ANALISIS PERBANDINGAN METODE PENAKSIRAN”ORDINARY

KRIGING” DAN “SEPERJARAK (INVERSE DISTANCE) DALAM

EVALUASI JUMLAH CADANGAN

I. PENDAHULUAN
Metode kriging (geostatistik) dan seperjarak (inverse
distance) merupakan suatu perangkat untuk mengevaluasi jumlah
potensi sumberdaya mineral (resource). Kedua metode ini sama-
sama menggunakan prinsip pembobotan (weighting), yaitu menaksir
kadar pada suatu titik atau blok dengan menggunakan conto-conto
disekitarnya secara interpolasi atau ekstrapolasi.
Hal yang membedakan dari kedua metide ini adalah proses
penaksirannya. Metode seperjarak hanya memperhitungkan fungsi
jarak antar blok yang ditaksir dengan conto. Adapun metode kriging
disamping memperhitungkan fungsi jarak, juga memperhatian
konfigurasi posisi conto. Dengan proses penaksiran lebih lengkap maka
variansi hasil penaksiran dengan metode kriging lebih kecil apabila
dibandingkan metode seperjarak.

II. METODA SEPERJARAK (INVERSE DISTANCE)

Prinsip dasar metode seperjarak adalah menentukan bobot
conto (wi) sebagai fungsi dari jarak contoh terhadap blok yang ditaksir.
Metode seperjarak merupakan kombinasi linier atau harga rata-rata
tertimbang (weighted average) dari kadar disekitar blok.
Secara umum metode sperjarak dirumuskan sebagai berikut

n
Z* = ∑ w i Z i
i=1

1
w i = di n

1
din

dimana:
Z* = kadar blok yang ditaksir
wi = bobot rata-rata (weighted average)
Zi = kadar conto
d = jarak
Besar bobot berbanding terbalik dengan jarak conto terhadap
blok yang ditaksir. Kadar yang berada dekat blok akan mempunyai
bobot lebih besar bila dibandingkan dengan kadar yang berada jauh
dari blok. Gambaran tentang konsep penksiran seperjarak dapat dilihat
pada Gambar 1.

III.KRIGING
Kriging adalah penaksiran geostatistik yang digunakan untuk
menaksir kadar blok sebagai kombinasi linier dari korelasi data spasial
terhadap conto yang disekitarnya dengan cara teknik rata-rata
tertimbang.

n
Z* = ∑ w i Z i
i=1

dimana:
Z* = kadar blok yang ditaksir
Wi = bobot rata-rata (weighted average)
Zi = kadar conto

G1=conto
d1=jarak
=blok yang
ditaksir

Gambar 1. Pembobotan seperjarak

Proses penaksiran kriging akan menghasilkan nilia-nilai bobot

yang meminimalkan penaksiran sesuai dengan konfigurasi conto di
sekitar blok dan sifat mineralisasi. Sifat ini dinyatakan dalam fungsi
variogram yang mengkuantifikasikan korelasi ruang antar conto.
Adapun hasil akhir dari penaksiran kriging adalah taksiran kriging
(kriging estimated) dan variansi kriging.
Kriging mempunyai beberapa kelebihan yang tidak dipunyai
metode interpolasi yang lain, yakni:
a. setiap blok penaksiran akan mempunyai variansi kriging
b. Rata-rata semua blok dengan taksiran Z o akan mempunyai nilai
sebesar kadar yang dikandungnya atai taksiran tak bias bersyarat
(conditionally unbiased)
c. mampu menaksir data dalam kondisi mengelompok maupun tidak
beraturan
d. untuk nilai Co kecil, conto yang terletak di dekat blok cenderung
akan mempunyai pengaruh lebih besar daripada conto lain yang
terletak lebih jauh (screening effect)
e. penghitungan variansi tidak hanya dilakukan terhadap conto
dengan blok tetapi juga dilakukan terhadap conto dengan conto.

3.1.Konsep dasar perhitungan

3.1.1 Korelasi fenomena spasial
Pada umumnya data-data peubah didalam ruang (spasial)
seperti fenomena alam terdistribusi secara teregional. Secara
matematik, peubah teregional ditunjukkan sebagai suatu nilai fungsi
f(x) dari titik x yang menempati suatu ruang, dan untuk titik (x+h)
akan mempunyai nilai f(x+h). Besarnya nilai f(x) tergantung pada letak
titik x. Perangkat yang digunakan untuk menguantifikasi korelasi ruang
antar conto yang terpisah oleh jarak h seperti tersebut diatas disebut
variogram.
Variogaram didefinisikan sebagai setengah rata-rata
penjumlahan selisih kuadrat pasangan data dinyatakan dengan rumus:

1 n
γ(h) =
2 N (h) ∑ [Z(xi+h) – z(xi)]2
i=1

dimana :
γ(h) = fungsi variogram
N(h) = jumlah pasangan data
Z(xi+h) = kadar titik conto berjarak h dari xi
Z(xi) = kadar titik conto xi
H = jarak tetentu yang mempunyai fungsi vector arah
tertentu

Model variogram dapat memberikan informasi tentang adanya

kesinambungan nilai data atau daerah pengaruh a (range). Diluar
jarak a, korelasi antar conto tidak berhubungan,. Korelasi ruang antar
conto dapat pula dikonversikan dalam fungsi kovariogram, sebagai :
C(h)=1- γ(h).
Apabila suatu peubah data terjadi lompatan nilai, maka
ekstrapolasi kurva tidak memberikan nugget variance disebut
nugget effect
 γ(h) …………………………………sill

Co
a
Co = nugget variance
a = range / jarak pengaruh
C+Co = sill

Gambar 2. Variogram

3.1.2 Asumsi
Asumsi yang dikembangkan dalam model struktur spasial adalah
stasionaritas dari fungsi data yang bersifat acak. Fungsi acak dapat
dikatakan stasioner jika :
a. Ekspektasi matematik E{Z(x)} mepunya nilai rata-rata m pada
setiap titik x

E{Z(x)} = m V x

b. setiap pasangan dari peubah acak {Z(x),Z(x+h)} akan muncul

kovarians yang tergantung pada jarak h,
C(h) = E {Z(x+h).Z(x)}-m2

dimana h merupakan suatu koordinat vector (hu,hv,hw) pada ruang 3

dimensi.
Konversi stasionaritas kovarians terhadap stasionaritas
variogram dapat dirumuskan sebagai berikut:

C(h) = C(0) – γ(h)

Dimana :
C(h) = kovarians pada jarak h
C(0) = kovarians pada jarak 0
γ(h) = variogram pada jarak h

3.1.3 Minimalisasi variansi kesalahan

 Untuk mendapatkan variansi minimum atau kondisi tak bias,
maka jumlah pembobotan harus sama dengan 1. nilai tersebut akan
didapatkan dengan cara melibatkan unsur multiplikator Lagrange
(μ).
Peminimalan variansi kriging dalam sistem persamaan liner n +
1 sebut metode penaksiran ordinary kriging. Secara umum ordinary
kriging dirumuskan sebagai berikut :

n
(i)∑ w j , σ ij +μ = σ 01
i=1

(ii) ∑iw i =1

dimana :
σij = kovariansi conto dengan conto
σ01 = kovariansi blok dengan conto

secara sederhana system persamaan kriging dapat ditulis

sebagai berikut
[A] [X] = [B] dalam bentuk matriks dapat dinyatakan sebagai berikut :

σ11 σ12 . . σ1n -1 w1 σ01

σ21 σ22 . . σ2n -1 w2 σ02
. . . . . . . .
. . . . . . . .
σn1 σn2 . . 1 -1 wn σ0n
1 1 . . 1 0 μ 1

dimana :
[A] : kovariansi antar conto dengan conto
[X] : bobot persamaan [X] = [A]-1[B]
[B] : kovariansi antara blok dengan conto
Dari miltiplikasi terhadap sejumlah n persamaan dengan
pembobotan w1 menghasilkan persamaan sebagai berikut :

n
w I ∑ w iCij + μ = wiC0i
i=1

Jika n persamaan tersebut dikonversikan dalam bentuk penjumlahan

maka akan terjadi :
 n n n n
∑ wi ∑ wjCij + ∑ wi μ = ∑ wiCio
i=1 i=1 i=1 i=1

n n n n
∑ wi ∑ wjCij = ∑ wi Cio - ∑ wi μ
i=1 i=1 i=1 i=1

n
Karena ∑ wi = 1, maka
i=1

n n n
∑ ∑ wiwj σ ij = ∑ wi σ io -μ
i=1 j-1 i=1

Dengan cara substitusi dengan persamaan variansi kesalahan sebelum

dimultiplikasilkan (σ2R) :

n n n
σ 2
R = σ +∑ ∑ w iw j C
2
ij – 2 ∑ w i C io
i=j i=j i=j

Maka variansi penaksiran blok kriging setelah diminimalkan (σ2K)

menjadi :

n
σ 2
k = σo – μ - ∑ w i C
2
oi
i=j

dimana :
σ02 = variansi conto (sill) untuk kriging titik (point kriging)
dan variansi blok untuk kriging blok

secara umum prosedur penaksiran OK adalah sebagai berikut :

(a) menghitung variansi conto dengan conto (σij)
(b) menghitung variansi conto dengan blok (σoi)
 conto conto

conto

(c) menghitung nilai pembobotan dengan menggunakan persamaan

linier
(d)menghitung taksiran kadar untuk titik atau blok dan variansi
kriging.

IV. STUDI KASUS.

Analisi penaksiran dilakukan terhadap evaluasi potensi
sumberdaya endapan batu bara di daerah x, Banjar Kalimantan
Selatan. Hasil penaksiran dengan metode seperjarak 4.039.674 ton
dan hasil penaksiran dengan metode ordinary kriging 4.032.719 ton
hasil taksiran dari metode kriging dan sperjarak cenderung terdapat
kemiripan. Kemiripan ini terjadi karena pembobotan dilakukan
terhadap blok dengan posisi dan jumlah yang sama, sedangkan
adanya perbedaan perbedaan kecil disebabkan karena proses
penaksiran yang berbeda.
Metode penaksiran seperjarak dalam melakukan penaksiran hanya
mempertimbangkan jarak, sedangkan kriging disamping jarak juga
mempertimbangkan konfugari conto. Seperti diketahui bahwa kondisi
bahan galian variable datanya tidak selalu dalam keadaan homogen.
Apabila variable data dalam keadan homogen, maka hasil penaksiran
metodeseperjarak dapat dipastikan hampir sama, tetapi apabila
kondisi variable data eratik maka hasil penaksiran dari kedua metode
tersebut sangatlah berbeda.

Table 1. hasil penaksiran potensi sumberdaya

METODE PENAKSIRAN VOLUME TONASE (TON)

Seperjarak 3.107.466 4.039.674
Ordinary kriging 3.102.091 4.032.719

Hal ini dapat dilihat pada variansi hasil penaksiran metode kriging
pada Table 1. menunjukan untuk seam 2 = 0,00028 dan seam 5 =
0,00013, sedangkan veriansi hasil penaksiran dengan metode
seperjarak untuk seam 2 = 0,00034 dan seam 5 = 0,00031. variansi
hasil penaksiran kriging lebih kecil bila dibandingkan hasil penaksiran
dengan metode seperjarak. Perbedaan ini disebabkan metode kriging
mempinyai kelebihan dapat melakukan penghalusan (smoothing
effect) variabilitas kadar dan adanya proses minimalisasi variansi
dengan menggunakan multiplikator Lagrange, sehingga metode
kriging sering disebut sebagai BLUE (best linear unbiased
estimate)

Table 2. analisis statistik hasil penaksiran

METODE STATISTIK SEAM 2 SEAM 5

PENAKSIRAN
Kriging Minimum 4,42 3,48
Maksumum 4,54 3,71
Rata-rata 4,48 3,61
Variansi 0,00048 0,0013
Simpangan 0,0167 0,0114
Seperjarak baku 4,39 3,38
Minimum 4,54 3,71
Maksumum 4,51 3,61
Rata-rata 0,00034 0,00031
Variansi 0,0184 0,0176
Simpangan
baku

V. KESIMPULAN
Dari uraian diatas dapat diambil kesimpulan sebagai berikut :
1. metode kurang tepat untuk menaksir deposit yang mempunyai
variabel data eratik.
2. hasil taksiran metode seperjarak akan hampir sama dengan hasil
taksiran metode ordinary kriging apabila deposit yang ditaksir
mempunyai variabel data yang mempunyai homogenitas tinggi.
3. metode ordinary kriging mempunyai proses menaksir lebih detil
dan teliti bila dibandingkan metode seperjarak.

DAFTAR PUSTAKA
1. Adisoma, G.S., dan Darijanto, T., 1998, kriging, modul kursus
pusat pengembangan tenaga pertambangan dan institut Teknologi
Bandung.
2. Anneles Alwyn E, 1991, Mineral Deposit Evaluation, Dep. Of
Geology, University of Wales, Cardiff.
3. Isaak, E.H. & Srivastava M.R., 1989, An Intriduktion to Applied
Geostatistik, Oxford University Press, New York, 561 hal
4. John G Stone, 1998, Ore Reserve Estimates in the Real Worid,
Society of Economics Geologist, Littleton.
5. . . . . . ., 1997, Klasifikasi Sumberdaya dan Cadangan Batubara,
Rancangan Standar Nasional Indonesia, BSN