GEOSTATISTIK DAN PERMODELAN SUMBER DAYA

“Pengantar Metode Kriging dan Aplikasi”

Dosen Pembimbing:
Adree Oktova S,Si. ,M.T.

Disusun Oleh:
Muhammad Radian
Nim : 17137060

JURUSAN TEKNIK PERTAMBANGAN

FAKULTAS TEKNIK
UNIVERSITAS NEGERI PADANG
2020

1
 BAB I
PENDAHULUAN

1. Latar Belakang

Hubungan antara sampling (drillhole) grade dan blok kelas menunjukkan sebuah
hamburan yang sistematis.Ini berarti bahwa drillhole sampling tidak estimasi terbaik untuk
blok, sehingga perlu koreksi .Matheron (1962) memperkenalkan koreksi dengan pembobotan
nilai-nilai sampling dengan arti dari fungsi variogram . Nama “kriging” diadopsi dari nama
seorang insinyur tambang (statistik) dari Afrika Selatan DG Krige yang pertama berpikir
tentang masalah ini sejak tahun 1950.
Korelasi antara kelas sampel drillhole dan kelas benar blok yang diwakili oleh drillhole
(diperoleh setelah pertambangan blok) akan memberikan Sebuah scatter plot yang
menunjukkan bahwa sebagian besar data (poin) terletak dalam ellipsoid. Dalam hal analisis
kelas sampel adalah estimasi yang tepat untuk kelas masing-masing blok, maka regresi
melalui asal akan sepanjang garis A-A' .Penelitian dari Krige untuk Au sampel kelas
menunjukkan bahwa dalam kenyataannya kemiringan garis regresi adalah sedikit rendah.
Ini berarti bahwa penyimpangan yang sistematis dan sampel drillhole tidak nilai-nilai
representatif untuk blok kelas. Sampel kelas yang lebih tinggi dari nilai rata-rata memberikan
nilai yang lebih tinggi ke dalam blok kelas, jika tidak diperbaiki. Sebagai contoh: kelas
Contoh z 1 memberikan blok kelas Z 1 'Demi baris A-A' yang lebih tinggi dari yang
sebenarnya blok kelas Z 1 ( jalur B-B ').
Di sisi lain, kelas sampel menurunkan nilai rata-rata memberikan nilai lebih rendah dari
blok kelas, misalnya: sampel z 2 oleh garis A-A' memberi blok kelas Z 2 'Yang lebih rendah
dari yang sebenarnya blok kelas Z 2 ( jalur B-B '). koreksi Matheron ini dengan
mempertimbangkan variogram analisis data regional menunjukkan estimasi bahwa pada blok
kelas tidak hanya dipengaruhi oleh sampel dalam blok tetapi juga dipengaruhi oleh sampel di
sekitar mereka di sekitar. Koreksi memberikan: lebih baik taksiran nilai, - varians estimasi K2

2
 Estimasi dengan metode Kriging kadang-kadang terlalu rumit untuk komoditas (yang
berhubungan dengan parameter geometris). Tapi itu akan sangat berguna untuk menentukan
cadangan tertambang dengan nilai di atas cut-off grade . Seperti misalnya: korelasi antara
sampel kelas dan blok kelas (kelas true) yang tersebar dalam ellipsoid (angka berikutnya),
kemudian memberikan garis regresi melalui asal (0) dan titik (Z, z). Akhirnya, ellipsoid dapat
dibagi menjadi empat sektor dengan cut-off grade (gigi), z c = Z c = 5%.

2. Rumusan Masalah
a. Apa yang dimaksud dengan kriging ?
b. Apa yang dimaksud dengan Permodelan Variogram, Semivariogram, Kovariogram dan
Korelogram ?
c. Apa yang diamaksud dengan Spatial Outlier?
d. Apa yang dimaksud dengan Robust Kriging?

3. Tujuan Makalah
a. Dapat menegetahui apa yang dimaksud dengan kriging
b. Dapat menegetahui apa yang dimaksud dengan Permodelan Variogram, Semivariogram,
Kovariogram dan Korelogram
c. Dapat menegetahui apa yang dimaksud dengan Spatial Outlier
d. Dapat menegetahui apa yang dimaksud dengan Robust Kriging

3
 BAB II
PEMBAHASAN

1. Pengertian Kriging
Kriging merupakan suatu teknik interpolasi untuk mencari nilai dugaan pada kasus data
spasial . Penduga kriging merupakan penduga yang bersifat Best Linear Unbiased Estimator
(BLUE), artinya nilai dugaan yang didapatkan berbentuk linear, tidak berbias, dan memiliki
ragam minimum. Kriging juga dapat menghasilkan nilai prediksi kurang presisif jika di antara
data yang ada terdapat pencilan (outlier). Outlier didefinisikan sebagai nilai yang ekstrim dari
nilai amatan lainnya yang kemungkinan dapat disebabkan oleh kesalahan pencatatan, kalibrasi
alat yang tidak tepat atau kemungkinan lainnya. Kriging sebagai interpolasi spasial optimum
dapat menghasilkan nilai prediksi kurang presisif jika di antara data yang ada terdapat pencilan
(outlier). Outlier didefinisikan sebagai nilai yang ekstrim dari nilai amatan lainnya yang
kemungkinan dapat disebabkan oleh kesalahan pencatatan, kalibrasi alat yang tidak tepat atau
kemungkinan lainnya. Pengembangan ordinary kriging (kriging klasik) adalah robust kriging
yang mentransformasi bobot variogram pada variogram klasik sehingga menjadi variogram yang
robust terhadap outlier.
Data yang digunakan adalah data spasial yang mengandung outlier dan memenuhi asumsi
kriging klasik. Hasil analisis menunjukkan bahwa robust kriging jauh lebih presisif dibandingkan
dengan ordinary kriging dalam mengestimasi nilai dari titik-titik spasial untuk data yang
mengandung pencilan. Hal tersebut ditunjukkan dengan nilai cross validation (MAE dan RMSE)
dari robust kriging jauh lebih kecil dibandingkan dengan ordinary kriging.
Ada beberapa model kriging yang umum digunakan di antaranya adalah ordinary kriging dan
universal kriging yang notabenenya tidak mengakomodir adanya outlier. Lebih lanjut,
pengembangan ordinary kriging adalah robust kriging yang mentransformasi bobot variogram
pada variogram klasik sehingga menjadi variogram yang robust terhadap outlier.

2. Permodelan Variogram, Semivariogram, Kovariogram dan Korelogram

4
Pada pemodelan variogram dan kriging, data spasial diasumsikan sebagai proses stokastik
{Z(S):S E D} dengan D adalah himpunan bagian dalam ruang berdimensi Rd, d > 0. Kovarian
nilai antara dua titik sembarang si dan sj didefinisikan sebagai,

dengan nilai korelasi adalah

Suatu proses dikatakan stasioner pada ratarata dan varians jika dan hanya jika μ(Si) = μ dan
μ2(Si)=μ2, akibatnya:
C(Si,Sj) = C(Si –Sj) = C(h)
ρ(Si,Sj) = ρ(Si –Sj) = ρ(h)

di mana h adalah vektor jarak antara titik i dan j, C(h) disebut kovariogram dan ρ(h) disebut
korelogram.

Varians nilai antara dua lokasi dengan jarak tertentu ditentukan sebagai
Var [Z(S + h) -Z(S)] = 2ϒ(h), 2ϒ(h)disebut variogram dan ϒ (h) disebut semivariogram.
Hubungan antara kovariogram, korelogram dan semivariogram berdasarkan kestasioneran
dinyatakan dengan

Semivariogram Empirik

5
Semivariogram empirik dihitung dari data sampel yang kemudian diplotkan sebagai fungsi dari
jarak. MisalZ(Si) adalah nilai hasil pengukuran pada lokasi i, sedangkan Si = (Xi,yi) adalah
vektor yang mengandung koordinat spasial x, y, semivariogram cloud didefinisikan sebagai

ϒij=0,5[Z(Si)-Z(Sj)]2

untuk semua pasangan jarak yang mungkin {(Si,Sj); i,j = 1,2,3,…,n} dan diplotkan sebagai
fungsi jarak, yang dihitung dengan:
|h| = lSi -Sjl = [(Xi –Xj)2 + (yi –yj)2]1/2 Perhitungan ini melibatkan ribuan titik pada plot
semivariogram sehingga mengakibatkan sulitnya melihat pola tertentu.
Untuk mengatasi hal tersebut maka yij dikelompokkan (binning) berdasarkan kesamaan jarak.
Berikut rumusan semivariogram yang dikelompokkan (semivariogram empirik):

ϒ(h) =

di mana
N(h) : himpunan pasangan data pada Si dan Sj yang mempunyai selisih jarak yang sama, h E
T(h), sedangkan T(h) merupakan daerah toleransi di sekitar h. |N(h)| : banyak pasangan jarak di
dalam himpunan N(h).

3. Spatial Outlier

Spatial Outlier (pencilan spasial) didefinisikan sebagai nilai lokasi observasi yang tidak
konsisten (ekstrim) terhadap nilai lokasi observasi yang lainnya. Munculnya pencilan dapat
disebabkan oleh mekanisme pengambilan nilai observasi yang berbeda dengan yang lainnya,
Ada banyak metode yang digunakan untuk mendeteksi adanya pencilan salah satunya adalah
dengan spatial statistics Z test. Untuk spatial statistics Z test, didefinisikan sebagai:

6
Jika Zs(x) > θ, maka dideteksi sebagai pencilan (outlier), untuk tingkat signifikansi 5%, nilai θ =
2.

4. Robust Kriging
Model yang mendasari robust kriging adalah

Dengan W(·) stasioner intrinsik dan gaussian dan ɳ(·)+ϵ(·) = ε(·) . Berbeda dengan kriging klasik
(simple, ordinary), untuk mengakomodir adanya outlier, variogram empirik untuk robust kriging
dirumuskan sebagai :

Robust kriging mengakomodir adanya outlier sehingga semivariogram yang digunakan adalah
semivariogram empirik terboboti. Adapun paket program ArcGIS 9.2 yang digunakan untuk
membuat peta kontur prediksi pada ordinary kriging masih belum menyediakan fasilitas
penghitungan nilai dan pembuatan peta kontur prediksi untuk robust kriging, demikian pula
untuk semua paket program geostatistika. Oleh karena itu, diperlukan pembuatan program yang
sesuai untuk algoritma robust kriging.
Penelitian tentang aplikasi robust kriging masih terbatas. Pada umumnya, para peneliti hanya
sampai pada ilustrasi statistika matematika dari modelmodel yang menunjang penggunaan robust
kriging. Pada penelitian ini, untuk mengestimasi nilai pada suatu daerah tertentu adalah dengan
menggunakan macro Minitab v.14 . Namun, kelemahan pada macro tersebut adalah
ketidakmampuan untuk mengestimasi nilai pada daerah lain, sehingga pada penelitian ini hanya

7
dicari nilai estimasi pada daerah yang sudah diketahui nilai asalnya yang kemudian dihitung
tingkat ketepatan dalam mengestimasi.
Langkah awal dari macro adalah menghitung jarak masingmasing titik, menghitung interval
masingmasing lag dimana besar lag didapatkan dari proses perhitungan via ArcGIS 9.2,
kemudian mengelompokkan jarakjarak tersebut pada lag yang bersesuaian. Langkah kedua
adalah menghitung variogram dan semivariogram untuk robust kriging.
Selanjutnya menghitung matrik C yang terbentuk dari semivariogram robust, matrik C0 yang
terbentuk dari semivariogram dari titik yang diestimasi dengan semua titik yang diketahui.
Langkah terakhir adalah menghitung matrik lambda yang digunakan untuk menentukan nilai
estimasi.
Berdasarkan hasil analisis dari macro didapat nilai estimasi yang relatif sama dengan nilai
asalnya atau dengan kata lain tingkat presisif dari robust kriging untuk data yang mengandung
pencilan sangat tinggi.

8
 BAB III
PENUTUP
A. Kesimpulan
Dari makalah yang saya buat dpaat disimpulkan bahwa :
1. Kriging merupakan suatu teknik interpolasi untuk mencari nilai dugaan pada kasus data
spasial
2. Penduga kriging merupakan penduga yang bersifat Best Linear Unbiased Estimator
(BLUE), artinya nilai dugaan yang didapatkan berbentuk linear, tidak berbias, dan
memiliki ragam minimum.
3. Estimasi dengan metode Kriging kadang-kadang terlalu rumit untuk komoditas (yang
berhubungan dengan parameter geometris)
B. Saran
Sebaiknya kita harus terus menerus melakukan pengecekan ulang saat menghitung tonase
sumber daya serta harus teliti

9
 DAFTAR PUSTAKA

https://zaihooiz.blogspot.com/2012/05/pengertian-dan-model-kriging.html

https://en.wikipedia.org/wiki/Kriging

https://id.123dok.com/document/q7wmgrvz-metode-robust-kriging-dan-penerapannya-pada-
data-geostatistika.html

Krige, DG, 1951. Sebuah pendekatan statistik untuk beberapa masalah valuasi tambang dasar
pada Witwatersrand . Journal of Chemical, Metallurgical dan Pertambangan Society.

Krige, DG 1956. Pada Keberangkatan dari Ore Nilai Distribusi dari Model Lognormal di
Afrika Selatan Gold Mines . Afrika Institute selatan Pertambangan dan Metalurgi .

Royle, AG, Newton, MJ, dan Sarin, VK, 1972. Faktor Geostatistik Dalam Desain Program
Pengambilan Sampel Tambang . Lembaga transaksi Pertambangan & Metalurgi

10
 Nama : Muhammad Radian
Nim : 17137060

Resume

Istilah kriging diambil dari nama seorang ahli, yaitu D.G. Krige, yang pertama kali
menggunakan korelasi spasial dan estimator yang tidak bias. Istilah kriging diperkenalkan
oleh G. Matheron untuk menonjolkan metode khusus dalam moving average terbobot
(weighted moving average) yang meminimalkan varians dari hasil estimasi.

Korelasi antara kadar-kadar conto pemboran dan kadar sebenarnya suatu blok yang
diwakili oleh titik bor tersebut (diperoleh mis. dari hasil penambangan blok tersebut) akan
memberikan suatu diagram pencar yang memperhatikan, bahwa sebagian besar pasangan
data tersebut terletak di dalam suatu elips seperti yang terlihat pada gambar dibawah berikut.

Dalam hal semua hasil analisa conto merupakan estimasi yang benar/cocok/ sesuai
terhadap kadar setiap blok yang diwakili conto tersebut, maka pencaran pasangan data tersebut
akan membentuk garis regresi A-A’ yang melalui titik nol.

Penelitian Krige pada perilaku kadar conto emas memperhatikan bahwa garis regresi
tersebut pada kenyataannya lebih mendatar, seperti yang ditujukan oleh garis B-B’.

11
 Ini berarti bahwa simpangan terbentuk secara sistimatik dan conto bor bukan merupakan
harga estimasi yang mewakili kadar bijih pada blok. Analisa dan conto yang terletak diatas harga
rata-rata memberikan suatu harga yang lebih besar daripada kadar-kadar blok, jika tidak
diberikan koreksi. Harga conto z1 memberikan harga blok Z1’ melalui kurva A-A’ yang lebih
besar dari harga sebenarnya Z1 (kurva B-B’). Tetapi sebaliknya analisa-analisa yang terletak di
bawah harga rata-rata Z memberikan harga yang di bawah harga-harga blok, conto z 2 melalui
kurva A-A’ memberikan harga blok Z2’ yang lebih kecil dari harga sebenarnya Z 2 (kurva B-B’).

Estimasi kadar blok tidak hanya dipengaruhi oleh conto yang terletak di dalam blok saja,
tetapi juga dipengaruhi oleh conto-conto di sekitarnya yang bedekatan. Koreksi tersebut
memberikan:

a. suatu harga estimasi yang lebih baik,

b. suatu varians σ K2 dari estimasi tersebut.

Sebagian contoh hubungan antara harga analisa conto dengan harga analisa blok bijih
(harga sebenarnya) yang terpancar membentuk elips, kemudian tarik garis regresi melalui

titik 0 dan titik ( Z ,z ), selanjutnya bagi elips tersebut dengan cut-off grade z c = Zc = 5%
menjadi empat bagian.
 Daerah 1 : semua blok dengan kadar > cog sesuai
dengan kadar conto > cog ditambang
 Daerah 2 : semau blok dengan kadar < cog yang sesuai
dengan kadar conto < cog tidak ditambang
 Daerah 3 : semua blok dengan kadar < cog yang karena
kesalahan kadar conto > cog yang ditambang
 Daerah 4 : semua blok dengan kadar > cog yang karena
kesalahan kadar conto < cog tidak ditambang
Dengan bantuan kriging ini tidak akan ditentukan garis regresi baru yang lebih baik, tetapi
metode ini akan mengoreksi kadar-kadar conto (dinaikkan atau diturunkan), sehingga
mempersempit elips pencaran data.

12
 Melalui koreksi ini bentuk elips akan lebih kurus/sempit dengan batas-batasnya mendekati
garis regresi yang membentuk sudut 45º. Jumlah conto dan pasangan bloknya pada daerah
3 dan daerah 4 yang menyatakan kadar rendah ditambang atau kadar tinggi tidak
ditambang akan berkurang. Untuk varians kriging dapat dituliskan :

Melalui metode kriging diperoleh harga penaksir terbaik berdasarkan informasi yang ada
pada suatu endapan bahan galian. Factor bobot diipilih sedemikian rupa sehingga diperoleh
varians estimasi yang minimum. Sehingga Kriging memperhatikan :

 Struktur dan korelasi spasial variabel melalui suatu fungsi γ (h)

 Hubungan geometri relatif antar data yang mencakup hal penaksiran dan penaksiran
volume melalui γ sebagai ( )ji γ S,S (hubungan antar data) dan sebagai ( V,Si γ )
(hubungan antara data dan volume).

Ordinary kriging (OK) adalah metode kriging paling sederhana yang terdapat pada
geostatistika. Pada metode ini, memiliki asumsi bahwa rata-rata (mean) tidak diketahui dan
bernilai konstan.
Universal kriging adalah bentuk umum dari simple kriging sebagai salah satu cara perluasan
dari metode ordinary kriging. Universal kriging merupakan kriging dari data yang mempunyai
kecenderungan trend tertentu. Metode ini tepat jika digunakan pada nilai-nilai di titik sampel
yang memang mempunyai kecenderungan tertentu.

Titik-titik pengambilan conto umumnya tidak terdistribusi teratur, sehingga untuk

pembuatan peta isoline perlu dilakukan interpolasi membentuk suatu grid yang teratur.

13
 Terdapat berbagai metode untuk masalah ini, di antaranya adalah NNP (nearest
neighboring polygon) dan IDW (inverse distance weighted, ID, IDS, atau ID3).

Penentuan varians estimasi disederhanakan melalui persamaan berikut :

Metode ini mempunyai sifat, bahwa proses estimasi memberikan suatu titik xi x
 0 ,
sehingga pada titik ini .

14
Soal latihan
Jawaban

15
16
17
18