Disusun oleh:
Al anhar Hardianto (1203144)
Arif Munandar (1203141)
Asrar Halim (1203138)
Chandrika Raflesia (1203142)
Erni Fitri Rosita (1203143)
Fikriansyah Ersyad (1206358)
Ikke Putra Landupa (1206356)
Joni Pradinata (1203135)
Maira Triana Putri (1203149)
Rahmat hidayat (1203147)
Mahasiswa Strata-1
Jurusan Teknik Pertambangan
Universitas Negeri Padang
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa karena
atas penyertaan-Nya penulis dapat menyelesaikan Laporan Pemodelan dan
Evaluasi Cadangan dengan baik. Penyusunan laporan ini bertujuan untuk
memenuhi Tugas Akhir Perkuliahan Mata Kuliah Pemodelan dan Evaluasi
Cadangan. Penulis berharap laporan ini dapat digunakan untuk menambah
pemahaman tentang Pemodelan dan Evaluasi Cadangan.
Penulis
DAFTAR ISI
HALAMAN JUDUL
KATA PENGANTAR ....................................................................................... i
DAFTAR ISI .................................................................................................... ii
DAFTAR TABEL .......................................................................................... iii
DAFTAR GAMBAR ........................................................................................ iv
A. Data Assay
Data Assay merupakan data yang memuat informasi kedalaman penembusan
(from and to) beserta kadar pada setiap penembusan bor inti atau interval
sampling pada bijih.
C. Data Survey
Data Survey merupakan data yang memuat informasi bearing atau dip
direction, dip, daaan deviasi lubang bora tau trench.
C. Statistik Univarian
Analisis statistik univarian adalah statistik berdasarkan hubungan antar data
dalam satu populasi, tanpa memperhatikan lokasi dari data-data tersebut. Dalam
analisis univarian teknis analisis data dilakukan terhadap satu variabel secara
mandiri, tiap variabel dianalisis tanpa dikaitkan dengan variabel lainnya.
Analisis univarian bertujuan menggambarkan kondisi dari fenomena yang
dikaji.dari hasil univarian, kita dapat mengetahui banyaknya data, kadar minimum
dan maksimum dari masing-masing data, nilai rata-rata kadar pada masing-masing
lapisan, standar deviasi skewness dan kurtosis. Hasil analisis univarian ini
menunjukkan benar atau tidaknya data yang kita masukkan dalam perhitungan
estimasi, sehingga nilai data yang tidak berkaitan dapat dihilangkan.
- Rata-rata sampel merupakan parameter lokasi dimana terpusat dengan
cara jumalah semua nilai data yang diamati dibagi dengan banyaknya data
yang diamati.
- Median (med) adalah nilai tengah pada sekelompok data yang telah
duiurutkan dari yang terkecil hingga yang terbesar.
- Pencilan (Outlier) adalah salah suatu data yang jauh berbeda dibandigkan
terhadap keseluruhan data. Data yang jauh berbeda ini disebabkan oleh
kesalahan pada saat sampling, analisis, atau terjadi pemfilteran. Dengan
kata lain data pencilan juga dapat dianggap sebagai data dengan populasi
yang berbeda terhadap populasi keseluruhan data. Dengan demikian data
pencilan akan menggangu dalam proses analisis data dan harus dihindari
dalam banyak hal. Dalam statistic ruang. Data pencilan harus dilihat
terhadap posisi dan sebaran data lainnya sehingga akan dapat dievaluasi
apakah data pencilan tersebut dapat dihilangkan atau tidak. Terdapat
beberapa metode untuk menentukan batasan pencilan dalam suatu analisis.
Salah satu metode yang paling umum adalah dengan mempergunakan niali
kuartil dan jangkauan.
Kuartil 1,2 dan 3 akan membagi sebuah urutan data menjadi empat bagian.
Jangkauan (IQR, Interquartile Range) didefenisikan sebagai selisih antara
kuartil 1 terhadap kuartil 3, sehingga IQR = Q3 Q1. Nilai pencilan dapat
ditentukan yaitu nilai yang kurang dari 1,5 X IQR terhadap kuartil 1 dan
nilai yang lebih dari 1,5 X IQR terhadap kuartil 3.
D. Statistik Bivarian
Analisis statistik bivarian adalah analisis statistik berdasarkan hubungan antar
data dalam satu populasi data yang berbeda pada lokasi yang sama atau
berdekatan. Metode statistik bivarian yang biasa digunakan adalah diagram pencar
(scatter plot) 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.
Metode statistik dapat juga digunakan untuk menganalisis distribusi dua
buah kumpulan peubah yang berbeda tetapi terletak pada lokasi yang sama.
Metode statistik bivarian yang biasa digunakan adalah diagram pencar (scatter
plot), yaitu penggambaran dua peubah dalam satu grafik X-Y. Kedua peubah
mempunyai hubungan positif jika kedua peubah tersebut cenderung memiliki nilai
berbanding lurus. Jika kedua peubah tersebut cenderung menunjukan nilai yang
berbanding terbalik, maka kedua peubah tersebut mempunyai hubungan negatif.
Apabila penyebaran data kedua peubah cenderung acak, maka kedua peubah
tersebut dikatakan tidak mempunyai hubungan.
Hubungan yang terjadi antara dua peubah pada analisis statistik bivarian
dinyatakan pada koefisien korelasi () yang didefenisikan sebagai:
( )( )
=
Keterangan: n = Jumlah data
Xi.,,,Xn = Nilai data peubah X
Yi,,,,Yn = Nilai data peubah Y
= Nilai rata-rata peubah X
= Nilai rata-rata peubah Y
= Simpangan baku peubah X
= Simpangan baku peubah Y
Selain itu, untuk menggambarkan hasil diagram pencar dapat juga dilihat melalui
nilai kovarians (Cxy) yang didefenisikan sebagai berikut:
Cxy = ( )( )
Y= X + b
=
b=
Keterangan:
= kemiringan garis regresi
b= perpotongan garis regresi
Dimana :
wj : faktor bobot data grid j (grid penaksir)
dj : Jarak antara grid j dengan grid yang ditaksir
n : faktor eksponen
Gambar 1. Metode Penaksiran Seperjarak
Batasan yang digunakan pada tabel tersebut dapat berubah tergantung dari
kebutuhan user/perusahaan dan berdasarkan kondisi pangsa pasar logam.
B. Analisis Statistik Deskriptif Ketebalan secara keseluruhan
1. Top Soil
Mean 3.5
Standard 0.5
Error
Median 3.5
Standard 0.7071
Deviation 06781
Sample 0.5
Variance
Range 1
Minimum 3
Maximum 4
Sum 7
Count 2
2. Data Limonit
Mean 10.73333333
Standard Error 1.628515733
Median 10
Standard 6.307214312
Deviation
Sample Variance 39.78095238
Kurtosis -0.265939957
Skewness 0.515655956
Range 22
Minimum 2
Maximum 24
Sum 161
Count 15
4. Data HSOZ
Mean 15.39130435
Standard Error 1.549880947
Median 15
Standard 7.432967904
Deviation
Sample Variance 55.24901186
Kurtosis -0.749912926
Skewness 0.281823038
Range 27
Minimum 4
Maximum 31
Sum 354
Count 23
5. Data Bedrock
Mean 9.066666667
Standard Error 1.185092589
Median 9
Standard 4.589843861
Deviation
Sample Variance 21.06666667
Kurtosis -1.043102067
Skewness 0.09376784
Range 15
Minimum 2
Maximum 17
Sum 136
Count 15
C. Analisis Statistik Univarian
1. Histogram
Histogram sangat berguna untuk mengetahui bentuk secara grafik dari
sebaran atau distribusi suatu data. Apakah data tersebut terdistribusi secara
merata dari kadar rendah sampai kadar tinggi, atau hanya mengelompok
pada kadar rendah dan kadar tinggi saja. Selain itu, dapat juga
mengelompok pada kadar rendah dan kadar tingi secara bersamaan.
Sehingga berdasarkan analisis terhadap kurva histogram, dapat diketahui
mengenai karakteristik penyebaran data dan berguna sebagai informasi awal
untuk kegiatan pengolahan data tersebut.
Berdasarkan Scatter plot pada gambar di atas dapat dilihat bahwa kadar Fe Mgo
mempunyai nilai korelasi sebesar -0,95 termasuk dalam kelompok korelasi
negative kuat yang berarti setiap penurunan nilai kadar Mgo akan di ikuti dengan
kenaikan nilai kadar Fe.
Diagram scatter plot kadar data Fe dan SiO2
Berdasarkan Scatter plot pada gambar di atas dapat dilihat bahwa kadar Fe-SiO2
mempunyai nilai korelasi sebesar -0,938 termasuk dalam kelompok korelasi
negative kuat yang berarti setiap penurunan nilai kadar SiO2 akan di ikuti dengan
kenaikan nilai kadar Fe.
Diagram scatter plot data kadar Ni-Fe
Berdasarkan Scatter plot pada gambar di atas dapat dilihat bahwa kadar Ni-
Fe mempunyai nilai korelasi sebesar 0,116 termasuk dalam kategori tidak
korelasi antara kedua variable karena nilai koefisien korelasi mendekati 0.
Diagram scatter plot data kadar Ni-MgO
Berdasarkan Scatter plot pada gambar di atas dapat dilihat bahwa kadar
Ni-MgO mempunyai nilai korelasi sebesar -0,234 termasuk dalam kategori
tidak korelasi antara kedua variable karena nilai koefisien korelasi
mendekati 0.
Diagram scatter plot data kadar MgO-SiO2
Berdasarkan Scatter plot pada gambar di atas dapat dilihat bahwa kadar MgO-
SiO2 mempunyai nilai korelasi sebesar 0,863 termasuk dalam kelompok
korelasi positif kuat yang berarti setiap kenaikan nilai kadar Mgo akan di
ikuti dengan kenaikan nilai kadar SiO2.
E. Pemodelan Badan Bijih
Data assay dan collar yang telah di inputkan menjadi satu file assay di
dalam studio 3 datamine digunakan untuk korelasi badan bijih berdasarkan data-
data geologi geologi dan penampang inti bor tembus zona bijih yang dibuat dari
setiap section/penampang dan divisualisasikan dalam bentuk warna yang berbeda-
beda dari setiap zona. Visualisasinya dapat dilihat pada gambar dibawah.
A. Kesimpulan
Berdasarkan hasil laporan ini, dapat disimpulkan beberapa hal mengenai
pemodelan dan evaluasi cadangan berdasarkan pengolahan data Datamine Studio
3, yaitu :
1. Data penginput untuk menganalisis sumberdaya dan cadangan suatu
endapan bahan galian terdiri dari data assay , collar,dan survey.
2. Analisis kadar endapan nikel laterit dapat dilakukan dengan pendekatan
statistik, yaitu dengan analisis statistik univarian menggunakan
histogram, dimana histogram disini sangat berguna untuk mengetahui
bentuk secara grafik dari sebaran atau distribusi suatu data setiap
endapan terhadap nilai nilainya. Yang kedua yaitu dengan metode
statistik bivarian, hasil data yang ada dianalisis terhadapa 2 (dua)
kelompok data yang berbeda tetapi terletak pada lokasi yang sama
dengan memperhitungkan nilai nilai yang saling mempengaruhi atau
tidak.
3. Berdasarkan data volume endapan nikel laterit yang didapat melalui
estimasi perhitungan software Datamine studio 3, maka didapatkan
tonase sbg:
B. Saran
Berdasarkan kesimpulan laporan, maka kami merekomendasikan berupa
saran-saran sebagai berikut:
1. Disarankan untuk Pemodelan lebih lanjut dapat dilakukan untuk
mencari model dalam pengambilan keputusan untuk melihat suatu
cadangan dan sumberdaya.