APLIKASI GEOSTATISTIK DIDALAM PERTAMBANGAN ©karlkaroluzwagabmeak2018

❑ Memperkirakan atau mengestimasi jumlah cadangan (Estimating the total

reserves)
❑ Mengestimasi kesalahan (eror)
❑ Mengoptimalisasi sampel conto atau lubang bor (Optimal sample (or drill hole)
spacing)
❑ Mengestimasi block cadangan (Estimating block reserves)
❑ Gridding dan pemetaan kontur (Gridding and contour mapping)
❑ Simulasi endapan untuk mengevaluasi usualan perencanaan tambang
❑ Mengestimasi perolehan atau recovery
©2018.karlkaroluzwagabmeak

Materi 03 – Variogram

Karl Karoluz Wagab Meak

Jurusan Teknik Pertambangan
Universitas Cenderawasih
PENGANTAR ©karlkaroluzwagabmeak2018

→ Aspek penting dan mendasar dari geostatistik modeling adalah untuk membuat
ukuran kuantitatif dari variabilitas spasial atau kontunitas yang akan digunakan
untuk estimasi dan simulasi selanjutnya. Ukuran kuantitatif adalah standar yang
objektif. [1]
→ Dalam 20 tahun terakhir atau lebih, variogram eksperimental tradisional telah
memberikan cara untuk mengukur variabilitas yang lebih kuat.[2]
→ Geostatistik mempertimbangkan ketergantungan spasial (spatial dependence)
dari sampel atau nilai analitik antara yang satu sama lainnya. Variogram adalah
sarana dasar untuk mengukur ketergantungan spasial ini[3]
→ Dalam prakteknya hal ini menggambarkan/menjelaskan rata-rata perbedaan
kuadrat dari dua nilai yang dihitung sebagai fungsi jarak diantara mereka. [4]
PRINCIP OF THE CALCULATION OF AN EXPERIMENTAL VARIOGRAM ©karlkaroluzwagabmeak2018
PERHITUNGAN VARIOGRAM ©karlkaroluzwagabmeak2018

→ Variogram dihitung dengan suatu rumus yang sederhana, yaitu perbedaan

antara rata-rata dua titik dengan jarak tertentu.
→ Oleh karena itu perbedaan tersebut kemungkinan berharga <0 atau >0 dan agar
perbedaan rata-rata tersebut selalu berharga >0, maka perhitungan didasarkan
pada perbedaan kuadrat.
→ Delfiner mendefenisikan: perbedaan kuadrat tersebut diasumsikan sebagai
ekspektasi matematik dari [z(xi)-z(xi+h)] sehingga defenisi variogram:
PRINCIP OF THE CALCULATION OF AN EXPERIMENTAL VARIOGRAM ©karlkaroluzwagabmeak2018

Dimana:
→ y(h) = variogram
→xi = nilai data (misalnya: kadar bijih/ore grade)
→ xi+h = nilai data pada jarak (h) dari (xi)
→ n(h) = jumlah total pasangan data yang termasuk dalam perbandingan.

Variogram diplot sebagai fungsi jarak atau lag (h)

PERHITUNGAN VARIOGRAM ©karlkaroluzwagabmeak2018

→ Dari fungsi tersebut, secara praktis variogram (eksperimental) dapat dihitung

dengan:

Pencarian pasangan data dalam perhitungan variogram

PERHITUNGAN VARIOGRAM ©karlkaroluzwagabmeak2018

→ Sebagai contoh, data kadar emas (dalam ppm) di sepanjang vein dengan jarak
pengambilan conto (d) setiap 2 m:
PERHITUNGAN VARIOGRAM ©karlkaroluzwagabmeak2018
PERHITUNGAN VARIOGRAM ©karlkaroluzwagabmeak2018

Gambar variogram eksperimental dan varians populasi

(garis mendatar, menunjukan harga 5.25 ppm2)
Gambar 2. Arah variogram (Ɵ), search
area dengan angle of clesses (Ɵ ± /2)
dan distance classes (h± Δh) menurut
David (1977)
PRINCIP OF THE CALCULATION OF AN EXPERIMENTAL VARIOGRAM ©karlkaroluzwagabmeak2018
PRINCIP OF THE CALCULATION OF AN EXPERIMENTAL VARIOGRAM ©karlkaroluzwagabmeak2018
Model Variogram ©karlkaroluzwagabmeak2018

Model ini sesuai dengan fenomena

acak murni (white noise) tanpa korelasi
antara nilai dan tidak masalah
seberapa dekat mereka.

Model spherical atau model bola

adalah model yang paling umum
digunakan. Model ini sangat
sederhana.
Model Variogram ©karlkaroluzwagabmeak2018
PRINCIP OF THE CALCULATION OF AN EXPERIMENTAL VARIOGRAM ©karlkaroluzwagabmeak2018
PERHITUNGAN VARIOGRAM 2D ©karlkaroluzwagabmeak2018
Fitting Variogram Model ©karlkaroluzwagabmeak2018

Kontuinitas distribusi suatu variabel sangat erat hubungannya dengan perilaku

suatu variogram didekat titik awal:

Suatu perilaku parabolic didekat titik awal memperlihatkan suatu

kontinuitas variabel yang tinggi, yaitu sifat distribusi data yang
teratur, misalnya variabel geokimia atau kadang-kadang data
ketebalan batubara.

Perilaku Linear didekat titik awal menyatakan suatu variabel

dengan kontunitas sedang. Variogram semacam ini biasanya
berlaku pada data kadar bijih.
Fitting Variogram Model ©karlkaroluzwagabmeak2018

Variabel dengan ketidakteraturan yang tinggi akan memberikan

variogram yang diawali dengan lompatan. Ketidakteraturan ini
disebut dengan “nugget effect”.

Suatu semivariogram yang berperilaku horizontal adalah hasil dari

perhitungan variabel dengan distribusi acak.
PUSTAKA ©karlkaroluzwagabmeak2018

→ [1,2] Mario E. Rossi., Clayton V. Deutsch. 2014. Mineral Resource Estimation

→ [3,4] Friedrich-Wilhelm Wellmer. 1998. Statistical Evaluations in Exploration for
Minerals Deposits.
→ Moh Nur Heriawan. Materi Kuliah Geostatistik. ITB Bandung.