BAB V

ANALISIS DAN PEMBAHASAN

5.1 Pembagian Zona Laterit

Setiap zona laterit memiliki karakteristik yang berbeda antara satu dengan yang lain
(Lihat Gambar III.6). Oleh karena itu, analisis pada setiap zona tersebut harus
dilakukan masing-masing.

Pada ketiga blok penelitian diketahui bahwa pada Zona Top Soil, kurva distribusi
kadar Ni bernilai skew negatif. Sedangkan kurva distribusi kadar Ni pada Zona
Limonit, Saprolit, dan Bedrock bernilai skew positif. Hal ini berarti nilai kadar pada
Zona Top Soil cenderung berkumpul ke nilai yang lebih besar. Sedangkan Zona
Limonit, Saprolit, dan Bedrock, kadarnya cenderung berkumpul pada nilai yang lebih
kecil. Kondisi ini juga dapat dilihat dari nilai mode-nya dimana pada Zone Top Soil
nilai mode-nya lebih besar daripada nilai mean-nya. Sedangkan pada Zona Limonit,
Saprolit dan Bedrock nilai mode-nya lebih kecil dari nilai mean-nya.

Zona Saprolit memiliki variabilitas kadar Ni yang paling tinggi dibandingkan dengan
zona-zona lainnya. Hal ini dapat dilihat dari nilai variance dan range-nya. Sedangkan
zona yang memiliki variabilitas Ni yang paling kecil adalah zona Top Soil.

Berbeda dengan kadar Ni, kadar Fe memiliki karaktersitik yang sedikit berbeda. Pada
Zona Top Soil dan Limonit, kurva distribusi bernilai skew negatif. Pada Zona Saprolit
dan Bedrock kurva distribusinya bernilai skew positif. Sedangkan, variabilitasnya
pada masing-masing blok berbeda. Pada Blok Utara, zona yang memiliki variabiltas
tinggi adalah zona Saprolit. Pada Blok Tengah, zona yang memiliki variabilitas yang
tinggi adalah zona Saprolit. Pada Blok Selatan, zona Top Soil memiliki tingkat
variabilitas yang sangat tinggi.

V-1
5.2 Analisis Geostatistik
Analisis geostatistik dilakukan dengan membuat variogram pada arah horizontal dan
vertikal. Pada arah horizontal diamati empat arah utama, yaitu arah N-S, NE-SW,
E-W, dan SE-NW. Pada keempat arah utama tersebut diketahui bahwa terdapat
perbedaan range pada masing-masing arah. Akan tetapi, perbedaan ini tidak
signifikan sehingga diasumsikan keempat arah tersebut isotrop sehingga dalam
pembuatan model variogram empat arah utama ini dapat diwakili oleh satu variogram
omni-directional.

Pada arah vertikal terdapat struktur yang berbeda dengan arah horizontal. Hal ini
menunjukkan bahwa terdapat anisotrop antara arah vertikal dan horizontal. Oleh
karena itu, variogram untuk arah horizontal dan vertikal harus dibedakan. Untuk
mengakomodasi perbedaan struktur ini maka perlu dibuat satu model variogram
nested structure.

Pada variogram kadar Ni terlihat bahwa Zona Saprolit pada ketiga blok memiliki nilai
sill (total sill) yang paling besar dibanding zona-zona lainnya. Demikian juga dengan
nilai nugget-nya, Zona Saprolit pada ketiga blok menunjukkan nugget effect yang
besar. Hal ini sesuai dengan analisis statistik yang menyatakan bahwa variance pada
zona Saprolit paling tinggi dibanding dengan dengan zona-zona yang lain.

Pada zona Saprolit, range dan variabilitas data kadar cukup besar. Hal ini disebabkan
karena pada zona Saprolit belum semua batuan induknya mengalami pelapukan. Pada
zona Saprolit bisa terjadi peristiwa dimana terdapat pelapukan batuan induk yang
belum sempurna sehingga masih berbentuk batuan induk dengan kadar yang rendah.
Di sisi lain, zona Saprolit merupakan zona yang paling maksimum mengalami
pengayaan. Perbedaan kadar inilah yang menyebabkan range dan variance Zona
Saprolit menjadi besar.

V-2
Demikian juga pada variogram kadar Fe, Zona Saprolit menunjukkan nugget effect
dan sill yang paling besar pada ketiga blok dibandingkan dengan zona-zona lainnya.

Pada variogram kadar Ni terlihat bahwa Zona Limonit pada ketiga blok menunjukkan
kontinuitas yang tinggi. Hal ini ditunjukkan dengan range zona Limonit yang tinggi.

5.3 Analisis Estimasi Kriging

Dari hasil pemodelan, terlebih dahulu harus dicek apakah parameter-parameter yang
akan digunakan pada proses kriging untuk melakukan perhitungan cadangan sudah
baik atau belum. Proses pengecekan ini dapat dilakukan dengan melakukan cross
validation. Hasil dari cross validation ini menentukan apakah parameter-parameter
yang digunakan sudah tepat atau harus diganti. Proses ini merupakan proses yang
bersifat berulang-ulang sehingga didapatkan hasil yang lebih baik.

5.3.1 Cross Validation

Pada proses cross validation ini berbeda dengan proses kriging dimana proses
perhitungannya menggunakan metode Ordinary Point Kriging. Dengan metode ini
maka efek dari support geometri dapat dihindari sehingga dalam proses cross
validation yang dibandingkan adalah nilai titik dengan nilai titik.

Dari hasil proses cross validation dapat dilihat bahwa secara umum parameter-
parameter yang digunakan untuk melakukan kriging sudah cukup baik. Untuk kadar
Ni, rata-rata nilai R hasil cross validation adalah 0,8, selain untuk zona Bedrock nilai
R sama dengan 0,5.

Demikian juga pada hasil cross validation untuk kadar Fe, secara umum hasilnya
juga cukup baik, kecuali untuk zona Bedrock nilai R sama dengan 0,6.

Hasil yang diperoleh bahwa R < 1 berarti hasil dari estimasi over-estimate karena
nilai hasil estimasi lebih besar daripada nilai sebenarnya. Meskipun nilai R untuk

V-3
masing-masing zona dan unsur tidak mencapai 1 tidak menjadai masalah karena pada
prakteknya cross validation dengan R=1 itu tidak pernah terjadi. Untuk zona
Bedrock yang memiliki nilai R yang cukup kecil, tidak menjadi masalah karena pada
praktek di lapangan Bedrock tidak pernah ditambang. Penambangan akan berhenti
pada Bedrock karena kadarnya kecil dan kekerasan batuannya jau berbeda dengan
zona-zona di atasnya karena Bedrock masih merupakan batuan fresh yang belum
mengalami pelapukan.

5.3.2 Perhitungan Sumberdaya

Sumberdaya pada lokasi penelitian mengikuti klasifikasi sumberdaya yang dibuat
oleh AusIMM, yaitu terdiri dari sumberdaya measured, indicated, dan inferred.

Pada penelitian ini, perhitungan sumberdaya didasarkan pada kriging variance sesuai
dengan penelitian yang dilakukan oleh Blackwell (1998). Kriging variance dari hasil
OK diasumsikan memiliki distribusi normal dan menggunakan selang kepercayaan
95%.

Estimasi dengan OK dilakukan terpisah pada masing-masing zona laterit. Oleh karena
itu, variance kriging-nya relatif berbeda antara satu zona dengan zona lainnya. Pada
saat penentuan klasifikasi sumberdaya untuk masing-masing zona dilakukan terpisah
karena nilai variance kriging-nya tidak sama. Setelah masing-masing zona sudah
ditentukan klasifikasinya kemudian digabungkan semua zona untuk menentukan
klasifikasi sumberdaya untuk satu blok.

Pada Tabel V.1 s.d Tabel V.3 ditampilkan nilai error (variance kriging) yang berasal
dari hasil estimasi OK dan batasan-batasan error yang akan digunakan sebagai
batasan untuk menentukan klasifikasi sumberdaya. Pada Gambar V.2 s.d Gambar V.4
ditampilkan bagaimana penyebaran sumberdaya berdasarkan klasifikasinya. Hasil
perhitungan sumberdaya dan kadar rata-rata masing-masing klasifikasi ditampilkan
pada Tabel V.4 s.d Tabel V.9.

V-4
 Inferred
Indicated
Measured

Gambar V.1 Penyebaran Sumberdaya Pada Blok Utara

Inferred
Indicated
Measured

Gambar V.2 Penyebaran Sumberdaya Pada Blok Tengah

V-5
 Inferred
Indicated
Measured

Gambar V.3 Penyebaran Sumberdaya Pada Blok Selatan

V-6
 Tabel V.1 Sumberdaya Nikel di Blok Utara
Volume (m3) Density Tonase (Ton) Total
Zona
Measured Indicated Inferred Ton/m3 Measured Indicated Inferred Volume (m3) Tonase (Ton)
Limonit 692,500 772,500 27,500 1.60 1,108,000 1,236,000 44,000 1,492,500 2,388,000
Saprolit 3,217,500 4,322,500 190,000 1.50 4,826,250 6,483,750 285,000 7,730,000 11,595,000
Total 8.1822 9,222,500 13,983,000

Tabel V.2 Kadar Rata-rata Ni dan Fe di Blok Utara

Kadar Ni rata-rata (%) Kadar Fe rata-rata (%)
Zona
Measured Indicated Inferred Measured Indicated Inferred
Limonit 1.47 1.46 1.48 38.70 38.94 36.11
Saprolit 1.85 1.85 1.73 13.04 12.57 13.32

V-7
 Tabel V.3 Sumberdaya Nikel di Blok Tengah

Volume (m3) Density Tonase (Ton) Total

Zona
Measured Indicated Inferred Ton/m3 Measured Indicated Inferred Volume (m3) Tonase (Ton)
Limonit 1,392,500 408,125 1.60 2,228,000 653,000 - 1,800,625 2,881,000
Saprolit 1,763,750 875,625 1.50 2,645,625 1,313,438 - 2,639,375 3,959,063
Total 8.1822 4,440,000 6,840,063

Tabel V.4 Kadar Rata-rata Ni dan Fe di Blok Tengah

Kadar Ni rata-rata (%) Kadar Fe rata-rata (%)

Zona
Measured Indicated Inferred Measured Indicated Inferred
Limonit 1.57 1.62 40.78 40.11
Saprolit 2.13 2.05 14.59 12.83

V-8
 Tabel V.5 Sumberdaya Nikel di Blok Selatan

Volume (m3) Density Tonase (Ton) Total

Zona
Measured Indicated Inferred Ton/m3 Measured Indicated Inferred Volume (m3) Tonase (Ton)
Limonit 2,045,625 1,425,625 606,250 1.60 3,273,000 2,281,000 970,000 4,077,500 6,524,000
Saprolit 1,188,125 1,289,375 2,208,125 1.50 1,782,188 1,934,063 3,312,188 4,685,625 7,028,438
Total 8.1822 8,763,125 13,552,438

Tabel V.6 Kadar Rata-rata Ni dan Fe di Blok Selatan

Kadar Ni rata-rata (%) Kadar Fe rata-rata (%)

Zona
Measured Indicated Inferred Measured Indicated Inferred
Limonit 1.50 1.48 1.63 27.75 36.11 28.88
Saprolit 2.25 2.11 2.16 15.78 14.06 13.90

V-9
5.4 Conditional Simulation
Dengan conditional simulation dapat dihasilkan beberapa realisasi yang equiprobable
(equally probable). Pada penelitian ini, hasil dari estimasi dengan menggunakan
metode kriging akan dibandingkan dengan metode conditional simulation. Untuk
studi kasus tersebut maka pada Blok Selatan dilakukan simulasi dengan
menggunakan conditional simulation.

Simulasi dilakukan sebanyak 100 kali, masing-masing 25 kali simulasi untuk empat
zona laterit. Hasil dari simulasi dapat dilihat pada Gambar V.5. Pada gambar tersebut
diperlihatkan hasil simulasi ke 8, 16, dan 25. Selain itu, juga ditampilkan hasil dari
Kriging sebagai pembanding.

Pada gambar V.4 dapat dilihat pada bagian d) hasil dari estimasi kriging, hasil
estimasi terlihat lebih seragam dibandingkan dengan bagian a), b), c). Hasil estimasi
lebih seragam karena pada OK terjadi efek smoothing, sama seperti kebanyakan
metode estimasi lainnya. Beda halnya dengan bagian a), b), dan c) yang merupakan
hasil conditional simulation terlihat lebih variatif. Fluktuasi distribusi spasial kadar
dalam skala lokal mengalami efek smoothing hampir oleh semua metode estimasi,
sehingga estimasi tidak dapat menggambarkan variasi kadar dalam skala lokal.

Pada hasil simulation condition terlihat lebih variatif karena hal ini memang
merupakan ciri khas dari simulasi dimana simulasi mencoba untuk menghasilkan
variance dispersion pada skala lokal sehingga variasi kadar dalam skala lokal dapat
teramati.

Pada Gambar V.6 juga ditampilkan penampang melintang yang menunjukkan bahwa
variabilitas yang terjadi tidak hanya pada bidang horizontal saja, akan tetapi pada
bidang vertikal terjadi variabilitas. Pada Gambar V.6.a), V.6.b), V.6.c) diperlihatkan
hasil dari simulasi yang lebih variatif dibandingkan Gambar V.6.d) yang lebih
seragam yang merupakan hasil dari estimasi dengan OK.

V-10
 a) b)

klfgdfkljg

c) d)

Gambar V.4 Hasil dari simulasi ke- a) 8, b)16, dan c)25 serta d) hasil estimasi dengan menggunakan Kriging
(Tampak Atas, 1 meter pertama)

V-11
a)

b)

c)

d)

Gambar V.5 Penampang Melintang dari Hasil dari simulasi ke- a) 8, b)16, dan c)25
serta d) hasil estimasi dengan menggunakan Kriging

V-12
5.4.1 Realisasi SGSim
Simulasi dapat menghasilkan realisasi lebih dari satu. Realisasi ini dapat berbeda
antara realisasi yang satu dengan yang lainnya. Masing-masing realisasi ini memiliki
peluang untuk muncul yang sama (equally probable) berdasarkan distribusi data asli
tanpa memperhatikan kondisi spasialnya. Karena realisasi dapat menghasilkan hasil
yang equally probable maka simulasi ini harus dilakukan sebanyak mungkin. Hasil
final yang akan dipakai adalah hasil rata-rata dari seluruh realisasi.

Untuk melihat perbedaan-perbedaan hasil realisasi dan perbedaan antara hasil

simulasi dengan estimasi, maka diambil beberapa sampel unit dari blok selatan.
Sampel diambil sebanyak 12 buah, 4 buah sampel dari elevasi > 175 mdpl, 4 buah
sampel pada 150 mdpl < elevasi < 175 mdpl, dan4 buah sampel pada elevasi < 150
mdpl. Lokasi pengambilan sampel pada masing-masing level dapat dilihat pada
Gambar V.7. Sedangkan hasil realisasinya dapat dilihat pada Tabel V.7.

Realisasi dan ringkasan statistiknya dapat dilihat pada . Hasil realisasi ini kemudian
dibandingkan dengan nilai dari hasil kriging.

5.4.2 Sumberdaya Blok Selatan

Dari hasil simulasi dengan 25 kali realisasi maka diperoleh 25 kemungkinan
sumberdaya pada masing-masing zona di Blok Selatan (Tabel V.8).

Tabel V.8 Tonase Sumberdaya Nikel di Blok Selatan Hasil Simulasi

Variasi
Zona Tonase
Negatif Positif
Limonit 93,660.08 1.85 1.63
Saprolit 158,885.29 2.04 2.52

V-13
 Tabel V.7 Realisasi Simulasi dan Hasil Estimasi Kriging

Unit 1 Unit 2 Unit 3 Unit 4 Unit 5 Unit 6 Unit 7 Unit 8 Unit 9 Unit 10 Unit 11 Unit 12
0.6900 1.0500 0.7900 0.6630 1.0298 1.2200 1.1000 0.7900 0.4937 0.7543 2.3100 5.2605
0.8753 1.0700 0.8200 0.8600 0.9078 1.0110 1.2706 0.4300 0.6658 0.8288 2.5700 1.0700
0.9400 1.0800 0.9000 0.9300 1.5360 1.7000 1.0746 0.2609 0.2500 0.7000 1.0600 2.3300
1.0050 1.1900 0.9998 1.0100 1.2400 1.5990 0.9856 0.8767 0.5300 1.4041 1.5930 2.2340
1.0300 1.3220 1.0200 1.0790 1.2474 1.1700 1.6900 0.4230 0.5400 1.0941 1.3700 2.1881
1.0900 1.3390 1.0300 1.0800 1.1290 0.9300 1.7030 0.6300 0.2800 0.3411 1.3610 2.3068
1.1300 1.3400 1.0430 1.0873 1.4370 1.1700 1.5400 0.2700 0.4600 0.7400 1.6410 2.0310
1.1400 1.3400 1.1200 1.0970 1.2597 1.3350 0.9089 0.1774 0.9400 1.3904 1.3200 1.8540
1.1400 1.3900 1.1200 1.1010 1.4200 2.1650 1.3450 0.2988 0.2400 1.5428 2.8100 1.6600
1.1411 1.4200 1.1460 1.1390 1.0227 1.6800 1.5000 0.0071 0.5253 0.9200 2.1173 1.3350
1.1500 1.4290 1.1500 1.1427 1.3400 0.9600 1.0730 0.2800 0.3000 0.8300 5.0585 2.3421
1.1680 1.4598 1.1500 1.1700 1.4500 1.4400 1.6240 0.5230 0.2700 0.2400 2.6577 3.2900
1.2223 1.4980 1.1700 1.1980 1.1340 1.4400 1.1660 0.3427 0.2500 0.7300 2.1992 1.3200
1.2800 1.6200 1.2630 1.2900 1.2600 1.4400 1.3840 1.0098 0.2153 0.4100 2.2400 3.2200
1.3199 1.6500 1.2770 1.4400 0.8561 1.0150 1.7602 0.9834 0.3530 0.6860 2.3639 2.7000
1.3357 1.6571 1.3200 1.4650 1.2400 1.0400 1.5800 0.6900 0.1959 1.3170 2.4300 2.0700
1.3410 1.7184 1.3400 1.4730 1.2130 1.5340 1.6200 0.7900 0.6200 0.5200 3.0100 2.6800
1.3950 1.7670 1.3676 1.5300 2.0150 1.3380 1.3050 0.6700 0.3910 4.3453 1.2617 1.3500
1.5700 1.8060 1.3700 1.6700 1.0752 1.5800 1.2102 0.7200 0.0890 0.0740 1.7182 2.2800
1.5970 2.0136 1.3800 1.7252 1.3530 1.1300 0.8017 0.1643 0.1612 0.3820 2.5500 2.9700
1.6869 2.0370 1.4000 1.7660 1.4220 1.3900 1.2500 0.2140 0.0100 1.1951 3.0141 2.9090
1.7100 2.1400 1.4400 1.8000 1.8755 0.9234 1.5800 0.2500 0.4789 1.4400 2.1398 2.7400
1.8500 2.2050 1.4400 1.8330 1.1000 1.7967 1.4550 0.5199 0.5800 0.3000 2.5500 0.2700
1.9420 2.3173 1.5260 1.8460 1.1400 1.3950 1.2600 1.3000 0.0670 0.2210 1.4100 1.0100
2.2175 2.9700 1.6300 1.9000 1.1910 0.7882 1.4900 0.7255 0.0731 1.0300 1.7100 2.6990
Min 0.6900 1.0500 0.7900 0.6630 0.8561 0.7882 0.8017 0.0071 0.0100 0.0740 1.0600 0.2700
Max 2.2175 2.9700 1.6300 1.9000 2.0150 2.1650 1.7602 1.3000 0.9400 4.3453 5.0585 5.2605
Mean 1.3187 1.6332 1.2085 1.3318 1.2758 1.3276 1.3471 0.5339 0.3592 0.9374 2.2144 2.2611
OK 1.4676 1.4830 1.2194 1.2021 1.1379 1.4542 1.2689 0.6551 0.4356 0.4802 1.9086 2.4778

V-14
a) b)

Unit 3
Unit 4 Unit 7
Unit 8
Unit 2
Unit 1

Unit 5 Unit 6

c)

Unit 12

Unit 9
Unit 11

Unit 10

Gambar V.6 Lokasi Pengambilan Sampel Unit a)Elevasi >175 b) Elevasi 150 < z <175 c)elevasi z < 150

V-15
 Tabel V.9 Kadar Ni di Blok Selatan Hasil Simulasi
Zona Kadar Variasi (%)
Negatif Positif
Limonit 1.41 1.85 1.63
Saprolit 2.19 2.04 2.52

5.5 Perbandingan Antara Hasil Estimasi dan Simulasi

Salah satu perbedaan antara estimasi dan simulasi adalah metode estimasi melakukan
smoothing didalam melakukan estimasi, sedangkan metode simulasi menghasilkan
model yang equally probable berdasarkan parameter-parameter statistik raw data.
Oleh karena itu, hasil akhir dari estimasi relatif lebih seragam akibat efek smoothing.
Sedangkan hasil dari simulasi akan memiliki parameter-parameter statistik yang
hampir sama dengan raw data.

Pada Tabel V.9 dapat dilihat nilai range hasil estimasi lebih kecil daripada raw data
dan simulasi. Perbedaan nilai range ini disebabkan karena perbedaan nilai minimum
dan maksimum. Nilai minimum pada hasil estimasi lebih tinggi dan nilai
maksimumnya lebih rendah dibandingkan nilai raw data-nya. Sedangkan pada hasil
simulasi nilai range-nya hampir sama. Nilai minimum dan maksimum dari hasil
simulasi juga memiliki nilai yang hampir sama dengan nilai raw data-nya. Demikian
juga dengan nilai variance-nya, hasil dari estimasi jauh berbeda dibandingkan dengan
hasil simulasi terhadap raw data.

Secara umum semua parameter statistik antara hasil estimasi dengan raw data relatif.
Sedangkan parameter statistik antara hasil simulasi dengan raw data hampir sama.
Hal ini disebabkan karena simulasi dibuat berdasarkan data-data statistik raw data.
Pada Tabel V.9 dapat dilihat perbandingan statistik antara raw data, hasil estimasi,
dan hasil simulasi. Pada Tabel ini hasil realisasi yang ditampilkan hanya nilai
Realisasi 1 dan Realisasi 2 sebagai perwakilan dari keseluruhan hasil realisasi.

V-16
 Tabel V.9 Perbandingan Statistik Antara Raw Data,
Hasil Estimasi, dan Hasil Simulasi
Parameter Raw OK Real1 Real2
N 5672 11382 12400 12400
Min 0.18 0.71 0.18 0.19
Max 5.53 4.65 6.00 6.00
Mean 2.21 2.14 2.19 2.19
Median 2.11 2.08 2.06 2.05
Mode 1.82 2.40 1.49 1.49
Standard
0.9 0.47 1.05 1.04
deviation
Variance 0.81 0.22 1.09 1.08
Kurtosis 0.31 1.30 0.20 0.42
Skewness 0.62 0.80 0.64 0.72
Range 5.35 3.93 5.82 5.81

Pada Tabel V.10 dan V.11 ditampilkan perbandingan antara tonase dan kadar hasil
estimasi dan simulasi. Estimasi dengan OK memberikan hasil tunggal sedangkan
conditional simulation memberikan beberapa hasil yang berbeda. Perbedaan hasil
dari conditional simulation ini diakibatkan oleh karakteristik dari simulasi itu sendiri.
Hasil realisasi dari simulasi akan berbeda dengan nilai raw data, tetapi secara statistik
akan memperlihatkan struktur variabilitas yang sama (histogram yang sama). Statistik
adalah gambaran mengenai distribusi kadar secara umum, bukan menunjukan nilai
demi nilai masing-masing kadar. Nilai dari masing-masing data tunggal setiap
realisasi dapat berbeda-beda tetapi secara umum menggambarkan statistik yang sama
Perbedaan nilai realisasi dari simulasi ini dapat dilihat pada Tabel V.7. Pada Tabel ini
dapat dilihat bahwa nilai realisasi pada masing-masing unit blok berbeda antara satu
realisasi dengan realisasi yang lain dan juga berbeda dengan nilai raw data-nya. Akan
tetapi secara statitistik memiliki karakteristik yang hampir sama.

V-17
a) b)

c) d)

Gambar V.7 Perbandingan Histogram Kadar Ni Zona Saprolit pada Blok Selatan antara, a) Raw Data,
b) Hasil Estimasi, c) Realisasi 1, dan d) Realisasi 2

V-18
 Tabel V.10 Perbandingan Kadar Ni Antara Hasil Estimasi dan Simulasi
Kadar Ni Rata-rata (%)
Zona Simulasi
OK
Min Mean Max
Limonit 1.51 1.38 1.41 1.43
Saprolit 2.16 2.15 2.19 2.25

Tabel V.11 Perbandingan Kandungan Logam Antara Hasil Estimasi dan Simulasi
Kandungan Logam (ton)
. Zona Volume Tonase Simulasi
OK
Min Mean Max
Limonit 4,166,250.00 6,666,000.00 100,596.61 92,790.72 93,523.98 94,923.84
Saprolit 4,830,625.00 7,245,937.50 156,816.58 157,888.98 160,569.98 156,657.17
Total 12,830,625.00 13,911,937.50 257,413.19 250,679.70 254,093.96 251,581.01

V-19
V-20