Anda di halaman 1dari 3

Metode Perhitungan Cadangan Geostatistika

Metode geostatistik dapat menentukan estimasi juga kesalahan (error) dengan


menemukan koefisien bobot pada suatu blok penambangan, sekaligus dapat mengkonfigurasi
data yang dapat meminimalisir error. Pada mulanya, geostatistika berasal dari indsutri
penambangan, karena perhitungan cadangan mineral dengan metode statistik
klasik/konvensional dirasa kurang tepat untuk menghitung persebaran cadangan mineral
dengan tepat yang mana menghasilkan ketidak-akurasi-an yang tinggi. Untuk itu,
dikembangkan metode geostatistika yang dapat mengestimasi cadangan mineral dengan tepat
yaitu dengan teknik krigging.

Analisis Geostatistika merupakan suatu “tools” yang tepat untuk memprediksi


pengambilan keputusan di industri pertambangan. Metode geostatistika berguna untuk
penilaian lokasi, karakterisasi, dan pemodelan reservoir. Pendekatan yang biasa dilakukan pada
geostastika adalah 3 langkah berulang yaitu EDA (Exploratory Data Analysis), Variogram
model selection, dan Prediksi dengan Kriging estimation dan/atau simulasi. Sebenarnya, tujuan
utama dari pemodelan secara geostatistika adalah untuk membuat model reservoir (realisasi)
yang semirip mungkin (realistis) dengan keadaan aslinya dari heterogenitas reservoir, sehingga
dapat mengestimasi juga biaya “asli” yang akan dikeluarkan.

Dalam suatu pemodelan data pastinya dibutuhkan software yang mendukung. Software
yang mendukung metode geostatistik di antaranya adalah Excel, Surfer, GIS, SuperGIS Spatial
Statistical Analyst, Isatis, dll. Contoh dari aplikasi geostatistik adalah untuk pemodelan
menetukan kualitas dan cadangan mineral bahan baku semen

Langkah pertama yang dilakukan adalah EDA (Exploratory Data Analysis yang bertujuan
untuk menentukan keberadaan subpopulasi pada data, melihat apakah ada outliers, menentukan
nilai batas ambang (treshold) yang nantinya akan digunakan untuk menentukan nilai anomali,
dan untuk memastikan kenormalan suatu data sebelum diolah secara geostatistik. Pada langkah
ini analisis bisa menggunakan software Microsoft Excel. EDA dapat berupa summary statistics
dan histogram, seperti contoh di bawah ini:

Setelah penetuan data, maka selanjutnya bisa dilakukan pemodelan variogram. Pada
kasus ini, variogram dapat digunakan untuk mengevaluasi sumber daya mineral dan cadangan
mineral untuk mengukur faktor-faktor geologis yang dapat mengukur faktor-faktor geologis
yang mempengaruhi keakuratan estimasi. Variogram merupakan input penting pada
geostatistika yang mana untuk menyelidiki spatial variability dan estimasi geostatistik dapat
dengan mudah apabila dilihat dengan model variogram. Berikut adalah contoh variogram
horizontal:

Setelah variogram analisis maka bisa dilanjutkan dengan Kriging Implementation.


Metode Kriging ada banyak jenisnya, yaitu oridirnary, universal, multi-Gaussian, dll. Ordinary
Kriging digunakan untuk menghitung nilai titik atau blok dari variogram tanpa harus
memberikan data tambahan atau modifikasi data sample. Biasanya, kriging dipilih untuk
memperkirakan korelasi antar modulus.
Setelah itu, dilakuakn cross-validation tests. Prosedur ini bertujuan untuk mengecek
kompatibilitas antara serangkaian data dan model. Hasil estimasi dibandingkan dengan nilai
aktual untuk menghasilkan kesalahan estimasi, distandarisasi oleh standar deviasi estimasi.

Dari analisis variogram hingga cross-validation test menunjukkan bahwa strategi


pengambilan sample efektif dan jarak antar sample cukup untuk menentukan kualitas bahan
baku dan karakteristik cadangan mineral, yang mana pada analisis cross validation
menunjukkan bahwa model dengan parameter representatif untuk variabel-variable di wilayah
penelitian. Maka langkah selanjutnya adalah membuat peta kontur modulus (quality mapping).