Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.
com
9
Data Eksplorasi Mineral
Charles J. Moon dan Michael KG Whateley
Salah satu perkembangan utama dalam eksplorasi
mineral adalah peningkatan penggunaan manajemen
data terkomputerisasi. Ini telah digunakan untuk
menangani aliran data dalam jumlah besar yang
dihasilkan oleh instrumentasi modern serta untuk
mempercepat dan meningkatkan pengambilan
keputusan. Bab ini merinci beberapa teknik yang
digunakan untuk mengintegrasikan kumpulan data dan
untuk memvisualisasikan integrasi ini. Dua jenis paket
komputer telah berevolusi untuk menangani data
eksplorasi dan pengembangan: (i) Sistem Informasi
Geografis (SIG) untuk data eksplorasi tahap awal,
biasanya perangkat lunak generik yang dikembangkan
untuk aplikasi nongeologis lainnya, dibahas di bagian
9.2, dan (ii) paket khusus pertambangan yang dirancang
untuk memungkinkan perencanaan tambang dan
perhitungan sumber daya, dibahas di bagian 9.3.
Yang harus ditekankan adalah kualitas data itu
penting. Pepatah lama “sampah masuk dan buang
sampah” sayangnya masih berlaku. Adalah
penting bahwa semua data harus diperiksa
dengan cermat sebelum interpretasi, dan waktu
terbaik untuk melakukan ini adalah selama entri
data ke dalam database dan ketika data
dikumpulkan. Catatan yang jelas juga harus
dipelihara tentang asal data dan kapan dan siapa
yang mengedit data. Data tentang data ini dikenal
sebagai metadata.
9.1 PENANGKAPAN DAN PENYIMPANAN DATA
9.1.1 Teori
Untuk mengintegrasikan data, mereka harus tersedia
dalam bentuk digital yang sesuai. Jika data dalam
bentuk kertas mereka memerlukan konversi, a
proses yang disebut digitalisasi. Bahkan jika data
diturunkan sebagai output dari instrumen digital,
seperti magnetometer udara atau logger
downhole, data mungkin memerlukan konversi ke
format yang berbeda.
Komputer tidak tahu bagaimana
mengklasifikasikan objek-objek geologi sehingga
format untuk menyimpan data harus ditentukan.
Format ini akan ditentukan oleh jenis, hubungan,
atribut, geometri, dan kualitas objek data (untuk
lebih jelasnya lihat Bonham-Carter 1994). Contoh
data peta geologi sederhana berdasarkan Gambar
9.1 adalah: (i) tipe – satuan geologi; (ii) hubungan –
kontak; (iii) atribut – umur, litologi; (iv) bentuk –
poligon. Dua komponen utama dapat dipisahkan
untuk semua tipe data: (i) komponen spasial yang
bergantung pada lokasi (misalnya lokasi sampel
untuk sampel titik dengan x, y ± z komponen); dan
(ii) komponen atribut yang tidak bergantung pada
lokasi tetapi terkait dengan komponen spasial oleh
pengidentifikasi unik (misalnya nomor sampel
atau nomor dan kedalaman lubang bor). Angka
9.1 menunjukkan objek geologi yang khas dengan
dimensi yang berbeda: satuan litologi sebagai
poligon, sampel sebagai titik, sesar sebagai garis,
struktur sebagai titik dengan orientasi, lubang bor
sebagai titik (vertikal) atau garis (miring).
9.1.2 Model data spasial
Ada dua metode utama untuk merepresentasikan
data spasial, raster dan vektor. Dalam model vektor,
elemen spasial data diwakili oleh serangkaian
koordinat, sedangkan dalam ruang model raster
dibagi menjadi piksel biasa, biasanya persegi. Setiap
model memiliki kelebihan dan kekurangan yang
dirangkum dalam Tabel 9.1 tetapi
180 CJ MOON & MKG WHATELEY

Kesalahan

Struktural
membaca
Cenderung (mencelupkan)

lubang bor
Vertikal
lubang bor

litologi
Sampel satuan

lokasi (poligon)
ARA. 9.1 Benda-benda geologi yang khas
dengan dimensi yang berbeda.

TABEL 9.1 Ciri-ciri geologi yang khas dan representasi serta kualitasnya.

Hubungan Atribut khas Geometri Kualitas tipikal

Satuan geologi Kontak Litologi, umur, nama Poligon ± 25 m

Kesalahan Kontak Ketik nama Garis ± 25 m
Bacaan struktural Jenis, orientasi Titik ±5m
Lokasi sampel Nomor, litologi, uji Nomor, Titik ±5m
Lubang bor miring tanggal, pengebor Garis ± 0,1 m
Lubang bor vertikal Nomor, tanggal, juru bor Titik ± 0,1 m
Sampel lubang bor Kedalaman, litologi, pengujian Titik atau garis ± 0,5 m
(selang)

faktor kunci dalam memutuskan format tegas-
dan jumlah penyimpanan yang diperlukan.
Gambar 9.2 menunjukkan peta geologi sederhana
dalam format vektor dan raster. Metode raster
umumnya digunakan untuk penginderaan jauh
dan dibahas pada bagian 6.2.2, sedangkan metode
vektor digunakan untuk lubang bor dan pemetaan
geologi. Kebanyakan sistem modern
memungkinkan integrasi dua jenis yang berbeda
serta konversi dari satu model ke model lainnya,
meskipun konversi raster ke vektor jauh lebih sulit
daripada konversi dari vektor ke raster.
Dalam model vektor sederhana (dua dimensi), titik
diwakili oleh x dan kamu koordinat, garis sebagai
rangkaian titik yang terhubung (dikenal sebagai
simpul), dan poligon sebagai rangkaian garis atau
string yang terhubung. Model sederhana untuk
poligon ini dikenal sebagai model spageti dan
diadopsi oleh paket gambar berbantuan komputer
(computer aided drawing - CAD). Untuk query dan
pemodelan poligon yang lebih kompleks, hubungan
antara poligon yang berdampingan harus dibuat dan
seluruh ruang wilayah studi dibagi. Ini dikenal
sebagai model topologi. Di dalam
 Vektor sel 100 m 250 m sel

10
km

Legenda Granit Tempat tidur Mylor

n
Laut Tanggul porfiri kuarsa Grup Gramscatho

ARA. 9.2 Representasi vektor dan raster litologi dari peta geologi. Area di SWCornwall,
Inggris dan peta aslinya disusun pada skala 1:250.000 yang sebagian besar didasarkan pada peta Survei Geologi
Inggris. Perhatikan dampak penggunaan ukuran sel yang berbeda dalam peta raster. Litologi sel rasterisasi diambil dari
litologi dengan area terluas di dalam sel.

model, poligon dibentuk dengan menggunakan TABEL 9.2 Kelebihan dan kekurangan format raster dan

perangkat lunak sebagai mesh garis, sering dikenal vektor. (Setelah Bernhardsen 1992.)
sebagai busur, yang bertemu di node. Variasi lain dari
model ini yang sering digunakan untuk data ketinggian Raster Vektor
adalah jaringan tidak beraturan segitiga (TIN) dan
Pengumpulan data Cepat Lambat
digunakan untuk memvisualisasikan permukaan elevasi
volume data Besar Kecil
digital atau membangun model medan digital (DTM). Struktur data Sederhana Kompleks
Model TIN mirip dengan poligon yang digunakan dalam Perawatan grafis Rata-rata Bagus
perhitungan sumber daya dan cadangan bijih (lihat Akurasi geometris Rendah Tinggi
bagian 10.5). Analisis area Bagus Rata-rata
Generalisasi Sederhana Kompleks

9.1.3 Metode penyimpanan

Solusi paling sederhana untuk penyimpanan data

adalah metode file datar di mana setiap titik telah
dikaitkan x, y ( dan z) koordinat, serta atribut. Ini
adalah gaya yang familiar dari buku besar atau
tabel akuntansi dan diimplementasikan secara
elektronik dalam spreadsheet, seperti Lotus 1-2-3
dan Microsoft Excel. Dalam format ini (Tabel 9.2)
atribut disimpan dalam kolom atau bidang, dan
baris, yang dikenal sebagai tupel. Fitur dari jenis
penyimpanan ini adalah: (i) semua data
direpresentasikan dalam tabel; (ii) setiap sel dalam
tabel harus memiliki nilai tunggal, sampel ulangan
memerlukan tupel tambahan; (iii) tidak
duplikat tupel diperbolehkan; dan (iv) tupel dapat
diatur ulang tanpa mengubah sifat relasi (Bonham-
Carter 1994). Metode file datar adalah cara yang tidak
efisien untuk menyimpan data sebagai perubahan
kecil, misalnya, perubahan nama litologi pada Tabel
9.3 (yang merupakan bagian dari tabel yang terkait
dengan Gambar 9.4 & 9.5), memerlukan pencarian
global dan perubahan semua contoh. Data disimpan
dan diedit secara lebih efisien dalam database
relasional di mana data disimpan sebagai
serangkaian tabel yang dihubungkan oleh kunci unik,
seperti nomor sampel. File datar
182 CJ MOON & MKG WHATELEY

TABEL 9.3 Bagian dari data yang terkait dengan Gambar 9.3 disimpan sebagai file datar. Perhatikan bahwa perubahan (misalnya nama
unit geologi) akan memerlukan pengeditan semua contoh.

Daerah keliling Modgeol_ Satuan Litologi Usia

12.983 711 2 Vulkanik dasar vulkanik dasar Devonian Tengah

2648.177 8049 3 Papan tulis Devon Atas papan tulis Devonian Atas
14.476 866 4 Vulkanik dasar vulkanik dasar Devonian Tengah
977.190 10.015 5 Laut tidak ada Tidak ada

7062,567 27.324 6 Papan tulis Devon Atas papan tulis Devonian Atas
69.818.680 231.598 7 Papan tulis Devon Tengah papan tulis Devonian Tengah
16.556 598 8 Dolerit dolerit Devonian Atas
11.447.985 51,973 9 Vulkanik dasar vulkanik dasar Devonian Tengah
415.067 5493 10 Papan tulis Devon Tengah papan tulis Devonian Tengah
8805 566 11 Vulkanik dasar vulkanik dasar Devonian Tengah
6650 468 12 Batu kapur Devon Tengah batu kapur Devonian Tengah
860,230 5309 13 Vulkanik dasar vulkanik dasar Devonian Tengah
9946 437 14 Dolerit dolerit Devonian Atas
47.900 958 15 Dolerit dolerit Devonian Atas
36.817 980 16 Dolerit dolerit Devonian Atas
15.053 492 17 Dolerit dolerit Devonian Atas
297.739 3253 18 Vulkanik dasar vulkanik dasar Devonian Tengah
39.071 972 19 Dolerit dolerit Devonian Atas
156 86 20 Laut tidak ada Tidak ada

format dapat dikonversi ke database relasional dengan
proses yang dikenal sebagai normalisasi. Tabel 9.4
menunjukkan contoh proses ini, nomor satuan (finalgeol)
yang merupakan versi sederhana dari modgeol, nomor
litologi (lit#) dan umur# telah ditambahkan sebagai langkah
pertama dalam proses ini. Langkah selanjutnya adalah (Tabel
9.5) memecah Tabel 9.3 menjadi komponen-komponennya.
Tabel pertama dari Tabel 9.5 menghubungkan poligon
dengan finalgeol. Yang kedua menghubungkan finalgeol dan
dengan lith# dan age# (Tabel
9.5b). Bagian ketiga dari Tabel 9.5 menghubungkan lit#
dengan nama litologi (Tabel 9.5c) dan umur keempat#
dengan umur (Tabel 9.5d). Dekomposisi ini ke dalam bentuk
normalnya memungkinkan pengeditan yang mudah,
misalnya kesalahan dalam nama formasi dapat
diperbaiki dengan satu edit.
File datar dan sistem database relasional adalah
teknologi yang matang dan digunakan secara luas
untuk 2DGIS dan model geometris. Namun menjadi
semakin sulit bagi mereka untuk mengelola informasi
3D dengan hubungan topologi yang kompleks.
Kesulitan muncul dalam mengubah tipe data
kompleks yang digunakan dalam menggambarkan
objek-objek ini yang direpresentasikan ke dalam tabel
relasional dengan tautan. Masalah ini diatasi dalam
pendekatan database berorientasi objek (OO) di mana
konversi tidak diperlukan
karena database menyimpan objek secara langsung,
lengkap dengan topologi dan tautan informasi
lainnya. Untuk alasan ini, sistem database OO sedang
meningkat digunakan dalam pengiriman informasi
Internet di mana objek multimedia yang kompleks
perlu diambil dan ditampilkan dengan cepat (FracSIS
2002).
9.1.4 Solusi perusahaan
Karena sejumlah besar uang diinvestasikan dalam
pengumpulan data, sangat penting bahwa data
diarsipkan dengan aman dan tersedia bagi mereka
yang membutuhkannya semudah mungkin. Integritas
data sangat penting bagi setiap perusahaan
pertambangan atau eksplorasi, baik dari sudut
pandang teknis maupun hukum (acQuire 2004).
Namun integritas ini sering kurang di masa lalu dan
banyak organisasi memiliki sistem yang buruk
sehingga menimbulkan inkonsistensi, kehilangan
data, dan kesalahan. Semakin, setelah insiden seperti
penipuan Bre-X (lihat bagian 5.4), baik departemen
industri maupun pemerintah memerlukan tingkat
standar pelaporan yang lebih tinggi. Database
relasional menyediakan sarana dimana data dapat
disimpan dengan prosedur kontrol kualitas yang
benar dan diambil dalam lingkungan yang aman.
MEJA 9.4 Tabel dengan lith# dan age# disisipkan untuk memungkinkan tabel dinormalisasi seperti yang ditunjukkan pada Tabel 9.5.

Daerah keliling Modgeol_ Finalgeol Satuan Lit# Litologi Usia# Usia

12.983 711 2 6 Vulkanik dasar 6 vulkanik dasar 2 Devonian Tengah

2648.177 8049 3 8 Papan tulis Devon Atas 4 papan tulis 3 Devonian Atas
14.476 866 4 6 Vulkanik dasar 6 vulkanik dasar 2 Devonian Tengah
977.190 10.015 5 10 Laut 0 tidak ada 0 Tidak ada

7062,567 27.324 6 8 Papan tulis Devon Atas 4 papan tulis 3 Devonian Atas
69.818.680 231.598 7 5 Papan tulis Devon Tengah 4 papan tulis 2 Devonian Tengah
16.556 598 8 9 Dolerit 8 dolerit 3 Devonian Atas
11.447.985 51,973 9 6 Vulkanik dasar 6 vulkanik dasar 2 Devonian Tengah
415.067 5493 10 5 Papan tulis Devon Tengah 4 papan tulis 2 Devonian Tengah
8805 566 11 6 Vulkanik dasar 6 vulkanik dasar 2 Devonian Tengah
6650 468 12 7 Batu kapur Devon Tengah 5 batu kapur 2 Devonian Tengah
860,230 5309 13 6 Vulkanik dasar 6 vulkanik dasar 2 Devonian Tengah
9946 437 14 9 Dolerit 8 dolerit 3 Devonian Atas
47.900 958 15 9 Dolerit 8 dolerit 3 Devonian Atas
36.817 980 16 9 Dolerit 8 dolerit 3 Devonian Atas
15.053 492 17 9 Dolerit 8 dolerit 3 Devonian Atas
297.739 3253 18 6 Vulkanik dasar 6 vulkanik dasar 2 Devonian Tengah
39.071 972 19 9 Dolerit 8 dolerit 3 Devonian Atas
156 86 20 10 Laut 0 tidak ada 0 Tidak ada
9: DATA EKSPLORASI MINERAL
183
 184 CJ MOON & MKG WHATELEY

(A) TABEL 9.5 Bentuk Normalisasi Tabel

Daerah Pepengukur Modgeol_ Finalgeol 9.4. Perhatikan keterkaitan antara
tabel dan bagaimana perubahan
12.983 711 2 6 litologi atau usia dapat lebih mudah
2648.177 8049 3 8 diedit.
14.476 866 4 6
977.190 10.015 5 10
7062,567 27.324 6 8
69.818.680 231.598 7 5
16.556 598 8 9
11.447.985 51,973 9 6
415.067 5493 10 5
8805 566 11 6
6650 468 12 7
860,230 5309 13 6
9946 437 14 9
47.900 958 15 9
36.817 980 16 9
15.053 492 17 9
297.739 3253 18 6
39.071 972 19 9
156 86 20 10

(B)
Finalgeol Satuan Lit# Usia#

1 Grup Dartmouth 1 1
2 Grup Meadfoot 2 1
3 Vulkanik asam 7 1
4 Formasi Staddon 3 1
5 Papan tulis Devon Tengah 4 2
6 Vulkanik dasar 6 2
7 Batu kapur Devon Tengah 5 2
8 Papan tulis Devon Atas 4 3
9 Dolerit 8 3
10 Laut 0 0

(C) (D)
Lit# Litologi Usia# Usia

0 Tidak ada 0 Tidak ada

1 batupasir dan serpih 1 Devonian Bawah

2 serpih dan batupasir 2 Devonian Tengah
3 batu pasir 3 Devonian Atas
4 Batu tulis

5 batu kapur
6 vulkanik dasar
7 gunung berapi asam
8 Dolerit

Banyak produk perangkat lunak teknis berpemilik
menyediakan fasilitas penyimpanan seperti itu, misalnya
acQuire (acQuire 2004) menyediakan solusi seperti itu
untuk penyimpanan dan pelaporan data yang juga
berinteraksi dengan file dalam format teks seperti csv,
dif, txt (format tab delimited dan lebar tetap), serta
berbagai format kepemilikan.
Strategi pengumpulan dan evaluasi (pemeriksaan)
data (Walters 1999) seringkali merupakan masalah
prosedur perusahaan. Sebagian besar kesalahan itu kotor

dan dapat dengan mudah disaring. Setiap ahli geologi
dan insinyur pertambangan atau pemrosesan tahu
apa yang harus ada dalam database dalam hal
rentang, nilai, dan unit. Ini adalah masalah sederhana
menyiapkan tabel validasi untuk memeriksa bahwa
data sesuai dengan rentang, nilai, dan unit yang
diharapkan. Contoh sederhana akan memastikan
bahwa kemiringan lubang bor adalah antara 0 dan -
90 derajat untuk pengeboran permukaan.
Dokumentasi untuk database sangat penting
termasuk sumber dan metode entri data serta
formatnya. Penting untuk memelihara pengarsipan
dan akses jangka panjang yang memadai. Untuk
kontinjensi, harus dimungkinkan untuk
menambahkan bidang dan kolom ke database jika
diperlukan untuk menambahkan informasi pada
tahap selanjutnya. Basis data juga harus mampu
memanipulasi semua data dan kemampuan untuk
mengevaluasi dan meninjau data sangat penting.
Biasanya sumber penyimpanan tunggal,
terpelihara, fleksibel dan aman direkomendasikan.
Ini berarti bahwa hanya salinan database terbaru
yang digunakan untuk evaluasi di lokasi tambang
dengan versi lama yang diarsipkan secara teratur.
Akses ganda ke database, bahkan dari situs lain,
dapat dicapai melalui teknologi web. Keuntungan
tambahan dari teknologi web tersebut adalah
bahwa kumpulan data yang berbeda, masing-
masing berisi informasi tentang item tertentu
seperti lubang bor, dapat tersedia melalui
antarmuka pencarian tunggal (Whateley
2002). Namun penyimpanan jangka panjang utama
tetap berupa kertas dan hard copy harus secara
teratur disimpan dari semua set data penting,
misalnya log lubang bor dan pengujian.
9.1.5 Pengambilan data
Pengambilan data atribut biasanya relatif mudah
tetapi data spasial seringkali lebih sulit. Sebagian
besar data lapangan sekarang dibuat dalam bentuk
digital tetapi data apa pun yang hanya tersedia di atas
kertas akan memerlukan digitalisasi.
Pengambilan data lapangan
Pengambilan data di lapangan menggunakan komputer
menjadi rutinitas yang sering kali menggunakan
komputer kasar yang dapat dengan mudah diangkut.
Saat ini pendekatan ini banyak digunakan untuk tugas-
tugas rutin seperti pengumpulan sampel dan core
logging tetapi kurang cocok untuk geologi
9: DATA EKSPLORASI MINERAL 185
pemetaan. Namun situasi ini berubah dengan cepat
dengan munculnya asisten digital portabel murah
yang menggunakan stylus untuk input dan tampilan
kualitas yang lebih baik.
Digitalisasi
Data spasial biasanya didigitalkan baik dengan
memindai peta atau dengan menggunakan tabel
digitalisasi. Dalam metode tabel digitasi, sebuah titik
atau garis dimasukkan dengan menjiplak posisi
keping di atasnya relatif terhadap kabel halus di
dalam tabel. Posisi titik atau garis tersebut kemudian
diubah oleh perangkat lunak menjadi koordinat peta
asli dari posisi yang diukur pada tabel. Menelusuri
garis sangat melelahkan dan peta sering kali harus
disederhanakan atau dijiplak untuk menghindari
kebingungan selama proses digitalisasi. Metode
pemindaian menjadi lebih mudah dengan munculnya
pemindai murah. Dalam metode ini gambar
georeferensi dilacak pada layar komputer
menggunakan mouse atau keping. Ketika peta atau
scan telah didigitalkan semua linework harus diedit
dengan hati-hati. Umumnya pengeditan ini
melelahkan dan lebih rentan terhadap kesalahan
daripada digitalisasi aslinya.
Data atribut
Data atribut dapat ditangkap dengan mengetikkan data
tulisan tangan atau dengan memindai data yang sudah
diketik dan relatif bersih. Gambar yang dipindai
kemudian diubah menjadi karakter untuk disimpan
menggunakan perangkat lunak pengenalan karakter
optik. Namun perangkat lunak ini tidak sempurna dan
karakter yang dihasilkan harus diperiksa dengan cermat
untuk menemukan kesalahan.
9.1.6 Sumber data
Sumber data digital telah tersebar luas dan jauh
lebih murah selama 10 tahun terakhir. Secara
khusus ada topografi digital (ESRI 2004, Globe
2004), Landsat (Geocover
2004, GLCF 2004) dan cakupan peta geologi dunia,
meskipun dalam skala kecil (GSC
1995, Arcatlas 1996). Di Amerika Utara dan
Australia sebagian besar data geologi, serta data
geofisika udara, tersedia dari survei geologi
nasional atau provinsi untuk biaya reproduksi atau
secara gratis di Internet. Pembaca disarankan
untuk melakukan pencarian
186 CJ MOON & MKG WHATELEY
Internet menggunakan Google atau mesin pencari
serupa untuk menemukan informasi terkini.
9.1.7 Sistem koordinat dan proyeksi
Ahli geologi di masa lalu umumnya berhasil
menghindari berurusan dengan sistem koordinat
yang berbeda secara detail, karena area yang
mereka hadapi kecil. Munculnya GPS dan
manajemen data terkomputerisasi telah
mengubah ini. Plot data dunia nyata pada
permukaan datar dikenal sebagai proyeksi dan
merupakan hasil dari kebutuhan untuk
memvisualisasikan data sebagai permukaan datar
ketika bentuk bumi paling baik didekati dengan
spheroid, sebuah bola datar. Untuk area kecil
distorsi tidak penting tetapi untuk area yang lebih
besar akan ada kompromi antara menjaga area
dan hubungan jarak. Misalnya, proyeksi Mercator
yang terkenal menekankan Eropa dengan
mengorbankan Afrika. Skala data juga mengatur
pilihan proyeksi. Untuk peta dengan skala lebih
besar dari 1:250.000, baik grid nasional atau grid
Universal Transverse Mercator (UTM) umumnya
digunakan. Dalam proyeksi terakhir, bumi dibagi
menjadi segmen 6 derajat bujur dengan nilai
500.000 m E diberikan ke meridian pusat bujur dan
asal utara 0 m di khatulistiwa, jika utara
khatulistiwa, atau besar jumlah, sering 10.000.000
m, jika selatan khatulistiwa.
Ada berbagai nilai berbeda yang digunakan untuk
ellipsoid yang mendekati bentuk bumi, yang dikenal
sebagai datum. Datum yang paling umum digunakan
untuk pekerjaan GPS adalah World Geodetic System
(WGS 1984) tetapi datum yang digunakan pada peta
harus diperiksa dengan cermat, karena penggunaan
datum yang berbeda dapat mengubah koordinat
hingga 1500 m. Pembaca disarankan untuk membaca
tentang masalah secara lebih rinci dalam teks-teks
seperti Longley et al. (2001) dan Snyder
(1987).
9.2 INTEGRASI DATA DAN SISTEM INFORMASI GEOGRAFIS
Salah satu kemajuan besar dalam teknologi pada
tahap eksplorasi awal adalah kemampuan untuk
mengintegrasikan data dengan mudah. Hal ini
didorong oleh perkembangan Sistem Informasi
Geografis (SIG). Meskipun GIS biasanya didefinisikan
untuk memasukkan penyimpanan data, fungsi utamanya
adalah untuk memudahkan integrasi data dan keluaran,
biasanya dalam bentuk peta (Longley et al.
1999, 2001). Pengembangannya telah dirancang
untuk berbagai aplikasi yang melibatkan data
spasial, termasuk desain lokasi optimal dari situs
pengiriman pizza dan pemantauan penyebaran
penyakit, tetapi sistem komersial generik berlaku
(dengan keterbatasan) untuk data eksplorasi
mineral. Sistem komersial yang dominan, pada
saat penulisan, adalah ArcView dan ArcGIS (ESRI)
dengan 35% dari total pangsa pasar dan
digunakan secara luas dalam aplikasi geologi;
MapInfo memiliki pangsa pasar keseluruhan yang
jauh lebih kecil tetapi memiliki pengikut yang luas
di dunia geologi, khususnya di Australia karena
program tambahan telah dikembangkan untuk
eksplorasi mineral. Sistem komersial saat ini
memungkinkan tampilan data vektor dan raster
dengan berbagai tingkat fasilitas kueri dan
pemodelan. Sistem ini sangat cocok untuk data 2D
tetapi,
Selain sistem GIS yang kompleks (dan mahal)
ada sejumlah paket perangkat lunak yang lebih
sederhana, seperti Oasis Montaj (Geosoft2004),
Interdex (Visidata 2004), dan Micromine
(Micromine 2004), yang dirancang khusus untuk
eksplorasi mineral. Beberapa memiliki fitur yang
tidak mudah diakses dalam paket GIS, seperti
fasilitas gridding untuk data geofisika dan
manajemen data terintegrasi di Oasis Montaj.
9.2.1 Susunan data menggunakan lapisan
Dasar integrasi data dalam SIG adalah
penggunaannya sebagai rangkaian lapisan.
Metode ini benar-benar merupakan perpanjangan
dari metode tabel cahaya lama di mana peta
dilapis dan hasilnya dilihat dengan menyinari
cahaya melaluinya. Menggabungkan lapisan jauh
lebih mudah daripada memisahkannya dan aturan
yang baik adalah membuat lapisan dari komponen
yang paling sederhana. Misalnya, daripada
memiliki lapisan topografi, lebih baik memiliki
lapisan terpisah untuk jalan, batas lapangan,
bangunan, dan sungai. Dalam kasus peta geologi
konvensional, lapisan terpisah akan dihasilkan
untuk unit geologi (poligon), pembacaan struktural
(titik), dan patahan (garis).
 9: DATA EKSPLORASI MINERAL 187

9.2.2 Contoh Devon Selatan Area yang dibahas berada di sisi selatan salah
satu intrusi granit Permian awal, Granit Dartmoor.
Mungkin cara terbaik untuk menjelaskan metode
Granit ini menyusup ke daerah yang umumnya
penanganan data dalam GIS adalah dengan
terdiri dari sedimen marjinal laut dan uvial tingkat
menggunakan contoh yang sudah dikerjakan.
rendah dengan interbedded vulkanik usia Devon
Contoh ini adalah tipikal eksplorasi tahap awal dan
yang terdeformasi selama akhir Karbon. Sedimen
mengacu pada suatu daerah di selatan Devon,
Devonian (dan awalnya granit) ditindih secara
Inggris. Sebelum pertengahan 1980-an daerah ini
tidak selaras oleh batupasir lapisan merah dan
tidak dianggap prospektif untuk emas dan tidak
sedimen halus berumur Permo-Trias. Sedimen laut
ada eksplorasi sistematis yang dilakukan. British
usia Jurassic dan Cretaceous mungkin awalnya
Geological Survey telah lama aktif di daerah
menutupi daerah tersebut tetapi telah dihilangkan
tersebut dan telah menyelidiki daerah vulkanik
oleh erosi Tersier.
dasar di utara Gambar 9.3 untuk potensi logam
dasarnya. Sampel orientasi awal yang berasal dari
volkanik asam (266.000E, 49.000N, British National
Grid) mengembalikan butiran emas kecil dalam Tampilan dan kueri sederhana:
konsentrat panned dan diputuskan untuk sampel peta geologi
emas. Emas juga diketahui dari prospek kecil di
Harapan
kemudian

55.000

50.000

45.000
5
n km

250.000 255.000 260.000 265.000 270.000 275.000 280.000

Legenda

Prospek Vulkanik dasar

sungai Papan tulis Devon Tengah

Laut Stadion Fm.

Dolerit Vulkanik asam

Papan tulis Devon Atas Gp.

Batu kapur Devon Tengah Gp.

ARA. 9.3 Peta geologi (dalam ArcGIS) dan peta indeks. Peta ini menunjukkan litologi dan tidak ada struktur. (Sebagian besar
setelah Ussher 1912.)
188 CJ MOON & MKG WHATELEY

pemetaan geologi yang diterbitkan (Ussher 1912).
Komponen terpenting adalah sebaran litologi yang
digariskan dengan menghasilkan poligon. Setiap
poligon memiliki keunikan
nomor
nomor litologi dan nama litologi pada kunci (Gbr.
9.4, Tabel 9.3 & 9.4). Berbeda dengan peta
konvensional, mudah untuk memilih unit individu;
dalam hal ini (Gbr. 9.5) asam dan

55.000

50.000

45.000
5
n km

250.000 255.000 260.000 265.000 270.000 275.000 280.000

ARA. 9.4 Peta geologi Gambar 9.3 menunjukkan nomor poligon.

55.000

50.000

45.000

250.000 255.000 260.000 265.000 270.000 275.000 280.000

Legenda

10 Prospek
km
sungai

Vulkanik

ARA. 9.5 Peta geologi dengan hanya gunung api asam dan basa yang dipilih. Bandingkan peta ini dengan Gambar 9.3.

55.000
50.000
45.000
250.000 255.000 260.000
10
km
ARA. 9.6Model elevasi digital area berdasarkan data digital Ordnance Survey of Great Britain
dikumpulkan pada interval 50 m. Gambar berbayang bukit dengan elevasi matahari 45 derajat dari 315 derajat
sehingga struktur mencolok SW–NE disorot. (Sumber: Digimap, Universitas Edinburgh.)
Data penginderaan jauh
Karena pemetaan geologis sudah cukup tua (Ussher
1912) dan hasil panen yang buruk, pemetaan ini
dapat diperiksa dengan model Landsat, fotografi
udara, dan elevasi digital. Gambar 9.6 menunjukkan
gambar berbayang bukit dari model elevasi digital.
Sejumlah fitur dapat dideteksi dengan perbandingan
dengan Gambar 9.3, terutama dataran tinggi yang
dilatarbelakangi oleh Formasi Staddon, unit batupasir
kasar. Beberapa struktur yang dipetakan terlihat jelas,
sesar terpetakan di 266.000E, 51.000N dan kelurusan
N–S yang kuat di ~274.000E. Citra Landsat (Gbr. 9.7)
sulit untuk diinterpretasikan karena area tersebut
digarap secara intensif di lahan-lahan kecil. Vegetasi
dominan dan banyak daerah abu-abu gelap pada
Gambar 9.7 adalah hutan. Meskipun demikian,
dimungkinkan untuk mengekstraksi kelurusan, yang
ditunjukkan pada Gambar 9.10.
Data geokimia
Salah satu kumpulan data kunci di area tersebut adalah
hasil dari latihan pengambilan sampel konsentrat yang
digeser (Leake et al. 1992). Sampel dianalisis dengan
fluoresensi sinar-X untuk elemen jejak dan emas dengan
ekstraksi pelarut dan serapan atom.
9: DATA EKSPLORASI MINERAL 189
265.000 270.000 275.000 280.000
Prospek
spektrometri. Geokimia emas adalah indikator yang
paling jelas dari area untuk tindak lanjut. Emas
menunjukkan distribusi yang sangat miring dengan rata-
rata 273 ppb, median 10 ppb, dan maksimum 5700 ppb
Au (Gbr. 9.8). Perangkat lunak yang digunakan
menawarkan empat opsi untuk membagi data:
(i) kuantil – misalnya 20, 40, 60, 80, 100 persentil
dalam hal ini 5, 5, 24, 200, 5700 ppb; (ii) interval
yang sama – 1140, 2280, 3420, 4560, 5700 ppb;
(iii) jeda alami (berdasarkan jeda dalam histogram)
215, 708, 1540, 3100 ppb; (iv) mean dan standar
deviasi – 273, 1060, 1846, 2633 ppb. Karena
distribusinya sangat miring dan 40%
konsentrasinya kurang dari batas deteksi 10 ppb
(diatur ke 5 ppb), dalam hal ini digunakan metode
persentil berdasarkan bagian distribusi yang lebih
tinggi: 50, 75,
90, 95 persentil dibulatkan ke angka yang sudah dikenal,
10, 150, 500, 1500 (Gbr. 9.8). Peta ini memilih
daerah tangkapan dengan emas yang dapat
dideteksi serta membedakan daerah tangkapan
yang memiliki konsentrasi emas sangat tinggi. Ini
ditindaklanjuti dan butir emas ditemukan di tanah
di lokasi yang ditandai dengan simbol prospek.
Jika data yang ditransformasi log diplot pada skala
probabilitas (Gbr. 9.9), ambang 50 pbb mungkin
dipilih. Pembagian sederhana ini ditunjukkan pada
Gambar 9.9, meskipun demikian, setidaknya dalam
190
55.000

50.000

45.000

250.000 255.000 260.000 265.000 270.000 275.000 280.000

Legenda 10
km
Prospek

ARA.
Abu-abu

ARA. 9.8 Data emas konsentrat panned di ppb. Intervalnya kira-kira 50, 75, 90, dan 95 persentil,
seperti yang dibahas dalam teks. (Data berasal dari British Geological Survey tetapi diubah menjadi daerah tangkapan mereka
(baskom drainase) oleh CL Wang.)
55.000

50.000

45.000
5
n
km

250.000 255.000 260.000 265.000 270.000 275.000 280.000

3.59
2
Legenda
2.26
Prospek catatan 10 1
Au (ppb)
sungai . 93
0

Au ppb
-.4
–1
0,5–50
– 1.74
–2
50–5700
0 10 30 50 70 90 98

persentil (skala probabilitas)

ARA. 9.9 Data emas Gambar 9.8 diplot ulang menggunakan ambang batas sederhana 50 ppb (log 10 = 1.7 dari plot bawah).
log 10 –plot probabilitas data Au dibuat dalam perangkat lunak Interdex dan harus dibandingkan dengan
histogram Gambar 9.8.

pendapat penulis, kalah dengan peta kelas ganda
Gambar 9.8.
Konsentrat panned dianalisis untuk berbagai
elemen selain emas dan lebih banyak informasi
dapat disimpulkan dari elemen lainnya. Satu
kejutan adalah tingginya konsentrasi timah, hadir
sebagai kasiterit, karena daerah tersebut jauh dari
mineralisasi timah Dartmoor dan Cornwall yang
terkenal. Konsentrasi timah yang tinggi ini
mungkin mencerminkan konsentrasi mineral berat
pada permukaan erosi yang tidak diketahui,
meskipun mungkin berumur Permian dan Miosen.
adalah untuk menganalisis kontrol kelurusan pada
distribusi anomali tanah emas yang diketahui. Di
wilayah studi dua tren utama kelurusan, NW–SE
dan NE–SW, telah dikenali. Kemungkinan
kelurusan mengikuti orientasi ini berasal dari
analisis citra Landsat TM dan didigitalkan menjadi
dua cakupan (Gbr. 9.10). Hubungan kelurusan
dengan mineralisasi emas dapat dianalisis dengan
menghitung jarak kemunculan emas dari
kelurusan. Dalam contoh ini tampaknya tidak ada
hubungan definitif antara kemunculan emas dan
serangkaian kelurusan tertentu.

Kelurusan sering kali didefinisikan secara tidak akurat

Hamparan data dan buffering
dan lebih praktis untuk menentukan zona pengaruh.
Overlay data adalah salah satu metode kunci dalam Kemampuan untuk menghasilkan koridor dengan lebar
GIS. Penggunaan khas dari fungsi hamparan data tertentu di sekitar fitur atau penyangga di sekitarnya
192
55.000
50.000
45.000
5
km
n
250.000 255.000 260.000 265.000
Dipetakan
kesalahan atau dorong
Legenda
Landsat
Prospek
raut muka
ARA. 9.10 Lineamen didigitalkan dari cakupan Landsat oleh CL Wang dan buffer pada 250 m untuk kejelasan. Diketahui
kejadian emas dan kesalahan yang dipetakan ditambahkan untuk perbandingan.
struktur dan kontak geologi karena itu kemajuan
besar. Pada Gambar 9.10 buffer 250 m ditunjukkan
di sekitar kelurusan NW-SE.
Metode Boolean
Setelah lapisan yang akan diselidiki telah dilapis,
mereka dapat digunakan untuk menentukan area
untuk tindak lanjut. Metode paling sederhana untuk
memilih area adalah dengan menggunakan aljabar
Boolean langsung. Dalam pendekatan ini data dari
lapisan dipilih dan digabungkan dengan lapisan lain
tergantung pada prasangka ahli geologi (Gbr. 9.11).
Contoh pada data Devon selatan adalah untuk
memilih daerah tangkapan yang dilatarbelakangi oleh
vulkanik asam dan telah mendulang emas konsentrat.
>1000 ppb Au berdasarkan premis bahwa volkanik
asam adalah batuan yang paling disukai untuk
deposit emas. Pernyataan yang digunakan oleh
komputer adalah “geologi = vulkanik asam dan Au
> 1000 ppb”. Basis data kemudian dipindai dan
setiap unit bernilai benar (1) atau salah (0) untuk
pernyataan tersebut. Jika dolerit dianggap disukai
oleh gunung api asam maka pernyataan “(geologi
= gunung api asam) dan (Au > 1000 ppb)” akan
memenuhi persyaratan ini
270.000 275.000 280.000
litologi
garis besar
sungai
(Gbr. 9.12). Meskipun pendekatan Boolean bisa
sangat efektif dan sederhana, pendekatan ini
mengasumsikan bahwa ada perubahan tajam pada
atribut, misalnya, emas dalam konsentrat yang
dipanned signifikan pada 1001 ppb tetapi tidak pada
999 ppb, dan dalam penggunaan sederhana metode
itu setiap lapisan sama pentingnya. Dalam berbagai
indeks overlay metode ini, bobot diberikan ke lapisan
yang berbeda, tergantung pada kepentingan yang
dirasakan.
Metode kompleks
Meskipun pendekatan Boolean dapat efektif, dan mudah
dipahami, sulit untuk mendeteksi pola yang lebih halus,
untuk menggunakan kumpulan data yang sangat besar
dan kompleks, atau untuk menerapkan aturan yang
rumit. Metode yang lebih kompleks telah diterapkan
secara luas pada data eksplorasi mineral tetapi sangat
bergantung pada perangkat lunak. Awalnya program
tersebut mahal dan sulit digunakan, tetapi sekarang
banyak metode yang tersedia melalui penggunaan
perangkat lunak tambahan untuk Arcview dan Mapinfo.
Catatan khusus adalah perangkat lunak Arc-SDM yang
dikembangkan oleh survei geologi federal AS dan Kanada
dan tersedia secara bebas
 9: DATA EKSPLORASI MINERAL 193

Au felsite Au felsite

Au ATAU Felsite Felisite XOR Au

ARA. 9.11 Aljabar Boolean. NS Au felsite Au felsite

lingkaran adalah representasi diagram dari
dua himpunan, felsite dan Au. Kombinasi
yang mungkin ditampilkan. XOR adalah
untuk felsite atau Au tetapi tidak di mana
mereka tumpang tindih. Felisite BUKAN Au Au DAN Felsite

55.000

50.000

45.000

250.000 255.000 260.000 265.000 270.000 275.000 280.000

Legenda
10
n km
Prospek
litologi
garis besar felsite Persimpangan
felsite dan
Sampel
Au >1000 ppb Au >1000 ppb
tangkapan

ARA. 9.12 Pencarian Boolean sederhana di data Devon selatan untuk keberadaan asam vulkanik (felsite) dan emas di
tangkapan >1000 ppb, berdasarkan peta Gambar. 9.3 dan 9.8. Satuan litologi dan daerah tangkapan air yang dipilih
ditunjukkan dengan garis besar dan daerah yang sangat kecil yang memenuhi kedua kriteria ini berwarna hitam dan panah.
194 CJ MOON & MKG WHATELEY
di Internet (Arc-SDM 2001). Metode kompleks yang
berbeda dapat dibagi menjadi dua pendekatan utama: (i)
didorong oleh data, tanpa model yang sudah ada
sebelumnya; (ii) model didorong, tergantung pada jenis
model yang digunakan. Meskipun metodenya berbeda,
tujuannya adalah untuk memetakan kemungkinan
menemukan mineralisasi.
Pendekatan berbasis data
Teknik utama yang digerakkan oleh data adalah (1)
bobot bukti dan (2) regresi logistik, yang keduanya
memerlukan lokasi mineralisasi di setidaknya
sebagian area yang harus diketahui, agar dapat
digunakan sebagai set pelatihan untuk digunakan.
di sisa wilayah. Pembaca dapat menemukan
rincian lebih lanjut di Bonham-Carter (1994) dan di
situs web Arc-SDM (Arc-SDM2001).
1 Bobot bukti dipelopori dalam penggunaan
eksplorasi mineral oleh Bonham-Carter et al.
(1988). Metode ini menggunakan statistik Bayesian
untuk membandingkan distribusi mineralisasi
yang diketahui dengan pola geologi yang diduga
sebagai kontrol penting.
Tahap pertama dalam menggunakan metode ini
adalah menghitung probabilitas terjadinya deposit
yang dihitung tanpa mengetahui pola pengujian
(probabilitas sebelumnya). Distribusi mineralisasi di
daerah pelatihan kemudian dibandingkan dengan
pola geologi secara bergantian. Perhitungan untuk
setiap pola memberikan dua bobot:
(i) bobot positif yang menunjukkan betapa pentingnya
pola untuk menunjukkan suatu kejadian; dan
(ii) nilai negatif yang menunjukkan betapa
pentingnya tidak adanya pola untuk menunjukkan
tidak ada kejadian. Bobot untuk pola yang berbeda
kemudian diperiksa untuk melihat apakah mereka
signifikan dan digabungkan untuk menghitung
probabilitas posterior keseluruhan. Ini kemudian
digunakan untuk menghitung probabilitas
mineralisasi berdasarkan pola geologi.
Dalam contoh data dari Devon selatan,
ringkasan bobot untuk kontrol geologi yang
berbeda ditunjukkan pada Tabel 9.6. Pola yang
paling penting menggunakan kemunculan emas
yang diketahui adalah kemunculan felsite dan
dolerite yang terlihat mendominasi peta
probabilitas akhir (Gbr. 9.13).
2 Regresi logistik menggunakan persamaan
regresi umum untuk memprediksi terjadinya
mineralisasi. Regresi logistik berbeda dari regresi
kuadrat terkecil yang lebih dikenal di
bahwa ia menggunakan ada atau tidak adanya
pola geologis, daripada variabel kontinu.
Signifikansi dari berbagai kontrol geologi diuji dan
model dibangun.
Dalam contoh Devon selatan (Gbr. 9.14) menggunakan
tangkapan drainase yang mengandung lebih dari 1000
ppb Au menghasilkan probabilitas P dari:
Masuk ( p) = - 3,81 + 1,47X5 - 1.74X11 +
2.04X2X5 + 3.07X3X4
dimana X3X4 merupakan gabungan kejadian
felsite dan Grup Dartmouth, X5 Grup Meadfoot,
X2X5 Grup Meadfoot dan vulkanik dasar, dan sesar
X11. Dalam model ini, faktor felsite dan Grup
Dartmouth adalah yang paling penting dan
kesalahan adalah kontrol yang kurang penting.
Pendekatan berbasis model
Sejumlah pendekatan model-driven telah
digunakan yang mengembangkan tema indeks
overlay: (1) logika fuzzy, (2) metode Dempster
Shafer, dan (3) jaringan saraf.
1 Logika kabur. Ini mungkin teknik yang paling banyak
digunakan. Dalam metode logika fuzzy, variabel
dikonversi dari data mentah menjadi probabilitas
menggunakan fungsi yang ditentukan pengguna.
Sebagai contoh, jika geokimia tanah arsenik dicurigai
sebagai perintis jalan untuk mineralisasi emas, maka
konsentrasi As yang rendah (katakanlah <100 ppm As)
akan diberi probabilitas 0 dan konsentrasi tinggi
(katakanlah >250 ppm As) kemungkinan dari
1. Konsentrasi menengah akan diberikan probabilitas
antara 0 dan 1 tergantung pada fungsi yang
diterapkan (Gbr. 9.15). Variabel-variabel tersebut
kemudian digabungkan menggunakan aljabar yang
mirip dengan fungsi Boolean tetapi termasuk fungsi
penjumlahan dan hasilkali. Dua fungsi terakhir sering
digabungkan bersama menggunakan fungsi gamma
untuk menghasilkan probabilitas keseluruhan dari
lapisan individu (Bonham-Carter 1994, Knox-Robinson
2000). Knox-Robinson (2000) menganjurkan
penggunaan metode yang memungkinkan visualisasi
tingkat dukungan bukti geologis. Contoh penggunaan
teknik ini pada endapan Pb-Zn di Australia Barat
dapat ditemukan di D'Ercole et al.
(2000). Dalam contoh Devon selatan, "atau" fuzzy
telah digunakan untuk menggabungkan lapisan
yang diperkirakan menunjukkan terjadinya
TABEL 9.6 Bobot dan kontras yang dihitung untuk pola dalam menghasilkan a 9 p:r M
ob A ap NS
DI DALAM B E Saya R li Ax T L kamu
HAI E M PLM ner A Saya A satio 1 n 95
TI RA enHAI Saya
A D aku
T

pola diketahui kejadian emas sebagai 1 km 2 sel.

Pola W +J W -J C

Kelurusan Landsat BUffer NE–SW250 - 0,222 0,025 - 0.248

Kelurusan Landsat NW–SE 250 mbuffer 0.247 - 0,039 0.285
Kelurusan Landsat NW–SE 500 mbuffer 0.298 - 0,119 0,417
Kelurusan Landsat NW–SE 750 mbuffer 0,315 - 0.245 0,560
Kelurusan Landsat NW–SE 1 kmbuffer 0.259 - 0,339 0,598
Kelurusan Landsat NW–SE 1,25 kmbuffer 0,143 - 0,276 0,419
Kelurusan Landsat NW–SE 1,5 kmbuffer 0,052 - 0,145 0.197
Kelurusan Landsat NW–SE 1,75 kmbuffer 0,002 - 0,009 0,011
Kelurusan Landsat NW–SE 2 kmbuffer - 0,003 0,023 - 0,027
felsite 3.739 - 0,059 3.797
Batu Tulis Dartmouth 1.050 - 0,618 1.668
Daerah tangkapan anomali dengan > 5 ppb 0,844 - 0,689 1.533
Au > Contact (Dart –Mead ) 2 kmbuffer 0,625 - 0,741 1.366
Dolerite 1.184 - 0,017 1.201
Thrust 250 buffer 0,784 - 0,062 0,846
Kontak (Mead – Stad ) 750 mbuffer 0,548 - 0.199 0,746
Kontak (Mead –Mdev ) 750 mbuffer 0,605 - 0,084 0,689

Untuk setiap set kelurusan, serangkaian buffer dihitung dan contoh hasil untuk buffer berbeda dari kelurusan NW-SE ditampilkan. Jika
tidak, hanya hasil akhir yang ditampilkan. Fitur signifikan (ditampilkan dalam huruf tebal) digunakan untuk
menghitung probabilitas akhir.
P+,J bobot positif; W , berat Jnegatif; C, kontras.
Dart, D

55.000

50.000

45.000
5
n km

250.000 255.000 260.000 265.000 270.000 275.000 280.000

Kemungkinan

Legenda 0,075–0,125
Tidak ada data

Prospek

pesisir 0,125–0,175
0–0,025

0,175–0,9
0,025–0,075

ARA. 9.13 Peta probabilitas posterior yang dihasilkan dari bobot analisis bukti geologi dan
data geokimia yang dibahas dalam teks. Perhatikan korelasi umum yang baik dengan kejadian yang diketahui dengan
pengecualian pada ~2,72000E, 52,000N, yang mungkin berasal dari yang berbeda. (Sumber: Wang 1995.)
196

55.000

50.000

45.000
5
km
n
250.000 255.000 260.000 265.000 270.000 275.000 280.000

Legenda Kemungkinan
0,03–0,10
Prospek 0.00
0,11–0,40
pesisir
0,01–0,02
0,41–0,52

ARA. 9.14 Peta probabilitas berdasarkan regresi logistik nilai konsentrat panned Au >1 ppm terhadap
geologi dan struktur. Perhatikan pengelompokan probabilitas tinggi di tengah peta dan prospektif
tangkapan di ~27.000E, 45.000N. (Sumber: Wang 1995.)

1
Kemungkinan

ARA. 9.15 Hubungan antara

geokimia arsenik dan kemungkinan
menunjukkan mineralisasi dalam
contoh hipotetis, di mana <100 ppm
tidak memiliki hubungan dengan
mineralisasi dan >250 ppm dikaitkan
dengan semua pertunjukan emas.
0 Fungsi garis lurus putus-putus dan
0 100 250 fungsi lain ditunjukkan dalam titik.
Sebagai (ppm)

mineralisasi, karena "atau" mencakup sebagian
besar area kontrol yang luas yang didefinisikan di
mana terdapat zona probabilitas yang lebih tinggi
(Gbr. 9.16).
2 Fungsi keyakinan Dempster Shafer. Ini memungkinkan
masukan dari beberapa gagasan tentang tingkat
kepercayaan dalam bukti yang digunakan. Dalam praktek
ini bisa sulit untuk diterapkan tetapi contoh yang
baik dari aplikasi di Kanada ditemukan di Moon
(1990).
3 Jaringan saraf. Ini adalah metode di mana perangkat
lunak dilatih dengan menggunakan tidak adanya atau
adanya deposit mineral dalam kumpulan data campuran
yang besar untuk menemukan faktor geologi prediktif.
55.000
50.000
45.000
5
km
n
250.000 255,0 00 260.000
P robabilitas
Legenda
Prospek
pesisir
ARA. 9.16Probabilitymap yang dihasilkan dari analisis logika fuzzy. Analisis ini menyoroti setiap lapisan yang memiliki
kemungkinan asosiasi dengan mineralisasi emas dan merupakan hasil dari fuzzy "atau." Ini harus mencakup semua
kejadian. (Sumber: Wang 1995.)
Coklat dkk. (2000) membandingkan metode tersebut
dengan logika fuzzy dan bobot bukti pada data dari
suatu area di New South Wales dan menemukan
bahwa metode tersebut memberikan hasil yang lebih
baik. Mereka mengklaim bahwa meskipun jaringan
saraf memerlukan set pelatihan, jumlah kemunculan
yang diperlukan tidak seberat bobot metode bukti.
Ada sejumlah penelitian lain yang menggunakan
metode kompleks dalam mengintegrasikan data dan
pembaca harus memeriksa beberapa di antaranya
dan memutuskan pendekatan mana yang cocok. Titik
awal yang baik adalah volume Gubins (1997). Makalah
oleh Chinn dan Ascough (1997) merinci upaya ahli
geologi Noranda di daerah Bathurst Kanada. Mereka
menggunakan pendekatan logika fuzzy untuk
menentukan area untuk tindak lanjut tetapi
menyimpulkan bahwa keuntungan utama dari
metode berbasis komputer adalah untuk
mendapatkan ahli deposit mereka untuk duduk
bersama dan menuliskan pengalaman mereka di atas
kertas. Oleh karena itu, metode tersebut bukan
pengganti geologi yang sangat baik tetapi pelengkap.
265.000 270.000 275.000 280.000
0,40–0,55
tidak ada data
0,55–0,65
< 0,25 0,65–0,75
0,25–0,40 > 0,75
9.3 INTEGRASI DENGAN PERHITUNGAN SUMBER DAYA
DAN PERANGKAT LUNAK PERENCANAAN TAMBANG
Sebagian besar perhitungan sumber daya dilakukan
dalam eksplorasi, dalam studi kelayakan, atau dalam
pengendalian dan penjadwalan kadar tambang rutin
menggunakan paket komputer khusus (atau paket) yang
berhubungan dengan data 3D. Pada tahap awal
eksplorasi, fitur utama dari paket tersebut adalah
memasukkan informasi pengeboran dan
menghubungkannya dengan fitur permukaan, seperti
yang dibahas dalam Bab 5 dan bagian 10.4. Ketika
sumber daya sedang dihitung, kemampuan paket untuk
memodelkan bentuk unit geologi dan menghitung
volume dan tonase menjadi lebih penting. Selanjutnya
dalam studi kelayakan (lihat bagian 11.4.4) kapasitas
untuk merancang pekerjaan bawah tanah atau
permukaan dan menjadwalkan produksi sangat penting.
Paket yang dipilih akan tergantung pada keuangan
yang tersedia dan sifat operasinya, karena ada paket
yang dirancang khusus untuk penambangan terbuka
dan penambangan bawah tanah. NS
198 CJ MOON & MKG WHATELEY
pemilihan perangkat lunak teknis semacam itu sering
kali merupakan masalah emosional dan sering kali
bergantung pada paparan seseorang sebelumnya
dan keakraban mereka dengan perangkat lunak
tersebut, atau kemampuan grafisnya yang
mengesankan. Sayangnya perangkat lunak jarang
dipilih karena relevansinya dengan pengoperasian
fungsi yang disediakannya. Ada kelebihan dan
kekurangan di setiap paket. Selain itu, perbaikan
terus muncul dan keputusan yang berbeda dapat
dicapai jika latihan seleksi diulang pada waktu yang
berbeda.
Sebagian besar operasi telah memilih perangkat lunak
pemodelan geologi dan tambang yang sesuai dengan
anggaran mereka, serta kompleksitas geologis dan
pertambangan. Kadang-kadang, rumah pertambangan akan
menstandarisasi satu paket perangkat lunak, misalnya BHP
Billiton menggunakan perangkat lunak Vulcan. Sistem
pemodelan perangkat lunak yang saat ini tersedia termasuk
Surpac dan Minex dari SurpacMinexGroup, Vulcan Maptek,
Mincom, Datamine, Mintec's
MineSight, dan Gemcom. Operasi lain mungkin
memiliki perangkat lunak berpemilik khusus tugas,
seperti Isatis (Geovariances 2001), digunakan untuk
perhitungan sumber daya dan/atau cadangan, atau
produk Whittle atau Earthworks untuk perencanaan
tambang strategis.
9.4 BACAAN LEBIH LANJUT
Ini adalah daerah yang berkembang pesat dan
tidak ada satu sumber pun yang mencakup bidang
ini. Ada banyak teks bagus yang membahas
penggunaan GIS tetapi mungkin titik awal terbaik
adalah buku teks umum Longley et al. (2001) yang
merupakan versi pemotongan dari Longley et al
yang komprehensif. (1999). Sistem Informasi
Geografis untuk Geoscientist oleh Bonham-Carter
(1994) tetap menjadi satu-satunya ahli geologi teks,
meskipun bidang ini telah berkembang secara
signifikan sejak buku itu diterbitkan.
Penggunaan perangkat lunak khusus pertambangan
tidak tercakup dengan baik dalam literatur formal
meskipun banyak informasi tersedia di Internet. Untuk
penutur bahasa Spanyol, buku karya Bustillo dan Lopez
(1997) memberikan panduan yang diilustrasikan dengan
baik untuk geologi eksplorasi dan desain tambang.