APLIKASI VARIOGRAM DAN SEMI VARIOGRAM DALAM ILMU

KEBUMIAN
TUGAS NO : 02

Diajukan Untuk Memenuhi Tugas Mata Goestatistika Semester IV

Program Studi Pertambangan Fakultas Tekniik Universitas Islam Bandung
Tahun Akademik 2019/2020

Disusun Oleh :
Nama : Gumilar Rayana
NPM : 10070118026
Kelas :A

PROGRAM STUDI TEKNIK PERTAMBANGAN

FAKULTAS TEKNIK
UNIVERSITAS ISLAM BANDUNG
1441 H / 2019 M
 VARIOGRAM DAN SEMI VARIOGRAM PADA ILMU KEBUMIAN
Gumilar Rayana
Prodi Teknik Pertambangan, Fakultas Teknik, Universitas Islam Bandung
Indonesia
gumilarrayana@yahoo.co.id
Abstrak Variogram adalah suatu langkah dalam menghitung
cakupan/hubungan antara satu poin dengan poin lain.Sehingga didapatlah
penyebaran atau lokasi yang dipetakan dalam bentuk grid-grid.Analisis
variogram merupakan tahapan dalam perhitungan pada sejumlah lokasi &
melihat hubungan antar observasi pada berbagai lokasi yang diukur.
1. Pendahuluan
Variogram adalah suatu langkah dalam menghitung cakupan/hubungan
antara satu poin dengan poin lain.Sehingga didapatlah penyebaran atau lokasi yang
dipetakan dalam bentuk grid-grid.Analisis variogram merupakan tahapan dalam
perhitungan pada sejumlah lokasi & melihat hubungan antar observasi pada
berbagai lokasi yang diukur.daerah, keadaaan, ruang yang sebelumnya tidak
diketahui keberadaan akan isinya.
2. Landasan Teori
Proses yang dilakukan dalam analisis variogram adalah meregister seluruh
data, mengeksplorasi data, membuat model, melakukan dan membandingkan
pemodelan. Analisis mendalam dan terintegrasi dengan geostatistik sangat
diperlukan untuk dapat membuat model detail guna analisa fasies dan peta porositas
yang bertujuan determinasi dan input pada model simulasi reservoir.
            Salah satunya adalah melalui metode Variogram. Variogram adalah
serangkaian aktivitas mulai dari penelusuran data, pembuatan model hingga laporan
analisa.Berikut uraian dalam tahapan analisa :
Penelusuran Data
Penelusuran data dilakukan secara manual atau dengan komputer. Jika data
tersusun dalam grid/ spacing yang teratur dapat dilakukan perhitungan secara
langsung dengan arah horisontal, vertikal ataupun diagonal.
Pembuatan dan Analisis Variogram Eksperimen
            Variogram adalah suatu fungsi vektor yang dapat digunakan untuk
mengkuantifikasikan tingkat kemiripan atau variabilitas antara dua conto yang
terpisah oleh jarak tertentu dengan grafik x - y yang dihasilkan dari plot jarak dan
varians dari data yang berpasangan.
            Variogram dilakukan untuk melakukan penaksiran kadar bijih dengan tujuan
kuantifikasi korelasi ruang antar conto menggunakan suatu perangkat statistik. Sifat
- sifat yang merupakan ciri khas dari variabel terregional antara lain:
Suatu variabel terregional terlokalisir (menempati lokasi tertentu), dimana variasi
terjadinya deposit, ukuran, dan orientasi tertentu.
Variabel terregional dapat mencerminkan variasi kontinuitas yang relatif tinggi
ataupun rendah.
Variabel terregional mencerminkan anisotropi, artinya tingkat distribusi varians dari
variabel berbeda pada masing-masing arah.
            Di sisi lain, data variogram yang memiliki jarak antar conto tidak teratur
diperlukan suatu toleransi untuk kedua variabel tersebut. David (1977) menjelaskan
istilah angle classes (θ±α/2) dan distance classes (h±∆h) sebagai toleransi untuk
menghitung pasangan data dengan jarak antar data yang tidak teratur. Semua titik
conto atau data yang berada pada search area yang didefinisikan dengan angle
classes dan distance classes akan dianggap sebagai titik-titik conto yang berjarak h
dari titik x0 (titik origin) pada arah yang dimaksud.
1. Eksplorasi Data
            Pemahaman yang menyeluruh pada data yang ada sangat diperlukan untuk
dapat menganalisis geostatistik. Eksplorasi dari pendistribusian data, melihat
batasan – batasan secara global dan lokal, melihat pola –pola global, memeriksa
korelasi spasial, dan memahami kovariasi dari berbagai data.
2. Pembuatan Model
            Pada mulanya, geostatistik merupakan sinonim dari "kriging”, namun dalam
perkembangannya juga meliputi metode deterministik. Metode deterministik tidak
memiliki penilaian untuk kesalahan prediksi, tidak ada asumsi untuk data.
Sedangkan metode kriging memiliki penilaian untuk kesalahan prediksi dan
mengasumsikan data dari proses stokastik. Peta yang dihasilkan dapat berupa peta
prediksi (peta interpolasi), peta standar eror, peta Quantile, peta probability.
3. Melakukan Diagnostik
            Dalam pemodelan geologi, khususnya pemodelan reservoir, model yang baik
akan memiliki satu kualitas yang sederhana yaitu: harus menyediakan prediksi yang
baik dari perilaku reservoir untuk merespon keadaan (Tyson and Math, 2009).
Prediksi yang baik harus memiliki prediksi mean eror yang mendekati nol, RMS
(root-mean-square) yang lebih kecil lebih baik. Apabila estimasi rata – rata standar
eror dibandingkan dengan prediksi eror RMS sama maka prediksi bagus, apabila <1
maka overestimate dan apabila >1 maka underestimate.
4. Membandingkan Model
            Beberapa model yang dihasilkan dari beberapa perlakuan harus
dibandingkan untuk melihat mana yang lebih baik. Penggunaan cross validation
statistic sangat membantu dalam pembandingan ini. 
Korelasi Informasi Data Geologi Terhadap Variogram
            Pada tahapan pemodelan karakterisasi reservoir diperlukan suatu analisa
hubungan spasial (spatial relationship) antara pasangan atau beberapa pasangan
data geologi untuk mengetahui geometri dan kontinuitas properti reservoir.Salah
satu  analisa tersebut adalah analisa variogram.Parameter utama variogram terdiri
dari empat bagian yaitu ; Major dan Minor trend  (melihat penyebaran lapisan pada
arah horizontal dan vertikal), sill and Range, serta Nugget.Analisis variogram yang
baik adalah analisis yang memasukan atau menggabungkan data geologi pada
setiap penentuan parameter variogram.
Variogram eksperimental dibuat berdasarkan pengukuran korelasi spasial
antara 2 (dua) conto/ data yang dipisahkan dengan jarak tertentu sebesar h. Data
tersebut merupakan data yang diperoleh dari pengukuran di lapangan, dapat berupa
data kadar, ketebalan, ketinggian topografi, porositas, dan permeabilitas. Pada arah
atau baris tertentu terdapat n buah data dengan jarak tertentu sebesar h, dimana
dalam tiap baris terdapat (n – 1) pasangan data untuk menghitung variogram γ(h)
dan (n – 2) pasangan data untuk menghitung variogram γ(2h) dan seterusnya
hingga mencapai lag tertentu yang tergantung dari jumlah n data. Hasil perhitungan
variogram di plot pada suatu koordinat kartesian antar jarak antar pasangan data (h)
dan variogram γ(h).
Komponen Variogram atau Semivariogram
Komponen dalam variogram atau semivariogram adalah sebagai berikut :
Range
Menurut Isaaks dan Srivastava (1989), range adalah jarak dimana variogram
merupakan sebuah dataran tinggi. Jarak yang dimaksud adalah variogram harus
mencapai nilai sill . Sedangkan menurut Dorsel dan Breche (1997), range adalah
jarak antara lokasi - lokasi dimana pengamatannya terlihat independen, yakni
ragamnya tidak mengalami suatu kenaikan. Dalam grafik variogram, range
dinyatakan dengan lambang "a” yaitu jarak pada sumbu horizontal mulai dari titik nol
sampai titik proyeksi perubahan variogram dari miring ke mendatar. Pada jarak
range, variabel dipengaruhi oleh suatu posisi.
Sill
Menurut Isaaks dan Srivastava (1989), sill adalah masa stabil suatu variogram
dalam mencapai range. Variogram menjadi suatu wilayah yang datar yakni
ragamnya tidak mengalami suatu kenaikan.
Nugget Effect
Kediskontinuan pada pusat variogram terhadap garis vertikal yang melompat dari
nilai 0 pada pusat nilai variogram dengan pemisahan jarak terkecil disebut dengan
nugget effect. Rasio nugget effect terhadap sill umumnya bernilai 11 sebagai nugget
effect relative dan
dinyatakan dalam persentase. 
PROSES ANALISIS GEOSTATISTIK
Dalam mengawali proses analisis perlu dilakukan registering seluruh data yang
diperlukan. Hal ini dilakukan untuk dapat menggunakan data – data tersebut pada
tahapan selanjutnya. Kompatibilitas data untuk dapat dianalisis lebih lanjut apabila
menggunakan GIS tentu sangat penting. Data digital akan memudahkan dengan
penggunaan work station. Langkah – langkah analisa yang harus dilakukan meliputi:
Eksplorasi Data
Pemahaman yang menyeluruh pada data yang ada sangat diperlukan untuk dapat
menganalisis geostatistik. Eksplorasi dari pendistribusian data, melihat batasan –
batasan secara global dan lokal, melihat pola –pola global, memeriksa korelasi
spasial, dan memahami kovariasi dari berbagai data.
Pembuatan Model
Pada mulanya, geostatistik merupakan sinonim dari "kriging”, namun dalam
perkembangannya juga meliputi metode deterministik. Metode deterministik tidak
memiliki penilaian untuk kesalahan prediksi, tidak ada asumsi untuk data.
Sedangkan metode kriging memiliki penilaian untuk kesalahan prediksi dan
mengasumsikan data dari proses stokastik. Peta yang dihasilkan dapat berupa peta
prediksi (peta interpolasi), peta standar eror, peta Quantile, peta probability.
Melakukan Diagnostik
Dalam pemodelan geologi, khususnya pemodelan reservoir, model yang baik akan
memiliki satu kualitas yang sederhana yaitu: harus menyediakan prediksi yang baik
dari perilaku reservoir untuk merespon keadaan (Tyson and Math, 2009). Prediksi
yang baik harus memiliki prediksi mean eror yang mendekati nol, RMS (root-mean-
square) yang lebih kecil lebih baik. Apabila estimasi rata – rata standar eror
dibandingkan dengan
4. Kesimpulan
Berdasarkan data dari makalah ini bahwa dapat disimpulkan
1. Variogram experimental terdapat beberapa jenis seperti sill, range, dan
nugger effect
2. Variogram dapat digunakan untuk mendapatkan suatu informasi tentang
cadangan bahan galian
Daftar Pustaka
[1] Raymond, Allan. 2018. Variogram Geostatistik. Academia.edu. Diakses pada 19
Maret 2020 Pukul 17.47 WIB
[2] Nur, Fatin. 2018. Analisis Variogram. lingkarankata.blogspot.com. Diakses pada
19 Maret pukul 17.54 WIB