LAPORAN PRAKTIKUM

GEOSTATISTIKA TG3009

MODUL KE – 1
VARIOGRAM
Oleh:

Mutiara Islamia (118120080)

Asisten :

MUHAMMAD TEGUH RIANTO 12117005

RURY DELVATIWI MARTIANDA 12117060
WISNU PRAYUDHA 12117090
MUTIARA ALFATIHAH 12117125

PROGRAM STUDI TEKNIK GEOFISIKA

JURUSAN TEKNOLOGIPRODUKSIDANINDUSTRI
INSTITUT TEKNOLOGI SUMATERA
2021
1. TUJUAN PRAKTIKUM
Adapun tujuan praktikum Geostatistika berikut adalah:
Praktikan dapat mengetahui teknik untuk mendapatkan karakter hubungan
spasial variabel dan model-model variogram.

2. TEORI DASAR

Variogram adalah suatu perangkat dasar untuk visualisasi pemodelan

dan eksplorasi auto spasial dari variabel teregional, sedangkan semivariogram
adalah setengah dari variogram dengan simbol . Jadi variogram menentukan
ukuran dari variansi yang digunakan untuk menentukan jarak dimana nilai-nilai
data pengamatan menjadi tidak ada kolerasinya.

salah satu pemodelan yang dapat dilakukan sebagi estimasi sebagai

hubungan spasial adalah Variogram.

Variogram dapat dinyatakan :

Dimana 𝛾 adalah nilai variogram yang dihitung dari data sampel.

Beberapa masalah yang sering muncul dalam menghitung variogram:

a. Kekurangan pasangan data Dapat diatasi dengan membatasi jarak lag

sampai setengah jarak terjauh data. Misalnya jika jarak terjauh antara dua
posisi data adalah 1000 m, maka lag maksimumnya adalah 500 m. Cara
yang lain untuk menangani masalah kekurangan data ini adalah dengan
memberlakukan toleransi dalam jarak maupun arah.
b. Ketidakstabilan

Salah satu penyebab ketidastabilan adalah adanya selisih data yang sangat
besar, kerena variogram merupakan rata-rata. Diatasi dengan menambah
pasangan data atau menghilangkan pencilan atau pasangan data yang
memberikan selisih sangat besar. Kehadiran pasangan data ekstrim ini dapat
dipastikan dengan membuat scatter plot.

c. Kehadiran outlier

Dalam distribusi normal outlier merupakan data yang yang jatuh ±3 dari mean.
Data permeabilitas biasanya mengandung beberapa outlier. Kehadiran outlier
ini akan menimbulkan ketidakstabilan sehingga akan menyulitkan identifikasi
struktur spasial. Untuk mengatasinya dapat dilakukan transformasi logaritmik.

Model-model Variogram

Untuk dapat memodelkan variogram, sebelumnya kita harus memahami

terlebih dahulu parameter-parameter modelnya. Parameter yang penting
adalah range dan sill. Range adalah jarak lag terpendek ketika nilai variogram
konstan sedangkan sill adalah nilai variogram yang konstan dan biasanya
terjadi pada jarak lag yang besar. Nilai variogram yang konstan menunjukkan
bahwa data secara spasial sudah tidak berkorelasi lagi karena jaraknya sudah
jauh. Modeling variogram dilakukan dengan melakukan pencocokan antara
kurva variogram yang dihitung dari data sampel dengan kurva variogram
teoritis dengan parameter variogram tertentu. Bentuk-bentuk model
variogram salah satunya dipengaruhi oleh parameter sill dan range.
 Gambar. Contoh variogram dan parameter sill dan range

keterangan :

a = range, C0 = sill dan L = lag

a. Model efek nugget

b. Model Speris

c. Model Eksponensial
 d. Model Gauss

3. Pengolahan data
Script (1)
import numpy as np
import matplotlib.pyplot as plt
def data(file,kolom):
data = np.genfromtxt(file, delimiter='\t')
databaru = []
for i in data[:38,kolom]:
if not np.isnan(i):
databaru.append(i)
return databaru
data_permeabilitas = data ('34-29b.dat',2)
data_porositas = data ('34-29b.dat',3)
data_log = data ('34-29b.dat',4)

def var(data):
gamma = []
lag = []
for d in range(1,len(data)):
jumlah = 0
 n = 0
for i in range(len(data)):
try:
jumlah += (data[i] - data[i+d])**2
n = n+1
except:
pass
gamma.append(jumlah/(n*2))
lag.append(2*d)
return lag,gamma

x,y = var(data_porositas)
plt.plot(x,y, color = 'y')
plt.title('Variogram')
plt.xlabel('lag')
plt.ylabel('gamma')
plt.show()

script (2 porositas)
import numpy as np
import matplotlib.pyplot as plt
def data(file,kolom):
data = np.genfromtxt(file, delimiter='\t')
databaru = []
for i in data[:38,kolom]:
if not np.isnan(i):
databaru.append(i)
return databaru
data_permeabilitas = data ('34-29b.dat',2)
data_porositas = data ('34-29b.dat',3)
data_log = data ('34-29b.dat',4)

def var(data):
gamma = []
lag = []
for d in range(1,len(data)):
jumlah = 0
n = 0
for i in range(len(data)):
try:
jumlah += (data[i] - data[i+d])**2
n = n+1
except:
 pass
gamma.append(jumlah/(n*2))
lag.append(2*d)
return lag,gamma

x,y = var(data_porositas)
plt.plot(x,y, color = 'y')
plt.title('Variogram porositas')
plt.xlabel('lag')
plt.ylabel('gamma')
plt.show()
script (2 permeabilitas)
mport numpy as np
import matplotlib.pyplot as plt

def data(file,kolom):
data = np.genfromtxt(file, delimiter='\t')
databaru = []
for i in data[:38,kolom]:
if not np.isnan(i):
databaru.append(i)
return databaru
data_permeabilitas = data ('34-29b.dat',2)
data_porositas = data ('34-29b.dat',3)
data_log = data ('34-29b.dat',4)

def var(data):
gamma = []
lag = []
for d in range(1,len(data)):
jumlah = 0
n = 0
for i in range(len(data)):
try:
jumlah += (data[i] - data[i+d])**2
n = n+1
except:
pass
gamma.append(jumlah/(n*2))
lag.append(2*d)
return lag,gamma

x,y = var(data_permeabilitas)
plt.plot(x,y, color = 'y')
plt.title('Variogram permeabilitas')
plt.xlabel('lag')
plt.ylabel('gamma')
plt.show()

script (2 log permeabilitas)

import numpy as np
import matplotlib.pyplot as plt

def data(file,kolom):
data = np.genfromtxt(file, delimiter='\t')
databaru = []
for i in data[:38,kolom]:
if not np.isnan(i):
databaru.append(i)
return databaru
data_permeabilitas = data ('34-29b.dat',2)
data_porositas = data ('34-29b.dat',3)
data_log = data ('34-29b.dat',4)

def var(data):
gamma = []
lag = []
for d in range(1,len(data)):
jumlah = 0
n = 0
for i in range(len(data)):
try:
jumlah += (data[i] - data[i+d])**2
n = n+1
except:
pass
gamma.append(jumlah/(n*2))
lag.append(2*d)
return lag,gamma

x,y = var(data_log)
plt.plot(x,y, color = 'y')
plt.title('Variogram lag permeavilitas')
plt.xlabel('lag')
plt.ylabel('gamma')
plt.show()

4. Langkah pengerjaan
1. Bukak aplikasi visual studuo code
2. Input library import numpy dan matplotlib
3. Masukkan perintah untuk memanggil data yang akan ditampilkan
4. Lakukan perintah pemanggilan data yang diinput
5. Lakukan plot data dengan format x,y = var(data_permeabilitas). Di plotting
data ini untuk input data dapat diubah – ubah sesuai data yang diinginkan.
6. Lakukan print garfik dengan cara input
plt.plot(x,y, color = 'y')
plt.title('Variogram porositas')
plt.xlabel('lag')
plt.ylabel('gamma')
plt.show()
7. Compile/run hasil codingan yang dilakukan
8. Data akan terdisplay berupa variogram
5. Hasil dan pembahasan
no (2 porositas)
6.
7.
8.
9.
10.
sill
11.
12.
range
13.
Hasil (2 permebilitas)

sill

range

hasil (2 log permebilitas)

sill

range

Hasil variogram surfer

 Pembahsan :

Pada pratikum ini kita melakukan percobaan penampilan variogram

menggunakan data porositas permebilitas. Data ini sebelumnya diubah terlebih
dahulu kedalam dat. Pada variogram ini kita dapat melihat penyebaran lokasi target.
pada data porositas,permebilitas dan log permebilitas dapat dilihat sill dan range nya
dari tanda yang telah dibuat. Sill adalah saat dimana nilai variogram cendrung stabil.
Range merupkan jarak pada saat semi variogram mencapai nilai sill, dan didaptka
juga bentuk variogram di surfer sama dengan hasil variogram pada codingan
phython.

5. kesimpulan
Dari praktikum geostatistika modul 2 ini yang berjudul variogram didapatkan
1. Dapat menentukan nilai range dan sill pada variogram
2. Dapat mengetahui bentuk masing – masing dari variogram porositas,
permebilitas, dan log permebilitas.

Daftar Pustaka
1. Brady, N.C. and Weil. R.R. 2002. The Nature and Properties of Soils. Edisi 13.
Pearson Education, Inc. New Jesey, USA
2. Bronto, S. 2006.Fasies Gunung Api dan Aplikasinya.Jurnal Geologi Indonesia,
Vol 1:2:59-71. Burgess TM, Webster R. 1980. Optimal Interpolation and
Isarithmic Mapping of Soil Properties. J Soil Sci. 31:315-331
3. modul pratikum geostat itera