LEMBAR PENGESAHAN

Analisis Statistik Multivariat Pada Batuan Beku,

Sedimen, dan Metamorf Dengan Metode PCA (Principal
Component Analysis)

TUGAS AKHIR

NAMA : Jejen Ramdani

NIM : 122. 12. 003

Diajukan Sebagai Salah Satu Syarat Untuk Mendapatkan Gelar Sarjana Teknik
Pada Program Studi Eksplorasi Tambang

Menyetujui,
Kota Deltamas, 20 Agustus 2017

Pembimbing 1 Pembimbing 2

Dr. Dasapta Erwin Irawan, S.T., M.T Achmad Darul Rochman, S.Pd., M.T
NIP. 197604172008101007 NIP. 19851225201510411

Dr. Dasapta Erwin Irawan, S.T,.M.T

 ANALISIS STATISTIK MULTIVARIAT PADA BATUAN
BEKU, SEDIMEN DAN METAMORF DENGAN METODE PCA
(PRINCIPAL COMPONENT ANALYSIS)
Jejen Ramdani, Dasapta Erwin Irawan*), Achmad Darul*)
*)=Penulis Penanggung Jawab

Program Studi Eksplorasi Tambang

Kota Deltamas Lot-A1 CBD, Jl. Ganesha Boulevard, Desa Pasirranji, Kecamatan Cikarang Pusat,
Kabupaten Bekasi 17530

Abstrak
Analisis Petrografi adalah salah satu metode visual untuk menggambarkan komposisi dan
klasifikasi mineral dari sampel batuan. Sebagian besar cara untuk melakukan pengklasifikasian
batuan menggunakan metode kualitatif. Jumlah data keseluruhan adalah 161 perconto yang terbagi
kedalam 89 perconto data batuan vulkanik, 57 sampel batuan sedimen (batugamping), dan 15
perconto batuan metamorf. Yang berasal dari 9 daerah yaitu: 5 daerah vulkanik, 3 daerah batuan
sedimen, dan 1 daerah batuan metamorf, yaitu: Gn. Lamongan (LAM), Gn. Wangi (WAN), Gn.
Kromong (KRM), Gn Sangkur (SAN) dan banyuresmi (BAN), 3 daerah untuk batuan sedimen
yaitu: Panca tengah-Tasikmalaya (PCT), Cijulang-Ciamis (CJL) dan Sindangsari-Ciamis (SND),
dan 1 daerah untuk batuan metamorf yaitu: Cileteuh-Sukabumi (CLT). Data berupa data persentasi
mineral dan beberapa variabel lainnya, data akan dianalisis menggunakan metode PCA (Principal
Component Analysis) menggunakan software Rstudio. Berdasarkan hasil analisa menggunakan
metode PCA maka didapatkan pengelompokan Yang masing-masing terbagi kedalam tiga klaster.
Untuk batuan beku volkanik klaster 1 BAN, KRM dan WAN, Klaster 2 LAM, KRM, SAN, WAN,
dan Klaster 3 WAN. Dan untuk batuan sedimen (batugamping), klaster 1 terdapat pada daerah
PCT, CJL, SND komposisi paling kuat dipengaruhi oleh fosil-fosil laut, klaster 2 terdapat pada
daerah PCT, CJL, SND, dan CLT, klaster 3 hanya terdapat pada daerah CLT.

Kata kunci: Klasifikasi batuan, Petrografi, Statistik multivariat

Pendahuluan mineral. Endapan mineral ini meliputi

Indonesia adalah negara yang kaya akan
sumber daya alam, potensi ini penting
diperhitungkan untuk waktu yang akan
datang. Mengingat kebutuhan manusia yang
dari tahun ke tahun semakin meningkat
menyebabkan kebutuhan bahan baku
meningkat pula tak terkecuali pada sektor
Industri, pada sektor ini dibutuhkan pasokan
yang cukup dalam hal kualitas maupun
kuantitas. Salah satun sektor industri yang
ada di Indonesia adalah sektor pertambangan,
Sektor ini mencangkup pertambangan
mineral, logam, non-logam, minyak bumi,
batubara, dan panas bumi.
Skinner (1979) dalam (Hartosuwarno, 2013)
menyebut endapan mineral (mineral deposits)
merupakan konsentrasi suatu mineral pada
kerak bumi, terbentuk secara alami serta pada
daerah yang terbatas. Jadi apapun macam
mineralnya dan bagaimana proses
terkonsentrasinya, semuanya disebut endapan
endapan logam dan non-logam. Menurut data
Kementerian Energi dan Sumber Daya 2015,
jumlah data daerah yang memiliki kandungan
logam yang dilakukan dari tahun 2000-2015
adalah 1.339 lokasi, sedangkan untuk non-
logam sebanyak 5.755 lokasi (Kementerian
ESDM, 2015).
Dengan jumlah endapan mineral yang
tersebar di berbagai lokasi di Indonesia, maka
diperlukan eksplorasi endapan mineral
dengan se-effisien mungkin guna
meminimalkan tingkat kesalahan. Agar
eksplorasi endapan mineral menjadi effisien
maka diperlukan data awal penelitian
terdahulu untuk mendapatkan interpretasi
awal salah satunya yaitu data petrografi di
daerah penelitian. Salah satu metode yang
digunakan untuk meghasilkan interpretasi
awal yaitu dengan cara uji statistik. Metode
statistik yang digunakan adalah metode
statistik multivariat PCA (Principal
Component analysis), metode ini merupakan
teknik multivariat yang mempunyai tujuan
utama untuk mengelompokkan objek-objek
supaya lebih terlihat sederhana. Parameter
yang digunakan adalah petrografi komposisi
mineral pada suatu batuan seperti: olivine,
piroxen, amphibol, gelas, kuarsa, dan
organisme laut (organik).
Metode yang digunakan adalah metode PCA
yang didukung oleh software “R”, karena
software ini bersifat open source, dan open
method “R” adalah aplikasi berbasis
command line, artinya setiap perintah harus
diketik sebagai baris perintah dan dapat
dikembangkan sesuai dengan keahliannya,
Software “R” dapat menghasilkan visualisasi
yang tinggi (Irawan DE & Gio, 2016),
metode PCA telah berhasil dilakukan dalam
menganalisis sifat hidrologi berdasarkan
kualitas air (Darul, Irawan, & Trilaksono,
2015), analisis cluster dengan R dalam kajian
ekologi (Wiharto Muhamad, 2013), Hot
water classification (Sumentadireja et al.,
2013) sehingga software ini dapat dijadikan
penunjang dalam proses pengolahan data
pada penelitian ini.
Yang akan diteliti dalam tugas akhir ini
adalah petrografi pada batuan beku, sedimen,
dan metamorf yang terletak di 9 daerah yang
terbagi menjadi: 5 daerah untuk batuan
vulkanik yaitu: Gn.Lamongan (LAM)
(Jhonny, 2006), Gn. Wangi (WAN) (Rina
Wahyuningsih, 1992), Gn. Kromong (KRM)
(Jaka Hadinata, 2009), Gn. Sangkur (SAN)
(Andi Wisnu, 1989) dan daerah Banyuresmi
(BAN) (Daud Yusup Tanghamap, 2009), 3
daerah untuk batuan sedimen yaitu:
Pancatengah-Tasikmalaya(PCT)
(Adliswarman,1991), Cijulang-Ciamis (CJL)
(Anwar Makmur, 1991), Sindangsari-Ciamis
(SND) (Denis Hendri, 1988), dan 1 daerah
untuk batuan metamorf yaitu: Cileteuh-
Sukabumi (CLT) (Masio Patria, 2006).
Landasan Teori
Menurut (Yuwono, 2012) petrografi
merupakan ilmu yang mempelajari
klasifikasi, pengelompokan, dan penamaan
batuan. Batuan dibagi kedalam tiga yaitu:
batuan beku, batuan sedimen dan batuan
metamorf.
Analisis multivariat adalah analisis statistik
yang digunakan untuk menganalisis data
yang terdiri dari lebih dari dua variabel dan
variabel-variabel tersebut saling berkolerasi
satu sama lain.
Menurut Fadhli (2011:15) yang dikutip oleh
(Sofya Laeli, 2014) data dalam analisis
multivariat dapat dinyatakan dalam bentuk
matriks dimana terdapat n obyek dan p
variabel. Misalkan pada suatu pengamatan
terdapat p variabel yaitu X=
( 𝑋1 , 𝑋2 , … 𝑋𝑃 ) dari banyaknya n obyek,
maka data tersebut dapat disajikan dalam
bentuk matriks seperti di bawah ini:
𝑥11 𝑥12 … 𝑥1𝑝
X = [𝑥21 𝑥22 … 𝑥2𝑝 ]
𝑥𝑛1 𝑥𝑛2 …𝑥𝑛𝑝
Metode Percobaan
Menurut (Supranto, 2010) PCA adalah teknik
mereduksi data multivariat (banyak data)
yang mencari untuk mengubah
(menstransfortasi) suatu data matrik awal
menjadi suatu kombinasi linear yang lebih
sedikitakan tetapi menyerap sebagian besar
jumlah varian dari data awal.
Hasil dan Diskusi
Batuan beku vulkanik
Berikut adalah hasil pengelompokkan batuan
vulkanik menggunakan statistik multivariat
dengan metode PCA.
Gambar Variables Factor Map- PCA
Dari gambar diatas menunjukkan bahwa data
yang ada terbagi menjadi beberapa bagian,
yaitu:
 Kuadran 1: Pengaruh terbesar pada
kuadran 1 adalah mineral gelas, K-
feldspar, dan hornblende yang
menunjukkan pada kuadran ini yang
paling besar pengaruhnya adalah
mineral dari batuan vulkanik.
  Kuadran 2: pengaruh terbesar pada
kuadran 2 adalah mineral plagioklas,
piroxen, olivine, opak yang
menunjukkan pada kuadran ini yang
paling besar pengaruhnya berasal
dari batuan vulkanik.
 Kuadran 3: pengaruh terbesar pada
kuadran 3 adalah mineral kuarsa,
tuff, dan variabel lain seperti
porositas dan fragmen batuan yang
menunjukkan pada kuadran ini yang
paling besar pengaruhnya berasal
dari batuan sedimen yang telah
bercampur dengan batuan vulkanik.
 Kuadran 4: pengaruh terbesar pada
kuadran 4 adalah mineral lempung,
kalsit, klorit, Foraminifera yang
menunjukkan pada kuadran ini yang
paling besar pengaruhnya berasal
dari batuan sedimen (batugamping).
Gambar PCA – Biplot
Pada Gambar diatas menunjukkan 4 kuadran
dan hasil plot mineral pada masing-masing
daerah berdasarkan hasil plot daerah dengan
komposisi yang paling berpangaruh didaerah
tersebut.
Gambar Cluster Plot
Berdasarkan hasil pengelompokkan diatas
terdapat 3 klaster yang berbeda dan memiliki
komposisi mineral yang berbeda, seperti
berikut:
 Klaster 1: pada klaster 1
dipengaruhi oleh mineral gelas,
feldsfar, hornblende, oksida besi,
piroxen, olivine, dan opak.
 Klaster 2: pada klaster 2 yang
paling dominan dipengaruhi oleh
mineral olivine, piroxen, gelas, opak,
tuff .
 Klaster 3: pada klaster 3 yang
paling dominan dipengaruhi oleh
mineral klorit, pseudemorf, kalsit,
kuarsa
Batuan sedimen (batugamping) dan metamorf
Berikut adalah hasil pengelompokkan batuan
sedimen (batugamping) dengan batuan
metamorf menggunakan statistik multivariat
dengan metode PCA .
Gambar Variables Factor Map- PCA
Berdasarkan hasil (Gambar 4.5) diatas
menunjukkan pembagian kedalam 4 kuadran,
yaitu:
 Kuadran 1: Pengaruh terbesar pada
kuadran 1 adalah Foraminifera,
ganggang merah, Ostacoda,
Gastropoda, koral, mikrit
 Kuadran 2: pengaruh terbesar pada
kuadran 2 albit, epidot, pumpelyit,
kalsit, andalusit, klorit, hornblenda.
 Kuadran 3: pengaruh terbesar pada
kuadran 3 adalah opak, plagioklas,
piroxen, olivine, muskovit, dan
kuarsa.
  Kuadran 4: pengaruh terbesar pada
kuadran 4 adalah fragmen moluska,
oksida besi, oolite, gelas, masa spar.
Gambar PCA – Biplot
Pada diatas menunjukkan pembagian 4
kuadran dan hasil plot mineral pada masing-
masing daerah berdasarkan pengaruh terbesar
mineral dan beberapa variabel lainnya pada
batuan sedimen (batugamping) dan batuan
metamorf yang terdapat pada daerah tersebut,
sehingga didapat seperti dibawah ini yang
menunjukan klaster berdasarkan persamaan
karakternya:
Gambar Cluster Plot
Berdasarkan hasil pengelompokkan diatas
terdapat 3 klaster yang berbeda dan memiliki
komposisi mineral yang berbeda, seperti
berikut:
 Klaster 1: pada klaster 1
dipengaruhi oleh Ostracoda,
Foraminifera, Ganggang merah,
Gragmen koral, Gastropoda,
Pelecipoda.
 Klaster 2: pada klaster 2 yang
paling dominan dipengaruhi oleh
mineral k-feldspar, gelas, kuarsa,
oksida besi, fragmen batuan,
fragmen moluska, Oolite, Piroxen,
Muskovit, Fragmen litik.
 Klaster 3: pada klaster 3 yang
paling dominan dipengaruhi oleh
mineral Albit, Andalusit, Epidot,
Hornblend, Pumpelyit, Klorit dan
Kalsit.
Kesimpulan
1. Bahwa metode statistik multivariat dapat
digunakan untuk mengelompokkan
sampel batuan berdasarkan analisa
petrografi sehingga dapat dijadikan
pendukung hasil pengamatan secara
visual.
2. Klasifikasi menggunakan metode PCA
dapat secara konsisten membagi data
menjadi tiga kelompok untuk batuan
vulkanik, sedimen (batugamping), dan
batuan metamorf.
3. Berdasarkan hasil pengolahan pada
batuan vulkanik, maka didapat tiga
klaster besar berdasarkan kesamaan,
yaitu: klaster 1 terdapat pada daerah
BAN, KRM, dan WAN. Pada perconto
ini menunjukkan batuan vulkanik yang
telah mengalami transportasi atau
teralterasi karena ditemukan mineral
yang ada pada batuan sedimen seperti
kalsit, klaster 2 terdapat pada daerah
LAM, BAN, KRM, WAN, dan SAN.
Pada perconto ini menunjukkan batuan
volkanik karena banyak dipengaruhi oleh
mineral olivine, piroxen, dan plagioklas,
Klaster 3 hanya terdapat pada daerah
WAN yang menjadi pembeda dari yang
lainnya adalah karena memiliki mineral
lempung sampai 60%.
4. Berdasarkan hasil pengolahan data
batuan sedimen (batugamping) dengan
batuan metamorf, yang dibagi menjadi
tiga klaster, yaitu: klaster 1 terdapat pada
daerah PCT, CJL, SND komposisi paling
kuat dipengaruhi oleh fosil-fosil laut,
klaster 2 terdapat pada daerah PCT, CJL,
SND, dan CLT komposisi yang paling
berpengaruh pada klaster ini oksida besi,
frgmen batuan, dan masa spar, klaster 3
hanya terdapat pada daerah CLT dan
komposisi yang paling kuat adalah
andalusit, pumpelyit, albit, dan epidot.
5. Berdasarkan poin 3 dan 4 dapat diketahui
bahwa setiap klaster memiliki perbedaan
komposisi sehingga dapat setiap klaster
dapat diberi nama batuan berdasarkan
mineral yang ada didalamnya, dan
 metode statistik multivariat dapat
dijadikan sebagai pendukung hasil dari
analisa secara visual (kualitatif).
Saran
Untuk penelitian selanjutnya lebih baik jika
dilengkapi dengan koordinat pengambilan
perconto, agar diketahui persis satuan
batuannya apakah sesuai dengan peta geologi
atau tidak.
Daftar Pustaka
A.C, E., Kusnama, & Hermanto, B. (1998).
Peta Geologi Lembar Bogor, Jawa.
Adliswarman. (1991). Geologi dan fasies
sedimentasi batugamping, Formasi
Kalipucang dan sekitarnya
Kabupaten Tasikmalaya, Jawa
Barat.
Andi Wisnu. (1989). Geologi Daerah Banjar
dan Sekitarnya dan Petrografi
Satuan Vulkanik Gunung Sangkur
Kabupaten Ciamis. Institut
Teknologi Bandung.
Anwar Makmur. (1991). Geologi dan Studi
batugamping formasi kalipucung
daerah cijulang dan sekitarnya,
kabupaten ciamis, Jawa Barat.
Institut Teknologi Bandung.
Buthitrisna, T. (1986). Peta Geologi Lembar
Tasikmalaya.
Darul, A., Irawan, D. E., & Trilaksono, N. J.
(2015). Groundwater and river water
interaction on Cikapundung River:
Revisited. In THE 5TH
INTERNATIONAL CONFERENCE
ON MATHEMATICS AND
NATURAL SCIENCES (Vol. 1677,
p. 110007). AIP Publishing.
Retrieved from
http://www.academia.edu/download/
44352924/1.4930778.pdf
Daud Yusup Tanghamap. (2009). Geologi
dan Petrografi Batuan Vulkanik
Daerah Banyuresmi dan Sekitarnya
Kecamatan Cigudeg Kabupaten
Bogor Jawa Barat. Institut
Teknologi Bandung.
Denis Hendri. (1988). Geologi dan Fasies
sedimentasi batugamping, formasi
kalipucang, daerah sindangsari dan
sekitarnya, Kab. Ciamis Jawa Barat.
Institut Teknologi Bandung.
Djuri. (1973). Peta Geologi Lembar
Arjawinangun, Jawa.
Hartosuwarno, S. (2013). Panduan kuliah dan
praktikum “Endapan Mineral.”
Fakultas Teknologi Mineral
Universitas Pembangunan Nasional,
Yogyakarta.
Irawan DE, & Gio. (2016). Pengenalan
bahasa pemrograman R: untuk non-
programmer.
Jaka Hadinata. (2009). Geologi dan Alterasi
Permukaan Gunung Kromong dan
Sekitarnya Provinsi Jawa Barat.
Institut Teknologi Bandung.
Jhonny. (2006). Petrografi Gunung Api
Lamongan Kabupaten Probolinggo-
Lumajang Jawa Timur. Institut
Teknologi Bandung.
Kastowo. (1975). Peta Geologi Lembar
Majenang, Jawa.
Kementerian ESDM. (2015). Executive
summary pemutakhiran data dan
neraca sumber daya mineral status
2015.
Masio Patria. (2006). Geologi dan
mikrotektonik pada batuan
metamorf daerah Ciletuh, Kab.
Sukabumi, Jawa Barat. Institut
Teknologi Bandung.
Rahardjo, W., Sukandarrumidi, & Rosidi, H.,
M. . (1995). Peta Geologi Lembar
Yogyakarta, Jawa.
Rina Wahyuningsih. (1992). Geologi dan
Petrogenesa Batuan Vulkanik
Daerah Gunung Wangi dan
Sekitarnya Purworejo Jawa Tengah.
Institut Teknologi Bandung.
Sofya Laeli. (2014). Analisis Cluster dengan
Average Linkage Method dan
Ward’s Method untuk Data
Responden Nasabah Asuransi Jiwa
Unit Link. Universitas Negeri
Yogyakarta.
Suharsono, & Suwarti, T. (1992). Peta
Geologi Lembar Probolinggo, Jawa.
Sukamto, R. (1975). Peta Geologi Lembar
Jampang dan Balekembang, Jawa.
Sumentadireja, Dasapta Erwin Irawan, N.
Rina Hardianita, Yuano Rezky,
Anggita Agustin, & Ali Lukman.
(2013). Progress report on
multivariate statistics for geothermal
system prediction: evidence from
Indonesia.
Supranto, J. (2010). Analisis Multivariat
“Arti dan Interpretasi.” Jakarta:
Rineka Cipta.
Supriatna, S., Sarmili, L., Sudana, D., &
Koswara, A. (1992). Peta Geologi
Lembar Karangnunggal.
Wiharto Muhamad. (2013). analisis klaster
menggunakan bahasa pemrograman
R untuk kajian Ekologi. Retrieved
October 20, 2016
Williams, H., Turner, F. J., & M. Gilbert, C.
(1953). PETROGRAPHY “An
Introduction to Study of Rock in
Thin Section.” Universiy of
California, Berkeley: W.H. Freeman
and Company.
Yuwono, Y. S. (2012). Catatan Kuliah
“Pengantar Petrogenesis.” Bandung.