BAB I

PENDAHULUAN

A. Tujuan

Adapun yang menjadi tujuan dari praktikum dan penulisan makalah ini adalah:

1. Untuk memberikan pengetahuan pada mahasiswa untuk mengerti dalam

konsep dasar untuk menginterprestasikan kondisi lapangan yang diolah

menggunakan software Excell dan SGeMS.

2. Mengolah data mentah yang kemuadian diinterprestasikan melalui

perhitungan manual atau menggunakan aplikasi, untuk medapatkan sebaran

data secara variogram.

3. Menghitung Komponen komponen dalam statistika dasar secara komputasi.

B. ALAT DAN DATA

1. Alat Praktikum

a. Komputer atau Laptop

b. Kalkulator

c. Buku dan alat tulis

2. Data Praktikum

Tabel 1. Data Batubara “Korelasi Kualitas Batubara”

X Y Z Thick Ash Sulphur CV

63502 2147 48,51 2,67 3,42 1,5 6378
63504 2103 56,83 2,7 2,15 0,99 5669
63504 2067 58,54 2,6 -999 1,01 -999
63510 2036 57,73 2,14 3,7 1,31 5530
63544 2084 51,16 2,8 -999 0,89 -999
63547 2155 49,91 2,88 2,49 0,82 5512
63554 2101 49,38 3,35 4,7 1,03 5510
63567 2397 46,04 3 2,49 0,99 5484
63576 2435 43,17 2,16 2,22 0,99 5838
63579 2407 44,95 3,62 3,82 0,88 5528
63594 2197 53,31 3,15 3,46 0,74 5666
63600 2346 44,24 2,44 2,11 0,59 5463
63604 2124 45,89 2,9 2,41 0,72 5517
63614 2294 51,47 2,65 4,66 0,78 5594
63629 2341 39,92 3,35 2,07 0,76 5767
63636 2256 51,68 2,82 2,55 0,77 5584
63648 2203 42 3,09 2,54 0,95 5560
63664 2295 50,32 3,25 10,53 0,83 5064
63665 2169 42,33 3,21 2,67 0,83 5441
63675 2339 44,77 3,38 2,65 0,85 5749
63679 2257 50,65 3,55 4,22 0,79 5577
63692 2218 43,05 3,17 2,28 0,78 5536
63717 2295 46,53 3 4,3 0,88 5586
63722 2335 32,32 3,43 4,97 0,8 5592
63730 2248 48,59 3 2,93 1,01 5672
63753 2201 46,14 2,07 2,72 0,78 5502
63763 2306 45,98 3,12 2,78 0,74 5620
63775 2236 46,54 3,32 3,1 0,84 5534
63788 2354 45,21 3,13 2,13 0,81 5601
63794 2200 44,65 3,21 2,17 0,72 5673
63799 2303 41,44 2,87 2,76 0,78 5468
63815 2167 38,61 3,62 3,11 0,82 5672
63821 2355 43,53 3,54 2,99 0,82 5667
63826 2242 43,64 3,03 2,87 0,81 5568
63852 2295 32,12 3,17 2,88 0,85 5647
63853 2397 38,97 3,44 2,76 0,77 5712
63860 2250 43,53 3,3 4,18 0,88 5538
63863 2225 42,93 1,75 6,19 0,89 6001
63878 2445 39,12 3,36 4,4 1,15 5618
63898 2224 37,31 2,77 2,58 0,68 5705
63899 2349 41,14 3,46 2,14 0,98 5685
63903 2293 34,36 3,22 3,75 0,76 5558
63904 2416 44,22 3,34 3,65 1,03 5571
63907 2383 43,38 3,15 3,47 1,11 5565
63915 2256 42,23 2,82 2,84 0,81 5781
63918 2492 27,16 2,65 1,92 0,77 5646
63932 2340 31,12 3,15 2,86 0,88 5591
63935 2442 42,58 2,9 2,25 0,72 5686
63940 2299 34,97 2,67 3,77 0,66 5393
63960 2492 26,43 2,9 2,89 0,73 5563
63960 2393 36,87 3,3 2,78 0,8 5654
63969 2256 39,08 2,4 4,04 0,79 5768
63985 2443 42,55 2,5 3,2 0,93 5626
63993 2343 31,54 3,67 4,29 0,73 5578
64008 2490 27,82 2,25 2,69 0,74 5581
64023 2396 38,12 2,72 2,82 0,94 5561
64035 2443 43,31 3,05 4,18 0,86 5539
64063 2489 37,77 2,97 3,03 0,9 5598
64097 2460 42,94 3,59 3,29 1 5678
64136 2442 37,75 2,8 2,87 0,81 5630
64160 2492 28,08 2,38 2,13 0,84 5685
64185 2443 26,5 2,65 4,43 1,26 5468
 BAB II
TEORI DASAR
A. Statistik Dasar

Setelah dilakukan pengumpulan data, langkah berikutnya adalah

melakukan pengolahan data agar data yang masih terkesan bertebaran dapat

disusun sehingga lebih mudha dimanfaatkan dalam analisis oleh alat analisisnya

untuk menjawab tujuan penelitian. Data dianalisa menggunakan statistik

deskriptif untuk mendapatkan dalam bentuk tabulasi.Dalam membuat suatu

data atau sebaran data maka perlu diketahui komponen kompone atau olahan

awal dari data:

1. Menghitung besaran variabel dari setiap data melalui pendekatan statistika

dasar, diantaranya:

a. Jumlah atau Total keseluruhan data

b. Rata rata dari setiap data dengan persamaaan

∑𝒏𝒊=𝟏 𝑿𝒊 𝑿𝟏 + 𝑿𝟐 + ⋯ + 𝑿𝒏
𝑹𝒂𝒕𝒂 − 𝒓𝒂𝒕𝒂 = =
𝒏 𝒏

c. Nilai median, modus, jangkauan quartile, persentil dari data. Median

merupakan nilai tengah dari suatu data: dimana n=untuk menghitungnya

menggunakan persamaan:

𝟏
𝑴𝒆𝒅𝒊𝒂𝒏 = (𝒏 + 𝟏)
𝟐

Untuk Jangkauan Quartil dan Persentil menggunakan persamaan:

𝟏
𝑸𝒖𝒂𝒓𝒕𝒊𝒍 𝟏 = (𝒏 + 𝟏)
𝟒

𝑸𝒖𝒂𝒓𝒕𝒊𝒍 𝟐 = 𝒎𝒆𝒅𝒊𝒂𝒏
 𝟑
𝑸𝒖𝒂𝒓𝒕𝒊𝒍 𝟑 = (𝒏 + 𝟏)
𝟒

Untuk persentil maka pembagian kita ada pada nilai 100 dengan

persamaan:

𝒙
𝑷𝒆𝒓𝒄𝒆𝒏𝒕𝒊𝒍𝒆 𝒙 = (𝒏 + 𝟏)
𝟏𝟎𝟎

d. Menghitung variansi, dan simpangan baku data

e. Menentukan banyak kelas dari setiap data. Didapat dengan persamaan:

𝒃𝒂𝒏𝒚𝒂𝒌 𝑲𝒆𝒍𝒂𝒔 = 𝟏 + 𝟑.𝟑 × 𝐥𝐨𝐠 𝒏

Sedangkan untuk menghitung frekuensi maka perlu terlebih dahulu

untuk menghitung jarak atau range setiap data, dimana untuk

menentukan range tersebut menggunakan persamaan:

𝑹𝒂𝒏𝒈𝒆 = 𝒏𝒊𝒍𝒂𝒊 𝑴𝒂𝒙 − 𝒏𝒊𝒍𝒂𝒊 𝑴𝒊𝒏

Setelah mendapatkan nilai rang maka kita akan mencari lebar antar kelas

dengan memakai persamaan:

𝒓𝒂𝒏𝒈𝒆 ∆𝒙
𝑳𝒆𝒃𝒂𝒓 𝒂𝒏𝒕𝒂𝒓 𝒌𝒆𝒍𝒂𝒔 = =
𝒃𝒂𝒏𝒚𝒂𝒌 𝒌𝒆𝒍𝒂𝒔 𝒙

f. Menentukakan frekuensi atau banyak data setiap kelas Dalam

menentukan frekuensi data kita cukup menggunakan cara cepat dei

excel yaitu dengan memasukan persamaan:

= 𝑪𝑶𝑼𝑵𝑻𝑰𝑭𝑺 (𝒅𝒂𝒕𝒂 𝒌𝒆 𝟏:𝒅𝒂𝒕𝒂 𝒌𝒆 𝒏," > 𝑏𝑎𝑡𝑎𝑠 𝑎𝑡𝑎𝑠",𝑑𝑎𝑡𝑎 𝑘𝑒

1:𝑑𝑎𝑡𝑎 𝑘𝑒 𝑛," < 𝑏𝑎𝑡𝑎𝑠 𝑏𝑎𝑤𝑎ℎ")

2. Membuat sebaran data untuk menentukan cakupan dalam hitungan

variogram

3. Membuat olahan data variogram dengan langkah

 a. Menentukan jarak antar masing masing titik ke titik lainya dengan

menggunakan rumus phitagoras.

𝒁 = √𝑿𝟐 + 𝒀𝟐

b. Memasukan nilai “X” dan “Y” dalam membuat sebaran data secara

variogram. Degan mengunakan persamaan:

(𝒅𝒂𝒕𝒂 𝑿𝒏 − 𝒅𝒂𝒕𝒂 𝑿𝒏 − 𝟏)𝟐

∝=
𝟐(𝒉)

B. Geostatistik

Istilah Geostatistik pertama kali digunakan secara luas oleh

Matheron (1963) dan didefinisikan sebagai aplikasi hubungan atau turunan

fungsi random dalam penelaahan dan memperkirakan gejala alam. Gejala alam

itu sendiri seringkali dapat dikenal variabelnya yang tertentu, misalnya

penyebaran dalam suatu ruang, bidang maupun garis. Penyebaran variabel

dalam suatu ruang, bidang atau garis disebut variabel teregional atau dapat

diartikan sebagai variabel yang diukur tergantung pada nilai sekitar yang

terdistribusi dalam ruang berdimensi dua atau tiga. Variabel tersebut tidak lain

adalah merupakan pengujian fungsi f(x) yang menempati setiap titik (x) pada

ruang.

Geostatistik adalah merupakan aplikasi teori variabel terregional

dalam mempelajari fenomena-fenomena gejala alam, terutama untuk

menentukan volume bahan galian. Landasan dari Geostatistik adalah “The

Theory of Regionalised Variables”, yang mana bahwa data dari titik-titik

sampel mempunyai korelasi satu sama lain sesuai dengan karakteristik

penyebaran endapan mineralnya.

Tahapan perhitungan cadangan dalam analisis geostatistik secara

umum meliputi : pengamatan data lapangan, variografi, dan perhitungan

variansi perkiraan dan variansi krigging.

Variogram adalah suatu langkah dalam menghitung

cakupan/hubungan antara satu poin dengan poin lain. Sehingga didapatlah

penyebaran atau lokasi yang dipetakan dalam bentuk grid-grid.Analisis

variogram merupakan tahapan dalam perhitungan pada sejumlah lokasi &

melihat hubungan antar observasi pada berbagai lokasi yang diukur.

Proses yang dilakukan dalam analisis variogram adalah meregister

seluruh data, mengeksplorasi data, membuat model, melakukan dan

membandingkan pemodelan. Analisis mendalam dan terintegrasi dengan

geostatistik sangat diperlukan untuk dapat membuat model detail guna analisa

fasies dan peta porositas yang bertujuan determinasi dan input pada model

simulasi reservoir.

Salah satunya adalah melalui metode Variogram. Variogram adalah

serangkaian aktivitas mulai dari penelusuran data, pembuatan model hingga

laporan analisa.Berikut uraian dalam tahapan analisa:

1. Penelusuran Data

Penelusuran data dilakukan secara manual atau dengan

komputer. Jika data tersusun dalam grid/ spacing yang teratur dapat
 dilakukan perhitungan secara langsung dengan arah horisontal, vertikal

ataupun diagonal.

2. Pembuatan dan Analisis Variogram Eksperimen

Variogram adalah suatu fungsi vektor yang dapat digunakan

untuk mengkuantifikasikan tingkat kemiripan atau variabilitas antara dua

conto yang terpisah oleh jarak tertentu dengan grafik x - y yang dihasilkan

dari plot jarak dan varians dari data yang berpasangan.

Variogram dilakukan untuk melakukan penaksiran kadar bijih

dengan tujuan kuantifikasi korelasi ruang antar conto menggunakan suatu

perangkat statistik. Sifat - sifat yang merupakan ciri khas dari variabel

terregional antara lain:

a. Suatu variabel terregional terlokalisir (menempati lokasi tertentu),

dimana variasi terjadinya deposit, ukuran, dan orientasi tertentu.

b. Variabel terregional dapat mencerminkan variasi kontinuitas yang

relatif tinggi ataupun rendah.

c. Variabel terregional mencerminkan anisotropi, artinya tingkat distribusi

varians dari variabel berbeda pada masing-masing arah.

Di sisi lain, data variogram yang memiliki jarak antar conto tidak

teratur diperlukan suatu toleransi untuk kedua variabel tersebut. David (1977)

menjelaskan istilah angle classes (θ±α/2) dan distance classes (h±∆h) sebagai

toleransi untuk menghitung pasangan data dengan jarak antar data yang tidak

teratur. Semua titik conto atau data yang berada pada search area yang

didefinisikan dengan angle classes dan distance classes akan dianggap sebagai
 titik-titik conto yang berjarak h dari titik x0 (titik origin) pada arah yang

dimaksud.

C. Korelasi Informasi Data Geologi Terhadap Variogram

Pada tahapan pemodelan karakterisasi reservoir diperlukan suatu

analisa hubungan spasial (spatial relationship) antara pasangan atau beberapa

pasangan data geologi untuk mengetahui geometri dan kontinuitas properti

reservoir. Salah satu analisa tersebut adalah analisa variogram. Parameter

utama variogram terdiri dari empat bagian yaitu ; Major dan Minor trend

(melihat penyebaran lapisan pada arah horizontal dan vertikal), sill and range,

serta Nugget. Analisis variogram yang baik adalah analisis yang memasukan

atau menggabungkan data geologi pada setiap penentuan parameter variogram.

Karakteristik (semi) variogram

1. Sill: harga / nilai semivarian pada bagian variogram teratas (level off), dapat

diartikan juga sebagai “amplitudo” suatu komponen tertentu dari variogram.

2. Range: jarak lag ketika semivariogram (or semivariogram component)

mencapai sill. diartikan autocorrelation sama dengan nol pada jarak

tersebut.

3. Nugget: secara teori nilai awal semivariogram adalah nol. ketika lag

mendekati nol nilai semivariogram disebut sebagai nugget. Nugget

mewakili variasi pada jarak (lag) yang sangat kecil, atau lebih kecil dari

sample rate / spacing, termasuk eror dalam pengukuran.

D. Langkah Kerja

1. Statistik Dasar

a. Buka program aplikasi excel yang ada di computer atau laptop, dan copy

kan data yang akan diolah.

b. Data yang telah dicopy kan tersebut kemudian dilakukan perhitungan

statistika dasar; yaitu: rata-rata data, median, modus, nilai maksimum

dan minimum, quartile, desil, persentil, standar deviasi, varians. Dimana

prosesnya adalah:

1) Mengurutkan data

Dapat dilakuakan dengan cara memilih tools Short and Filter.

Kemudian tentukan nilai yang akan menjadi patokan utama dalam

pengurutan. Carannya adalah dengan meng-Blok salah satu

coulomb data kemudian klik menu tadi. Maka akan keluar layar

seperti gambar berikut ini:

Urutkan baik dari yang terkecil ke yang terbesar dan ataupun

sebalinya.
 Setelah memlilih nilai patokan pengurutan maka Klik Ok- Finish.

Maka data tersebut akan terurut sesuai yang format yang diminta.

2) Penjumlahan data: untuk mendapatnya maka menggunakan rumus

= 𝐒𝐔𝐌(𝐝𝐚𝐭𝐚 𝐚𝐰𝐚𝐥:𝐝𝐚𝐭𝐚 𝐚𝐤𝐡𝐢𝐫)

3) Rata-rata: diperoleh dengan menggunakan formula =

𝑨𝒗𝒆𝒓𝒂𝒈𝒆(𝑩𝟐:𝑩𝟔3), dimana (B2:B63) merupakan rentang data

yang akan dihitung rata-ratanya.

4) Untuk memperoleh Nilai Tengah dari data melalui excel maka

dioperasikan dengan perhitungan berikut Median =

𝑴𝒆𝒅𝒊𝒂𝒏(𝑿𝒊:𝑿𝒏)

5) Modus: Nilai atau value yang sering muncul atau lebih dominan.

Dimana formula untuk mendapatkannya adalah: = 𝑴𝒐𝒅𝒆(𝒅𝒂𝒕𝒂

𝒑𝒆𝒓𝒕𝒂𝒎𝒂:𝒅𝒂𝒕𝒂 𝒕𝒆𝒓𝒂𝒌𝒊𝒓)
6) Maksimum value dan Minimum value

Nilai maximum dan minimum values diperoleh menggunakan

rumus:

= 𝑀𝑎𝑥 (𝑋𝑖 ∶ 𝑋𝑛)

= 𝑀𝑖𝑛 (𝑋𝑖 ∶ 𝑋𝑛)

7) Quartil; 1,2,3, dan 4.

Diperoleh dengan memasukan formula = 𝑸𝒖𝒂𝒓𝒕𝒊𝒍𝒆(𝑹𝒆𝒏𝒕𝒂𝒏𝒈

𝒂𝒘𝒂𝒍:𝒂𝒌𝒉𝒊𝒓,𝒏𝒊𝒍𝒂𝒊 𝒒𝒖𝒂𝒓𝒕𝒊𝒍𝒆)

8) Persentil; 1,2,3, sampai 100.

Diperoleh dengan memasukan formula = Percen𝒕𝒊𝒍𝒆(𝑹𝒆𝒏𝒕𝒂𝒏𝒈

𝒂𝒘𝒂𝒍:𝒂𝒌𝒉𝒊𝒓,𝒏𝒊𝒍𝒂𝒊 percentile)
9) Standar Deviasi

= 𝑆𝑇𝐸𝐷𝐸𝑉[(𝐵𝑙𝑜𝑐𝑘 𝐶𝑜𝑢𝑙𝑜𝑢𝑚 𝐷𝑎𝑡𝑎)]

Varians merupakan nilai standar Deviasi yang di akarkan.

2. Statistik Bivariat

a. Histogram

1) Copy kan data dalam Excel kemudian lanjutkan pengolahan data

dengan statistika dasar.

Gambar 19: Mengkopi Data Kedalam Excel

2) Cari nilai rata-rata, Varians, Standar Deviasi, Maximum dan

Minimum masing masing variabel data, yang nantinya data ini akan
 digunakan semakai nilai input kedalam proses Komputasi

berikutnya (Pembuatan Variogram dan Kriging pada SGeMS)

Gambar 20: Menghitung Statistika Dasar Dari Data

3) Setelah menghitung nilai statistika diatas kemudian lakukan

perhitungan untuk mencari rentang kelas dimana perhitungannya

adalah = (𝑴𝒂𝒙𝒊𝒎𝒖𝒎 𝑽𝒂𝒍𝒖𝒆 – 𝑴𝒊𝒏𝒊𝒎𝒖𝒎 𝑽𝒂𝒍𝒖𝒆).

4) Kemudian hitung berapa jumlah kelas yang dapat dibuat dengan

interval kelas yang dibuat sehingga semua data memiliki posisi atau

kelas yang telah ditentukan. Rumusnya adalah = 𝟏 + 𝟑.𝟑 × 𝑳𝒐𝒈 (𝒏)

5) Setelah itu kita akan cari masing masing lebar kelas untuk setiap

variabel, yaitu dengan membagi anara rentang kelas dengan banyak

kelas yang ada.

𝒓𝒂𝒏𝒈𝒆 ∆𝒙
𝑳𝒆𝒃𝒂𝒓 𝒂𝒏𝒕𝒂𝒓 𝒌𝒆𝒍𝒂𝒔 = =
𝒃𝒂𝒏𝒚𝒂𝒌 𝒌𝒆𝒍𝒂𝒔 𝒙

6) Kemudian baru kita masuk dalam membuat histogram. Dimana

langkah pertama adalah kita kelompokan data yang ada dengan

jumlah kelas yang sudah ditentukan. Untuk rentang masing masing

data untuk satu kelas adalah hasil penjumlahan untuk nilai data

terendah yang ditambahkan dengan lebar kelas pada data.

7) Kemudian untuk menghitung jumlah sebaran data masing masing

kelas(frekuensi) maka dilakukan dengan perhitungan

= 𝑪𝑶𝑼𝑵𝑻𝑰𝑭𝑺(𝒅𝒂𝒕𝒂 𝒌𝒆 𝟏:𝒅𝒂𝒕𝒂 𝒌𝒆 𝒏," > 𝑏𝑎𝑡𝑎𝑠 𝑎𝑡𝑎𝑠",𝑑𝑎𝑡𝑎 𝑘𝑒

1:𝑑𝑎𝑡𝑎 𝑘𝑒 𝑛," < 𝑏𝑎𝑡𝑎𝑠 𝑏𝑎𝑤𝑎ℎ")

8) Membuat histogram dilakukan pada (Insert- Histogram- Pilih yang

menjadi nilai X dan Y)

b. Bivariat 60 Data

1) Masukan data kedalam perhitungan excel, Klik Copy- Paste

2) Kemudian mulai buat data bivariat dengan mengkorelasikan antara

data satu dengan data yang lain. Ambil Tools Scater pada bagian

Insert. Maka akan tampil layar seperti berikut:

3. Sebaran Data Spatial (Drill Hole)

a. Masukan data yang berupa nilai koordinat X, Y, dan Z kemudian pilih

Scater dan masukan data yang akan mejadi fungsi X dan data yang

akan menjadi fungsi Y.

b. Ambil Design- Select Data- Add. Maka akan muncul tampilan seperti

yang ada dibawah ini.

c. Klik Ok untuk menampilkan hasil komputasi sebaran data secara dua

dimensi.
d. Data yang sudah dibuat sebarannya, maka nantinya akan keluar

tampilan scater yang dihubungkan dengan Garis (Line), untuk

menghilangkan garis tersebut maka dapat dilakukan dengan memilih

menu Format Data Series.

e. Kemudian pilih Line- No Line. Maka nantinya garis hubung yang ada

akan tak tampak (hilang)

f. Untuk memperbesar View atau luasan daerah layar yang ditampilkan

maka dapat dilakukan dengan memperkecil nilai Axis (dari X dan Y).

Yaitu dengan meng-Klik Kanan pada Mouse, dimana kursor diposisikan

pada garis X atau Y yang akan di perkecil. Maka akan tampil layar

seperti gambar berikutnya. Kemudian pilih pada bagian Axis Option-

Klik Fixed, kemudian ganti nilai rentang data yang akan di perkecil

luasannya
g. Setelah mengubah nilai tersebut maka akan tampil hasil seperti berikut.

Untuk menampilan nilai data pada masing masing titik diperoleh dengan

cara: Klik Kanan pada salah satu titik, kemudian pilih Add Data Label

atau Format Data Label dan tandai (√) label data yang ingin ditampilkan.

Untuk posisi data label dipilih pada label Position (Pilih salah satu

posisi)

h. Setalah memilih label yang ingin ditampakakan maka titik titik

distribusi yang dibuat akan ditampilkan bersamaan dengan label data

4. Variogram

a. Variogram Eksperimental

1) Variogram Eksperimental 1 Dimensi

koordinat
X Y NILAI
5 5 11
5 10 13
5 15 15
5 20 9
5 25 13
5 30 8
10 5 15
10 10 11
10 15 9
10 20 8
10 25 12
10 30 9
15 5 13
15 10 12
15 15 8
15 20 11
15 25 10
15 30 7
20 5 16
20 10 15
20 15 10
20 20 12
20 25 14
20 30 10
25 5 15
25 10 16
25 15 7
25 20 15
25 25 9
25 30 10
30 5 10
30 10 7
30 15 10
30 20 16
30 25 7
30 30 6
2) Variogram Eksperimental 2 Dimensi

(W-E)
(N-S)
(SW-NE)
(SE-NW)
b. Variogram Model

Variogram model dapat diperoleh dalam software S-GeMS.

Pertama import file data yang akan dilakukan pengolahan dengan,
memilih: (Object- Load Object) maka akan ditampilkan data yang akan
dilakukan pengolahan.

Setelah memilih file yang akan diolah, kemudian lakukan proses

pengecekan data yang akan diolah, dan lakukan pemilihan type objek pada
aplikasi “Cange Type”. Ubah ke “point set”. Setelah melakukan
pengubahan type. Untuk melanjutkan ketahap berikut maka pilih tombol
“Next”
Ganti posisi koordianat (nilai X, Y, dan Z) sesuai data. Bila ada data yang
kurang, atau dengan kata lain terdapat data yang tidak memiliki besaran
nilai yang jauh berbeda dengan data lainnya (Data Pencilan). Maka buat
tanda"√" pada “No Data Value”, kemudian masukan nilai yang dianggap
sangat salah namun masih dapat digunakan. Kemudian Klik “Finish”

Setelah mengisi semua parameter yang ada, setelah itu akan muncul layar
(pada bagian tengah). Dan pada bagian “Object” lakukan peng-Klik an
pada(∎). Maka akan muncul folder sesuai dengan judul project yang
dibuat.

Setelah itu kita harus membuat Grid nya dengan menekan tools “Object”
kemuduan tekan “New Cartesian Grid”
Kemudian input data-data Grid sebagai berikut

Setelah itu untuk menampilkan Grid klik pada(∎) pada panel Grid.
setelah itu kita harus membuat histogram terlebih dahulu dengan cara
Tools Data Analysis dengan cara Klik- Data Analysis- Histogram maka
akan ditampilkan layar terpisah, untuk mengerjakan histogram data.

Kemudian pilih project kita dalam panel object dan parameter yang mau
kita cari dalam panel propertys
Kemudian save histogram dengan meng kilk tombol save image. Untuk
membuat Variogram, yaitu Klik Data Analysis - Variogram.

Maka akan mucul layar seperti dibawah ini. Kemudian pilih kerja yang
akan diolah dengan meng-compute variogram bila belum membuat
variogram.

Dalam menentukan head dan tail Property, tergantung pada jenis

variogram yang akan dibuat. Setelah memilih properties yang akan
dibuatkan variogramnya. Kemudian klik Next.
. Kemudian masukan parameter-parameter batasan dalam membuat
variogram. Masukan jumlah Lag pada “Number of Lag” • Number of Lag:
merupakan jumlah pembagian kawasan pengaruh yang diperoleh dengan
membagi wilayah data (jarak maksimal) dengan jarak batas (separation)
yang diinginkan. • Lag Separation: merupakan interval antara pangkal dan
ujung untuk satu lag. Atau jarak antar satu batas Lag. • Lag Tolerance:
merupakan nilai batas toleransi wilayah yang masih dapat dipengaruhi
oleh satu Lag. Nilai Lag Tolerance biasanya setengah dari Lag Separation.
Masukan jumlah arah atau directions yang akan diolah berdasarkan
kondisi data. Nantinya jumlah arah ini dapat kita kerjakan sesuai
penentuan arah azimuth (North-East, South East, South West, North
West). Azimuth yang ditampilkan dapat kita buat hingga (360𝑜) yang
dapat dimulai pada sudut 0𝑜,30𝑜,45𝑜,60𝑜,90𝑜,120𝑜,……,..360𝑜.
Setelah memasukan nilai azimuth untuk variogram, kemudian
masukan besar Dip/ Kemiringan dari data. Kemiringan ini biasanya
ditentukan berdasarkan kondisi lubang bor. Biasanya lubang bor yang ada
memiliki kemiringan nol derajat atau tegak lurus dengan titik di
permukaan.
Kemudian masukan besar Toleransi untuk batas pengaruh pada
masing masing arah pengaruh (azimuth). Sudut yang dibuat bisa kecil dari
90 derajat atau besar dari 90 derajat. Namun untuk besar sudut toleransi
untuk masing-masing arah yang besar dari 90 derajat maka ini untuk
mengindikasikan data dibuat untuk jenis Omni-Directional variogram.
Setelah itu masukan Bandwidth atau lebar data analist, biasanya
digunakan bandwidth sebesar 1000, atau 500. Yang artinya pada
sepanjang titik azimuth daerah pengaruhnya adalah sebesar 1000 (satuan
panjang) kemasing masing bagian (kanan-kiri).
Untuk membuat variogram experimental maka dipilih yaitu
“Variogram” pada type mesure.
Setelah memasukan semua parameter dalam Directions klik Next
maka akan muncul tampilan layar dengan jumlah Direction (Arah) yang
sesuai dengan jumlah yang dibuat saat mengimputkan parameter untuk
perhitungan variogram.

Kemudian untuk nilai nugget, dan sill dapat kita lihat nilai variance
dalam histogram tadi. Dimana angka dibelakang koma dimasukan dalam
nugget (0.1) dan angka sebelum koma dimasukan dalam sil (3851). Untuk
nilai min, med dan max juga dapat dilihat pada histogram.
 Setelah itu save variogram mode dengan meng klik tools “file” dan
“set variogram model”.

Untuk mengexport variogram dalam bentuk image dapat dilakukan

dengan tools “file” kemudian “export plots as images”.
PLOT 1

PLOT 2

PLOT 3

PLOT 4
 Kemudian selanjutnya adalah pembuatan kriging. Pembuatan
kriging dapat kila lakukan dengan tools “algorithms” kemudian
“estimation”dan kemudian “Kriging”

Langkah selanjutnya adalah dengan memanggil Grid Name yang

sudah dibuat sebelumnya. Kemudian masukan nama Project (New
Property Name)

Dan selanjutnya dengan memasukan na project kita tadi

 Nilai range biasanya adalah 1000 dengan sudut yang terbentuk
adalah 0𝑜. Kemudian beralih ke panel variogram. Load variogram
model yang telah kita simpan tadi.

Panel-panel dalam variogram akan otomatis terisi dan

kemudian klick “run algorithm”.
 Setlah kriging maka hasil yang didapat akan seperti gambar
dibawah ini.

Lakukan hal yang sama untuk semua parameter. Sehingga

mendapatkan data sebagai berikut
2. Kriging Universal

Universal kriging adalah metode penaksiran yang digunakan untuk

menangani masalah kenonstasioneran dari data sampel. Seperti halnya dengan
Ordinary kriging, Universal kriging juga menghasilkan BLUE (Best Linier
Unbiassed Estimator). Sifat BLUE membuktikan bahwa estimator Universal
kriging adalah estimator tak bias, linier dan punya nilai variansi minimum.
Dengan BLUE ini maka akan dihasilkan MSE minimum (Mean Square Error
minimum) yang digunakan untuk mengukur efisiensi dari estimator. MSE
minimum diperlukan pada analisis struktural, yaitu untuk mencocokan nilai
semivariogram eksperimental dengan semivariogram Universal kriging.
Dengan MSE minimum didapatkan perhitungan dan juga variansi error dari
masingmasing data sampel yang akan di estimasi.
 BAB III
PENUTUP

1.Kesimpulan
Microsof excel atau microsof office excel adalah sebuah program
aplikasi lembar kerja spreadsheet yang dibuat dan didistribusikan oleh
microsoft comporation yang dapat dijalankan pada microsoft windows dan
mac OS.
SGMS adalah paket komputer open source untuk memecahkan
masalah yang melibatkan variabel yang berhubungan secara spasial,
SGMES ini menyediakan praktisi geostatistik dengan artamuka yang user-
friendly, interaktif 3D visualisasi dan berbagai pilihan algoritma.