PEMERIKSAAN DAN EVALUASI TAMBANG

TUGAS II

Oleh :

ALHAFIS GAUNNA NIM.1031611006

JURUSAN TEKNIK PERTAMBANGAN

FAKULTAS TEKNIK
UNIVERSITAS BANGKA BELITUNG
2019
1. Uninformed Search Algoritm
Algoritma ini tidak memberikan informasi apapun tentang permasalah yang
ada, tetapi hanya berfokus memberikan informasi tentang algorima tersebut.
Algoritma ini juga disebut Blind Search. Istilah Blind Search berpedoman bahwa,
teknik pencarian ini tidak memiliki informasi tambahan lain selain dari yang
disediakan.
Yang dilakukan oleh algorima ini adalah melakukan generate dari successor
dan membedakan goal state dari non-goal state. Pencarian ini dilakukan berdasarkan
pada urutan mana saja node yang hendak di-expand.
Macam-macam Uninformed Search Algorithm:
a. Breadth First Search(BFS)
Pencarian dengan metode ini menggunakan teknik dimana langkah pertama
yang harus dilakukan adalah root node di-ekspansi, setelah itu dilanjutkan semua
successor dari root node juga di-expand. Hal ini terus dilakukan berulang-ulang
hingga leaf(node pada level paling bawah yang sudah tidak memiliki successor lagi).
b. Depth Limited Search
Pencarian menggunakan DFS akan berlanjut sampai kedalam paling terakhir
dari sebuah tree. Misalkan yang muncul pada DFS adalah ketikda proses pencarian
tersebut menemui infinite state space. Hal ini bisa diatasi dengan mengisiasikan batas
depth pada level tertentu semenjak awal pencarian. Sehingga node pada level depth
tersebut akan diperlakukan seolah-olah mereka sudah tidak memiliki successor.
c. Uniform Cost Search (UCS)
Pencarian dengan BFS akan menjadi optimal ketika nilai pada semua path
adalah sama. Dengan sedikit perluasan, dapat ditemukan sebuah algoritma yang
optimal dengan melihat kepada nilai tiap path di antara node-node yang ada.
Selain menjalankan fungsi algoritma BFS, Uniform Cost Search melakukan ekspansi
node dengan nilai path yang paling kecil. Hal ini bisa dilakukan dengan membuat
antrian pada successor yang ada berdasar kepada nilai path-nya (node disimpan dalam
bentuk priority queue).
d. Bidirectional Search
Pencarian dengan metode bidirectional search adalah dengan menjalankan dua
pencarian secara simultan, yang satu dikerjakan secara forward dari initial state
menuju ke goal, sedangkan yang satu lagi dikerjakan secara backward mulai dari goal
ke initial state. Yang kemudian diharapkan bahwa kedua pencarian itu akan bertemu
di tengah-tengah.
e. Iterative Deepening Depth First Search
Iterative deepening search merupakan sebuah strategi umum yang biasanya
dikombinasikan dengan depth first tree search, yang akan menemukan berapa depth
limit terbaik untuk digunakan. Hal ini dilakukan dengan secara menambah limit
secara bertahap, mulai dari 0,1, 2, dan seterusnya sampai goal sudah ditemukan.
f. Depth First Search(DFS)
Teknik pencarian dengan metode ini adalah dengan melakukan ekspansi
menuju node yang paling dalam pada tree. Node paling dalam dicirikan dengan tidak
adanya successor dari node itu. Setelah node selesai di ekspansi, maka node tersebut
akan ditinggalkan dan dilakukan ke node paling dalam lainnya yang masih memiliki
successor yang belum di ekspansi.

2. Informed Search Algorithm

Dengan menggunakan Uninformed Search Algorithm, beberapa permasalahan
dapat dipecahkan, namun tidak semua algoritma dapat menyelesaikan permasalahan
dengan efektif serta efisien.
Informed Search Algorithm, disebut juga dengan Heuristic Search. Pencarian
dengan algoritma ini menggunakan pengetahuan yang spesifik kepada permasalahan
yang dihadapi selain dari definisi masalahnya itu sendiri.
Pada pencarian dengan metode UCS(Salah satu bagian dai Uninformed Search
Algorithm), kita membandingkan nilai pada path yang ada lalu kemudian melakukan
ekspansi pertama kali pada path dengan nilai yang terkecil. Nilai path ini biasanya
dilambangkan dengan g(n). lebih lanjut lagi, dari metode pencarian tsb, pada
Informed Search Algorithm, kita akan mengenal nilai estimasi(prediksi) dari satu
node ke node yang lainnya. Nilai estimasi ini biasanya dilambangkan dengan h(n).
Jika n adalah goal node, maka nilai h(n) adalah nol.
Metode metode pada Informed Search Algorithm :
a. Greedy Best First Search
Metode pencarian ini melakukan ekspansi node yang memiliki jarak terdekat
dengan goal node. Namun, ekspansi yang dilakukan pada metode ini menggunakan
evaluasi node hanya dengan melihat kepada fungsi heuristiknya. Dengan kata lain,
yang dibandingkan untuk penentuan ekspansi node adalah nilai estimasi/prediksinya
saja.
F(n) = h(n)
b. A * Search (A-Star Search)
Bentuk dari Best First Search yang paling dikenal adalah algorima pencarian
A*(Dibaca dengan A-Star). Tidak jauh berbeda dengan Greedy yang hanya melihat
kepada nilai h(n), pencarian dengan A* melihat kepada kombinasi nilai dari pathnya
yaitu g(n) dengan nilai estimasi yaitu h(n).
F(n) = g(n) +h(n)

c. Generate and Test

Metode ini merupakan salah satu metode yang paling sederhana dalam
pencarian heuristic atau Informed Search Algorithm. Pada dasarnya, metode ini
memakai 2 langkah yaitu membangkitkan solusi yang mungkin ada, dan mengetest
solusi tersebut algoritma ini memakai prosedur DFS karena suatu solusi harus di
bangkitkan atau dikembangkan secara menyeluruh baru dapat dilakukan pengetesan.
Sehingga metode ini kurang efektif untuk masalah-masalah yang kompleks.

d. Hill Climbing
Metode ini hampir sama dengan metode Generate and Test, perbedaannya pada
umpan balik setelah dilakukannya test. Test yang berupa fungsi heuristic menunjukan
seberapa baik nilai terkaan yang diambil terhadap keadaan. Metode ini sebenarnya
kurang efektif sebab terlalu banyak solusi dalam suatu masalah.

Kesimpulan
Dalam kecerdasan buatan, terdapat beberapa metode atau istilah-istilah
didalamnya. Diantaranya searching. Searching merupakan suatu mekanisme dalam
pemecahan masalah yang paling umum. Ada beberapa langkah yang penting harus
dibuat sehingga dapat dibuatkan pemecahan masalahnya. Searching dilakukan dengan
mengidentifikasi try and error.
Informed dan Uninformed Search Algorithm merupakan salah satu algoritma
dalam kecerdasan buatan. Tidak semua algoritma dapat menyelesaikan permasalahan
secara efektif dan efisien.
Uninformed Search Algorithm menggunakan metode Blind Search, artinya
tidak ada tambahan informasi lain yang disediakan. Algoritma jenis ini tidak
memberikan banyak solusi, pada dasarnya algoritma jenis ini hanya menjelaskan
tentang algoritma tersebut.
Breadth First Search(BFS), Uniform Cost Search(UCS), Depth First
Search(DFS), Depth Limited Search, Iterative Deepening Depth First Search, serta
Bidirectional Search merupakan metode-metode yang terdapat dalam Uninformed
Search Algorithm.
Sedangkan Informed Search Algorithm disebut juga Heuristic Search.
Pencarian dengan algoritma ini menggunakan pengetahuan yang spesifik kepada
masalah yang dihadapi. Metode-metode yang gunakan dalam Informed Search
Algorithm lebih sedikit dibandung Uninformed Search Algorithm. Generate and test,
A* Search (dibaca A-Star Search), Greedy Best First Search, hill climbing merupakan
metode yang digunakan dalam Informed Search Algorithm
Contoh Soal Latihan:
Contoh Soal:
Apabila diberikan kondisi tree seperti gambar di atas, dimana biaya lintasan
(path), dan nilai prediksi/estimasi sudah diberikan, maka kita dapat melakukan
simulasi proses ekspansi node untuk algoritma Uniform Cost Search, Greedy Best
First Search, dan A* Search.

Jawab:
1. Uniform Cost Search
Proses ekspansi pada Uniform Cost Search dihitung berdasarkan nilai lintasan
g(n) sehingga proses akan berjalan sebagai berikut:
Proses eksplorasi node dimulai dari S sebagai initial state. Eksplorasi node dari S
akan menuju ke A, C, K sebagai successornya. Pada simulasi eksplorasi di atas, untuk
mempermudah proses eksplorasi maka dituliskan dengan C, A, K karena urutannya
dituliskan secara ascending dari nilai g(n) terkecil sehingga akan dihasilkan urutan
node yang akan dieksplorasi selanjutnya. Pada eksplorasi node selanjutnya, nilai g(n)
diakumulasikan dari node awal sampai pada node current yang baru dieksplorasikan.
Jadi, dari proses di atas, maka dihasilkan jumlah ekspansi node sebanyak 10 kali, dan
path yang dilalui dengan menggunakan algoritma Uniform Cost Search adalah S-C-
D-E-F-G.
2. Greedy Best First Search
Proses ekspansi dengan menggunakan algoritma Greedy Best First Search
adalah dengan merujuk pada nilai estimasinya yaitu h(n). Berbeda halnya dengan
nilai g(n) yang diakumulasikan, nilai h(n) tidak diakumulasikan. Proses eksplorasi
akan berjalan seperti berikut ini:
f = {S};
f = {A, C, K}; // 2, 4, 5
f = {B, C, K}; // 3, 4, 5
f = {G, C, H, K}; // 0, 4, 4, 5
f = {C, H, K}; // 4, 4, 5
Proses yang dilakukan pada Greedy Best First Search sama seperti Uniform
Cost Search, namun parameter yang digunakan hanya nilai estimasinya.
Dari proses di atas, maka dihasilkan jumlah ekspansi node sebanyak 4 kali, dan path
yang dilalui dengan menggunakan algoritma Greedy Best First Search adalah S-A-B-
G.
3. A* Search
Eksplorasi node dari metode A* dilakukan dengan cara menjumlahkan
kombinasi nilai path g(n) dan nilai estimasi h(n). Penjumlahan dari nilai tersebut akan
dibandingkan untuk menentukan node mana dulu yang akan dieksplorasikan.
Prosesnya akan berjalan sebagai berikut ini:
Dari proses di atas, maka dihasilkan jumlah ekspansi node sebanyak 7 kali, dan path
yang dilalui dengan menggunakan algoritma A* Search adalah S-C-D-E-F-G.
 PERHITUNGAN CADANGAN

Contoh yang sangat sederhana dapat diambil dari studi kasus endapan deposit
sebagai contoh endapan placer dari timah. Diasumsi masing-masing deposit telah
dilakukan pemboran dengan pola SQUARE PATTERN GRID. Data pemboran
tersebut ditunujukkan pada table berikut:

1. Kedalaman lubang bor 60 metre.

2. Dengan data pada kolom 1 pada tabel berikut:
Dari hasil pemboran diperoleh data-data sebagai berikut;

1 2 3 4 5
B. H. No. Thickness of Assay Value Metre Assay Keterangan
placer (M) (cu.metre) Product
(V) (M*V)
1 3.5 5 13
2 4.0 4 16
3 4.0 4 14
4 3.0 3 15
5 3.5 3 8
6 4.0 3 5
7 5.0 5 15
8 4.0 2 17
9 3.5 6 20
10 5.0 3 6
11 3.0 3 15
12 3.0 4 11
13 3.5 5 13
14 5.0 3 10
15 5.0 4 21
16 3.5 5 10
TOTAL 62.5 209

 Rata-rata nilai kadar per cu.metre adalah;

209
= 3.34 𝑑𝑤𝑡 𝑝𝑒𝑟 𝑐𝑢. 𝑚𝑒𝑡𝑟𝑒𝑠
62.5
(dwt= pennyweight, dimana 24 pennyweight = 1 onunces (oz)
𝟔𝟐.𝟓
Rata-rata ketebalan endapan placer adalah 𝟏𝟔
= 3.90 𝑚𝑒𝑡𝑟𝑒𝑠 dan
 Diasumsi bahwa daerah pengaruh (area of influence) dari setiap lubang bor
adalah setengah untuk masing-masing interval. Sehingga luas daerah deposit
adalah 200 m x 200 m.
Bila ketebalan rata-rata placer 3.90 meter, maka volume rata-rata gravel
adalah 156.000 Sn. Meter. Sedangkan nilai total keseluruhan adalah 156.000
x (209/62.5) = 521,664 oz.
Pada masalah di atas, pembobotan seragam pada semua sampel (conto). Ini
tidak demikian pada aktualnya, seperti pada gambar berikut;

Daerah pengaruh sampel tergantung pada lokasi sampel yang diperlihatkan

oleh deposit. Biasanya, daerah pengaruh sampel, dapat diperlihatkan oleh bidang
gambar, diperoleh dengan menggabungkan titik tengah dari garis penghubung titik
sampel, pada titik disebelah titik sampel. Pada gambar berikut, daerah bayangan
adalah daerah pengaruh dari sampel titik A.
Pembotan terhadap luas daerah pengaruh bervariasi pada lokasititik sampel.
Sampel B, C,D, E dan F, memiliki tiga hubungan atau valensi, misalanya B,
mempengaruhi garis BC, BF dan BA. Dilain hal, sampel A mempunyai lima valensi
yaitu AB, AC, AD, AE dan AF. Karena itu pada sampel sebelumnya, pembobotan
sampel berbeda dari satu, karena lokasinya dekat empat sudut area, untuk empat
lokasi pada bagian dalam. Sampel intermedit memiliki hanya dua pembobotan. Ini
jelas dari daerah bayangan disekitar lokasi setiap sampel. Seperti; ABCD, A1B1C1D1,
A2B2C2D2 (perhatikan gambar).

TABEL DATA PEMBORAN SAMPEL PADA LOKASI “X”

1 2 3 4 5 6 7
B. H. Thickness Assay Metre Weightage t*w W*(tp*V)
No. of placer Value Assay of Sampel
(tp) (cu.metre) Product (w)
(V) (tp*V)
1 3.5 5 13 1 3.5 13
2 4.0 4 16 2 8 32
3 4.0 4 14 2 8 28
4 3.0 3 15 1 3 15
5 3.5 3 8 2 7 16
6 4.0 3 5 4 16 20
7 5.0 5 15 4 20 60
8 4.0 2 17 2 8 34
9 3.5 6 20 2 7 40
10 5.0 3 6 4 20 24
11 3.0 3 15 4 12 60
12 3.0 4 11 2 6 22
13 3.5 5 13 1 3.5 13
14 5.0 3 10 2 10 20
15 5.0 4 21 2 10 42
16 3.5 5 10 1 3.5 10
TOTAL 62.5 209 36 145.5 449

145.5
 Ketebalan rata-rata, adalah = 4.04 𝑚𝑒𝑡𝑟𝑒𝑠
36

449
 Kadar rata-rata, adalah = 3.08 𝑑𝑤𝑡𝑠.
145.5
Deposit (Sn) memiliki dip magnitude, faktor koreksi yang relevan untuk mengenal
atau sebagai metode alternative diberikan berikut ini untuk mendapatkan akurasi yang
tinggi. Ini didasarkan pada prinsip pembagian area ke dalam unit terkecil untuk
melokalisasi pengaruh variabel.

TABEL DAN DATA PERHITUNGAN KETEBALAN RATA-RATA DEPOSIT

(TEMBAGA (Cu)) DARI HASIL PEMBORAN SAMPEL DI DAERAH “X”

1 2 3 4 5 6 7 8
Sub. B. H. Thickness Assay Metre Average Average Volume
Area No. of placer Value Assay thickness Value Assay
Square (tp) (%Cu) Product (5/3) Product
(tp*% Cu) (6*7)
1 3.0 4 12
2 5.0 3 15 14.5/4 40/14.5
1 10.00
5 3.5 2 7 = 3.63 = 2.76
6 3.0 2 6
TOTAL 14.5 40
2 5.0 3 15
3 5.0 3 15 17.00/4 52.0/17.0
2 13
6 3.0 2 6 = 4.25 = 3.0
7 4.0 4 16
TOTAL 17.0 52.0
3 5.0 3 15
4 4.0 4 16
3
7 4.0 4 16
8 5.0 3 15
TOTAL 18.0 62.0
4 5 3.5 2 7
 6 3.0 2 6
9 3.5 6 21
10 4.0 2 8
TOTAL 14.0 42.0
6 3.0 2 6
7 4.0 4 16
5
10 4.0 2 8
11 4.0 4 16
TOTAL 15.0 46.0
7 4.0 4 16
8 5.0 3 15
6
11 4.0 4 16
12 3.0 3 9
TOTAL 16.0 56.0
9 3.5 6 21
10 4.0 2 8
7
13 3.5 4 14
14 4.5 2 9
TOTAL 15.5 52.0
10 4.0 2 8
11 4.0 4 16
8
14 4.5 2 9
15 5.0 5 25
TOTAL 17.5 58.0
11 4.0 4 16
12 3.0 3 9
9
15 5.0 5 25
16 3.0 3 9
TOTAL
Bagaimana kalau spasi atau interval pemboran tidak teratur (irregularly)? Apa yang
akan dilakukan. Metoda polygon merupakan metode yang baik untuk mengatasi ini,
dengan cara sebagai berikut;

1. Luas daerah pengaruh masing-masing lubang bor dihitung. Daerah pengaruh

ini diperoleh dari menghubungkan setiap satu lubang bor misalnya lubang bor
A terhadap lubang bor sekelililingnya, B, C, D, E, dan F.Biasanya dengan
memperhatikan gambar berikut; maka ab, bc, cd, de, ef, fa digambar pada
pertengahan titik dari garis-garis radial. Poligon a, b, c, d, e, dan f dibentuk
oleh normal perpotongan. Daerah pengaruh dapat dilihat pada polygon a, b, c,
d, e, f dan d, g, h, i, j, e.
2. Luas untuk masing-masing polygon dihitung dengan metode tertentu atau
dengan Planimeter.
3. Hitung ketebalan deposit dan volume material deposit.
4. Mengetahui kadar dan volume rata-rata dihasilkan dari perhitungan;

𝑣𝑜𝑙𝑢𝑚𝑒 𝑜𝑓 𝑚𝑎𝑡𝑒𝑟𝑖𝑎𝑙
= 𝐴𝑣𝑒𝑟𝑎𝑔𝑒 𝑡ℎ𝑖𝑐𝑘𝑛𝑒𝑠𝑠
𝑎𝑣𝑒𝑟𝑎𝑔𝑒 𝑜𝑓 𝑖𝑛𝑓𝑙𝑢𝑒𝑛𝑐𝑒

𝑣𝑜𝑙𝑢𝑚𝑒 − 𝑎𝑠𝑠𝑎𝑦 𝑝𝑟𝑜𝑑𝑢𝑐𝑡

= 𝐴𝑣𝑒𝑟𝑎𝑔𝑒 𝑔𝑟𝑎𝑑𝑒 𝑜𝑟 𝑣𝑎𝑙𝑢𝑒
𝑣𝑜𝑙𝑢𝑚𝑒 𝑜𝑓 𝑚𝑎𝑡𝑒𝑟𝑖𝑎𝑙

Dalam kasus yang sama metoda lain yang dapat diterapkan adalah dengan metode
TRIANGLES.

Perhitungan dengan metode triangular grouping

Perhitungan sumber daya batu andesit dengan metode triangular grouping

adalah metode yang dibentuk oleh tiga koordinat singkapan terdekat sedemikian
hingga secara tiga dimensi blok tersebut membentuk prisma terpancung dengan sisi
prisma adalah kedalaman koordinat singkapan.
 Gambar triangular grouping

Tonase hasil perhitungan menggunakan metode triangular grouping. Jika diketahui

luas

Dimensi Luas Tebal Tebal Volume Volume

blok blok silika OB andesit OB
1 95 100 5 9500 475
2 110 100 5 11000 550
3 89 100 5 8900 445
4 160 100 5 16000 800
5 106 100 5 10600 530
6 142 100 5 14200 710
7 415 100 5 41500 2075
8 108 100 5 10800 540
9 200 100 5 20000 1000
10 212 100 5 21200 1060
163700 8185

Diketahui: V = 163700 m3

Ρ = 2,65 gc/ m3

Maka Perhitungannya:

T = 163700 m3 x 2,65 tg/ cm3 = 433805 ton

Jadi hasil perhitungan sumberdaya batu silika dengan menggunakan metode

triangular grouping adalah sebesar 433805 ton .