasi kadar Ni dan Fe rata-
nilai hasil estimasi lebih besar daripada nilai rata pada seluruh zona laterit ditunjukkan pada
sebenarnya. Tabel 5.

Gambar 5. Cross-validation antara true value dan estimated value pada zona HSOZ

50
Perbandingan antara Pendekatan Direct Grade dan Accumulation Grade pada Estimasi Sumberdaya
Nikel Laterit dengan Metode Geostatistik

Ni (%)

86400
2.6

86200 2.4

86000 2.2

2
85800

1.8
425000 425200 425400 425600 425800 426000 426200

Ni (%)

86400
2.6

86200 2.4

86000 2.2

2
85800

1.8
425000 425200 425400 425600 425800 426000 426200

Gambar 6. Hasil estimasi kadar Ni pada zona HSOZ dengan pendekatan: (a) direct grade, (b)
accumulation grade
Tabel 5. Hasil estimasi kadar blok rata-rata Ni Sumberdaya nikel laterit dinyatakan dalam
dan Fe tonase (ton), dimana tonase diperoleh dari hasil
Kadar Rata-rata (%)
perkalian antara volume dengan densitas masing-
Zona Pendekatan Estimasi
Ni Fe
masing zona. Asumsi yang digunakan untuk nilai
Direct grade 1,20 40,12
densitas zona limonit adalah 1,6 ton/m3 dan
LOZ densitas zona saprolit (LSOZ dan HSOZ) sebesar
Accum.grade 1,20 39,18
1,5 ton/m3. Adapun volume sumberdaya nikel
Direct grade 1,53 38,25 laterit diperoleh dari hasil perkalian antara tebal
LSOZ
Accum.grade 1,52 39,93 masing-masing zona dengan luasan grid (25 25
Direct grade 2,11 19,84 m). Hasil estimasi kadar sebagaimana terlihat
HSOZ pada Tabel 6.
Accum. grade 2,15 19,61

Tabel 6. Hasil estimasi sumberdaya total Ni dan Fe pada semua zona laterit
Kadar Rata-rata Kandungan Logam
Volume Tonase
Zona Pendekatan Estimasi (%) (ton)
(m3 ) (ton)
Ni Fe Ni Fe

2.314.933 3.703.893 1.486.00


Direct grade 1,20 40,12 44.521 2
LOZ
2.314.933 3.703.893 1.451.18
Accum. grade 1,20 39,18 44.484 5
2.516.109 3.774.164 1.443.61
Direct grade 1,53 38,25 57.933 7
LSOZ
2.516.109 3.774.164 1.507.02
Accum. grade 1,52 39,93 57.443 3
7.069.615 10.604.423 2.103.91
Direct grade 2,11 19,84 223.753 7
HSOZ
7.069.615 10.604.423 2.079.52
Accum. grade 2,15 19,61 227.571 7
11.900.657 18.082.478 5.033.53
Direct grade 326.207 6
Total
11.900.657 18.082.478 5.033.53
Accum. grade 326.207 6

51
Abjan Hi. Masuara, Mohamad Nur Heriawan, Syafrizal

Model blok sumberdaya Ni diklasifikasi menghitung sumberdaya LOZ dan LSOZ


berdasarkan kelas sumberdaya, yaitu sumberdaya mengikuti klasifikasi yang dihasilkan dari
measured, indicated, dan inferred. Klasifikasi HSOZ. Dengan demikian maka klasifikasi
kelas sumberdaya tersebut didasarkan pada nilai sumberdaya yang terdapat pada HSOZ adalah
persen error relatif estimasi Ni tertentu seperti juga merupakan klasifikasi sumberdaya pada
yang ditunjukkan pada persamaan (4). Distribusi lokasi tersebut. Hal ini berarti bahwa
kelas sumberdaya pada daerah penelitian sumberdaya yang terdapat pada daerah penelitian
terdapat sumberdaya measured, indicated, dan adalah sumberdaya measured dan indicated
juga inferred. Namun demikian, karena yang sebagaimana terlihat pada Gambar 7, sedangkan
menjadi target utama penambangan pada tabulasinya ditunjukkan pada Tabel 7. Adapun
endapan nikel laterit adalah zona saprolit, hasil estimasi kadar rata-rata Ni dan Fe per
khususnya HSOZ yang secara vertikal klasifikasi sumberdaya terdapat pada Tabel 8.
menempati posisi paling bawah, maka dalam

86400 Measured
Indicated

86200 Inferred

86000

85800

425000 425200 425400 425600 425800 426000 426200

86400 Measured
Indicated

86200
Inferred

86000

85800

425000 425200 425400 425600 425800 426000 426200

Gambar 7. Penyebaran sumberdaya nikel laterit dari hasil pendekatan estimasi dengan: (a) direct grade
dan (b) accumulation grade
Tabel 7. Kadar blok rata-rata Ni dan Fe per klasifikasi sumberdaya
Kadar Ni Kadar Fe
Zona Pendekatan Estimasi Rata-rata (%) Rata-rata (%)
Measured Indicated Measured Indicated
Direct grade 1,21 1,18 40 46
LOZ
Accum. grade 1,20 1,16 39 44
Direct grade 1,53 1,47 38 43
LSOZ
Accum. grade 1,52 1,46 39 43
Direct grade 2,11 2,05 20 25
HSOZ
Accum. grade 2,14 2,10 19 23

Tabel 8. Klasifikasi sumberdaya nikel laterit

Volume (m3 ) Tonase (ton)


Zona Pendekatan Estimasi
Measured Indicated Total Measured Indicated Total
Direct grade 2.243.474 71.459 2.314.933 3.589.558 114.334 3.703.892
LOZ
Accum. grade 2.136.832 178.101 2.314.933 3.418.931 284.962 3.703.893
Direct grade 2.429.465 86.644 2.516.109 3.644.197 129.966 3.774.163
LSOZ
Accum. grade 2.251.226 264.883 2.516.109 3.376.839 397.324 3.774.163
Direct grade 6.741.082 328.533 7.069.615 10.111.623 492.799 10.604.422
HSOZ
Accum. grade 6.242.826 826.789 7.069.615 9.364.239 1.240.183 10.604.422
Direct grade 11.414.021 486.636 11.900.657 17.345.378 737.099 18.082.478
Total
Accum. grade 10.630.884 1.269.773 11.900.657 16.160.009 1.922.469 18.082.478

52
Perbandingan antara Pendekatan Direct Grade dan Accumulation Grade pada Estimasi Sumberdaya
Nikel Laterit dengan Metode Geostatistik

4.2 Perbandingan Hasil Estimasi Direct Grade menghasilkan nilai yang agak berbeda yang
dan Accumulation Grade kemungkinan dipengaruhi oleh adanya variasi
Hasil estimasi kadar Ni dan Fe yang dilakukan ketebalan yang cukup signifikan pada zona
dengan cara langsung (direct grade) dan tersebut. Jika dilihat dari distribusinya maka
accumulation grade (accumulation grade) estimasi dengan cara accumulation grade
menghasilkan nilai yang relatif sama seperti menghasilkan distribusi data yang relatif lebih
yang ditunjukkan pada Gambar 8. Dari scatter smooth dibandingkan dengan estimasi dengan
plot dapat dilihat bahwa pada LOZ dan HSOZ cara direct grade (lihat Gambar 9). Selisih hasil
memiliki nilai R mendekati 1, artinya estimasi estimasi sumberdaya berdasarkan 2 (dua)
dengan cara direct dan akumulasi menghasilkan pendekatan eestimasi kadar tersebut dirangkum
nilai yang relatif sama atau memiliki perbedaan pada Tabel 9.
yang tidak signifikan. Kecuali pada LSOZ yang

1.5 60

1.4 50

40
Ni (Akumulasi)

Fe (Akumulasi)
1.3

1.2 30

1.1 20

1 10
1 1.1 1.2 1.3 1.4 1.5 10 20 30 40 50 60
Ni (Direct) Fe (Direct)

1.9 75

R = 0,41 R = 0,55
65
1.8

55
1.7
Fe (Akumulasi)
Ni (Akumulasi)

45

1.6
35

1.5
25

1.4 15

1.3 5
1.3 1.4 1.5 1.6 1.7 1.8 1.9 5 15 25 35 45 55 65 75

Ni (Direct) Fe (Direct)

2.8 50

R = 0,90 R = 0,93
2.6
40
Fe (Akumulasi)
Ni (Akumulasi)

2.4

30

2.2

20
2

1.8 10
1.8 2 2.2 2.4 2.6 2.8 10 20 30 40 50
Ni (Direct) Fe (Direct)

Gambar 8. Korelasi hasil estimasi dengan pendekatan direct grade vs accumulation grade antara kadar
Ni (a) dan Fe (b) pada zona LOZ, Ni (c) dan Fe (d) pada zona LSOZ, serta Ni (e) dan Fe (f) pada zona
HSOZ

53
Abjan Hi. Masuara, Mohamad Nur Heriawan, Syafrizal

Kadar Ni (Direct)grade)
Ni (Direct Kadar Ni (Accum.
Kadar (Akum) grade)
100 105

90
80
75
Frekuensi

Frekuensi
60
60

40 45

30
20
15
0 0
83

88

94

99

05

10

15

21

26

32

37

43

48

54

59

65

81

87

92

98

04

09

15

21

27

32

38

44

50

55

61

67
1.

1.

1.

1.

2.

2.

2.

2.

2.

2.

2.

2.

2.

2.

2.

2.

1.

1.

1.

1.

2.

2.

2.

2.

2.

2.

2.

2.

2.

2.

2.

2.
Kadar Ni (%) Kadar Ni (%)

KadarFe
Kadar Fe(Direct
(Direct)
grade) Kadar Fe(Accum.
Kadar Fe (Akum) grade)
105 105
90 90
75 75
Frekuensi

Frekuensi
60 60
45 45
30 30
15 15
0 0
.4

.3

.2

.1

.1

.0

.9

.8

.7

.6

.5

.5

.4

.3

.2

.1

.2
.2

.1

.1
.2
.1

.1
.1
.1

.1
.1
.1

.1
.1
.1
.1
11

13

15

17

19

21

22

24

26

28

30

32

34

36

38

40

11
13

19

27
15
17

21
23
25

29
31
33

35
37
39
41
Kadar Fe (%) Kadar Fe (%)

Gambar 9. Distribusi kadar hasil estimasi dengan pendekatan direct grade vs accumulation grade pada
zona HSOZ

Tabel 9. Selisih hasil estimasi sumberdaya nikel


laterit dengan pendekatan direct grade vs
accumulation grade
Klasifikasi Tonase (ton) grade. Dimana total sumberdaya (measured
Zona
Sumberdaya Direct Grade Accum. Grade Selisih (%) plus indicated) adalah 18 juta ton.
LOZ 3.589.558 3.418.931 +4.75
LSOZ 3.644.197 3.376.839 +7.34
Measured
HSOZ 10.111.623 9.364.239 +7.39
5.2 Saran-Saran
Total 17.345.378 16.160.009 +6.83 Adapun saran-saran yang perlu dipertimbangkan
LOZ 114.334 284.962 -59.88 berdasarkan penelitian yang telah dilakukan
Indicated
LSOZ 129.966 397.324 -67.29
antara lain:
HSOZ 492.799 1.240.183 -60.26
737.099 1.922.469
1. Dalam melakukan estimasi sumberdaya
Total -61.66
sebaiknya dilakukan berdasarkan cluster-
cluster data yang ada untuk meminimalisir
V. KESIMPULAN DAN SARAN error estimasi.
5.1 Kesimpulan 2. Mengingat nugget ratio yang dihasilkan
Berdasarkan penelitian yang telah dilakukan, cukup besar maka keakuratan hasil estimasi
maka didapatkan kesimpulan sebagai berikut: dengan metode geostatistik kemungkinan
1. Kadar rata-rata Ni - Fe hasil estimasi dengan akan rendah sehingga diperlukan metode
direct grade adalah: pada zona LOZ 1,20% estimasi yang lain sebagai pembanding
Ni 40,12% Fe, LSOZ 1,53% Ni 38,25% misalnya metode NNP (Nearest
Fe, HSOZ 2,11% Ni 19,84% Fe, sedangkan Neigbourhood Point) dan/atau IDS (Inverse
estimasi dengan accumulation grade adalah: Distance Square).
pada zona LOZ 1,20% Ni 39,18% Fe,
LSOZ 1,52% Ni 39,93% Fe, HSOZ 2,15% DAFTAR PUSTAKA
Ni 19,61% Fe. 1. _______, 2004. JORC (Australia Joint Ore
2. Estimasi sumberdaya nikel laterit dengan Reserves Committee).
metode direct grade menghasilkan 2. Apandi dan Sudana., 1980. Peta Geologi
sumberdaya measured sebesar 17,3 juta ton Lembar Ternate, Maluku Utara. Pusat
atau 6.83% lebih banyak dari estimasi dengan Penelitian dan Pengembangan Geologi
accumulation grade sebesar 16,2 juta ton. (P3G), Bandung.
Sebaliknya estimasi dengan accumulation 3. Armstrong, M., 1998. Basic Linear
grade menghasilkan 61,66% lebih banyak Geostatistics. Springer.
untuk sumberdaya indicated yaitu 1,9 juta ton 4. Boldt, J.R., 1967. The Winning of Nickel.
dan 0,74 juta ton dengan metode direct Princenton, New Jersey: D. van Nostrad Co,
Inc.

54
Perbandingan antara Pendekatan Direct Grade dan Accumulation Grade pada Estimasi Sumberdaya
Nikel Laterit dengan Metode Geostatistik

5. David, M. 1977., Geostatistical Ore geometric modeling of a lateritic nickel


Reserve Estimation. Development in deposit using ordinary block kriging.
Geomathematics 2. Amsterdam Oxford Jurnal Teknologi Mineral, Vol. XI No.
New York: Elsevier Scientific Publishing 1/2004, pp. 41 - 52.
Company. 7. Sinclair, A.J., and Blackwell, G.H., 2005.
6. Heriawan, M.N., Rivoirard J., and Applied Mineral Inventory Estimation.
Darijanto, T., 2004. Grade estimation and Cambridge University Press.

55