TUGAS MAKALAH

MATA KULIAH GEOLOGI STATISTIK

“INTRODUCTION ON UNCERTAINTY ANALYSIS

AND CONCEPT OF GEOSTATISTICAL SIMULATION”

MUHAMMAD SHIDIQ

17137062

JURUSAN TEKNIK PERTAMBANGAN

FAKULTAS TEKNIK
UNIVERSITAS NEGERI PADANG
2020
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Esa karena atas berkat dan rahmat-Nya,
sehingga laporan ini dapat selesai tepat pada waktunya. Makalah ini disusun agar mahasiswa
dapat mengetahui konsep Geologi Statistik beserta aplikasinya dalam dunia pertambangan.

Dengan telah tersusunnya makalah ini, maka saya selaku penyusun mengucapkan
terimakasih kepada :

1. Bpk. Adree Octova, S.Si., M.T., selaku dosen mata kuliah Geologi Statistik.
2. Semua pihak baik secara langsung maupun tidak langsung yang telah membantu
sehingga makalah ini dapat terselesaikan dengan baik.

Penyusun mengharapkan saran dan kritik yang membangun untuk perbaikan kedepan.
Akhir kata, semoga makalah ini dapat bermanfaat dan memberikan ilmu bagi penyusun pada
khususnya dan pembaca pada umumnya.

Padang, April 2020

Penyusun

ii
 DAFTAR ISI

KATA PENGANTAR ....................................................................................................... ii

DAFTAR ISI...................................................................................................................... iii

BAB I PENDAHULUAN

A. Latar Belakang ........................................................................................................ 1

B. Rumusan Masalah ................................................................................................... 1
C. Tujuan Pembahasan ................................................................................................ 1

BAB II PEMBAHASAN

A. Pengantar Analisis Ketidakpastian .......................................................................... 2

B. Pengantar Simulasi Geostatistik.............................................................................. 5
C. Target Simulasi ....................................................................................................... 8

D. Simulasi – Pendekatan Analisi Resiko pada Tambang Batubara............................ 8

E. Pengukuran, Pemahaman, dan Visualisasi Karakteristik Batubara ........................ 12

F. Penaksiran ketidakpastian Tonase Batubara ........................................................... 12

BAB III PENUTUP

A. KESIMPULAN .......................................................................................................

DAFTAR PUSTAKA

iii
 BAB I

PENDAHULUAN

A. Latar Belakang
Estimasi sumber daya digunakan untuk menentukan dan menentukan tonase
bijih dan tingkat deposit geologis, dari model blok yang dikembangkan. Ada beberapa
metode estimasi yang berbeda yang digunakan untuk skenario yang berbeda tergantung
pada batas bijih, geometri deposit geologi, variabilitas grade dan jumlah waktu dan
uang yang tersedia. Estimasi sumber daya yang khas melibatkan pembangunan model
geologis dan sumber daya dengan data dari berbagai sumber. Bergantung pada sifat
informasi dan apakah data tersebut berupa hard copy atau terkomputerisasi, langkah-
langkah utama estimasi sumber daya komputer adalah:
a. Pembuatan, standardisasi dan validasi database.
b. Bagian merencanakan dan pemodelan geologi interaktif.
c. Analisis geostatistik.
d. Pemodelan blok dan estimasi blok.

B. Rumusan Masalah
1. Apa defenisi Analisis ketidakpastian dan konsep simulasi geostatistik?
2. Apa saja Model-Model Analisis ketidakpastian dan konsep simulasi geostatistik?
3. Bagaimana Penerapan Analisis ketidakpastian dan konsep simulasi geostatistik?
4. Bagaimana cara memecahkan masalah dengan Analisis ketidakpastian dan konsep
simulasi geostatistik?

C. Tujuan Pembahasan
1. Mendeskripsikan defenisi Analisis ketidakpastian dan konsep simulasi geostatistik
2. Mendeskripsikan model-model Analisis ketidakpastian dan konsep simulasi
geostatistik
3. Mendeskripsikan Penerapan Analisis ketidakpastian dan konsep simulasi
geostatistik
4. Mendeskripsikan pemecahan masalah dengan Analisis ketidakpastian dan konsep
simulasi geostatistik

1
 BAB II
PEMBAHASAN

A. Pengantar Analisis Ketidakpastian

Ketidakpastian meliputi beberapa konsep, yaitu : kesalahan (error), ketepatan
(accuracy), ketelitian (precision), keabsahan (validity), kualitas, variabilitas,
gangguan (noise), kelengkapan (completeness), tingkat keyakinan (confidence), dan
tingkat kepercayaan (reliability)
Setiap hasil estimasi diharuskan untuk mendekati nilai yang sebenarnya sebisa
mungkin, namun apapun metode yang digunakan tentunya akan selalu terdapat
kesalahan.
Faktor penyebab adanya kesalahan adalah
(a) Jumlah sampel berdekatan, semakin banyak jumlah sampel berdekatan akan
membantu perhitungan menjadi lebih dapat dipercaya (reliable).
(b) Jarak antar sampel yang diambil, semakin dekat jarak sampel dengan titik
estimasi, tingkat kepercayaan dalam estimasi akan meningkat.
(c) Pengaturan spasial sampel, bertambahnya jumlah sampel akan
mempengaruhi tingkat keyakinan berdasarkan jaraknya terhadap sampel
yang telah ada.
(d) Fenomena alam yang sedang dipelajari, hasil estimasi yang dilakukan akan
lebih dapat dipercaya dengan variabel yang lebih baik dan lebih teratur
ketimbang variabel tidak menentu, berubah-ubah, dan tidak teratur.

2
 Pengaruh penambahan sampel terhadap estimasi ketidakpastian. Estimasi nilai
yang tidak dikethui dengan tanda tambah (+) dtiengah (a) akan menjadi lebih dapat
dipercaya datanya dengan penambahan jumlah sampel. Sedangkan pada data (b)
meskipun datanyaberkelompok, hal tersebut tidak meningkatkan tingkat
kepercayaan sebanyak sampel (c) yang tersebar merata.
Untuk bentuk yang sangat baik dan teratur, parameter jarak akan lebih penting
ketimbang jumlah sampel, karena lebih baik memilih satu sampel yang sangat dekat
daripada beberapa sampel yang berjauhan
Untuk bentuk yang sangat tidak teratur juga mempengaruhi dari efek
berkelompok : (a) dengan bentuk teratur, dua sampel berdekatan lebih baik daripada
satu sampel saja; (b) jika variabel yang diamati berubah-ubah secara drastis, akan
menjadikan dua sampel yang berdekatan menjadi percuma.

Kesalahan (Error) = Nilai Estimasi – Nilai Sebenarnya

Terdapat tiga syarat untuk menyatakan ketidakpastian (Isaaks & Srivastava,

1989) :
1. Indeks Ketidakpastian, yaitu beberapa angka yang memungkinkan
sekelompok estimasi untuk digolongkan berdasarkan tingkat
kepercayaannya, indikasi yang menghubungkan tingkat kesalahan
2. Interval Keyakinan, yaitu sebuah interval dan probabilitas nilai yang tidak
diketahui yang terdapat pada interval ini

3
 3. Distribusi probabilitas, dapat digunakan untuk menjelaskan tingkat
keyakinan asimetrik atau untuk menjelaskan kemungkinan melampaui batas
keyakinan.

Titik penyebaran hipotetik dari ketidakpastian berlawanan dengan tingkat

kesalahan yang sebenarnya. Indeks ketidakpastian pada (a) dinyatakan lemah
karena rendahnya korelasi dengan tingkat kesalahan yang sebenarnya. Indeks (b)
sangat melenceng karena korelasinya dinyatakan negatif. Sedangkan index pada (c)
adalah yang paling mendekati.

4
 Alternatif pengaturan data sampel untuk kasus penggolongan ketidakpastian.
Sampel tambahan dimuat pada grid 10 x 10 m 2 seperti yang ditunjukkan pada (a).
Pertanyaannya adalah kemanakah sampel tambahan harus diberikan? Apakah pada
garis N-S (b) atau pada garis E-W (c)

B. Pengantar Simulasi Geostatistik

Simulasi dalam penambangan sama halnya dengna meniru kondisi aslinya.
Simulasi adalah suatu kegiatan menciptakan susunan nilai yang mempunyai
statistik yang sama (histogram) dan karakteristik spasial (variogram) yang sama
dengan kadar sebenarnya (data). Nilai tersebut menghasilkan lebih banyak skala
lokal daripada digunakan untuk kadar informasi yang sebenarnya yang tersedia.
Sebenarnya, ketidaktetapan lokal pada distribusi spasial kadar diperhalus
dengan berbagai metode estimasi, namun estimasi tidak mempengaruhi variasi
kadar lokal
Pada kegiatan estimasi lebih bertujuan untuk meminimalisir varians kesalahan,
sedangkan pada simulasi lebih bertujuan untuk meniru dispersi varians dari data
yang sebenarnya.

5
 Perbandingan dari profil kadar sebenarnya yang diidealisasikan (garis tebal),
simulasi kadar (garis lancip), dan estimasi kadar kriging (garis titik-titik) pada profil
umum. Perlu dicatat bahwa variabilitas yang serupa dari simulasi kadar yang
sebenarnya dibedakan terhadap pola estimasi kadar yang lebih lurus. Semua profil
melewati titik data yang diketahui.

Kabel bawah laut: (a) survey

seafloor dengan spasi 100 m; (b)
estimasi kriging seafloor; (c) survey
lanjutan (profil sebenarnya); (d)
simulasi kondisional berdasarkan
data 100 m dan profil sebenarnya
(Alfaro, 1979)

6
7
C. Target Simulasi
1. Mempelajari kontinuitas kadar
2. Mengoptimalkan rencana sampling untuk eksplorasi lebih lanjut
3. Evaluasi sumberdaya / cadangan dengan metode-metode estimasi
4. Perencanaan tambang (mine planning)
5. Optimalisasi penggilingan
6. Analisis resiko finansial
7. Berbagai kombinasi dengan tujuan diatas.

Pada kasus ini, perhatian dititikberatkan pada penggunaan simulasi kondisional

untuk menandakan kontinuitas kadar dan sama halnya dengan evaluasi metode
estimasi.
D. Simulasi – Pendekatan Analisi Resiko pada Tambang Batubara (Costa, dkk.,
2000)
Penambangan tradisional berdasarkan model blok dibuat dengan cara
interpolasi (kriging) tidak termasuk dalam perhitungan ketidakpastian yang
berhubungan dengan estimasi, model ini tidak layak untuk perencanaan tambang
jangka pendek.
Di lain hal, model simulasi kondisional menghasilkan variabilitas dan
kontinuitas spasial yang sebenarnya dari kelengkapan yang dibutuhkan.
Simulasi kondisional dapat digunakan untuk mengarahkan permasalahan
pengukuran ketidakpastian yang berhubungan dengan estimasi. Ini
menggambarkan bagaimana simulasi kondisional Gaussian dapat digunakan untuk
menaksir ketidakpastian estimasi kadar dan juga mengilustrasikan simulasi model
dapat bergabung dengan planning dan scheduling.
Suatu studi kasus menunjukkan efisiensi metode dalam menaksir resiko yang
berhubungan dengan variabel teknis dan geologis.

8
 Lokasi titik bor, simbol menunjukkan
akumulasi batubara dalam t/m2.

Bagian dari empat simulasi di barat daya bagian deposit cut nomor 1 dimana
ketidakteraturan yang diperkirakan berhubungan dengan setiap zona dari cut dapat
divisualisasikan.

9
 Langkah-langkah dasar yang terlibat dalam proses menghasilkan model
proabable yaitu :
1. Ambil perwakilan histogram untuk input data, lalu transformasi nilai
sebenarnya menjadi standar distribusi normal.
2. Lakukan variografi menggunakan data yang dijadikan normal
3. Pilih grid yang menonjol ntuk disimulasikan secara acak
4. Hitung histogram dari grid yang menonjol
5. Ambil nilai acak dari histogram.
6. Gabungkan 5 nilai yang diambil menjadi pengaturan data kondisional.
7. Ulangi tahap sebelumnya sampai semua tonjolan grid telah ditemui
8. Ulangi 1-7 untuk menghasilkan simulasi lainnya.
9. Ubah kembali data simulasi menjadi skala asli
10. Perikasa kembali hasilnya.

Histogram dan statistik dari tiga simulasi kondisional, masing-masingnya

mewakili probable yang sama mewakili akumulasi batubara.

10
 Lima simulasi dari setiap
lima cut menunjukkan fluktuasi
yang telah diperkirakan dalam
akumulasi batubara (t/m2)

Total panjang setiap cut adalah 2600 m setara dengan jarak satu tahun produksi
ROM. Untuk mencapai target produksi bulanan rata-rata 83000 ton, dibutuhkan
jarak 231 m untuk dikupas setiap bulan, menghasilkan akumulasi rata-rata batubara
sebesar 9 t/m2.
Diberikan contoh simulasi berikut, apa yang terjadi jika akumulasi lokal
batubara turun dari 9 t/m2 menjadi 8.5 t/m2 selama bulan tertentu?
Tentunya dibutuhkan kegiatan pengupasan tambahan untuk memastikan
batubara yang diambil memenuhi target yang dibutuhkan.
Estimasi model blok tidak bisa menandai penambang lokasi dimana variasi
besar lebih mungkin terjadi, seperti model ini yang tidak menyediakan pengukuran
variabilitas lokal.

Peta menunjukkan area dengan

probabilitas kadar sulfur batubara
yang melebih 1%. Area dengan
probabilitas nol dari penambangan
ROM dengan sulfur tinggi ditutup
dengan kontur padat

10 kemungkinan
nilai untuk kadar
sulfur dari 5 cut.

11
 E. Pengukuran, Pemahaman, dan Visualisasi Karakteristik Batubara (Whateley,
2002)

Histogram menggambarkan
bagaimana kondisi data sulfur
yang disimulasikan dengan
kualitas seam dapat diperoleh
dengan distribusi statistikal
yang mirip

Ilustrasi simulasi
kondisional dari total
sulfur untuk
perencanaan tambang

F. Penaksiran ketidakpastian Tonase Batubara (Heriawan & Koike, 2008)

untuk menentukan ketidak pastian cadangan batubara yang berhubungan
dengan tonase dan golongan, sebuah pendekatan yang berada pada permodelan
spasial dari distribusi seam dan kualitas batubara disajikan.
Model spasial yang dihasilkan melalui metode geostatistik, Ordinary Kriging
(OK), dan Urutan Simulasi Gaussian (Sequential Gaussian Simulation – SGSIM),
yang mana efektif untuk mengevaluasi secara lokal maupun global ketidakpastian
dengan memperhatikan struktur korelasi spasial.
Distribusi seam dimodelkan dengan transformasi biner dari data geologi dan
metode optimasi tiga dimensi. Kasus ini menunjukkan bahwa ketidakpastian
akumulasi batubara dihubungkan secara spasial dengan distribusi seam.

12
 Simulasi Kondisional

 Simulasi Kondisional adalah algoritma geostatistik untuk menghasilkan skala detail

dan statistik (Histogram, semivariogram, scatterplot) yang dinilai dari data deposit
mineral yang tersedia.
 Simulasi Kondisional dapat dikondisikan terhadap titik data yang dikehatui dan
kontinuitas spasial penting sebagaimana dimodelkan dengan semivariogram atau
kovarians.
 Hal ini juga menghindarkan dari efek perataan yang tidak diinginkan yang
berhubungan dengan banyak algoritma estimasi seperti kriging
 Kelebihan : menghasilkan banyak realisasi yang hampir sama
 Pengaturan realisasi alternatif menghasilkan pengukuran kuantitatif dari
ketidakpastian spasial, distribusinya dapat digunakan untuk menentukan tingkat
keyakinan dalam analisis resiko dan dalam pengambilan pilihan.

Ordinary Kriging

 Ketidakpastian dapat dinyatakan dengan menghitung interval keyakinan blok lokal

disekitar titik tengah dengan mengansumsikan penyebaran normal dari kesalahan.
 Berkebalikan dengan simulasi, algoritma kriging bertujuan untuk menyediakan
esstimasi lokal terbaik dalam penilaian persegi
 Pada dasarnya varians kriging tidak berdasarkan nilai sampel, tetapi lokasinya saja,
dimana variabilitas lokalnya diabaikan

13
Sebuah blok model ketebalan dan berat jenis relatif berukuran 100 m x 100 m
ditentukan melalui Ordinary Kriging dengan implementasi radius pencarian 1000 m.
Untuk setiap blok, akumulasi batubara (t/m 2) sebagai hasil ketebalan dari berat
jenisnya; mempunyai evaluasi varians dan dinyatakan dengan (Journel & huijbregts,
1978) :

Dimana 2(mxmy) adalah hasil estimasi varians; mxmy adalah koefisien korelasi,
(mx) dan (my) adalah standar estimasi varians; dan mx serta my adalah nilai
estimasi blok terhadap ketebalan dan berat jenis.

Dimisalkan distribusi normal terhadap kesalahan, dengan interval keyakinan

95% kemungkinan keterkandungan akumulasi batubara:

Dimana zi* adalah akumulasi batubara pada setiap blok i ; (mxmy) adalah

produk akumulasi standar deviasi ; dan z* adalah nilai tengah estimasi akumulasi

batubara (Journel & Huijbregts, 1978). Global error yang diperoleh menggunakan
setiap nilai akumulasi blok sebagai bobot terhadap error blok, berdasarkan teori
kesalahan yang dipaparkan oleh De Souza, dkk (2004) yaitu :

Dimana G adalah bobot global error; zi* adalah akumulasi nilai batubara setiap
blok i ; (b)i adalah error blok i; dan n adalah jumlah blok. Maka batas keyakinan
untuk estimasi tonase batubara insitu adalah

14
Histogram dari 100
realisasi untuk tonase
batubara yang
diperoleh dari SGSIM

Batas keyakinan untuk

tonase rata-rata yang
disimulasikan untuk
batubara insitu

15
Kasus : Perbandingan Simulasi dan Estimasi Peta Kadar Nikel pada Zona Laterit

16
Perbandingan Simulasi dan Estimasi Peta Kadar Nikel pada Zona Laterit

Kasus : Distribusi titik bor dan estimasi blok (Heriawan, dkk, 2010)

17
 Hasil Simulasi Geostatistik dari Estimasi Batuan Induk (Heriawan, dkk, 2010)

Cross-section zona batuan induk

pada :
(a) Grid N86000 di Blok Selatan
(b) Grid N86875 di Blok Tengah
(c) Grid N87500 di Blok Utara

Dibandingkan dengan hasil

Odinary Kriging (merah) dan 4
realisasi yang diambil acak dari
100 realisasi menghilkan
Simulasi Gaussian Sekuensial
(biru, coklat, kuning, dan hijau)

18
 Model struktur seam yang diperoleh melalui Metode OPTSIM (Optimasi Tiga Dimensi)

Cross-section struktur seam R yang dimodelkan melalui OPTSIM sepanjang E-W diikuti
dengan adanya derajat ketidakpastian dan estimasi error akumulasi batubara melalui Ordinary
Kriging Varians

19
 BAB III
PENUTUP

A. KESIMPULAN
Ketidakpastian meliputi beberapa konsep, yaitu : kesalahan (error), ketepatan
(accuracy), ketelitian (precision), keabsahan (validity), kualitas, variabilitas, gangguan
(noise), kelengkapan (completeness), tingkat keyakinan (confidence), dan tingkat
kepercayaan (reliability). Setiap hasil estimasi diharuskan untuk mendekati nilai yang
sebenarnya sebisa mungkin, namun apapun metode yang digunakan tentunya akan
selalu terdapat kesalahan.
Faktor penyebab adanya kesalahan adalah
(a) Jumlah sampel berdekatan.
(b) Jarak antar sampel yang diambil.
(c) Pengaturan spasial sampel.
(d) Fenomena alam yang sedang dipelajari.
Simulasi dalam penambangan sama halnya dengna meniru kondisi aslinya. Simulasi
adalah suatu kegiatan menciptakan susunan nilai yang mempunyai statistik yang sama
(histogram) dan karakteristik spasial (variogram) yang sama dengan kadar sebenarnya
(data). Nilai tersebut menghasilkan lebih banyak skala lokal daripada digunakan untuk
kadar informasi yang sebenarnya yang tersedia.
Sebenarnya, ketidaktetapan lokal pada distribusi spasial kadar diperhalus dengan
berbagai metode estimasi, namun estimasi tidak mempengaruhi variasi kadar lokal.
Pada kegiatan estimasi lebih bertujuan untuk meminimalisir varians kesalahan,
sedangkan pada simulasi lebih bertujuan untuk meniru dispersi varians dari data yang
sebenarnya.
Target Simulasi
1. Mempelajari kontinuitas kadar
2. Mengoptimalkan rencana sampling untuk eksplorasi lebih lanjut
3. Evaluasi sumberdaya / cadangan dengan metode-metode estimasi
4. Perencanaan tambang (mine planning)
5. Optimalisasi penggilingan
6. Dan lain-lain

20
 RESUME

Simulasi dalam penambangan sama halnya dengna meniru kondisi aslinya. Simulasi adalah
suatu kegiatan menciptakan susunan nilai yang mempunyai statistik yang sama (histogram)
dan karakteristik spasial (variogram) yang sama dengan kadar sebenarnya (data). Nilai tersebut
menghasilkan lebih banyak skala lokal daripada digunakan untuk kadar informasi yang
sebenarnya yang tersedia.
Sebenarnya, ketidaktetapan lokal pada distribusi spasial kadar diperhalus dengan berbagai
metode estimasi, namun estimasi tidak mempengaruhi variasi kadar lokal. Pada kegiatan
estimasi lebih bertujuan untuk meminimalisir varians kesalahan, sedangkan pada simulasi lebih
bertujuan untuk meniru dispersi varians dari data yang sebenarnya.
Target Simulasi
1. Mempelajari kontinuitas kadar
2. Mengoptimalkan rencana sampling untuk eksplorasi lebih lanjut
3. Evaluasi sumberdaya / cadangan dengan metode-metode estimasi
4. Perencanaan tambang (mine planning)
5. Optimalisasi penggilingan
6. Dan lain-lain

Ketidakpastian meliputi beberapa konsep, yaitu : kesalahan (error), ketepatan (accuracy),

ketelitian (precision), keabsahan (validity), kualitas, variabilitas, gangguan (noise),
kelengkapan (completeness), tingkat keyakinan (confidence), dan tingkat kepercayaan
(reliability). Setiap hasil estimasi diharuskan untuk mendekati nilai yang sebenarnya sebisa
mungkin, namun apapun metode yang digunakan tentunya akan selalu terdapat kesalahan
Menurut Heriawan & Koike (2008) untuk menentukan ketidak pastian cadangan batubara
yang berhubungan dengan tonase dan golongan, sebuah pendekatan yang berada pada
permodelan spasial dari distribusi seam dan kualitas batubara disajikan.
Model spasial yang dihasilkan melalui metode geostatistik, Ordinary Kriging (OK), dan
Urutan Simulasi Gaussian (Sequential Gaussian Simulation – SGSIM), yang mana efektif
untuk mengevaluasi secara lokal maupun global ketidakpastian dengan memperhatikan
struktur korelasi spasial.
Distribusi seam dimodelkan dengan transformasi biner dari data geologi dan metode
optimasi tiga dimensi..

21