Estimasi sumber daya adalah estimasi

dari bijih endapan mineral yang mana

bagian dari perhitungan cadangan
yang merupakan hal yang paling vital
sebelum dilanjutkan ke tahap
selanjutnya yaitu perhitungan
cadangan yang mana akan dievaluasi
apakah endapan mineral tersebut
layak untuk dilanjutkan ke tahap
eksplorasi selanjutnya (Widayat, 2005)

beberapa contoh metode estimasi kadar berdasarkan patterson,

(1959) dalam David (1977)
Me tode Poligon

perbandingan metode estimasi su mber day a daer ah berw arn a

abu-abu menunjuk an area e stimasi su mber d ay a : ( a). metode
poligon (b). metode triangulasi (Abzalov, 2016)

Faktor-faktor yang mempengaruhi bias dalam

estimasi (Royle, 1979) :
• Data variance
• Nugget effect
• Rentang pengaruh sampel
Rata-rata kadar
Menurut Sinclair (2004) :
• Data spasial yang anisotropi
• Distribusi kadar
Tonase
Me tode Triangular
Metode triangulasi estimasi sumber daya
memiliki banyak kesamaan dengan
metode poligonal, merupakan Teknik 2
dimensi yang sering digunakan pada
model endapan tabular dengan dasar
penggunaan data berasal dari data kadar
dan ketebalan dari data pemboran.
Me tode Cross section

estimasi sumber daya dengan metode interpolasi penampang melintang (albazov, et al 2004)
Me tode Inverse Distance Weighting (IDW)
Metode Inverse Distance Weighting (IDW)
adalah salah satu dari metode penaksiran
dengan pendekatan blok model yang
sederhana dengan mempertimbangkan titik
disekitarnya (NCGIA, 2007).
𝜆𝑖 = factor bobot sampel yang diestimasikan
𝑑𝑖 = jarak sampel terhadap target yang nilainya dicari
𝛼 = nilai eksponen yang digunakan
𝑁 = jumlah data yang dimasukan dalam estimasi
𝑍∗ = nilai sampel yang dicari
𝑍(𝑥𝑖) = sampel ke-i pada lokasi (xi)

Ilustrasi oleh O’Brian dan Weiss (1968)

dalam David (1977)
Me tode Inverse Distance Weighting (IDW)

Contoh perhitungan menggunakan IDW

(O’Brian dan Weiss, 1968 dalam David, 1977)

Pemilihan pemangkatan dilakukan secara subjektif

metode ini sering digunakan dalam pangkat hingga 2
pangkat, untuk pangkat 1 atau 3 sering digunakan dalam
mengestimasikan sumber daya. (Abzalov,2016)
Me tode Geostatistic
Geostatistika adalah metode statistik yang
digunakan untuk melihat hubungan antar
variabel yang diukur pada titik tertentu dengan
variabel yang sama diukur pada titik dengan
jarak tertentu dari titik pertama (data spasial) dan
digunakan untuk mengestimasi parameter di
tempat yang tidak diketahui datanya (Oliver dan
Carol,2005)

Metode umum yang digunakan oleh geologis

pertambangan menurut abzalov (2004) :
• Univariat linear
• Ordinary Kriging
• Simple kriging
• Multivariat (Co-Kriging)

Ilustrasi metode geostatistik (abzalov, 2004)

Me tode Geostatistic
Konsep Geostatistik dan terminologinya
• Nilai Ekspektasi

Nilai ekspektasi memiliki sifat

• Varian (Var)

• Kovarian
Kovarian dari variabel regional adalah

• Koefesien Variansi Hubunga n antara nilai korelasi varian denga n

kompleksitas endapan.(Idrus, 2007)
Me tode Geostatistic
Variogram dan Semivariogram

𝛾(ℎ) adalah semi-variogram Sifat dan perilaku variogram

𝑍𝑖 adalah kadar pada posisi ke- i didekat titik awal
𝑍𝑖+ℎ adalah kadar berjarak h terhadap 𝑍𝑖
𝑁(ℎ) adalah jumlah pasangan data 1. Parabolik
2. Linear
3. Lompatan
4. Horizontal

Gambar yang menunjukan dua nilai hipotesis dari (1) (3)

variable regional (Z) yang diamati pada dua lokasi
berbeda (x) dan (𝑥+ℎ)yang dipisahkan oleh vector
h

(2) (4)
 Me tode Geostatistic
Hubungan antara Zi dan Zi+h Model
dapat ditunjukan dengan Semivariogram
gambar berikut

ilustrasi pasangan data pada semivariogram

eksperimental, biasa (atas) dan tidak biasa
(bawah)

Variogram dan Semivariogram

• Range atau daerah pengaruh
• Struktur bersarang Model Semivariogram Model Semivariogram
dengan Sill : (A) Spherical, (B), tanpa Sill (A) Parabolik,
• Nugget variance
Random, (C) Eksponensial (B) Logaritmik, (C) Linear
Me tode Geostatistic
Model Semivariogram

• Model Linear

• Model Eksponensial Tahapan pada

proses semivariogram
Pencocokan Model Variogram
• Model Gaussian (David,1977)
• Visual
• Least Square
Anisotropi (Idrus dkk, 2007)
• Model Spherical (Matheron) • Isotropi
• Anisotropi Geometri
• Anisotropi Zonal

metode pencocokan model semivariogram

Me tode Geostatistic

Anisotropi Geometri (Idrus dkk, 2007)

• Komponen isotropik

• Komponen anisotropik

Anisotropi Zonal
K r iging
Metode berbasis Kriging (Sinclair, 2004)
• Simple Kriging (SK)
• Ordinary Kriging (OK)
• Indicator Kriging (IK)
• Universal Kriging (UK)
• Probability Kriging (PK)
• Multiple Indicator Kriging (MIK)

Ordinary Kriging (OK)

Ordinary kriging memiliki sifat tak bias dengan variasi
minimum minimum, dan merupakan kombinasi linear,
sehingga Ordinary kriging memiliki sifat yang sering
disebut dengan BLUE atau Best Linear Unbiased Estimator.
Tidak bias karena bertujuan mendapatkan mg, rata-rata
galat sama dengan nol dan bertujuan mengecilkan nilai
Variansi error (𝜎𝑔^2) (Armstong, 1998).

hasil taksiran sumber daya dan cadangan akan akurat

apabila dilakukan pada nilai koefesie n variansi mendekati
satu (Sulistiyana, 1998)
Or dinary Kriging
menurut Bohling (2005) estimator Kriging 𝑍̂(𝑢)
dapat dituliskan sebagai :
𝑥, 𝑥𝑖 = vektor lokasi untuk estimasi dan salah satu
dari data yang berdekatan dinyatakan sebagai x
m (x) = Nilai ekspektasi dari Z(x)
m (xi) = Nilai ekspektasi dari Z(xi)
𝜆 𝑖 (x) = nilai Z(xi) untuk estimasi lokasi x. nilai Z(xi)
yang sama memiliki nilai yang berbeda unuk lokasi
estimasi yang berbeda
n = banyaknya data sampel yang digunakan

Z(x) diperlakukan sebagai bidang acak dengan suatu komponen

trend, m(u), dan komponen sisa atau error,𝑒(𝑥) = 𝑍(𝑥) − 𝑚(𝑥).
Estimasi kriging yang bersifat sisa pada 𝑢 sebagai penilaian
penjumlahan dari sisa pada data disekitarnya. Nilai 𝜆𝑖, diperoleh
dari kovariansi atau semivariogram, dengan diperlukan komponen
karakteristik sisa.
Or dinary Kriging

Pengolahan data menggunakan Ordinary

Kriging (Asy’ari, 2011)
error dari variansi bergantung
1. Mencari rata-rata suatu Blok
pada:
1. Model Semivariogram
2. Adanya penaksir Linear
2. Konfigurasi data dan jarak
3. Tidak bergantung pada
nilai
3. Kondisi tak bias
4. Varian kesalahan, posisi
data dan peningkatannya

Karena koefisien dari hasil dari data

penjumlahan prediksi linear adalah 1
dan memiliki syarat tak bias maka

Varian estimasi pada Ordinary kriging

Varian estimasi pada Ordinary kriging

 Or dinary Kriging
Dalam mengestimasi sumber daya,
kadar yang digunakan adalah kadar
hasil kriging dengan nilai diatas cut
off grade, Hasil kriging meliputi :

• Estimasi kadar dan varians kriging

Estimasi kadar dan varian kesalahan
diperoleh dari hasil perhitungan pada
program kriging

• Estimasi Ketebalan dan varians kriging Untuk menghitung

Parameter yang diperlukan untuk ketebalan rata-rata global
menghitung tonnase pada suatu badan bijih digunakan formula :
atau endapan diperlukan :
1. Luas blok (A)
2. Ketebalan blok (t)
3. Berat jenis (d)
Dimana adalah jumlah
4. Kadar (g) ketebalan dan n adalah jumlah
𝑇𝑜𝑛𝑛𝑎𝑠𝑒 = 𝐴 × 𝑡 × 𝑑 × 𝑔 titik bor
Untuk menghitung rata-rata global
digunakan persamaan :

Dimana, Σ𝑛 𝑉𝑖𝑔𝑖 adalah volume sumber daya, dan

adalah volume blok (Rauf,1998)
Da f tar Pustaka
Abzalov,M. 2016. Applied Mining Geology. Switzerland : Springer
Almasi, A., Jalalia, A., Toomanian, N. 2014. Using OK and IDW Methods For
Prediction The Spatial Variability Of A Horizon Depth and O M in
Soils of Shahrekord, Ir an. Journ al of Environ ment and Earth
Science, Vol.4, No 15.
Armstrong, M.1998. Basic Lin ear Geo statistics. Springer-Verlag Berlin
Heidelberg. New York
Asy´ari.M.A, Hidayatullah.R, Zulfadli.A, 2013. Geologi dan Estima si
Nikel Laterit Menggunakan Metode Ordinary Kriging di PT.
Aneka Tambang, Tbk. Jurnal INTEKA, Tahun XIII, No.1
David, M. 1977. Geostati stical Ore Reserve Esti mation. New York : El sevier
Scientific Publishing
Idrus, A., A. D. Titisari., I Wayan Warmada., Lucas D. Setijadji. Eksplorasi
Endapan Mineral. Yogyakarta : UGM
Latif, A. A. 2008. Studi Perbandingan metode Nearest Neighborhood
Point (NNP), Inverse distance weighted (IDW), dan
Kriging adalah perhitungan cadangan nickel Laterit
Pramono, GH, 2008. Akurasi metode IDW dan Kriging Untuk Interpolasi
sebaran sedimen Tersuspensi di Maros, Sulawesi
Selatan
Da f tar Pustaka

Rauf.A, 1998. Perhitungan Cadangan Endapan Mineral. Jurusan

Teknik Pertambangan FTM UPN “Veteran” Yogyakarta.
Sulistiyan a,W. 1998. Kriging Indikator Sebagai Metode Alternatif
Untuk Penaksiran Kadar Bijih Secara Geostatistik. Prosiding Temu
Ilmiah d an Reuni 1998 Jurusan Teknik Pert amb ang an
UPN “ Veteran” FTM UPN “Veteran” Yogyakarta
Sinclair, A.J., G arston H. Blackwell. 2002. Applied Min eral In ventory
Estimation. UK : Cambridge University Press
Widayat.A.H, 2005, Modul Respon si TE 3231, Metode Perhitungan
Cadangan, Departemen Teknik Pertamb angan, Fakultas
Ilmu Kebu mian dan Teknologi Mineral, Institut Teknologi
Bandung.
Yasrebi, J., Saffari, M., Fathi, H., Kari mian, N., Moazall ahi, M and
Gazni, R., 2009, Evaluation and Co mparison Of Ordinary
Kriging and Inver se Distance Weighting Method For
Prediction Of Spatial Variability O f So me Soil Chemical
Parameters. Research Journal of Biological Science 4(1): 93-
102.