RESUME METODE PERHITUNGAN CADANGAN

Metode K-Nearest Neighbor Point

Disusun Oleh :
MERYAM PUTRI ARMAINI
18137010

Kelompok 3 : Metode Triangulasi

Dosen :
Adree Octova S.Si.,M.T.

JURUSAN TEKNIK PERTAMBANGAN

FAKULTAS TEKNIK
UNIVERSITAS NEGERI PADANG
2020
A. Pengertian Metode K-Nearest Neighbor Point
K- Nearest Neighbor Point (K-NN) adalah suatu
metodeyang menggunakan algoritma supervised dimana hasil dari sampel
uji yang baru diklasifikasikan berdasarkan mayoritas dari kategori pada K-NN.
Tujuan dari algoritma ini adalah mengklasifikasi objek baru berdasakan atribut
dan sampel latih. Pengklasifikasian tidak menggunakan model apapun untuk
dicocokkan dan hanya berdasarkan pada memori.
Diberikan titik uji, akan ditemukan sejumlah K objek (titik training) yang
paling dekat dengan titik uji. Klasifikasi menggunakan voting terbanyak di antara
klasifikasi dari K objek. Algoritma K-NN menggunakan klasifikasi ketetanggaan
sebagai nilai prediksi dari sample uji yang baru. Dekat atau jauhnya tetangga
biasanya dihitung berdasarkan jarak Eucledian.
Algoritma metode K-NN sangatlah sederhana, bekerja dengan berdasarkan
pada jarak terpendek dari sample uji ke sample latih untuk menentukan K-NN nya.
Setelah mengumpulkan K-NN, kemudian diambil mayoritas dari K-NN untuk
dijadikan prediksi dari sample uji. Data untuk algoritma K-NN terdiri dari beberapa
atribut multi-variate Xi yang akan digunakan untuk mengklasifikasikan
Y. Data dari K-NN dapat dalam skala ukuran apapun, dari ordinal ke nominal.

B. Tahapan Langkah Metode K-Nearest Neighbor Point

Algoritma metode KNN sangatlah sederhana, bekerja berdasarkan jarak terpendek
dari query instance ke training sample untuk menentukan KNN- nya. Training
sample diproyeksikan ke ruang berdimensi banyak, dimana masing-masing dimensi
merepresentasikan fitur dari data. Ruang ini dibagi menjadi bagian-bagian
berdasarkan klasifikasi training sample. Sebuah titik pada ruang ini ditandai kelac c
jika kelas c merupakan klasifikasi yang paling banyak ditemui pada k buah tetangga
terdekat dari titik tersebut. Dekat atau jauhnya tetangga biasanya dihitung berdasarkan
Euclidean Distance.
Langkah yang digunakan dalam metode K-Nearest Neighbor Point, yaitu:
1. Menentukan parameter k (jumlah tetangga paling dekat).
2. Menghitung kuadrat jarak eucliden objek terhadap data training yang
diberikan.
3. Mengurutkan hasil no 2 secara ascending (berurutan dari nilai tinggi ke rendah).
 4. Mengumpulkan kategori Y (Klasifikasi nearest neighbor berdasarkan nilai k).
5. Dengan menggunakan kategori nearest neighbor yang paling mayoritas maka
dapat dipredisikan kategori objek.

C. Kelebihan dan Kelemahan Metode K-Nearest Neighbor Point

Metode K-Nearest Neighbor Point (K-NN) memiliki beberapa kelebihan, yaitu
sebagai berikut:
1.Sangat sederhana implementasi.
2.Kuat dalam hal ruang pencarian, misalnya, kelas tidak harus linear dipisahkan.
3.Efektif untuk menghitung data dalam skala kecil.
4.Beberapa parameter untuk acuan : jarak metrik dan k.

Selain memiliki kelebihan, metode ini juga memiliki kelemahan, yaitu:

1.Perlu untuk menentukan nilai k yang optimal sehingga untuk menyatakan jumlah
tatangga terdekatnya lebih mudah.
2.Biaya komputasi yang cukup tinggi karena diperlukan perhitungan jarak dari tiap
sample uji pada keseluruhan sample latih.

D. Contoh perhitungan
Algoritma K-NN merupakan algoritma yang diharapkan bisa melakukan prediksi.
Cara yang digunakan sangat sederhana. Cukup menghitung jarak terdekat. Artinya,
apabila ada input objek baru yang tak dikenali, algoritma knn akan mencari objek
terdekat di dalam database, lalu melakukan tindakan yang sesuai dengan objek
terdekatnya. Sesuai dengan namanya KNN
(K Nearest Neighbors). Jadi, tindakan yang didasarkan pada apa yang dilakukan
kepada objek terdekat adalah tindakan prediksi.
Ada berbagai cara. Tergantung ukuran apa yang mau dipakai. Semisal,
1. Euclidean Distance
2. Manhattan Distance
*rumus ini hanya menjumlahkan semua selisih dari jarak

3. Chebychev Distance
*rumus ini mencari jarak yang terbesar antara x_i dan y_i

Data didapatkan dari kuesioner dengan obyek pengujian berupa dua atribut (daya
tahan keasaman dan kekuatan) untuk mengklasifikasikan apakah sebuah kertas
tissue tergolong bagus atau jelek. Berikut ini contoh datanya:
Sebuah pabrik memproduksi kertas tissue baru yang memiliki X1=3 dan X2 =7.
Dapatkah kita melakukan prediksi termasuk klasifikasi apa (bagus atau jelek) kertas
tissue yang baru ini? Algoritma K nearest neighbor (KNN) digunakan untuk ini.

Berikut ini langkah-langkah dari algoritma Knearest neighbors (KNN):

1. Tentukan parameter K = jumlah banyaknya tetangga terdekat.

Misal K=3

2. Hitung jarak antara data baru dan semua data yang ada di data training. Misal
digunakan square distance dari jarak antara data baru dengan semua data yang ada di
data training.

3. Urutkan jarak tersebut dan tentukan tetangga mana yang terdekat berdasarkan
jarak minimum ke-K

4. Tentukan kategori dari tetangga terdekat. Perhatikan pada baris kedua pada
kolom terakhir: katagori dari tetangga terdekat (Y) tidak termasuk karena ranking
dari data ini lebih dari 3 (=K).
 5. Tentukan kategori dari tetangga terdekat. Perhatikan pada baris
kedua pada kolom terakhir: katagori dari tetangga terdekat (Y) tidak termasuk
karena ranking dari data ini lebih dari 3 (=K).

6. Gunakan kategori mayoritas yang sederhana dari tetangga yang terdekat

tersebut sebagai nilai prediksi dari data yang baru.

E. Studi Kasus
STUDI KASUS 1

Perbandingan Perhitungan Sisa Cadangan Batu Granit Menggunakan Metode

Cross Section Terhadap Metode Contour Pada PT Aditya Buana Inter Di
Kabupaten Bangka
Metode Penelitian
Metode penelitian yang digunakan adalah melakukan pengukuran area menggunakan
Theodolit DT 200 yang kemudian digunakan pembuatan Peta Topografi
menggunakan Software Surpac 6.6.2 dengan variasi interval kontur 1, 5, dan 10 meter
yang dilanjutkandengan Software Minescape 4.119 untuk pembuatan section pada
Metode Cross Section yang memiliki variasi interval section yaitu 10,15, dan 20 m
untuk setiap variasi kontur dan pada Metode Contour sehingga didapat hasil luasan
dari kedua metode yang digunakan untuk dilanjutkan pencarian nilai volume
menggunakan persamaan frustrum dan mean area yang kemudian dianalisis dan
dibandingkan serta volume dari masing-masing metode digunakan untuk menentukan
umur tambang.
Tahapan Penelitian
Metode penelitian ini menggunakan metode deskriptif yang dilakukan
melalui beberapa tahapan yang meliputi studi literatur penelitian terdahulu, observasi
lapangan, pengumpulan dan pengelompokkan data, pengolahan data lapangan,
analisis data, serta penyusunan laporan. Tahapan studi literatur dilakukan dengan
mengumpulkan bahan-bahan pustaka terdahulu.
Hasil dan Pembahasan
Pada penelitian kali ini hasil dan pembahasan yang digunakan dalam pembagian
sayatan pada Metode Cross Section menggunakan Software Minescape 4.119
berdasarkan interval kontur masing-masing sayatan yaitu 1, 5, dan 10 m.
1. Cross Section Interval Kontur 1 Meter
Pada Metode Cross Section interval kontur 1 m pembuatan sayatan
menggunakan interval section yaitu 10, 15, dan 20 m dengan pemotongan horizontal
sehingga didapat jumlah sayatan yang berbeda antara peta kontur. Hasil dari Metode
Cross Section pada interval kontur 1 meter dapat dilihat pada Tabel volume cadangan
Metode Cross Section kontur 1 Meter
No Interval Section(m) Volume (m3) Tonnase (ton)
1. 10 5.662.168,28 14.721.637,53
2. 15 5.440.746,72 14.145.941,47
3. 20 5.278.671,20 13.883.610,00
2. Cross Section Interval Kontur 5 Meter
Pada Metode Cross Section interval kontur 5 m pembuatan sayatan
menggunakan interval section yaitu 10, 15, dan 20 m dengan pemotongan secara
horizontal sehingga didapat jumlah sayatan yang berbeda antara masingmasing peta
kontur. Hasil dari Metode Cross Section pada interval kontur 5 meter dapat dilihat
pada tabel.
No Interval Section(m) Volume (m3) Tonnase (ton)
1. 10 4.641.950,61 12.069.071,59
2. 15 4.587.972,69 11.928.728,99
3. 20 4.354.832,80 11.322.565,28

3. Cross Section Interval Kontur 10 Meter

Pada Metode Cross Section interval kontur 10 m dengan pembuatan sayatan
menggunakan interval section yaitu 10, 15, dan 20 m dengan pemotongan secara
horizontal sehingga didapat jumlah sayatan yang berbeda antara masing masing peta
kontur. Hasil dari Metode Cross Section pada interval kontur 10 m dapat dilihat pada
tabel.
 No Interval Section(m) Volume (m3) Tonnase (ton)
1. 10 4.641.950,61 12.069.071,59
2. 15 4.587.972,69 11.928.728,99
3. 20 4.354.832,80 11.322.565,28
Analisis Perhitungan Metode Cross Section
Berdasarkan pengolahan data yang sudah dilakukan menggunakan
Software Minescape 4.119 dan perhitungan secara manual pada Metode Cross Section
dilakukan analisis perbandingan tonnase pada data cross section pada masing-masing
interval kontur. Analisis perbandingan hasil pada Metode Cross Section.

Berdasarkan grafik di atas, diketahui bahwa pada Metode Cross

Section pada masing-masing interval kontur mengalami penurunan nilai tonnase pada
tiap masing-masing section. Nilaii tonnase pada kontur 1 m memiliki nilai yang lebih
tinggi dibandingkan dengan nilai tonnase pada kontur 5 dan 10 m. Pada interval
section 10 m juga memiliki nilai tonnase paling tinggi dibandingkan dengan interval
section 15 dan 20m. Dari data tersebut diketahui bahwa semakin rapat kontur dan
interval section maka hasil yang didapat akan semakin besar sedangkan semakin
renggang kontur dan interval section maka akan semakin kecil nilai tonnase yang
didapat.

F. Kelebihan dan Kekurangan Metode Cross Section

a. Kelebihan
Metode penampang dalah metode untuk mengetahui volume cadangan batubara
dengan menggunakan data log bor dan data topografi serta stratigafi pada wilayah
tersebut. Metode ini merupakan cara paling sederhana dan minim biaya untuk
mengetahui cadangan batubara. Selain perhitungan dan pengolahan data pada metode
ini tidak terlalu rumit dan mudah dipahami.
b. Kekurangan
Kekurangan metode penampang : metode penampang terlalu banyak asumsi – asumsi
untuk menentukan bentuk cadangan, akibatnya akurasi volume yang di cari tidak
terlalu akurat.
G. Sesi Tanya Jawab
1. Pertanyaan :Bagaimana pola bor/eksporasi metode penampang?

Jawab : pola bor/eksplorasi metode penampang umunta sejajar dengan garis

penampangnya, namun pada kasus endapan yang ditambang secara
underground umunta mempunyai pola bor yang kurang teratur misalnya sisten
pengeboran kipas.
2. Pertanyaan :Bagaimana cara melakukan estimasi cadangan menggunakan
penampang vertical?

Jawab :
a. Membuat irisan irisan penampang yang memotong endapan bahan galian
b. Menghitung luas area material berharga dan soil tiap penampang
c. Menghitung volume dan tonase dengan menggunakan rumus perhitungan seperti
mean area, kerucut terpancung, obelisk, prismoida.

3. Pertanyaan :Apa saja kelebihan dan kekurang metode panmpang?

Jawab :
Kelebihan
- Sederhana
- Minim biaya
- Pengolahan dan perhitungannya mudah dipahami
- Cocok digunakan untuk tipe endapan yang mempunyai kontak tajam seperti
bentuk tabular (perlapisan atau vein)

Kekurangan
- Terlalu banyak asumsi asumsi untuk menentukan bentuk endapan sehingga
akurasi volume yang dicari tidak terlalu akurat
- Tidak bias digunakan untuk tipe endapan dengan mineralisasi yang kompleks

4. Pertanyaan :Data apa saja yang dibutuhkan dalam metode penampang?

Jawab :
- Peta topografi
- Denah kontur dan peta stratigrafi
 - Titik bor dan lubang bor
- Informasi geologi

5. Pertanyaan :Bagai mana cara menhitung tonase dengan metode penampang/

Jawab :
Cara menghitung tonase menggunakan metode penampang ialah dengan
menggunakan rumus :
T = V x BJ

Keterangan : T : Tonase (Ton)

V : Volume (m3)
BJ : Berat Jenis
6. Pertanyaan :Apakah metode penampang merupakan metode yang akurat?
Jawab :
Perhitungan metode penampang kurang akurat karena terlalu banyak aumsi
asumsi untuk menentukan bentuk cadngan, sehingga metode perhitungan secara
konvensional ini dapat dipakai sebagai alat pembanding untuk mengecek hasil
perhitungan yang lebih canggih. Karena tidak bias dapat langung digunakan dalam
perencanaa tambang maka diperlukan bantuak computer.

7. Pertanyaan :Berikan contoh perhitungan metode penampang

Jawab :

PERHITUNGAN METODE CROSS SECTION DENGAN

PEDOMAN RULE Of GRADUAL CHANGE

Pada daerah penelitian metode yang digunakan adalah metode cross section
dengan pedoman pada perubahan bertahap (rule of gradual change) digunakan
interval sebesar 25m dengan menggunakan rumus:
a. Jika luas sayatan L1 berbanding L2 ≥ 0,5 maka perhitungan dilakukan
dengan menggunakan rumus mean:
V= (𝑳𝟏 + 𝑳𝟐)/2 x t
b. Jika luas sayatan L1 berbanding L2 ≤ 0,5 maka perhitungan dilakukan dengan
 menggunakan rumus frustum:

𝐕 = 𝟑/t × (𝑳𝟏 + 𝑳𝟐 + √𝑳𝟏 × 𝑳𝟐)

Keterangan:
V = Volume Sumberdaya L1, L2 = Luas sayatan
T = Interval sayatan
dengan menggunakan rumus diatas maka dapat diperoleh hasil perhitungan
sumberdaya pasir batu menggunakan metode cross section dengan pedoman
perubahan bertahap (rule of gradual change)

- Sayatan A – A’ dengan sayatan B – B’ = 8.259,40 m3

- Sayatan B – B’ dengan sayatan C – C’ = 9.186,80 m3
- Sayatan C – C’ dengan sayatan D – D’ = 13.928,60 m3
- Sayatan D – D’ dengan sayatan E – E’ = 19.430,80 m3
- Sayatan E – E’ dengan sayatan F – F’ = 19.451,70 m3
- Sayatan F – F’ dengan sayatan G – G’ = 25.839,40 m3
- Sayatan G – G’ dengan sayatan H – H’ = 29.819,20 m3
- Sayatan H – H’ dengan sayatan I – I’ = 34.055,80 m3
- Sayatan I – I’ dengan sayatan J – J’ = 24.126,10 m3
- Sayatan J – J’ dengan sayatan K – K’ = 14.955,00 m3
- Sayatan K – K’ dengan sayatan L – L’ = 17.282,60 m3
- Sayatan L – L’ dengan sayatan M – M’ = 15.483,10 m3
- Sayatan M – M’ dengan sayatan N – N’ = 13.169,90 m3
- Sayatan N – N’ dengan sayatan O – O’ = 11.521,30 m3
- Sayatan O – O’ dengan sayatan P – P’ = 9.497,00 m3
- Sayatan P – P’ dengan sayatan Q – Q’ = 7.407,40 m3
- Sayatan Q – Q’ dengan sayatan R – R’ = 7.809,62 m3
- Sayatan R – R’ dengan sayatan S – S’ = 10.579,70 m3
- Sayatan S – S’ dengan sayatan T – T’ = 10.290,00 m3
- Sayatan T – T’ dengan sayatan U – U’ = 12.187,80 m3
- Sayatan U – U’ dengan sayatan V – V’ = 13.702,40 m3
- Sayatan V – V’ dengan sayatan W – W’ = 13.238,60 m3

Dari perhitungan mengunakan metode cross section dengan pedoman perubahan

bertahap (rule of gradual change) didapatkan volume total sumberdaya pasir batu sebesar
341.222,22 m3.