Anda di halaman 1dari 42

Geostatistik/Dudi Nasrudin U, S.T.

SUPPORT GEOMETRI

Suatu variabel terregional (regionalized variable)


tergantung pada suatu daerah ruang tertentu atau
suatu bidang/daerah geometrik tertentu sesuai
dengan variasi variable tersebut. Selain daripada itu
variable-variable tersebut juga terikat pada support
geometri, yang dikontrol oleh volume, bentuk, serta
orientasinya. Jika support ini berubah, maka
terdefinisi suatu variable terregional baru.
Dengan pembesaran support akan membentuk regularisasi (regularization).
Semakin besar support geometri, akan semakin sama sifat variable
terregional dalam suatu endapan (ruang).

Antar Variogram-variogram dengan bermacam-macam support geometri


terdapat suatu hubungan sederhana, demikian hingga variogram conto
bentuk tutuk dapat dianggap variogram conto. Demikian pula variogram
volume yang lebih besar dapat didekati dengan variogram volume yang
lebih kecil

Pada prakteknya suatu variogram eksperimental untuk conto (yang biasa


kita kenal dengan variogram) tidak eksak sama dengan variogram titik yang
dimiliki oleh titik-titik ruang. Karena support geometri suatu conto (conto inti,
conto alur hand specimen…..) sangat kecil, kita dapat langsung
menggunakan variogram conto. Dalam hal lainnya digunakan langsung
dengan conto bentuk titik, jika misalnya besaran seperti m.%.g/m3 dlsb
diproyeksikan pada bidang datar.
SUPPORT GEOMETRI PADA
UKURAN BUTIR CONTO
Semakin besar ukuran butir, maka kuantitas conto yang harus
diambil semakin besar. Sebaran data dalam suatu populasi
akan semakin sempit (σ2 <<) dengan mengecilnya ukuran
butir conto.

Hal ini sangat berhubungan erat dengan homogenitas kadar


suatu endapan bahan galian. Fenomena ini dapat juga
digunakan untuk menjelskan mengapa harga CV bisa lebih
besar dari 1. Semakin kasar ukuran butir (σ2>>, S>>, lebih
heterogen) akan memberikan harga CV yang besar juga,
demikian pula sebaliknya.
SUPPORT GEOMETRI
BLOK PENAMBANGAN
Jika pada data kadar blok yang sama dilakukan berbagai support geometri
yang berbeda, maka akan terjadi pola penyebaran blok untuk cog tertentu
(mis. Cut off grade = 3%) yang berbeda pula.
1 4 2 3 5 1 2 3 2.5 2.5 3 2.5

2 6 3 1 8 2 6 7 4 2 5 6.5

1 5 2 1 7 2 6 1 3 1.5 4.5 3.5

6 1 3 7 2 7 4 1 3.5 5 4.5 2.5

4 6 4 2 3 2 1 6 5 3 2.4 3.5

3 3 5 6 3 1 2 1 3 5.5 2 1.5

2 2 6 8 4 3 2 7 2 7 3.5 4.5

1 1 7 4 2 3 4 6 1 5.5 2.5 5
Lanjutan……..

1.5 5 2.5 2 6.5 1.5 4 5 3.25 2.25 4 4.5

3.5 3 2.5 4 4.5 4.5 5 1 3.5 3.25 4.5 3

3.5 4.5 4.5 4 3 1.5 1.5 3.5 4 4.25 2.25 2.5

1.5 1.5 6.5 6 3 3 3 6.5 1.5 6.25 3.5 4.25


3.0625 4

3.578125

4 3.25
VARIOGRAM TITIK Geostatistik/Dudi Nasrudin U, S.T.

Untuk semua perhitungan geostatistik diperlukan variogram yang


mempunyai support bentuk inti, artinya volume conto harus berupa titik.

Jika suatu variogram (mis. dari potongan inti dengan panjang l) dihitung
sepanjang sumbu lubang bor, maka akan terjadi suatu regularization
pada kadar-kadarnya yang terbentuk akibat pengaruh volume inti.
Seandainya panjang potongan inti l lebih kecil dibanding dengan range
a1 variogram, maka regularisasi dapat diabaikan dan digunakan
variogram γ 1 (h) untuk variogram titik.

Koreksi ini memberikan penjelasan bahwa range a variogram titik lebih


kecil dari range a1 variogram conto inti dan harga sill variogram titik
lebih tinggi dibanding conto inti.
Variogram Titik
3
C1 = C / 20(20 − 10.l / a + l 3 )LLl ≤ a
a
a1 = a + l LLLLLLLLLLLl ≤ a Conto bentuk titik

C
C1

γ ( h)
Conto inti

h
l a a1

Regularisasi suatu semi-variogram sferis akibat conto bukan titik


(panjang inti hasil pemboran adalah l)
Variogram Titik
z Harga-harga C dan a dapat dilihat pada
Tabel 6.1, yang memungkinkan dari
data variogram titik dihitung variogram
inti dengan panjang l. Jika data
variogram ini cocok dengan data
experimental, maka parameter untuk
variogram titik telah dipilih dengan baik.
Contoh Perhitungan
Diketahui data untuk variogram conto inti dengan panjang l = 2m adalah
sebagai berikut ;
2 a = 12, 2 m a1 = a − l
h
γ ( h) % 2
3 1
a1 = 18,3 − 2
(m)
2 1.33 a1 = 18,3 m
a1 = 16,3
4 3.09
6 5.03 C1 = 10,5% 2
8 6.70
10 8.26 3
12 9.00 10,5% = C / 20.(20 − 2 /16,3 +
2 2 3 )
16,3
14 9.67
16 10.26 = C.0.939
18 10.25
20 10.70
C = 11, 2 % 2
22 10.45
24 10.53
26 10.31 a/l = 8,15 (harga tabel yang terdekat adalah 8,00)
h/l
1,0 2,0 3,0 4,0 5,0 6,0 7,0 8,0 9,0 10,0
Tabel 6.1 a/l
0,50 .300 .325 .325 .325 .325 .325 .325 .325 .325 .325

1,00 .450 .550 .550 .550 .550 .550 .550 .550 .550 .550

1,50 .465 .678 .681 .681 .681 .681 .681 .681 .681 .681

2,00 .412 .728 .756 .756 .756 .756 .756 .756 .756 .756

2,50 .355 .717 .802 .803 .803 .803 .803 .803 .803 .803

3,00 .307 .669 .822 .835 .835 .835 .835 .835 .835 .835

3,50 .269 .610 .812 .858 .858 .858 .858 .858 .858 .858

4,00 .239 .555 .778 .868 .876 .876 .876 .876 .876 .876

4,50 .215 .507 .733 .861 .889 .889 .889 .889 .889 .889

5,00 .194 .464 .686 .836 .836 .896 .900 .900 .900 .900

5,50 .178 .428 .642 .802 .802 .890 .909 .909 .909 .909

6,00 .163 .396 .601 .764 .872 .914 .917 .917 .917 .917

6,50 .151 .368 .564 .726 .845 .909 .312 .312 .312 .312

7,00 .141 .344 .530 .690 .814 .895 .313 .313 .313 .313

7,50 .132 .323 .500 .655 .782 .874 .923 .933 .933 .933

8,00 .124 .304 .472 .623 .751 .849 .912 .936 .938 .938

8,50 .117 .287 .447 .593 .720 .822 .894 .933 .914 .914

9,00 .110 .272 .425 .566 .690 .794 .874 .924 .943 .945

9,50 .104 .258 .404 .541 .663 .767 .851 .910 .941 .947

10,00 .099 .246 .386 .517 .636 .741 .827 .892 .933 .949
Variogram teoritis dalam hal ini tidak terlalu menyimpang dari data
experimental, sehingga dapat dianggap bahwa pilihan parameter
untuk variogram titik dengan C = 11,2 dan a = 16,3 adalah baik.

h h/l γ ( h) % 2 γ(h) . C = 11,2

2 1 0.124 1.39
4 2 0.304 3.4
6 3 0.472 5.29
8 4 0.623 6.89
10 5 0.751 8.41
12 6 0.849 9.50
14 7 0.920 10.20
16 8 0.936 10.48
18 9 0.936 10.50
VARIANS DISPERSI
Varians Dispersi merupakan suatu informasi tentang besarnya pencaran
harga yang ada : mis. Kadar blok – blok penambangan pada suatu daerah
pertambangan, kadar suatu material dalam dump-truck dll
Varians dispersi suatu volume v pada suatu volume yang lebih besar v pada
volume yang lebih besar V terdapat hubungan sebagai berikut ;
VARIANS DISPERSI PADA SUATU VOLUME V
Diasumsikan disini bahwa V adalah kumpulan dari volume v. ZV(x) adalah
harga rata-rata dari Z(x) pada volume yang lebih kecil v dan ZVmewakili
harga rata-rata Z(x) pada volume yang lebih besar V.

Penyebaran harga rata-rata dari volume v terhadap harga rata-rata volume


V diberikan oleh rumus ;
1 2
σ (v / V ) = ∫ ⎡⎣ Z v ( x) − Z V ⎤⎦ dx
2
D
VV
Lanjutan……

ZV (x)

v
*
x
VÆ Z
V
DISTIBUSI VR
Misalkan blok V dengan titik pusat x, merupakan suatu blok berdimensi besar
yang merupakan gabungan dari N blok kecil vi berdimensi sama dengan
pusatnya xi , maka ;
V = U . Vi = N . v (lihat Gambar. 1)

V = Σvi
vi
Lanjutan…….
Misalkan z(y) VR kadar pada titik y. Bagaimana karakteristik dispersi kadar
dari blok v di dalam V? Misalkan v berhubungan dengan blok penambangan
persatuan waktu tertentu (misalkan untuk produksi harian).
Kadar rata-rata setiap blok vi(x), adalah ;

zv ( x) = 1 ∫ z ( y )dy = 1 ∑ zv ( xi )
V N
Hal yang sama untuk kadar rata-rata V(x), adalah ;

zv ( xi ) = 1
v ∫
vi
z( y )dy
Hal yang sama untuk kadar rata-rata V(x), adalah ;

s 2 ( x) = 1
N ∑ v i v
( z ( x ) − z ( x )) 2
Lanjutan…..
Dispersi ini dapat digambarkan dengan menarik garis
histogram dari N nilai zv(xi), yang merupakan kurva
eksperimental. Histogram ini hanya satu penggolongan
sederhana dari N nilai zz(xi) yang tersedia tanpa
interpretasi probabilis lain. Kenyataannya pada saat
evaluasi suatu endapan mineral, kadar sebenarnya zv(xi)
tidak diketahui, juga tidak untuk kadar sebenarnya zv(x),
sehingga histogram tersebut tidak diketahui.
Persoalannya adalah bagaimana mengestimasi,
sekurang-kurangnya 2 karakteristik utama, yaitu zv(x) dan
s2(x). Maka dalam hal ini diperlukan pendekatan
probabilis dan geostatistik.
INTERPRETASI PROBABILIS
1. Varians Dispersi Keadaan Kontinu
VR z(y) yang diinterpretasikan sebagai suatu realisasi dari FA Z(y).
Nilai rata-rata di setiap blok vi dengan pusat xi kelihatan sebagai suatu
VA Zv(xi), dan ;

Z v ( xi ) = 1
v ∫ Z ( y ) dy
Hal yang sama untuk ; VA Zv(x) : Zv(x) = 1/V ∫ Z(y) dy = 1/N Σzv (xi)
sehingga s2 (x) sebagai suatu realisasi VA S2, dengan ;

S 2 ( x) = 1
N ∑ v i v
( Z ( x ) − Z ( x )) 2
Lanjutan….

Varians Dispersi dari Unit v dalam V, adalah ekspekstasi


matematik dari VA S2(x), dan digunakan notasi :

D (v / V ) = E ( S ( x)) = E ( 1
2 2
N ∑ ( Z ( x ) − Z ( x)) )
v i v
2

Catatan : Dapat dilihat bahwa VA S2 (x) dan realisasinya


s2 (x) tidak tergantung pada posisi x di V(x), sehingga D2
(v/V) tidak tergantung juga pada posisi x, tetapi hanya
tergantung dari geometri v dan V.
VARIANS DISPERSI EKSPERIMENTAL
Jika ada N nilai eksperimental (zv (xi), i = 1,2,….N) yang tersebar
secara uniform dalam V, maka ;

S =1
2
N ∑ ( z ( x ) − z ) , dengan : z = 1 ∑ z ( x )
v i
2
N v i

Rumus tersebut tidak lain merupakan suatu realisasi s2 dari VA s2 =


1/N Σ(Zv(xi)-z)2, dimana ekspektasi matematik adalah varians dispersi
D2 dari variabel Zv(xi)dalam keadaan diskret dari N VA (Zv(xi), i
=1,2,3,……N).
Jika N VA ini jumlahnya cukup dan terutama jika dibagi dalam v
hampir uniform yang akan membentuk V dengan N unit vi, maka dapat
mempersamakan varians D2 pada varians D2(v/V) dari v dalam V. S2
kelihatan sebagai suatu estimator dari varians dispersi teoritis D2(v/V),
maka S2 dikatakan varians dispersi eksperimental dari v dalam V
Contoh Perhitungan
Suatu contoh sederhana dari penarikan dadu dengan 6 sisi. Misalkan
suatu blok penambangan V(x) diketahui berdasarkan 4 unit dimana
kadar z(x) diperoleh melalui penarikan dadu tersebut.
Distribusi nilai undian dadu adalah uniform, dengan rata-ratanya
=(1+2+3+4+5+6)/6 = 3.5 dan varians s2 = 2.92
Misalkan ada 3 blok penambangan (V(xk)), k = 1,2,3 dengan kadar
rata-rata masing-masing = 3.5, dengan masing-masing terdiri dari 4 unit
blok kecil v, yaitu ;
k=1 zv=6,3,2,3 Zv=3.5 s2=2.25
k=2 zv=6,5,1,2 Zv=3.5 s2=4.25
k=3 zv=6,2,2,4 Zv=3.5 s2=2.75
Maka varians dispersinya ;…….

D 2 (v / V ) = E ( 1
4 ∑ v i v
( Z ( x ) − Z ( x )) 2

=1
4 ∑ v i v
E (( Z ( x ) − Z ( x )) 2

=1
4 ∑ S 2
= 2.92
Sehingga 3 nilai eksperimental s2=2.25 ; 4.25 dan 2.75
berfluktuasi disekitar ekspektasi teoritis
D2(v/V)=E(S2(x))=2.92
VARIANS DISPERSI TEORITS
Suatu FA functual Z(x) stationer dengan ekspektasi matematik m,
covarians C(h) dan variogram γ(h), maka ;

D 2 (v / V ) = E ( 1 ∫ ( Z v ( y ) − Z v ( x))dy ), dengan v < V


V
= 1 ∫ σ E2 (v( y ), V ( x))dy
V
Dalam hal unit v(y) yang membentuk V(x), dengan v < V, maka rumus
tersebut menjadi ;

D (v / V ) = C (v, v) − C (V , V )
2
Lanjutan……
Mengingat γ(h) = C(0) – C(h), maka rumus tersebut dapat
ditulis sebagai berikut ;

D (v / V ) = γ (V , V ) − γ (v, v)
2

Rumus ini tetap berlaku meskipun covarians C(h) tidak


ada, karena variogram γ(h) tetap ditentukan yang dalam
hal ini FA Z(x) intrinsik.
PERHITUNGAN VARIANS DISPERSI

Persamaan – persamaan yang telah diuraikan


sebelumnya menunjukkan, bahwa semua varians
dispersi dapat diberikan melalui harga rata-rata γ(h)
dari volume kecil.
Jika blok-blok tersebut dianggap sebagai bujur
sangkar, empat persegi panjang, atau sebelumnya
sebagai garis, maka fungsi – fungsi F tersebut dapat
diperoleh secara grafis atau interpolasi dari tabel.
A. FUNGSI F-LINIER (GARIS)
F(h) = γ(L,L) adalah harga rata-rata γ(x-y) pada garis L
dengan panjang h, dimana x dan y adalah dua titik pada
garis L yang tidak tergantung satu dengan lainnya.
h h
1
γ ( L, L ) = F ( h ) = 2
h ∫ ∫ γ ( x − y).dx.dy
0 0

Integrasi ini didekati dengan sumasi dari Δh sebanyak I


bagian kecil (segmen) sepanjang garis L tersebut,
sehingga berikut ;
H = I. Δh
Lanjutan…..
h
X1 Xi Δh

Garis L

y1 y2 y3 y4 y5 y6

Selanjutnya didapat ;
I I I I
1 1
F ( h) =
( I .Δh) 2
∑∑
i =1 j =1
γ ( xi − yi ).Δh.Δh = 2
I
∑∑ γ ( x − y )
i =1 j =1
i j
Untuk I=6 akan memberikan matriks I.Δh sebagai
berikut ;

X1 X2 X3 X4 X5 X6
X1 0 1 2 3 4 5
X2 1 0 1 2 3 4
X3 2 1 0 1 2 3
X4 3 2 1 0 1 2
X5 4 3 2 1 0 1
X6 5 4 3 2 1 0
Dalam hal jarak segmen tersebut dibuat sama (dengan
memperlihatkan simetri matriks tersebut di atas), maka didapat :

2.(5.1Δh) 2(I-1).1Δh
2.(4.2Δh) 2(I-1).2Δh
2.(3.3Δh) 2(I-1).3Δh
2.(2.4Δh) 2(I-1).4Δh
2.(1.5Δh) 2(I-1).5Δh
2.(0.6Δh) 2(I-1).6Δh

Atau secara umum ; 2 (I-i).Δh


Sehingga diperoleh rumus penjumlahan sebagai berikut ;
I
2
F ( h) = 2
I
∑ ( I − i).γ (i.Δh)
j =1
Untuk h=0,6 dan I=6, maka Δh=0.1 selanjutnya

2
F (0, 6) = .5, 066 = 10.135 = 0.281
i I-I i.Δh γ(i.Δh) (I-i). γ(i.Δh) 6 2 36

1 5 0.1 0.150 0.750

2 4 0.2 0.296 1.184

3 3 0.3 0.436 1.308

4 2 0.4 0.568 1.136

5 1 0.5 0.688 0.688

6 0 0.6 0.792 0.000

5.066
Untuk h=0,6 dan I=12, maka Δh = 0,05 selanjutnya
i I-I i.Δh γ(i.Δh) (I-i). γ(i.Δh)
1 11 0.05
2 10 0.10
3 9 0.15
4 8 0.20
5 7 0.25
6 6 0.30
7 5 0.35
8 4 0.40
9 3 0.45
10 2 0.50
11 1 0.55
12 0 0.60 0.792
20.682

2
F (0, 6) = 2 .20.682 = 41.364 = 0.287
12 144
Lanjutan………….

Perhitungan integral tersebut di atas dapat digantikan dengan


penjumlahan, jika segmen Δh diperkecil atau harga I
diperbesar (I>20). Dari tabel fungsi F-linier (untuk garis) atau
dari grafik fungsi F-linier didapat harga F90,6) adalah 0,289
Grafik fungsi bantu F(h) untuk garis dapat dilihat pada Gambar
7.1, sedangkan untuk bidang F(h,l) ditampilkan pada Gambar
7.2 dan Tabel 7.1
Contoh Perhitungan Varians Dispersi

Disuatu tambang nikel dibuat blok-blok penambangan dengan


dimensi 5x5m2. Akan dihitung VARIANS DISPERSI untuk blok-
blok tersebut dalam waktu dua bulan penambangan dengan
luas 50x100m2. Ketebalan rata-rata bijih nikel tersebut 10m
Data lain yang diketahui yaitu Variogram Ketebalan bijih yang
terdiri dari dua Variogram Model MATHERON ;

γ (h) = γ 1 (h) + γ 2 (h), dengan ;


a1 = 150m C1 = 8.5m 2
a2 = 1400m C1 = 12.7 m 2
Sketsa Gambar Permasalahan
5

5 r

R h = 50m

I = 100m
Perhitungan

σ D2 (r / R) = γ ( R, R) − γ (r , r ) LLLLLLL Rumus Baku


= γ 1 ( R, R ) + γ 2 ( R, R ) − γ 1 ( r , r ) − γ 2 ( r , r )
• h = 50 = 0,333LL l = 100 = 0, 667
a1 150 a1 150
maka ;
• F (0,333 ) = 0,375LLL Lihat pada Tabel or Grafik Fungsi F
0, 667
Didapat ;
γ 1 ( R, R) = C1.0,375 = 3,19
Lanjutan……………

σ D2 (r / R) = γ ( R, R) − γ (r , r ) LLLLLLL Rumus Baku


= γ 1 ( R, R ) + γ 2 ( R, R ) − γ 1 ( r , r ) − γ 2 ( r , r )
• h = 50 = 0, 036 LL l = 100 = 0, 071
a1 1400 a1 1400
maka ;
• F (0, 036 ) = 0, 044 LLL Lihat pada Tabel or Grafik Fungsi F
0, 071
Didapat ;
γ 1 ( R, R) = C1.0, 044 = 0,56
Lanjutan……………

σ D2 (r / R) = γ ( R, R) − γ (r , r ) LLLLLLL Rumus Baku


= γ 1 ( R, R ) + γ 2 ( R, R ) − γ 1 ( r , r ) − γ 2 ( r , r )
• h = l =5 = 0, 033LL
a1 a1 150
maka ;
• F (0, 033 ) = 0, 026 LLL Lihat pada Tabel or Grafik Fungsi F
0, 033
Didapat ;
γ 1 ( R, R) = C1.0, 026 = 0, 22
Lanjutan…………..

σ D2 (r / R) = γ ( R, R) − γ (r , r ) LLLLLLL Rumus Baku


= γ 1 ( R, R ) + γ 2 ( R, R ) − γ 1 ( r , r ) − γ 2 ( r , r )
• h = l =5 = 0, 0036 LL
a1 a1 1400
maka ;
• F (0, 0036 ) = 0, 000 LLL Lihat pada Tabel or Grafik Fungsi F
0, 0036
Didapat ;
γ 1 ( R, R) = C1.0, 000 = 0, 0
Maka Nilai Varians Dispersi…..
σ D2 (r / R) = γ ( R, R) − γ (r , r ) LLLLLLL Rumus Baku
= γ 1 ( R, R ) + γ 2 ( R, R ) − γ 1 ( r , r ) − γ 2 ( r , r )
= 3.19 + 0.56 + 0.22 + 0.0
= 3.53m 2

Hasil perhitungan ini diperoleh standar deviasi ketebalan


adalah……
3.53 = ± 1.88m
Sehingga simpangan volume blok menjadi……….
1,88 x 5 x 5 = 46.9 m2