METODE PERHITUNGAN CADANGAN TE-3231 Edis PDF
METODE PERHITUNGAN CADANGAN TE-3231 Edis PDF
METODE PERHITUNGAN CADANGAN TE-3231 Edis PDF
Sinclair (2005)
Disusun Oleh:
Sangat diharapkan bahwa mahasiswa tidak hanya mengacu pada diktat ini
tetapi juga harus membaca dan mempelajari buku pegangan (text book) lain
yang banyak tersedia untuk memperkaya pengetahuan dan pemahamannya.
Diktat ini merupakan edisi pertama yang disusun dengan mengacu pada buku
Applied Mineral Inventory Estimation (Sinclair and Blackwell, 2005). Disamping
itu materi juga diambil dari buku-buku pilihan lainnya seperti tercantum dalam
bagian Daftar Pustaka, maupun dari pengalaman dan pemahaman pribadi para
penyusunnya.
Penyusun:
Prof. Sudarto Notosiswoyo, Dr.Ir.M.Eng.
Syafrizal Lilah, ST.MT.
Mohamad Nur Heriawan, ST.MT.
Agus Haris Widayat, ST.MT.
i
DAFTAR ISI
halaman
KATA PENGANTAR …………………………………………… i
DAFTAR ISI …………………………………………… ii
DAFTAR GAMBAR …………………………………………… iv
DAFTAR TABEL …………………………………………… vii
BAB
I. PENDAHULUAN …………………………………………… I-1
1.1 PENDAHULUAN I-1
1.2 PENTUNGNYA PERHITUNGAN CADANGAN ......... I-3
ii
halaman
5.2.3 Kovariansi ....................................................... V-6
5.2.4 Skewness dan Kurtosis ……………………… V-6
5.3 HISTOGRAM ........................................................... V-7
5.4 DISTRIBUSI KONTINU .....…………………………… V-9
5.4.1 Distribusi Normal (Gaussian) ………………… V-10
5.4.2 Distribusi Normal Baku ………………………. V-10
5.4.3 Formula Taksiran untuk Distribusi Normal ….. V-11
5.4.4 Distribusi Lognormal ….………………………. V-13
5.4.5 Distribusi Binomial …………………………….. V-14
5.4.6 Distribusi Poisson ........................................... V-15
5.5 DISTRIBUSI KUMULATIF ……………………………. V-17
5.5.1 Grafik Peluang ….....…………………………… V-18
5.6 KORELASI SEDERHANA ……………………………. V-21
5.7 AUTOKORELASI ...................................................... V-23
5.8 REGRESI LINIER SEDERHANA .............................. V-25
5.9 REGRESI REDUCE MAJOR AXIS ………………….. V-27
DAFTAR PUSTAKA
iii
DAFTAR GAMBAR
Gambar halaman
2.1 Grafik antara kadar taksiran (absis) dengan kadar II-2
sebenarnya (ordinat) pada beberapa blok (selective
mining), cog (Xc) yang ditentukan untuk absis
maupun ordinat sebesar 0.2% ...............................…
2.2 Konsep Konektivitas sebagai fungsi perubahan II-3
harga cog. Blok-blok rencana penambangan emas
yang dibuat berdasar 1.033 sampel diwilayah
northern British Columbia ……...................................
2.3 Dilusi yang terjadi pada setiap tahapan proses II-5
pertambangan …….....…………………………………
2.4 Ilustrasi numerik dari efek smoothing kombinasi II-7
kadar dari support kecil sampai besar (atas),
hubungan umum dari dispersi kadar yang
diilustrasikan dalam histogram antara sampel
volume kecil dan besar ………............................…..
2.5 Blok-blok yang dipergunakan untuk mengestimasi II-8
geometri badan bijih, blok tersebut umumnya akan
dipergunakan sebagai selective mining unit ………..
2.6 Pola eksplorasi bujursangkar (a), persegi panjang
(b), segitiga (c), dan rhombohedron (d) ..................... II-10
3.1 Sistem klasifikasi sumberdaya mineral dan III-8
cadangan SNI 1998 …….....………………………….
3.2 Sistem kodifikasi sumberdaya mineral dan cadangan III-9
SNI 1998 ……….................................……….………
4.1 Sesar mendatar (garis putus) yang terjadi setelah IV-2
proses mineralisasi akan menghasilkan zona yang
mempunyai kadar mineral sangat berbeda ...............
4.2 Kerapatan dan arah rekahan dipetakan dengan baik. IV-3
Terdapat mineralisasi: hitam dan abu-abu, dari kiri
ke kanan menunjukkan kerapatan rekahan yang
semakin turun, dari atas ke bawah menunjukkan
arah dominasi yang berlawanan ……………………
4.3 Penampang model endapan molibdenit utara- IV-4
selatan (A) dan timur-barat (B) Central British
Columbia menunjukkan tiga fase mineralisasi pada
breksi, stringer zone, dan high-grade vein …....…….
4.4 Model geometri endapan tembaga-timah di tambang IV-6
Neves-Corvo Portugal yang berubah-ubah sesuai
iv
Gambar halaman
tambahan data geologi dan penambangan …......…
4.5 Penampang utara-selatan endapan sulfida masif IV-7
Woodlawn- Australia, menunjukkan pernedaan hasil
interpretasi data bor dengan hasil penambangan ..…
4.6 Beberapa variasi model batas antara bijih dan IV-8
waste. Dari kiri ke kanan batas bijih berubah menjadi
semakin gradasi, sedangkan dari atas ke bawah
batas bijih berubah dari bidang sederhana menjadi
lebih kompleks (tidak teratur) ...........................……
4.7 Pasangan data dengan jarak yang sama (dalam
kasus ini 2 m) ditentukan baik untuk bijih maupun IV-9
waste dari garis batas …………………………………
4.8 Hasil plot antara kadar bijih terhadap waste untuk IV-10
berbagai jarak yang sama dari batas bijih-waste ….
4.9 Variasi mineralogi pada tambang sulfida masif IV-12
Woodlawn (Australia)…….......................................…
5.1 Histogram data hipotetik, dengan memperlihatkan V-4
modus, median dan rata-ratanya …………………….
5.2 Tiga contoh hasil analisis lubang bor yang V-6
digambarkan dengan histogram. Skewness negatif
(a), simetris (b) dan skewness positif (c). Pada
gambar (b) disertai dengan kurva normalnya
5.3 Ilustrasi data yang dikelompokkan secara spasial V-8
(a). Ukuran sel paling optimal diperoleh ketika kurva
mean terbobot mencapai titik terendah jika data
terkonsentrasi pada daerah kadar tinggi (b),
demikian pula sebaliknya ..........................................
5.5 Kurva fungsi kepadatan peluang distribusi normal. V-10
Simetris pada nilai mean xm = 0,76 dan dispersi
diukur oleh standar deviasi s = 0,28 ………………….
5.6 Kurva distribusi normal baku ….........……………….. V-11
5.7 Kurva distribusi lognormal dari analisis lubang bor V-13
pada endapan tembaga Bougenville (Sinclair, 2005).
Parameter data mentahnya m = 0,45% Cu dan s =
0,218 ………………..................................................
5.8 Contoh bentuk distribusi binomial …....……………… V-15
5.9 Contoh bentuk distribusi poisoon …………………….. V-17
5.10 Histogram kumulatif ……....................................……. V-18
5.11 Grafik Peluang dari histogram pada gambar 5.2.c …. V-20
5.12 Grafik peluang dari histogram pada Gambar 5.2c V-20
dengan absis dalam skala logaritmik ……........……..
5.13 Bentuk grafik peluang dari dua populasi …………… V-21
v
Gambar halaman
5.14 Diagram pencar dengan berbagai nilai koefisien V-22
korelasi ......................................................................
5.15 Pengaruh pencilan dan trend nonlinier pada V-22
koefisien korelasi (r) ………………............................
5.16 Beberapa contoh korelogram ................................... V-23
5.17 Contoh penggunaan least square yang V-27
menunjukkan hubungan densitas dan kadar Ni .........
5.18 Tiga model linier untuk merepresentasikan V-29
pasangan data Au – AuD ………….................………
6.1 Contoh penaksiran metode IDW ..…………………… VI-4
6.2 Sketsa perhitungan volume bijih dengan rumus VI-6
mean area (metode penampang) .............................
6.3 Sketsa perhitungan volume bijih dengan rumus VI-6
prismoida ...................................................................
6.4 Sketsa perhitungan volume bijih dengan rumus VI-7
kerucut terpacung .…............................………………
6.5 Sketsa perhitungan volume bijih dengan rumus VI-7
obelisk .......................................................................
6.6 Metode poligon …..…………………………………….. VI-8
6.7 Teknik perhitungan sumberdaya batubara VI-10
berdasarkan sistem United States Geological Survey
Circular 891 (1983) ………....................................….
6.8 Cara perhitungan sumberdaya batubara dengan VI-11
kemiringan ≤300 (atas) dan kemiringan >300
(bawah), (USGS, 1983) ............................................
6.9 Kontrol struktur pada batas sumberdaya batubara VI-12
(USGS, 1983) ………………………………………….
6.10 Perhitungan sumberdaya dengan model blok ……… VI-13
vi
DAFTAR TABEL
Tabel halaman
II.1 Dua kategori kontinuitas dalam perhitungan cadangan II-5
III.1 Perkiraan tingkat kesalahan (error) pada masing- III-12
masing tingkat keyakinan ……...........................………
IV.1 Koefisien korelasi dan kontras geokimia untuk IV-11
pasangan data dengan berbagai jarak ……..............….
V.1 Rangkuman perhitungan contoh distribusi poisson ...… V-17
V.2 Rangkuman parameter model seperti ditunjukkan pada V-28
Gambar 5.18. ……….............................................…..
VI-1 Hasil perhitungan penaksiran IDW VI-4
...............………………
vii
Diktat TE-3231, Metode Perhitungan Cadangan
BAB I, Pendahuluan
BAB I
PENDAHULUAN
The life of a mine does not start the day that production begins, but many years before, when the company sets out
to explore for a mineral deposit. A good deal of time and money is spent simply looking for, locating and quantifying a
promising mineral occurrence. Not many will be found and not many of the ones found will have the potential to
become mines. It is not unusual to spend five to ten years searching for a mineable deposit.(anonymous).
1.1 PENDAHULUAN
I-1
Diktat TE-3231, Metode Perhitungan Cadangan
BAB I, Pendahuluan
Perhitungan secara lokal dilakukan baik pada tahapan studi kelayakan maupun
pada saat kegiatan penambangan sedang dilakukan. Hasil perhitungan
umumnya dipakai untuk perencanaan jangka pendek atau menengah dan
diklasifikasikan sebagai cadangan. Pengertian tentang sumberdaya dan
cadangan selanjutnya akan dijelaskan lebih rinci pada Bab III.
I-2
Diktat TE-3231, Metode Perhitungan Cadangan
BAB I, Pendahuluan
Dalam diktat kuliah ini akan disampaikan tahapan dan beberapa metode yang
digunakan dalam proses perhitungan cadangan bahan galian. Metode yang
digunakan dalam perhitungan cadangan mencakup metode konvensioanl atau
klasik dan metode non-konvensional. Metode konvensional menggunakan
penaksiran 1 variabel dan perhitungan cadangan 2 yang sederhana, sedangkan
metode non-konvensional menggunakan pendekatan geostatistik dalam proses
penaksiran variabel maupun perhitungan cadangan. Dalam mata kuliah ini
hanya akan dibahas metode konvensional, sedangkan metode non-
konvensional akan dibahas pada mata kuliah lain yaitu Geostatistik serta
Pemodelan dan Evaluasi Cadangan.
1
Istilah penaksiran berhubungan dengan proses memperkirakan suatu nilai variabel yang
belum diketahui (misalnya kadar atau ketebalan) di suatu titik berdasarkan informasi dari titik-
titik di sekitarnya yang sudah diketahui nilai variabelnya.
2
Istilah perhitungan cadangan berhubungan dengan proses menghitung untuk memperoleh
kuantitas (misalnya tonase atau volume bijih) dengan menggunakan data dimensi (kuantitas)
dan data kualitas baik yang primer (diperoleh dari sampel) atau sekunder (diperoleh dari hasil
penaksiran).
I-3
Diktat TE-3231, Metode Perhitungan Cadangan
BAB I, Pendahuluan
I-4
Diktat TE-3231, Metode Perhitungan Cadangan
BAB II, Konsep Dasar Perhitungan Cadangan
BAB II
KONSEP DASAR PERHITUNGAN CADANGAN
2.1 BIJIH
Istilah bijih diaplikasikan pada mineralisasi batuan dalam tiga pemahaman yaitu
pemahaman geologi dan keilmuan (sains), kontrol kualitas pada cadangan bijih,
dan bagian termineralisasi pada front tambang. Dalam perhitungan cadangan,
pemahaman kedua sangat penting dalam menunjukkan perbedaan yang jelas
antara bijih dan waste (overburden).
Pengertian dasar dari cutoff grade (cog) adalah kadar batas dimana kadar di
bawahnya mempunyai kandungan logam atau mineral dalam batuan yang tidak
memenuhi syarat-syarat keekonomian. Cog digunakan untuk membedakan
blok-blok bijih dengan blok-blok waste dalam perhitungan cadangan. Dalam
membedakan antara bijih dan waste tersebut didasarkan pada kadar taksiran
yang masih mengandung beberapa kesalahan, sedangkan kadar sebenarnya
belum diketahui kecuali jika sudah dilakukan penambangan.
II-1
Diktat TE-3231, Metode Perhitungan Cadangan
BAB II, Konsep Dasar Perhitungan Cadangan
Pada Gambar 2.1 ditunjukkan hasil plot antara kadar taksiran dan kadar
sebenarnya dari blok-blok operasi penambangan tembaga. Untuk kadar
taksiran maupun kadar sebenarnya ditentukan nilai cog sebesar 0,2% sehingga
menghasilkan empat kuadran. Kuadran I menunjukkan blok bijih yang
diklasifikasikan sebagai bijih dengan benar, Kuadran II blok bijih yang
diklasifikasikan sebagai waste dengan tidak benar, Kuadran III blok waste yang
diklasifikasikan sebagai waste dengan benar, sedangkan Kuadran IV
menunjukkan blok waste yang diklasifikasikan sebagai bijih dengan tidak benar.
Garis regresi (R) mengindikasikan overestimasi pada kadar tinggi dan
underestimasi pada kadar rendah. Sehingga dalam hal ini perhitungan
cadangan yang menggunakan data kadar taksiran tidak pernah tepat terhadap
hasil operasi penambangan (kadar sebenarnya).
Gambar 2.1: Grafik antara kadar taksiran (absis) dengan kadar sebenarnya (ordinat)
pada beberapa blok (selective mining), cog (Xc) ditentukan untuk
absis maupun ordinat sebesar 0,2%.
II-2
Diktat TE-3231, Metode Perhitungan Cadangan
BAB II, Konsep Dasar Perhitungan Cadangan
cog naik maka juga akan menaikkan harga stripping ratio (SR, volume waste
yang harus digali untuk mendapatkan 1 ton bijih). Oleh karena itu dalam
perhitungan cadangan sebaiknya dibuat dengan memperhatikan kisaran harga
cog untuk memudahkan optimasi dalam membuat skenario penambangan.
Gambar 2.2: Konsep konektivitas sebagai fungsi perubahan harga cog. Blok-blok
rencana penambangan emas yang dibuat berdasar 1.033 sampel di wilayah northern
British Columbia (Sinclair & Blackwell, 2005, h. 6).
Meskipun cog merupakan nilai yang diperoleh dari banyak faktor yang
kompleks, secara sederhana cog juga dapat diperoleh dengan formula yang
II-3
Diktat TE-3231, Metode Perhitungan Cadangan
BAB II, Konsep Dasar Perhitungan Cadangan
OC = FC + ( SR + 1) × MC (1.1)
dimana:
FC = fixed cost per ton yang diolah
SR = stripping ratio
MC = mining cost per ton yang ditambang
cog = OC / p (1.2)
dimana:
2.3 KONTINUITAS
Istilah kontinuitas dalam endapan mineral diartikan menjadi dua yaitu untuk
mendeskripsikan bentuk fisik dari komponen geologi yang mengontrol proses
mineralisasi. Disamping itu istilah kontinuitas juga dapat diartikan sebagai
kemenerusan nilai kadar endapan. Tabel II.1 memberikan definisi dan contoh
dari dua makna kontinuitas dalam pengertian endapan mineral. Kontinuitas
geologi selanjutnya akan dibahas secara detil dalam Bab IV, sedangkan
kontinuitas nilai akan diperdalam pada mata kuliah Geostatistik.
II-4
Diktat TE-3231, Metode Perhitungan Cadangan
BAB II, Konsep Dasar Perhitungan Cadangan
2.4 DILUSI
Dilusi adalah hasil pencampuran dari material bukan bijih (waste) ke dalam
material bijih dalam rangkaian kegiatan pertambangan yang akan menaikkan
tonase dan menurunkan secara relatif rata-rata kadar. Dilusi tidak hanya terjadi
pada tahap eksplorasi saja melainkan terjadi hingga proses pengolahan
mineral. Ilustrasi mengenai dilusi pada tiap tahapan pertambangan dapat dilihat
pada Gambar 2.3.
Gambar 2.3: Dilusi yang terjadi pada setiap tahapan proses pertambangan.
Dilusi dapat dibedakan menjadi dua yaitu dilusi internal dan eksternal. Dilusi
internal adalah apabila material kadar rendah terletak di dalam material kadar
tinggi, sedangkan dilusi eksternal adalah apabila material kadar rendah terpisah
dengan material kadar tinggi. Lebih jauh lagi, dilusi internal dapat dibagi
menjadi dua, pertama material kadar rendah mempunyai batas yang jelas
dengan material kadar tinggi (dilusi geometri) dan kedua material kadar rendah
II-5
Diktat TE-3231, Metode Perhitungan Cadangan
BAB II, Konsep Dasar Perhitungan Cadangan
tidak mempunyai batas yang jelas dengan kadar tinggi (dilusi inheren). Dilusi
internal geometri hadir sebagai waste yang dibedakan dengan jelas di dalam
endapan bijih, misalnya barren dike yang menerobos zona bijih. Dilusi internal
inheren dapat terjadi karena bertambahnya ukuran blok yang digunakan untuk
memisahkan bijih terhadap waste.
Secara umum variabel teregional setidaknya terdiri dari dua komponen yaitu
komponen acak dan komponen terstruktur. Komponen acak umumnya
menyertai komponen terstruktur dengan semakin jauhnya jarak antar titik
informasi. Fungsi matematis autokorelasi dapat dipergunakan untuk
mengkarakterisasi variabel teregional dan kemudian diaplikasikan dalam
perhitungan cadangan. Sebaliknya, statistik variabel acak (independen)
mengabaikan efek spasial korelasi sehingga tidak akan sepenuhnya
bermanfaat dalam perhitungan cadangan.
1
Autokorelasi adalah hubungan korelasi yang terjadi pada satu variabel dimana nilai-nilai dalam
variabel tersebut tidak saling bebas.
II-6
Diktat TE-3231, Metode Perhitungan Cadangan
BAB II, Konsep Dasar Perhitungan Cadangan
Gambar 2.4: Ilustrasi numerik dari efek smoothing kombinasi kadar dari support kecil
sampai besar (atas), hubungan umum dari dispersi kadar yang diilustrasikan dalam
histogram antara sampel volume kecil dan besar.
Selective mining unit (SMU) adalah blok terkecil dimana penentuan bijih dan
waste umumnya dibuat. Ukuran dari SMU ditentukan berdasarkan metode
penambangan dan juga skala operasi yang akan dilakukan. Untuk tujuan
perencanaan, endapan mineral dapat dibuat menjadi blok-blok 3 dimensi
seperti pada Gambar 2.5. Masing-masing blok ditentukan harga kadar logam
atau parameter yang lain. Penentuan SMU merupakan hal yang sangat kritis
II-7
Diktat TE-3231, Metode Perhitungan Cadangan
BAB II, Konsep Dasar Perhitungan Cadangan
Gambar 2.5: Blok-blok yang dipergunakan untuk mengestimasi geometri badan bijih,
blok tersebut umumnya akan dipergunakan sebagai selective mining unit (SMU).
II-8
Diktat TE-3231, Metode Perhitungan Cadangan
BAB II, Konsep Dasar Perhitungan Cadangan
Secara umum pola dasar eksplorasi adalah bekerja dari lokasi yang sudah
diketahui menuju lokasi yang belum diketahui. Akibat adanya faktor mineralisasi
dan kondisi topografi, maka bentuk pola-pola eksplorasi dapat berbeda sesuai
dengan kondisinya, antara lain:
1. Pola bujursangkar, digunakan untuk jenis endapan yang mempunyai
penyebaran isotrop (mineralisasi homogen) dan topografi landai.
II-9
Diktat TE-3231, Metode Perhitungan Cadangan
BAB II, Konsep Dasar Perhitungan Cadangan
Derajat kerapatan antar titik observasi di dalam pola eksplorasi disebut dengan
grid density. Terdapat dua hal dalam pembahasan grid density yaitu:
II-10
Diktat TE-3231, Metode Perhitungan Cadangan
BAB II, Konsep Dasar Perhitungan Cadangan
Metode perhitungan yang digunakan harus memberikan hasil yang dapat diuji
ulang atau diverifikasi. Tahap pertama setelah perhitungan sumberdaya
selesai, adalah memeriksa atau mengecek taksiran kualitas blok (unit
penambangan terkecil). Hal ini dilakukan dengan menggunakan data pemboran
yang ada di sekitarnya. Setelah penambangan dimulai, taksiran kadar dari
II-11
Diktat TE-3231, Metode Perhitungan Cadangan
BAB II, Konsep Dasar Perhitungan Cadangan
model sumberdaya harus dicek ulang dengan kualitas dan tonase hasil
penambangan yang sesungguhnya.
II-12
Diktat TE-3231, Metode Perhitungan Cadangan
BAB III, Sistem Klasifikasi Sumberdaya dan Cadangan
BAB III
KLASIFIKASI SUMBERDAYA DAN CADANGAN
III-1
Diktat TE-3231, Metode Perhitungan Cadangan
BAB III, Sistem Klasifikasi Sumberdaya dan Cadangan
III-2
Diktat TE-3231, Metode Perhitungan Cadangan
BAB III, Sistem Klasifikasi Sumberdaya dan Cadangan
III-3
Diktat TE-3231, Metode Perhitungan Cadangan
BAB III, Sistem Klasifikasi Sumberdaya dan Cadangan
III-4
Diktat TE-3231, Metode Perhitungan Cadangan
BAB III, Sistem Klasifikasi Sumberdaya dan Cadangan
III-5
Diktat TE-3231, Metode Perhitungan Cadangan
BAB III, Sistem Klasifikasi Sumberdaya dan Cadangan
III-6
Diktat TE-3231, Metode Perhitungan Cadangan
BAB III, Sistem Klasifikasi Sumberdaya dan Cadangan
Angka pertama adalah menunjukkan Sumbu Ekonomis terdiri dari tiga angka:
Angka 1 menyatakan Ekonomis
Angka 2 menyatakan Berpotensi Ekonomis
Angka 3 menyatakan Berintrinsik Ekonomis
Angka kedua adalah menunjukkan Sumbu Kelayakan terdiri dari tiga angka:
Angka 1 menyatakan Studi Kelayakan atau Laporan Penambangan
Angka 2 menyatakan Studi Pra Kelayakan
Angka 3 menyatakan Studi Geologi
Angka ketiga adalah menunjukkan Sumbu Geologi terdiri dari empat angka:
Angka 1 menyatakan Eksplorasi Rinci
Angka 2 menyatakan Eksplorasi Umum
Angka 3 menyatakan Prospeksi
Angka 4 menyatakan Survei Tinjau
III-7
Diktat TE-3231, Metode Perhitungan Cadangan
BAB III, Sistem Klasifikasi Sumberdaya dan Cadangan
Tahap Eksplorasi
Eksplorasi Rinci Eksplorasi Umum Prospeksi Survei Tinjau
(Detailed Exploration) (General Exploration) (Prospecting) (Reconnaissance)
1. Cadangan Mineral
Terbukti (Proved Mineral
Reserve)
Studi Kelayakan dan {111}
atau Laporan
Penambangan 2. Sumberdaya Mineral
Kelayakan (Feasibility
Mineral Resource)
{211}
1-2. Sumberdaya Mineral 1-2. Sumberdaya Mineral 1-2. Sumberdaya Mineral ?. Sumberdaya Mineral
Terukur (Measured Mineral Terunjuk (Indicated Mineral Tereka (Inferred Mineral Hipotetik (Reconnaissance
Studi Geologi Resource) Resource) Resource) Mineral Resource)
{331} {332} {333} {334}
Kategori Ekonomis :
1 = Ekonomis 1-2 = Ekonomis ke berpotensi ekonomis (berintrinsik ekonomis)
2 = Berpotensi ekonomis ? = Tidak ditentukan
Kelayakan didasarkan pada kajian faktor-faktor: ekonomi, pemasaran, penambangan, pengolahan, lingkungan
sosial, hukum/perundang-undangan, dan kebijakan pemerintah
Gambar 3.1: Sistem klasifikasi sumberdaya mineral dan cadangan SNI 1998.
III-8
Diktat TE-3231, Metode Perhitungan Cadangan
BAB III, Sistem Klasifikasi Sumberdaya dan Cadangan
Gambar 3.2: Sistem kodifikasi sumberdaya mineral dan cadangan SNI 1998.
III-9
Diktat TE-3231, Metode Perhitungan Cadangan
BAB III, Sistem Klasifikasi Sumberdaya dan Cadangan
Total resources
Identified Undiscovered
Demonstrated Speculative
Hypothetical
(undiscovered
(known distict)
Measured indicated Inferred distict)
Reserves
Paramarginal
resources
Submarginal
III-10
Diktat TE-3231, Metode Perhitungan Cadangan
BAB III, Sistem Klasifikasi Sumberdaya dan Cadangan
III-11
Diktat TE-3231, Metode Perhitungan Cadangan
BAB III, Sistem Klasifikasi Sumberdaya dan Cadangan
Perkiraan
Kategori Kondisi Data
Error
Saat Development:
Mineralisasi/bijih tersingkap dan telah dilakukan
0 - 10 %
sampling dengan volume & intensitas yang cukup
melalui pemboran detil
Measured ↔ Proven
Pada Program Pemboran Detil:
Kondisi dan kemenerusan Bijih & Mineralisasi
5-20 %
pada semua tempat telah diidentifikasikan dengan
pemboran
Class – I :
Kondisi dan kemenerusan Bijih & Mineralisasi
regular – menerus telah diidentifikasikan dengan 20-40 %
pemboran, namun dengan jarak yang relatif masih
jauh
Indicated ↔ Probable
Class – II :
Kondisi dan kemenerusan Bijih & Mineralisasi
irregular – fluktuatif telah diidentifikasikan dengan 40-70 %
pemboran, namun dengan jarak yang relatif masih
jauh
Mineralisasi diinterpretasikan berdasarkan sifat
Inferred ↔ Possible kemenerusan dari titik-titk yang telah diketahui, 70-100 %
pemboran masih acak
III-12
Diktat TE-3231, Metode Perhitungan Cadangan
BAB IV, Kontrol Geologi
BAB IV
KONTROL GEOLOGI
. . . computation formed only part, and perhaps not the most important part, of ore reserve estimation; . . . the
estimate in situ should be seen primarily as a facet of ore geology.
(King et al., 1985)
Informasi fakta geologi merupakan dasar untuk membuat model 3 dimensi dari
endapan mineral. Informasi geologi diperoleh dari batuan yang tersingkap di
permukaan, paritan, sumur, dan pengeboran serta kegiatan bawah tanah.
Sumber-sumber informasi tersebut memberikan pengamatan langsung
terhadap batuan dan mineral tetapi hanya merepresentasikan sebagian sedikit
dari semua tubuh batuan atau endapan mineral. Walaupun diperoleh informasi
geologi dari proses pemercontoan yang benar tetapi conto yang diperoleh
hanya merupakan sepersejuta dari seluruh volume endapan. Dengan demikian
dibutuhkan komponen interpretasi untuk membangun model 3 dimensi endapan
mineral dan batuan sampingnya.
IV-1
Diktat TE-3231, Metode Perhitungan Cadangan
BAB IV, Kontrol Geologi
IV-2
Diktat TE-3231, Metode Perhitungan Cadangan
BAB IV, Kontrol Geologi
IV-3
Diktat TE-3231, Metode Perhitungan Cadangan
BAB IV, Kontrol Geologi
Gambar 4.3: Penampang model endapan molibdenit utara-selatan (A) dan timur-barat
(B) central British Columbia menunjukkan tiga fase mineralisasi pada breksi, stringer
zone, dan high-grade vein (Sinclair & Blackwell, 2005).
IV-4
Diktat TE-3231, Metode Perhitungan Cadangan
BAB IV, Kontrol Geologi
1
Pengertian dinamis pada perhitungan cadangan tidak hanya menyangkut aspek geologi, tetapi juga
dalam aspek ekonomi yang dinyakan dengan nilai cog yang berubah sesuai dengan kondisi
perekonomian, teknologi, lingkungan, dan politik.
IV-5
Diktat TE-3231, Metode Perhitungan Cadangan
BAB IV, Kontrol Geologi
Pemodelan geometri endapan juga dapat dilakukan secara tiga dimensi dengan
bantuan komputer. Pemodelan dengan cara ini akan memudahkan dalam
berbagai hal diantaranya manajemen data, visualisasi, perhitungan cadangan,
perencanaan tambang, dll. Disamping kemudahan-kemudahan tersebut
pemodelan ini juga dapat dilakukan dalam waktu yang lebih singkat dan lebih
fleksibel apabila ada perubahan atau penambahan data.
IV-6
Diktat TE-3231, Metode Perhitungan Cadangan
BAB IV, Kontrol Geologi
IV-7
Diktat TE-3231, Metode Perhitungan Cadangan
BAB IV, Kontrol Geologi
Gambar 4.6: Beberapa variasi model batas antara bijih dan waste. Dari kiri ke kanan
batas bijih berubah menjadi semakin gradasi, sedangkan dari atas ke bawah batas
bijih berubah dari bidang sederhana menjadi lebih kompleks (tidak teratur). Kedua
fenomena tersebut (tajam/gradasi dan sederhana/tidak teratur) merupakan fungsi
skala. Batas bijih semakin kompleks apabila besaran d semakin tebal relatif terhadap
tebal bijih (Sinclair & Blackwell, 2005).
IV-8
Diktat TE-3231, Metode Perhitungan Cadangan
BAB IV, Kontrol Geologi
batas antara bijih dan waste baik dari pengamatan permukaan maupun
underground.
Gambar 4.6: Pasangan data dengan jarak yang sama (dalam kasus ini 2 m) ditentukan
baik untuk bijih maupun waste dari garis batas.
Sebagai studi kasus dipergunakan data untuk endapan emas epitermal yang
mempunyai dimensi cukup besar dan batas bijih yang bergradasi. Hasil plot
pasangan data dapat dilihat pada diagram pencar Gambar 4.7. Dari diagram ini
akan diperoleh parameter kuantitatif misalnya koefisien korelasi (r) seperti
terlihat dalam Tabel IV.1. Metode yang hampir sama juga diperkenalkan oleh
IV-9
Diktat TE-3231, Metode Perhitungan Cadangan
BAB IV, Kontrol Geologi
dimana:
Cg = kontras geokimia
mo(h) = rata-rata kadar dari n jumlah data yang berjarak h dari batas
bijih
mw(h) = rata-rata kadar dari n jumlah data yang berjarak h dari batas
waste
Gambar 4.7: Hasil plot antara kadar bijih terhadap waste untuk berbagai jarak yang
sama dari batas bijih-waste (Sinclair & Blackwell, 2005).
Harga kontras geokimia dapat diperlihatkan dalam Tabel IV.1. Dalam kasus ini
tebal zona gradasi dapat dilihat dari nilai koefisien korelasi dan kontras
geokimia. Diinterpretasikan zona gradasi pada daerah batas adalah 4 m yaitu 2
m ke arah bijih dan 2 m ke arah waste. Dengan demikian data yang terdapat
IV-10
Diktat TE-3231, Metode Perhitungan Cadangan
BAB IV, Kontrol Geologi
4.4 MINERALOGI
IV-11
Diktat TE-3231, Metode Perhitungan Cadangan
BAB IV, Kontrol Geologi
Gambar 4.8: Variasi mineralogi pada tambang sulfida masif Woodlawn (Australia)
(Sinclair & Blackwell, 2005).
Keuntungan lain yang dapat diperoleh dari studi mineralogi pada endapan
emas diantaranya:
1. Mengenali kehadiran mineral sianida seperti pirotit yang bereaksi dengan
larutan sianida sehingga menambah kebutuhan zat kimia dalam proses
konsentrasi.
2. Mengenali mineral Au yang sulit larut dalam larutan sianida (misalnya Au
teluride, elektrum kaya Ag) sehingga tidak dapat diperoleh dengan
perlakuan sianidasi.
3. Mengenali kehadiran mineral karbon yang mengabsorbsi larutan sianida
dalam jumlah yang signifikan.
IV-12
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
BAB V
KONSEP STATISTIK
Statistics … should not be involved in ore reserve estimation until all other factor such as geological continuity and
contact, loss core, representativeness, sampling and assay error have been identified, examined and assessed.
(King et al., 1982)
5.1 PENDAHULUAN
Para ahli statistik berbicara mengenai populasi (yaitu seluruh objek yang
dipelajari, contohnya endapan). Populasi atau deposit ini dikarakterisasi
menjadi variabel, contohnya kadar, dengan parameter-parameter yang unik
(seperti mean, standar deviasi), dan pola penyebaran nilai-nilai terhadap mean-
nya (probability density function) yang unik pula.
V-1
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
m=
∑x i
(5.1)
n
Jika n nilai diambil secara acak dari populasi maka rata-rata sampel adalah
taksiran takbias dari mean populasi. Nilai mean ini juga diartikan sebagai
ekspektasi pengambilan secara acak dari populasi.
m w = ∑ (wi xi ) = ∑
(l i d i xi )
∑ (l d )
i i
V-2
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
sampel ke-i.
Dalam analisis statistik data kadar biasanya dibuat beberapa subgrup kadar,
misalnya grup kadar yang di atas cog dan di bawahnya. Selain itu setiap
sampel umumnya juga dianalisis oleh dua laboratorium yang berbeda. Apabila
akan memperbandingkan grup kadar di atas cog untuk dua hasil analisis dari
laboratorium yang berbeda maka kedua hasil analisis tersebut harus dipisahkan
terhadap kadar di bawah cog. Jika kadar di bawah cog tersebut tidak
dipisahkan maka akan menyebabkan analisis statistik akan bias. Misalnya akan
memperbandingkan nilai rata-rata dari dua populasi tersebut maka terdapat dua
cara yaitu:
1. Dengan mencari kadar rata-rata (di atas cog) untuk Populasi 1 dan Populasi
2.
2. Dengan mencari kadar rata-rata populasi dengan formula sebagai berikut:
m w = p ⋅ m1 + (1 − p ) ⋅ m2 (5.4)
Median, salah satu ukuran tendensi sentral (biasanya digunakan untuk data
yang terdistribusi tidak normal). Median yaitu nilai pertengahan data yang telah
disusun dari yang besar ke yang kecil atau sebaliknya. Dengan kata lain 50%
data bernilai di bawah median dan 50% lagi bernilai di atas median. Untuk
jumlah data yang kecil, median menjadi taksiran yang baik untuk tendensi
sentral dibandingkan dengan mean.
Modus adalah (interval) data yang lebih sering terjadi dibandingkan dengan
(interval) data lainnya (dengan kata lain modus adalah puncak dari sebuah
histogram). Walaupun nilai modus juga bisa menjadi mean atau median, tetapi
V-3
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
ketiga ukuran tendensi sentral ini berbeda (Gambar 5.1). Untuk kasus distribusi
normal, modus, mean, dan median akan bernilai sama.
Modus sangat berperan untuk mengetahui distribusi kompleks dari dua atau
lebih sub-populasi (Sinclair, 1976) dan juga dalam pemahaman tentang
pencilan (outliers), khususnya nilai yang ekstrim tinggi.
Dispersi adalah ukuran penyebaran nilai data. Ukuran yang sering digunakan
adalah jangkauan (range) yaitu perbedaan antara nilai maksimum dan
minimum. Jangkauan tidak cocok untuk menjelaskan penyebaran data karena
sangat sensitif terhadap adanya nilai yang ekstrim.
∑ (x − m)
2
i
s 2
= (5.5)
(n − 1)
dimana xi adalah nilai data, m adalah mean data dan n adalah jumlah data. Nilai
n-1 sering disebut dengan derajat kebebasan. Variansi sampel (s2) digunakan
untuk menaksir variansi populasi (σ2). Pembagi (n-1) digunakan agar s2 takbias
jika digunakan untuk menaksir σ2 pada jumlah data yang kecil (n<30).
V-4
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
Akar dari variansi sering disebut standar deviasi, merupakan ukuran dispersi
yang lebih sering digunakan karena satuannya sama dengan variabel,
dibandingkan dengan variansi yang satuannya kuadrat.
Jika nilai mean, m, dan nilai dispersi, s, telah diperoleh dari n buah data, maka
variansi error (disebut juga standar error of mean, se) dihitung dengan
persamaan:
(
se = s 2 n )12
= s n1 2 (5.6)
artinya jika mean populasi dihitung dari beberapa sampel berukuran n, maka
mean tersebut akan mempunyai dispersi (s) yang ditaksir oleh se.
s 2
=∑
[w (x
i i − mw )
2
]
∑w
w (5.7)
i
Persentil (atau kuantil) adalah nilai di bawah batas proporsi tertentu dari sebuah
data set. Median adalah persenti ke-50. Pada beberapa kasus, persentil juga
digunakan untuk mengukur penyebaran data. Persentil yang sering digunakan
adalah:
P10, P90 nilai data yang ke 10% dan 90% dari keseluruhan data
P25, P75 nilai data yang ke 25% dan 75% dari keseluruhan data
P50 nilai data yang ke 50% dari keseluruhan data, yaitu median.
V-5
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
5.2.3 Kovariansi
Kovariansi (sxy) adalah ukuran variasi yang terjadi antara dua variabel (x dan y).
Kovariansi dihitung dengan persamaan:
[ ]
s xy = ∑ ( xi − m x )( yi − m y ) n (5.9)
(a) (b)
(c)
Gambar 5.2: Tiga contoh hasil analisis lubang bor yang digambarkan dengan
histogram. Skewness negatif (a), simetris (b) dan skewness positif (c). Pada gambar
(b) disertai dengan kurva normalnya.
V-6
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
5.3 HISTOGRAM
Interval nilai pada histogram harus dibuat seragam (1/4 atau 1/2 standar
deviasi) dan frekuensi data tidak ditampilkan dalam bentuk angka tetapi dalam
bentuk persentase (dengan tujuan untuk pembandingan histogram jika jumlah
data berbeda). Setiap histogram harus dilengkapi dengan informasi mengenai
jumlah data, interval kelas, mean dan standar deviasi.
V-7
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
Gambar 5.3: Ilustrasi data yang dikelompokkan secara spasial (a). Ukuran sel paling
optimal diperoleh ketika kurva mean terbobot mencapai titik terendah jika data
terkonsentrasi pada daerah kadar tinggi (b), demikian pula sebaliknya.
(Sinclair & Blackwell, 2005).
Salah satu cara lain untuk menghindari bias spasial ini adalah dengan
memberikan proporsi bobot nilai-nilai kadar sampel terhadap daerah poligon.
Metode yang sering digunakan adalah membuat sel yang seragam (2 dimensi
atau 3 dimensi sesuai kebutuhan) pada seluruh daerah sedemikian rupa
sehingga tiap-tiap sel memuat satu atau lebih data (Gambar 5.3). Sampel diberi
proporsi bobot relatif terhadap jumlah total sampel yang terdapat di dalam sel
(dengan kata lain tiap-tiap sel mempunyai bobot yang sama berapa pun jumlah
data yang terdapat di dalamnya, tetapi bobot masing-masing sampel bervariasi
tergantung berapa banyak data sampel dalam selnya). Prosedur ini tidak
dianjurkan karena akan menghasilkan histogram dari data sekunder yang
mewakili tiap-tiap sel atau akan mereduksi bobot apabila dalam satu sel
terdapat beberapa sampel.
V-8
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
V-9
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
Gambar 5.5: Kurva fungsi kepadatan peluang distribusi normal. Simetris pada nilai
mean xm = 0,76 dan dispersi diukur oleh standar deviasi s = 0,28.
Distribusi normal sering digunakan untuk mengatasi beberapa tipe error, seperti
error analisis dan error sampling.
Semua variabel yang terdistribusi normal dapat diubah menjadi normal baku
dengan transformasi sebagai berikut:
( x i − m)
zi = (5.12)
s
Transformasi ini menghasilkan nilai z yang terdistribusi normal baku dengan
mean sama dengan 0 dan variansi 1. Fungsi kepadatan peluangnya menjadi:
⎛ − z2 ⎞
⎜ ⎟
1 ⎜ 2 ⎟
y= e ⎝ ⎠
(5.13)
2π
V-10
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
Bentuk distribusi normal baku seperti tampak pada Gambar 5.6. Tabel-tabel
statistik yang sering digunakan menggunakan distribusi normal baku. Distribusi
normal baku merupakan basis pada konsep peluang dan batas kepercayaan.
[
P< z = 0,5 × 1 + {1 − exp(− 2 z 2
]
π )} (5.14)
atau
P> z = 1 − P< z
dimana P<z adalah proporsi populasi di bawah nilai z positif dan P>z adalah
proporsi populasi di atas nilai z positif. Untuk z negatif, nilai P<z menjadi proporsi
populasi di atas nilai z. Formula ini dapat digunakan untuk distribusi lognormal
jika datanya ditransformasikan menjadi logaritma yang terdistribusi normal.
V-11
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
Selain mengetahui proporsi di atas cog, sangat berguna juga jika mengetahui
kadar rata-rata material di atas (atau di bawah) cog. Kadar rata-rata material
antara A dan B dihitung dengan persamaan:
Z [( A − m ) s ] − Z [(B − m ) s ]
E[ x A − B ] = m + ⋅s (5.15)
Φ[(B − m ) s ] − Φ[( A − m ) s ]
dimana:
A adalah nilai pemotongan bawah
B adalah nilai pemotongan atas
m adalah mean dari distribusi normal
s adalah standar deviasi dari distribusi normal
Z[z] = (2)-1/2 exp(-z2 / 2)
Φ[z] adalah proporsi daerah di bawah kurva normal baku dari -∞ sampai
z.
Untuk pemotongan bawah A dan tidak ada pemotongan atas, maka persamaan
di atas menjadi:
Z [( A − m ) s ]
E [x > A ] = m + ⋅s (5.16)
1 − Φ[( A − m ) s ]
Contoh perhitungan kasus ini adalah dengan menggunakan data pada
perhitungan sebelumnya, atau dengan kata lain A= 0,4% Cu dan parameter
distribusi normal adalah m = 0,76 dan s =0,28. Maka, Z[(0,4 – 0,76) / 0,28] =
Z[-1,286] = 0,1745. Nilai Φ[-1,286] dilihat pada tabel = 0,903. Substitusikan
hasil ini pada persamaan di atas, maka diperoleh mean kadar Cu di atas cog
adalah E[X> 0,4] = 0,84% Cu.
V-12
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
Contoh selanjutnya adalah jika cog = 0,90% (lebih besar dari mean), diperoleh
Z[(0,9 – 0,76) / 0,28] = Z[0,5] = 0,35 dan Φ[0,5] = 0,69. Substitusikan nilai-nilai
ini pada persamaan di atas maka E[x>0,9]= 0,76 + 0,28(0,35/0,31) = 1,075%.
Perhitungan-perhitungan ini sangat diperlukan dalam konsep perhitungan
cadangan.
Gambar 5.7: Kurva distribusi lognormal dari analisis lubang bor pada endapan
tembaga Bougenville (Sinclair, 2005). Parameter data mentahnya
m = 0,45% Cu dan s = 0,218 (Sinclair & Blackwell, 2005).
Pada beberapa kasus, data yang skewness positif yang tidak terdistribusi
lognormal dapat diubah menjadi terdistribusi lognormal, yaitu ditransformasikan
dengan menambahkan konstanta, persamaan transformasinya:
t i = ln( xi + k ) (5.17)
Taksiran nilai k akan dibahas pada sub bab berikutnya. Ketika transformasi di
atas digunakan pada perhitungan cadangan, taksiran awal harus
V-13
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
dimana d adalah standar deviasi dari data yang telah ditranformasi menjadi log,
xc adalah cog (data awal) dan m adalah mean distribusi (data awal) dan Φ[z]
adalah fungsi distribusi kumulatif normal baku dari -∞ sampai z. Logam
terperoleh, R>c (proporsi metal yang terkandung dalam tonase di atas cog)
dihitung dengan persamaan:
R>c = 1 − Φ{ln ( xc m ) d − d 2} (5.19)
Distribusi binomial adalah distribusi untuk variabel diskrit. Untuk jumlah data n
yang besar, distribusi ini dapat dihampiri oleh ditribusi normal dengan meannya
sama dengan np dan variansi npq dimana n menyatakan jumlah data, p adalah
proporsi data mempunyai karakteristik tertentu dan q adalah proporsi data tidak
mempunyai karakteristik tersebut (p = 1 – q). Sebagai contoh, dari 100 kali
pelemparan koin takbias, diharapkan muncul kepala sebanyak 50 kali dan ekor
sebanyak 50 kali (p = q = 0,5).
V-14
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
Uji ketakbiasan suatu koin dapat dilakukan sebagai berikut: dengan pelemparan
sebanyak 100 kali dan untuk α = 0,05 (selang kepercayaan 95%), jumlah
kepala yang muncul harus berada pada selang np+2(npq)1/2 yaitu 50±10. Jika
kemunculan kepala di luar selang tersebut maka koin tersebut bias.
Contoh bentuk distribusi binomial seperti pada Gambar 5.8 yang menunjukkan
frekuensi (dalam %) terhadap jumlah butir mineral berat dimana setiap sampel
terdiri dari 1.000 butir. Dalam gambar tersebut terlihat mean adalah 15% dan
menunjukkan, sebagai contoh, terdapat peluang lebih dari 7% sampel
mempunyai butir mineral berat kurang dari 10 sedangkan yang diharapkan
adalah 15.
V-15
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
1. Jumlah ‘sukses’ yang terjadi dalam suatu selang waktu atau daerah tertentu
tidak terpengaruh oleh (bebas dari) apa yang terjadi pada selang waktu atau
daerah lain.
2. Peluang terjadinya suatu ‘sukses’ (tunggal) dalam selang waktu yang amat
pendek atau dalam daerah yang kecil sebanding (proporsional terhadap)
dengan panjang waktu atau besarnya daerah, dan tidak bergantung pada
banyaknya sukses yang terjadi di luar selang atau daerah tersebut.
3. Peluang terjadinya lebih dari satu ‘sukses’ dalam selang waktu yang pendek
atau daerah yang sempit tersebut dapat diabaikan.
Mean dan variansi distribusi poisson sama yaitu µ. Distibusi poisson adalah
bentuk khusus dari distribusi binomial ketika n menuju tak hingga dan np
konstan. Oleh sebab itu, distribusi poisson dapat digunakan untuk menaksir
distribusi binomial ketika p sangat kecil dan n sangat besar.
V-16
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
CV % = 100σ μ (5.22)
Jika presisi (P) didefinisikan sebagai dua kali koefisien variasi, maka:
P = 2CV % = 200σ μ = 200 μ 1 2 (5.23)
dimana µ adalah rata-rata jumlah butir dalam sampel. Presisi ini digunakan
untuk mengetahui jumlah butir yang berukuran seragam yang terdapat dalam
sampel.
Dalam Gambar 5.9 ditunjukkan contoh bentuk distribusi poisson dimana setiap
sampel mempunyai jumlah butir emas rata-rata dua. Diagram tersebut dibuat
dengan menggunakan Persamaan 5.21, rangkuman perhitungan seperti terlihat
pada Tabel V.1. Sebagai contoh terdapat peluang 13% dimana sampel dengan
jumlah butir 1.000 tidak mempunyai butir emas.
V-17
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
Histogram dapat dibuat kumulatif dari rendah ke tinggi (Gambar 5.10) maupun
sebaliknya. Walaupun histogram kumulatif mudah dipahami dan sering
dipergunakan, jenis distribusi ini masih mengandung ambigu jika dievaluasi
hanya dengan melihat tampilan. Grafik lain yang banyak digunakan untuk
melihat persentase kumulatif data adalah grafik peluang (probability graphs).
V-18
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
Pada Gambar 5.12 ordinatnya berupa skala logaritma, titik-titik kumulatif yang
membentuk garis lurus juga terdistribusi lognormal. Histogram Cu yang
mempunyai skewness positif tinggi ditampilkan sebagai plot kumulatif dengan
ordinat berupa skala logaritmik. Dengan demikian kurva konkaf pada Gambar
5.10 akan menjadi garis lurus seperti pada Gambar 5.11. Nilai mean yang
dapat ditaksir dengan persentil ke-50 pada garis lurus merupakan mean
geometri dan merupakan taksiran yang underestimasi terhadap data
mentahnya.
Jika data terdiri dari gabungan dua variabel terdistribusi normal (atau
lognormal) dengan mean berbeda dan jangkauan yang beririsan, maka plot
kumulatif data akan berbentuk sigmoidal (Gambar 5.13). Kurva pada gambar
tersebut menunjukkan campuran 20% populasi lognormal A dengan 80%
populasi lognormal B. Setiap titik pada garis lengkung kurva ditentukan oleh
persamaan:
Pm = f A ⋅ PA + f B ⋅ PB (5.24)
dimana:
Pm = persentase kumulatif dari populasi campuran
PA = persentase kumulatif populasi A
PB B = persentase kumulatif populasi B
fA = fraksi populasi A dalam campuran
fB B = fraksi populasi B dalam campuran = 1 - fA
V-19
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
V-20
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
dimana
r = adalah koefisien korelasi linier sederhana ( -1 < r < 1)
sxy = adalah kovariansi x dan y
sx = adalah standar deviasi x
sy = adalah standar deviasi y
V-21
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
Adanya pencilan atau trend nonlinier akan menyebabkan nilai korelasi menjadi
salah (Gambar 5.15).
Gambar 5.15: Pengaruh pencilan dan trend nonlinier pada koefisien korelasi (r).
V-22
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
5.7 AUTOKORELASI
Dalam Gambar 5.16 ditunjukkan beberapa contoh korelogram yaitu plot antara
koefisien korelasi (r) dengan jarak lag (h) masing-masing. Gambar (A)
merupakan contoh korelogram teoritis, gambar (B) adalah korelogram untuk
118 titik kadar Zn yang dibawa oleh mineralisasi sfalerit (Pulacayo, Bolivia), dan
gambar (C) menunjukkan korelogram untuk 129 titik kadar Ti dari mineralisasi
V-23
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
anortosit komplek (Black Cargo, California). Pola umum dari ketiga korelogram
tersebut mengindikasikan sampel yang lebih dekat akan lebih mirip
(berkorelasi) daripada sampel yang terpisah lebih jauh.
Pada berbagai endapan mineral, pasangan sampel yang diperoleh dari jarak
yang dekat hampir mirip, sedangkan semakin jauh jaraknya semakin jelas
perbedaannya. Akibatnya bentuk umum dari korelogram akan mempunyai nilai
r yang tinggi pada bagian sampel yang berjarak dekat dan nilai r akan kecil
untuk sampel dari jarak yang berjauhan. Semua nilai r yang dihitung dapat diuji
secara statistik apakah tidak sama dengan nol. Jika suatu sampel yang terpisah
mempunyai autokorelasi tidak sama dengan nol (setelah diuji), maka sampel
tersebut masih terletak dalam range (atau jarak pengaruh dari sampel). Oleh
sebab itu autokorelasi adalah atribut kadar yang penting dalam mengetahui
rata-rata jarak pengaruh sampel.
V-24
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
Pada beberapa kasus diperlukan sekali suatu garis lurus pada kelompok
pasangan data. Pada penjelasan korelasi sebelumnya disebutkan bahwa
tampilan geometri dari koefisien korelasi adalah ukuran relatif sebaik mana
variabel mendekati garis lurus pada grafik x-y. Model liniernya dapat dilihat dari
persamaan:
y = b0 + b1 x ± e (5.28)
dimana x variabel bebas dan y adalah variabel tak bebas, b1 adalah kemiringan
garis (gradien), b0 adalah perpotongannya pada sumbu y, dan e adalah dispersi
acak titik-titik di sekitar garis lurus.
∑ y − nb − b ∑ x = 0
i 0 1 i
(5.29)
∑ y x −b ∑x −b ∑x
i i 0 i 1
2
i =0
b1 =
∑ x y − (∑ y )(∑ x ) n
i i i i
∑ x − (∑ x ) n 2 2
i i
(5.30)
b0 = y − b1 ⋅ x
Sebaran garis paralel terhadap sumbu y dapat dihitung dengan persamaan:
s d2 = [∑ y − b ∑ y 2
i 0 i ]
− b1 ∑ xi y i n
= σ (1 − r )
(5.31)
s d2 2
y
2
V-25
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
hubungan linier antara kadar panel taksiran dengan rata-rata kadar dalam
sampel adalah sebagai berikut:
y b = m + b1 ( x b − m ) (5.32)
dimana yb adalah kadar blok khusus, m adalah mean blok dan sampel, dan xb
adalah kadar rata-rata sampel di dalam blok. Hasil dari penelitian Krige
menyimpulkan bahwa penentuan hubungan secara empiris akan menghasilkan
hasil yang berbeda dari garis y = x (hasil yang diharapkan). Perbedaan inilah
yang disebut conditional bias. Krige membuktikan bahwa taksiran kadar tinggi
rata-rata akan menghasilkan nilai yang lebih tinggi dari kadar sebenarnya,
sedangkan taksiran kadar rendah akan menghasilkan taksiran yang lebih
rendah dari kadar sebenarnya.
Gambar 5.14 menunjukkan karakter linier yang inheren dari pasangan variabel
yang dicirikan oleh nilai koefisien korelasi absolut yang tinggi. Gambar 5.17
menunjukkan contoh penggunaan hubungan least square, baik yang linier dan
kuadratik, yang menghubungkan densitas bijih (D) dengan kadar nikel (Ni).
Persamaan least square yang diperoleh adalah D = 2,839 + 0,297Ni dan D =
2,88 + 0,238Ni + 0,013Ni2. Model least square tradisional ini menempatkan
semua error pada variabel D karena diasumsikan Ni diketahui secara pasti
untuk mencari taksiran densitas. Pada kasus ini penggunaan persamaan
kuadrat pada data tidak akan mempengaruhi hubungan linier secara signifikan.
V-26
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
Model least square ini digunakan pada kasus-kasus dimana satu variabel
digunakan untuk menaksir variabel lainnya.
Regresi RMA digunakan apabila ingin melihat hubungan antara dua variabel
dengan mempertimbangkan error yang terjadi pada dua variabel tersebut.
dimana y dan x adalah nilai mean y dan x. Jika garis tidak melewati titik pusat
(0,0) maka pasti terjadi bias.
V-27
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
{ ( )}
s 0 = s y ([1 − r ] n ) 2 + [x s x ] [1 + r ]
2 12
([
s sl = (s y s x ) 1 − r 2 n ] )12
{ (
s rma = 2(1 − r ) s x2 + s y2 )} 12
Tabel V.2: Rangkuman parameter model seperti ditunjukkan pada Gambar 5.18.
V-28
Diktat TE-3231, Metode Perhitungan Cadangan
BAB V, Konsep Statistik
Gambar 5.18: Tiga model linier untuk merepresentasikan pasangan data Au – AuD.
Dalam Gambar 5.18 menunjukkan plot hasil analisis untuk sampel emas (Au)
terhadap analisis untuk sampel emas duplikatnya (AuD). Tiga model linier
diaplikasikan untuk merepresentasikan hasil plot tersebut: (1) semua error
diasumsikan pada Au, (2) RMA, dan (3) semua error diasumsikan pada AuD.
Parameter ketiga model ditunjukkan pada Tabel V.2.
V-29
Diktat TE-3231, Metode Perhitungan Cadangan
BAB VI, Metode Penaksiran dan Perhitungan
BAB VI
METODE PENAKSIRAN PARAMETER
DAN PERHITUNGAN CADANGAN
Dalam merencanakan kegiatan eksplorasi tak lepas dari pola dan kerapatan
titik informasi yang akan dilakukan atau lebih dikenal dengan desain eksplorasi.
Pola pengambilan sampel telah dijelaskan pada Bab 2 yang meliputi pola
bujursangkar, persegi panjang, segitiga, dan rombohedron. Pelaksanaan di
lapangan pada kenyataannya sulit melaksanakan eksplorasi sesuai dengan
desain yang telah direncanakan. Hal ini bisa terjadi karena batasan kondisi
alam di lapangan seperti bentuk lahan (gunung, lembah, lereng, dll), jenis tanah
(gambut, tanah lapuk, batuan keras, dll). Disamping itu juga terdapat batasan
lain seperti administrasi (batas konsesi, batas wilayah, dll), lingkungan, sosial
budaya (keberadaan situs purbakala, daerah larangan, dll), politik, dll.
Dengan kondisi seperti tersebut di atas maka sangat mungkin beberapa titik
informasi yang telah direncanakan tidak bisa diambil sampelnya sehingga
mendapatkan daerah yang tidak diketahui kisaran besaran paramaternya.
Parameter yang dimaksud dalam hal ini seperti kadar, ketebalan, densitas, dll.
VI-1
Diktat TE-3231, Metode Perhitungan Cadangan
BAB VI, Metode Penaksiran dan Perhitungan
Metode NNP menggunakan nilai titik terdekat sebagai nilai pada titik yang
ditaksir, dengan kata lain lebih mempercayai titik yang terdekat daripada titik
yang lebih jauh. Umumnya metode panaksiran ini dipergunakan untuk tipe
parameter yang mempunyai kemenerusan tinggi seperti ketebalan dan
kandungan abu batubara, endapan plaser pantai, dll.
Metoda inverse distance weighting (IDW, jarak terbalik) merupakan suatu cara
penaksiran dengan telah memperhitungkan adanya hubungan letak ruang
(jarak), merupakan kombinasi linier atau harga rata-rata terbobot (weighted
average) dari titik-titik data yang ada di sekitarnya.
• Suatu cara penaksiran di mana harga rata-rata suatu titik yang ditaksir
merupakan kombinasi linier atau harga rata-rata terbobot (weighted
average) dari data-data lubang bor di sekitar titik tersebut. Data di dekat titik
VI-2
Diktat TE-3231, Metode Perhitungan Cadangan
BAB VI, Metode Penaksiran dan Perhitungan
yang ditaksir memperoleh bobot lebih besar, sedangkan data yang jauh dari
titik yang ditaksir bobotnya lebih kecil. Bobot ini berbanding terbalik dengan
jarak data dari titik yang ditaksir.
• Untuk mendapatkan efek penghalusan (pemerataan) data dilakukan faktor
pangkat. Pilihan dari pangkat yang digunakan (ID1, ID2, ID3, …) berpengaruh
terhadap hasil taksiran. Semakin tinggi pangkat yang digunakan, hasilnya
akan semakin mendekati metode NNP.
• Merupakan metode yang masih umum dipakai.
Jika d adalah jarak antara titik yang ditaksir, z, dengan titik data, maka faktor
pembobotan w adalah:
VI-3
Diktat TE-3231, Metode Perhitungan Cadangan
BAB VI, Metode Penaksiran dan Perhitungan
VI-4
Diktat TE-3231, Metode Perhitungan Cadangan
BAB VI, Metode Penaksiran dan Perhitungan
Metode segitiga digunakan untuk menaksir sebuah titik di tengah (atau daerah
segitiga) dengan menggunakan tiga titik data yang melingkupinya. Metode ini
lebih baik dari pada metode NNP dalam hal jumlah titik penaksirnya. Metode
segitiga memperhatikan tiga titik untuk dirata-ratakan sedangkan NNP hanya
memperhatikan satu titik terdekatnya. Beberapa kelemahan metode ini seperti
tidak diperhatikannya sifat anisotropisme, unit yang diestimasi tidak berbentuk
blok yang teratur, dan metode pembobotan kurang optimal.
Keuntungan dari metode ini adalah proses perhitungannya tidak rumit dan
sekaligus dapat dipergunakan untuk menyajikan hasil interpretasi model dalam
sebuah penampang atau irisan horisontal. Sedangkan kekurangan metode
penampang adalah tidak bisa dipergunakan untuk tipe endapan dengan
mineralisasi yang kompleks. Disamping itu hasil perhitungan secara
konvensional ini dapat dipakai sebagai alat pembanding untuk mengecek hasil
perhitungan yang lebih canggih misalnya dengan sistem blok.
VI-5
Diktat TE-3231, Metode Perhitungan Cadangan
BAB VI, Metode Penaksiran dan Perhitungan
V =L
( S1 + S2 )
2
S2
S1,S2 = luas penampang endapan
L = jarak antar penampang
V = volume cadangan
S1 L
Gambar 6.2: Sketsa perhitungan volume
bijih dengan rumus mean area (metode
penampang).
T = V x BJ
Rumus prismoida
L
V = ( S1 + 4M + S2 )
6
S1 1/2 L
VI-6
Diktat TE-3231, Metode Perhitungan Cadangan
BAB VI, Metode Penaksiran dan Perhitungan
S1
V=
L
(
S +S + S S
3 1 2 1 2
)
L S1 = luas penampang atas
S2 = luas penampang alas
L = jarak antar S1 dan S2
V = volume cadangan
S2
Gambar 6.4: Sketsa
perhitungan volume bijih
dengan rumus kerucut
terpancung.
Rumus obelisk
Rumus obelisk dipakai untuk bentuk endapan yang membaji, merupakan suatu
modifikasi dari rumus prismoida dengan mensubstitusi:
M=
( a1 + a 2 ) ( b1 + b 2 )
2 2
a2
Gambar 6.5: Sketsa
S2 b2 perhitungan volume bijih
dengan rumus obelisk.
S1 b1
a1
V =
L
(
S + 4M + S2
6 1
)
L ⎡ (
a +a )(
b +b )
2 + S ⎤⎥
= ⎢ S1 + 4 1 2 1
2⎥
6 ⎣⎢ 4 ⎦
VI-7
Diktat TE-3231, Metode Perhitungan Cadangan
BAB VI, Metode Penaksiran dan Perhitungan
L ⎡ (
a +b a +b ⎤ )( )
= ⎢ S +S + 1 2 2 1 ⎥
3 ⎢⎣ 1 2 24 ⎥⎦
Metoda ini umum diterapkan pada endapan-endapan yang relatif homogen dan
mempunyai geometri yang sederhana. Kadar pada suatu luasan di dalam
poligon ditaksir dengan nilai data yang berada di tengah-tengah poligon
sehingga metoda ini sering disebut dengan metoda poligon daerah pengaruh
(area of influence). Daerah pengaruh dibuat dengan membagi dua jarak antara
dua titik conto dengan satu garis sumbu (lihat Gambar 6.6).
3 4
5
= TITIK BOR/SUMUR UJI
1 6 •
10
= DAERAH PENGARUH
9 8 7
Andaikan ketebalan bijih pada titik 1 adalah t1 dan luas daerah pengaruhnya
adalah S1 maka volume (V) = S1 x t1 (volume pengaruh). Bila specific gravity dari
bijih = ρ , maka tonase bijih = S1 x t1 x ρ ton.
Untuk data yang sedikit metoda poligon ini mempunyai kelemahan, antara lain :
Belum memperhitungkan tata letak (ruang) nilai data di sekitar poligon,
Tidak ada batasan yang pasti sejauh mana nilai conto mempengaruhi
distribusi ruang.
VI-8
Diktat TE-3231, Metode Perhitungan Cadangan
BAB VI, Metode Penaksiran dan Perhitungan
Teknik perhitungan seperti di atas hanya berlaku untuk kemiringan lapisan lebih
kecil atau sama dengan 300 (≤300). Sedangkan untuk batubara dengan
kemiringan lapisan lebih besar dari 300 (>300) caranya adalah mencari harga
proyeksi radius lingkaran-lingkaran tersebut ke permukaan terlebih dahulu (lihat
Gambar 6.8).
VI-9
Diktat TE-3231, Metode Perhitungan Cadangan
BAB VI, Metode Penaksiran dan Perhitungan
VI-10
Diktat TE-3231, Metode Perhitungan Cadangan
BAB VI, Metode Penaksiran dan Perhitungan
Gambar 6.8: Cara perhitungan sumberdaya batubara dengan kemiringan ≤300 (atas)
dan kemiringan >300 (bawah), (USGS, 1983).
VI-11
Diktat TE-3231, Metode Perhitungan Cadangan
BAB VI, Metode Penaksiran dan Perhitungan
Gambar 6.9: Kontrol struktur pada batas sumberdaya batubara (USGS, 1983).
Dalam kerangka model blok, dikenal jenis penaksiran poligon dengan jarak titik
terdekat (rule of nearest point), yaitu nilai hasil penaksiran hanya dipengaruhi
VI-12
Diktat TE-3231, Metode Perhitungan Cadangan
BAB VI, Metode Penaksiran dan Perhitungan
oleh nilai conto yang terdekat atau dengan kata lain titik (blok) terdekat
memberikan nilai pembobotan satu untuk titik yang ditaksir, sedangkan titik
(blok) yang lebih jauh memberikan nilai pembobotan nol (tidak mempunyai
pengaruh).
VI-13
DAFTAR PUSTAKA
Annels EA. Mineral Deposit Evaluation, a Practical Approach. Chapman & Hall.
1991.
1. Suatu eksplorasi endapan nikel laterit dengan test pit menghasilkan data
sebagai berikut :
U
DH-06
150 m
DH-03 DH-05
DH-04
DH-02
DH-01
700 m
garis pantai
LAUT
BB-02 BB-07
BB-04 BB-09
BB-03 BB-10
BB-06
BB-08
BB-01 BB-05
0 100 200 m
a. Lakukan penaksiran kadar dan ketebalan untuk lokasi lain yang masih
kosong menggunakan metode NNP (titik terdekat) dan ID (jarak kebalikan)
secara extended sampai batas daerah KP.
b. Bagaimana analisis Anda mengenai distribusi data (kadar dan ketebalan) di
daerah tersebut.
c. Hitunglah tonase endapan emas aluvial tersebut bila B.J. yang digunakan
2,15 ton/m3.
4. Gambar berikut adalah peta cropline batubara dengan 5 lubang bor (BH-01
s/d BH-05).
U
90 70
80
BH-01
BH-02 BH-03
BH-04 70
co
al
60 eas
m
BH-05
50
0 50 100 m
6. Dari hasil korelasi 2 (dua) titik bor dangkal dengan jarak 50 m, dihasilkan 3
(tiga) zone endapan, yaitu (dari atas ke bawah) :
- low grade zone (upper)
- high grade zone
- low grade zone (lower)
8. Dari hasil eksplorasi suatu tambang bawah tanah dihasilkan blok daerah
pengaruh (blok cadangan) seperti terlihat pada Gambar di bawah ini.
Level 1
Blok - 1
Winze 1
Winze 2
Blok - 4
Blok - 2
Blok - 3
Level 2
Areal (luasan) Blok-1 s/d Blok-4 merupakan areal cadangan terukur yang
dibatasi oleh level – 1, level – 2, winze – 1, dan winze – 2.
Dari hasil eksplorasi tersebut diperoleh data sebagai berikut :
Hitunglah :
a. Tebal rata-rata blok cadangan
b. Kadar rata-rata blok cadangan
c. Volume total blok cadangan
d. Tonnage Factor
e. Total tonase blok cadangan
f. Jumlah logam Zn yang akan diperoleh.
TUGAS 2
Kasus: Bijih Besi Placer
Laporan Kemajuan dikumpulkan paling lambat minggu ke-8.
Laporan Akhir dikumpulkan paling lambat minggu ke-13.
Data eksplorasi lubang bor yang menunjukkan tubuh bijih besi seperti dalam
tabel berikut:
Lubang Koordinat Elevasi Kedalaman Kadar
Keterangan
Bor Easting Northing Collar Dari Ke Fe (%)
DH-1 21 11 105 7 7.5 43
7.5 9 45
9 10 46
10 10.75 47
DH-2 15 81 103 4 5 65
5 6.5 68
6.5 7 69
7 8 69
DH-3 59 76 100 2 3.5 60
3.5 4.5 58
4.5 5 61
5 5.75 62
DH-4 19 170 102 4.5 5 45
5 6 46
6 6.75 45
6.75 8.5 46
DH-5 78 129 104 6.25 7 46
7 8.5 52
8.5 9.5 47
9.5 10.5 49
DH-6 86 36 101 3 3.9 50
3.9 4.5 51
4.5 6 55
6 7 54
DH-7 152 96 102 4 6 65
6 7 69
7 8 70
DH-8 137 171 99 1.5 2 52
2 3 47
3 4 49
4 5.5 50
DH-9 197 146 103 5.5 6.25 64
6.25 7 70
7 8 73
8 9 69
DH-10 231 90 104 7 8 70
8 8.5 74
8.5 9.5 71
9.5 11 70
DH-11 211 38 103 5 5.75 63
5.75 7 67
7 8 70
8 9 70
DH-12 137 62 100 4.5 5.5 73 Sample loss
Bidang sesar geser ditemui pada lokasi A(166, 22) dan di lokasi B(-3, 136).
a. Buat analisis statistik dari data kadar bijih besi tersebut kemudian lakukan
verifikasi data berdasarkan parameter statistik!
b. Buat peta kontur topografi dan kontur kadar bijih besi kemudian berikan
analisanya!
c. Buat peta kontur ketebalan overburden kemudian berikan analisanya!
d. Hitung sumberdaya bijih besi di daerah ini dengan asumsi jarak maksimum
titik informasi untuk sumberdaya terukur 50 m, sumberdaya terindikasi 50-75
m, dan sumberdaya tereka 75-100 m. Gunakan metode poligon!
e. Jika cog bijih besi adalah 60% Fe, tentukan batas pit potensial!
f. Jika diambil asumsi kestabilan lereng paling optimum dicapai untuk open pit
dengan single slope 45o, hitung cadangan insitu bijih besi jika SG bijih besi
3,5 ton/bcm! Gunakan metode penampang dengan jarak antar penampang
50 m.
Catatan: toe dari slope merupakan batas pit potensial dimana crest tidak
melebihi batas KP. Apabila crest melebihi batas KP maka gunakan batas KP
sebagai crest. Geological losses sebesar 10%.
g. Hitung cadangan tertambang dan stripping ratio dimana mining losses 5%!
h. Buatlah peta pit limit!
Data eksplorasi lubang bor yang menunjukkan tubuh bijih nikel (komposit
limonit dan saprolit) seperti dalam tabel berikut:
Lubang Koordinat Elevasi Kedalaman Kadar Ni
Keterangan
Bor Easting Northing Collar Dari Ke (%)
DH-1 5 -4 254 4 9 2.4
DH-2 3 24 250 1 5 2.2
DH-3 29 25 251 1 6 2.3
DH-4 4 60 252 3 7 1.6
DH-5 28 44 254 5 10 2.1
DH-6 31 5 253 2 7 2.3
DH-7 57 30 250 0.5 5 2.0
DH-8 12 44 251 2 6 2.3
DH-9 63 48 252 1 5.5 2.2
DH-10 89 28 250 1 6 2.4
DH-11 81 7 251 1 5.5 1.5
DH-12 52 17 251 0.25 5 2.1
DH-13 96 46 249 0.25 4.5 2.2
DH-14 102 8 250 0.25 4.75 1.3
Koordinat batas KP dapat dilihat pada tabel berikut ini:
Easting Northing
-5 67
37 67
37 53
105 53
105 1
53 1
53 -13
-5 -13
-5 67
Bidang sesar geser ditemui pada lokasi A(67, 1) dan di lokasi B(83, 53).
d. Buat analisis statistik dari data kadar bijih nikel, ketebalan bijih, dan
ketebalan overburden, kemudian lakukan verifikasi data berdasarkan
parameter statistik!
e. Buat peta kontur topografi dan kontur kadar bijih nikel kemudian berikan
analisanya!
f. Buat peta kontur ketebalan overburden kemudian berikan analisanya!
g. Hitung sumberdaya bijih nikel di wilayah KP (extended) dengan
menggunakan semi-pemodelan blok. Buat blok horisontal dengan dimensi
20x20, dimana dimensi vertikal mengikuti ketebalan bijih. Lakukan
penaksiran kadar nikel tiap blok dengan menggunakan metode NNP!
h. Buat kontur kadar bijih nikel berdasar data blok-blok yang ditaksir, berikan
analisa dan bandingkan hasilnya dengan poin (b)!
i. Jika cog bijih nikel adalah 2.0% Ni, tentukan batas pit potensial!
j. Jika diambil asumsi kestabilan lereng paling optimum dicapai untuk open pit
dengan single slope 45o, hitung cadangan insitu bijih nikel jika SG bijih nikel
2,1 ton/bcm! Gunakan metode penampang dengan jarak antar penampang
20 m.
Catatan: toe dari slope merupakan batas pit potensial dimana crest tidak
melebihi batas KP. Apabila crest melebihi batas KP maka gunakan batas KP
sebagai crest. Geological losses sebesar 15%.
k. Hitung cadangan tertambang dan stripping ratio dimana mining losses 5%!
l. Buatlah peta pit limit!
Sebelum tanggal pengumpulan Laporan Kemajuan/Akhir dapat diadakan
asistensi apabila ada hal-hal yang ingin dikonsultasikan. Laporan
dipresentasikan pada 2 minggu akhir masa perkuliahan.
TUGAS 2
Kasus: Bijih Emas Porfiri
Laporan Kemajuan dikumpulkan paling lambat minggu ke-8.
Laporan Akhir dikumpulkan paling lambat minggu ke-13.
Data eksplorasi lubang bor yang menunjukkan tubuh bijih emas porfiri pada
elevasi tertentu seperti dalam tabel berikut:
Lubang Koordinat Elevasi Kedalaman Kadar Au
Ket.
Bor Easting Northing Collar Dari Ke (ppm)
DH-1 39 17 1710 475 490 15
490 505 5
DH-2 36 43 1700 460 475 13
475 490 4
DH-3 36 69 1694 461 476 10
476 491 5
DH-4 38 95 1691 464 479 11
479 494 2
DH-5 79 106 1685 459 474 8
474 489 4
DH-6 66 88 1689 444 459 11
459 474 10
DH-7 61 59 1698 466 481 12
481 496 9
DH-8 56 31 1706 472 487 12
487 502 8
DH-9 80 14 1699 463 478 10
478 493 6
DH-10 79 37 1695 458 473 11
473 488 11
DH-11 92 55 1690 465 480 10
480 495 12
DH-12 83 73 1689 451 466 11
466 481 13
DH-13 102 82 1679 435 450 8
450 465 11
DH-14 117 102 1675 442 457 7
457 472 6
DH-15 149 100 1665 427 442 3
442 457 4
DH-16 129 76 1670 435 450 6
450 465 9
DH-17 124 48 1668 441 456 7
456 471 10
DH-18 105 32 1697 463 478 10
478 493 10
DH-19 131 15 1664 427 442 9
442 457 3
DH-20 151 23 1655 419 434 5
434 449 2
DH-21 158 67 1650 408 423 4
423 438 2
a. Buat analisis statistik dari data kadar bijih emas tersebut kemudian lakukan
verifikasi data berdasarkan parameter statistik!
b. Buat peta kontur topografi kemudian berikan analisanya!
c. Buat peta kontur ketebalan overburden kemudian berikan analisanya!
d. Bijih emas akan ditambang dengan metode underground mine (room and
pillar), hitung jumlah sumberdaya bijih emas dengan metode model blok
pada level 1200 dan 1230 dimana:
- tinggi front 10 m
- dimensi horisontal blok adalah 20x20 m
- kadar emas pada tiap blok ditaksir dengan menggunakan metode inverse
distance weighting (derajat 1) dengan radius pencarian 30 m
e. Buat peta kontur kadar emas pada masing-masing level dan berikan
analisanya!
f. Jika cog bijih emas adalah 10 ppm Au, tentukan batas pit potensial pada
masing-masing level!
g. Jika asumsi dari kajian geoteknik direkomendasikan untuk bukaan room 0,25
Ha harus membuat 2 pillar dengan dimensi 10x10 m maka:
- buat room and pillar limit pada masing-masing level!
- Hitung cadangan insitu bijih emas bila geological losses sebesar 15%!
- Hitung cadangan tertambang apabila mining losses sebesar 5%!
BAB I Pendahuluan
BAB II Model Genetik Endapan (berisi deskripsi geologi dan genesa
endapan secara umum)
Bab III Verifikasi Data (berisi data dasar, deskripsi statistik, dan verifikasi
data)
Bab IV Data Olahan (berisi peta topografi, kontur kadar, kontur ketebalan, dll.
beserta analisanya)
Bab V Sumberdaya (berisi konsep perhitungan, asumsi, hasil hitungan, peta
sumberdaya, dll.)
Bab VI Cadangan (berisi pit potensial, konsep perhitungan, asumsi, hasil
hitungan, penampang, pit limit, dll.)
BAB VII Pembahasan
BAB VIII Kesimpulan
Daftar Pustaka