VARIOGRAM

HPU
JURUSAN TEKNIK PERTAMBANGAN – STTNAS
2018
 VARIOGRAM
Jenis Variabel:

 Variabel terregionalisasi (regionalized variables) : adalah variabel

yang terdistribusi dalam ruang tiga dimensi, sehingga secara
matematik merupakan f(x) atau sebuah titik yang mempunyai
koordinat ( 𝑥𝑢 , 𝑥𝑣 , 𝑥𝑤 ) atau f(x) = ( 𝑥𝑢 , 𝑥𝑣 , 𝑥𝑤 )

 Variabel random/ variabel acak : adalah variabel yang mempunyai

nilai numerik menurut distribusi probabilitas tertentu.

Implementasi variabel terregional dan variable random adalah

model semivariogram.
 VARIOGRAM (lanjutan…)
 Plot dari semivariance sebagai fungsi dari jarak dari suatu
titik disebut sebagai semivariogram atau variogram.

 Variogram memegang peranan penting untuk menentukan

karakteristik mineralisasi badan bijih.

 Variogram digunakan untuk memodelkan bagaimana dua

nilai di dalam ruang atau waktu saling berkorelasi.

 Secara intuitif bahwa dua nilai di dalam ruang yang saling

berdekatan akan cenderung saling serupa dibandingkan
dengan dua nilai yang saling terpisah jauh.
 VARIOGRAM (lanjutan…)

• Pemodelan variogram adalah

pemodelan dari suatu struktur
korelasi spasial. Pemodelan
variogram menjadi prasyarat
untuk kriging atau untuk
membuat prediksi.

• Variogram biasanya dijabarkan

dengan 2 buah parameter, Gambar Parameter Variogram
yakni: range dan sill.

Sari, 2006
 VARIOGRAM (lanjutan…)
• Variogram adalah perbedaan rata-rata antara dua titik conto dgn
jarak tertentu. Perbedaan tersebut kemungkinannya <0 atau >0.
Supaya perbedaan tersebut selalu >0 maka dibuat kuadrat.

• Delfiner mendefinisikan bahwa perbedaan kuadrat diasumsikan

sebagai ekspektasi [z(xi) – z(xi+h)], sehingga definisi variogram
menjadi:
2 ɣ(h) = Var [z(xi) – z(xi+h)],

2 ɣ(h) : variogram
Var : varians
Dari fungsi tersebut dapat didefinisikan semivariogram sebagai
berikut:
1 N ( h)
 ( h)   i ih
2 N (h) i1
( z  z ) 2

ɣ(h) : (semi) variogram untuk arah tertentu dan jarak h

h : 1d, 2d, 3d, 4d (d = jarak antar conto) nd=lag
z(xi) : harga (data) pada titik xi
z(xi+h) : data pada titik yang berjarak h dari xi
N(h) : jumlah pasangan data
 Contoh data kadar emas (ppm) di sepanjang urat dengan jarak
pengambilan conto (d) setiap 2 m :

Harga 7 9 8 10 9 11 11 13 11 12 16 12 10 11 ppm

Lokasi 1 2 3 4 5 6 7 8 9 10 11 12 13 14

(7-9)2+(9-8)2+(8-10)2+(10-9)2+(9-11)2+.......+(12-10)2+(10-11)2
ɣ(2) = 2 x 13
ppm2

4+1+4+1+4+0+4+4+1+16+16+4+1 = 60/26 = 2,31ppm2

=
26
ɣ(4) = (1+1+1+1+4+4+0+25+0+36+1) / (2x12) = 75/24 = 3,13 ppm2
ɣ(6) = (9+0+9+1+1+16+0+1+4+25) / (2x11) = 75/22 = 3,41 ppm2
ɣ(8) = (4+4+9+9+4+1+25+1+1+1) / (2x10) = 59/20 = 2,95 ppm2
ɣ(26) = (16) / (2x1) = 8 ppm2
Rauf, 2014
 Harga 7 9 8 10 9 11 11 13 11 12 16 12 10 11 ppm
Urutkan 7 8 9 9 10 10 11 11 11 11 12 12 13 16 ppm
Mean = 10,71 ppm Modus = 11 ppm Median = 11 ppm
S2 = 4,98 ppm2 S = 2,23 ppm

SEMIVARIOGRAM EKSPERIMENTAL
ɣ(h) 9
h ɣ(h)
m.ppm28 2 2,31
4 3,37
7
6 3,54
6 8 4,62
10 4,96
5 S2 12 4,64
Varians
4 14 6,05
populasi
16 6,22
3
18 6,25
2 20 8,07
22 5,00
1
24 5.70
0 (h) m 26 7,25
0 2 4 6 8 10 12 14 16 18 20 22 24 26

Rauf, 2014
 PENGGAMBARAN SEMIVARIOGRAM

1. Rekapitulasi hasil perhitungan ɣ(h) dan (h)

2. Ploting ɣ(h) vs (h)
3. Regresi linier beberapa titik awal
4. Pilih model teoritis yang sesuai
5. Tentukan Parameter semivariogram C, Co dan a
ɣ(h)
(m.%)290
80
70
60
C C = Sill = S2
50
40
160m Arah 00
30
20

Co 10
0 (h) m
25 50 75 100 125 150 175 200 225 250 275 300 325

Modifikasi dari Rauf, 2014

David (1977) Pengambilan conto yang tidak reguler, perlu toleransi sehingga
muncul angle classes (+α/2) dan distance classes (h+Δh).
Jadi semua titik conto yang berada pada search area yang didefinisikan dengan
angle classes (+α/2) dan distance classes (h+Δh) akan dianggap sebagai titik-titik
conto yang berjarak h dari titik Xo pada arah tersebut.

ANGLE & DISTANCE CLASSES

Search area

/2

/2

Xo

Rauf, 2014
 Toleransi Jarak Lag
 Jika data tidak beraturan (irregularly spaced), maka kita tidak bisa
mendapatkan pasangan titik data yang benar-benar berjarak sama.
Dalam hal ini kita perlu menentukan nilai toleransi jarak lag.
 Toleransi biasanya diambil sebesar setengah kali jarak lag. Misalnya,
jika jarak lag adalah 100m maka toleransi lag adalah +/- 50m. Hal
ini untuk memastikan bahwa kita akan mendapatkan cukup banyak
pasangan titik data untuk suatu jarak lag tertentu.

 Ketika kita mengeplot variogramnya maka jarak lag adalah rata-rata

dari semua jarak pisah antara setiap pasangan titik data yang
tercakup ke dalam batas-batas toleransi tersebut.
 Makin besar toleransi jarak lag makin banyak pasangan titik data
yang kita dapatkan dan variogram akan tampak semakin mulus.

11
 Toleransi Arah 
 Dengan menentukan suatu nilai toleransi untuk arah  maka
kita bisa menghitung variogram directional.

 Normalnya, kita bisa memilih asimut atau arah untuk

menganalisis, misalnya 450. Kemudian kita ambil semua
pasangan titik yang berada pada arah ini ditambah nilai
toleransi untuk setiap sisi asimut (misal 300) dan kita hitung
variogramnya.
 Nilai toleransi sebesar 900 menunjukkan itu adalah
variogram omnidirectional, tidak memperhatikan asimut.
 Semakin besar nilai toleransi arah maka semakin banyak
pasangan titik yang akan kita dapatkan.

12
 MODEL TEORITIS SEMIVARIOGRAM

Dipengaruhi oleh:
1. Perilaku variogram dekat titik awal. Ada tidaknya nugget variance dapat
dikenali dgn ekstrapolasi ɣ(h) memotong sumbu tegak (h=0)
2. Kehadiran sill, pada awalnya varians statistik dari data dapat dianggap sebagai
sill.
3. Kehadiran anisotropi, Struktur bersarang dll.

Berdasarkan hadir tidaknya sill dan range, semivariogram dibagi:

1. Model Tanpa Sill : a. Model Linier
b. Model Logaritmik atau de Wijsian
2. Model Dengan Sill : a. Model Sferis (Model Matheron)
b. Model Eksponensial (Model Formery)
c. Model Gaussian (Model Parabolik)
Heriawan, 2013
Heriawan, 2013
Heriawan, 2013
Heriawan, 2013
 Deskriptor Semivariogram
• Nugget – variabilitas pada jarak nol,
mencerminkan kesalahan sampling dan kesalahan
analitis.
• Range – cakupan trend spasial; jarak batas
dimana di luar itu sampel bersifat independen
secara spasial.
• Sill – variabilitas dari sampel-sampel yang
independen secara spasial
Semivariogram
Dependen secara Spatial Independen secara spasial

60
Semivariance

50
40
30
20
10
0
0 50 100 150 200

Lag (m)
 Beberapa Teknik yang Diperlukan dalam Pemodelan
Variogram
Pemodelan variogram memerlukan pengalaman dan latihan. Tip-tip praktis yang dapat
kita coba akan berbeda dari data ke data. Namun, ada beberapa tip umum yang dapat
digunakan, antara lain:

 Cek jumlah pasangan titik data yang mencukupi untuk setiap jarak lag (dari 30 sd.
50 pasang).

 Buang outliers dengan menggunakan scatterplot.

 Gunakan toleransi jarak lag yang lebih besar untuk memastikan jumlah pasangan
titik yang cukup.

 Mulai dengan variogram omnidirectional sebelum menggunakan variogram

directional. Jika variogram omnidirectional -nya tampak buruk maka kita tidak
bisa berharap akan memperoleh struktur dalam variogram directional.

 Gunakan fungsi-fungsi lain (mis. correlogram) untuk memperhitungkan nilai rata-

rata dan variansi jarak lag.

20
 Penggunaan Semivariogram

• Nilai range dapat digunakan untuk menentukan

jarak maksimum sampling.

• Sill mengindikasikan variabilitas intra-field.

• Model dapat digunakan untuk menginterpolasi

nilai-nilai di area yang tidak disampel.
Hubungan antara variogram dan kovarian (Olea, 2009)
 ANISOTROPY

 Variogram adalah suatu fungsi dari h, yaitu jarak antara dua titik di
dalam ruangan. Karena jarak h merupakan suatu vektor maka suatu
variogram perlu ditentukan pada berbagai arah.

 Jika nilai variogram-variogram pada berbagai arah adalah sama,

maka variogram tipe ini dinamakan ‘variogram isotropi’.

 Bila pada beberapa ɣ(h) dengan arah yang bebeda mempunyai nilai
sill dan nugget varian yang sama, tetapi mempunyai nilai range yang
berbeda maka tipe variogram ini disebut variogram anisotropi.
Variogram anisotropi adalah fungsi dari jarak h dan arah  .
 Arah Perhitungan Semivariogram

40 42 42 43 . 42 43 44 46 44 43

38 40 40 40 42 42 44 46 48 46 45

38 38 40 40 42 44 46 48 52 48 46

40 40 42 . 44 46 48 52 52 52 50

40 40 42 42 44 46 50 52 54 50 46

42 42 44 42 44 44 48 48 54 52 48

44 46 48 46 45 42 42 42 46 44 42

46 48 52 48 46 44 42 43 43 42 40

48 52 52 52 50 48 44 42 40 40 38

50 52 54 50 46 42 40 38 38 36 36

48 48 54 52 48 42 40 38 36 36 36
 PENGGAMBARAN SEMIVARIOGRAM
1. Rekapitulasi hasil perhitungan 3 arah
2. Ploting ɣ(h) vs (h)
3. Regresi linier beberapa titik awal
4. Pilih model teoritis yang sesuai
5. Tentukan Parameter semivariogram C, Co dan a

ɣ(h) 90
(m.%)280

70
60
C 50 C = Sill = S2
40
30
160m Arah 00
20 Arah 900
205m
10 215m Arah 1350

Co 0
(h) m
0 25 50 75 100 125 150 175 200 225 250 275 300 325

Rauf, 2014
 ɣ (h) REKAPITULASI
h (m)
00 90 0 135 0 HASIL PERHITUNGAN
25 SEMIVARIOGRAM
252
50 Tiga arah perhitungan
502
75
100
752
125
1002
150
175
1252
200
1502

Rauf, 2014
 PLOTING ɣ(h) vs (h)
TENTUKAN REGRESI LINIER TITIK AWAL

ɣ(h) 90
(m.%)2
80
70
60
50
40
30
20
10
Co 0 (h) m
0 25 50 75 100 125 150 175 200 225 250 275 300 325

Rauf, 2014
 PILIH MODEL VARIOGRAM TEORITIS YANG SESUAI
TENTUKAN PARAMETER SEMIVARIOGRAM
C (sill)
Co (nugget effect)
a (range)
ɣ(h) 90
(m.%)280

70
60
C 50 C = Sill = S2
40
30
a
20
a
a
Co 10
0 (h) m
0 25 50 75 100 125 150 175 200 225 250 275 300 325

Rauf, 2014
 Tentukan nilai Range pada setiap arah semivariogram

arah 00 = 160 m
arah 900 = 205 m
arah 1350 = 215 m
ɣ(h) 90
(m.%)2 80

70
60
C 50 C = Sill = S2
40
30
160
20 205
10 215
Co
0 (h) m
0 25 50 75 100 125 150 175 200 225 250 275 300 325

Rauf, 2014
 PENGGAMBARAN ANISOTROPI
1. Buat sumbu arah 00, 900 dan 1350
2. Ploting a (range) setiap arah 00= 160m, 900=205m dan 1350=215m
3. Gambarkan Anisotropi
4. Tentukan h setiap arah 00, 900 dan 1350
Arah 00

160m
a Arah terdekat 400 Jarak 150m

a
Arah 900
205m

Arah terjauh 1200 Jarak 230m

215m
a

Rauf, 2014
Heriawan, 2013
 POLA CONTO PADA LOKASI LAIN

Pola dengan Arah dan Jarak sbb :

Utara – Selatan = 150 m
Barat – Timur = 200 m

160m
O O O O O O O O O O O O O O O O O O O O O OO O O O O O O O
O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O

O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O

O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O

O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O

O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O

O O O O O O O O O O O O O O O O O O O O O OO O 205m
O O O O O O
O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O

O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O

O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O

O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O

O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O

O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O
O O O O O O O O O O O O O O O O O O O O O O

215m

Rauf, 2014
 POLA CONTO PADA LOKASI LAIN
Pola dengan Arah Sumbu terpendek dan Terjauh sbb :
Terpendek = 150 m 160m Terjauh = 225 m

205m

215m

Rauf, 2014
 POLA CONTO PADA PASIR BESI
Pola Aneka Tambang 25m x 200m
Arah US – BT

Dikoreksi 40m x 400m

Arah sumbu terpanjang 1200

Rauf, 2014
 Si

Au
Kaolin
Si

Tunnel
Au

Si

Kaolin
Si Au

Rauf, 2014

ANISOTROPI PADA URAT BIJIH EMAS

ISOTROPI PADA NIKEL LATERIT
Ni Laterite

Rauf, 2014
Referensi
Heriawan, M.N., 2013, Introduction to Geostatistics for Resources
Evaluation and Estimation, Department of Mining Engineering-ITB
Isaaks, E., Srivastava, R.M., 1989, An Introduction to Applied
Geostatistics, New York, Oxford University Press.
Olea, R.A, 2009, A Practical Primer on Geostatictics, Open-File Report
2009-1103, U.S. Geological Survey, Reston, Virginia 2009.
Purnomo, H., 2016, Analisis Pendekatan Metode IDW dan OK Dalam
Penaksiran Sumberdaya Laterit Nikel di Blok R Pt. KPT.
Sari, D.K., 2006, Variogram, Jurusan T Geodesi FTSP Itenas.
Bargawa, W.S., 2017, Geostatistik, T Pertambangan UPN”V” Yogyakarta.
Rauf, A., 2014, Pendugaan Parameter Populasi.
TERIMAKASIH