Modul Geostatistika 2012

GEOSTATISTIKA MAGISTER TEKNIK PERTAMBANGAN

MAGISTER TEKNIK PERTAMBANGAN UPNVY
DR.IR. WATERMAN SULISTYANA

MODUL LATIHAN-3

1. Pencocokan model
Parameter model variogram adalah nugget, range, dan sill. Pencocokan model ini
bertujuan (a) memperoleh persamaan model matematika untuk kriging dan (b) dasar untuk
menentukan parameter penaksiran, terutama jarak maksimum pencarian contoh.
Plot contohdata di bawah ini pada graph paper yang telah disediakan (diket.variansi = 0.83).
Lag (m) Utara-selatan Timur-barat Lag (m) Utara-selatan Timur-barat
10 .21 .26 110 .98 .90
20 .30 .39 120 .66 1.08
30 .35 .48 130 .96 .72
40 .44 .63 140 .81 .60
50 .50 .63 150 1.01 .78
60 .60 .87 160 .90 .86
70 .71 1.02 170 1.08 .66
80 .72 .81 180 .66 .72
90 .80 .87 190 .99 .96
100 .90 .84 200 .68 .68
Cocokan (fit) sebuah model untuk arah utara-selatan (U-S) dan arah timur-barat (T-B).

modulgeostatistika - dr waterman 1
 Modul Geostatistika 2012

Keterangan :
Dari grafik data di atas, model variogram yang digunakan adalah model Spherical dengan
parameter model yaitu Sill (S), Nugget (C0), Range (a). Pada Grafik 1 (variogram arah
Utara-Selatan) diperoleh nilai Sill (S) = 0.83, Nugget (C0) = 0.11, Range (a) = 146. Pada
Grafik 2 (variogram arah Timur-Barat) diperoleh nilai Sill (S) = 0.83, Nugget (C0) = 0.12,
Range (a) = 131.
Jadi dapat disimpulkan dari kedua Grafik diatas bahwa mempunyai homogenitas yang baik
(informasi yang bagus). Hal tersebut dikarenakan nilai C0 = 0.11 dan 0.12 mempunyai nilai
yang mendekati nol.

2. Menghitung (h) model

Diasumsikan model sferikal mempunyai persamaan matematika sebagai berikut:
 3h   h 3 
 h   C0  C     3  untuk h  a
 2a   2a 
 h   C 0  C untuk h a

Sill
Keterangan:
(h) C0 : nugget
C
h a C0 + C : sill
h a a : range
C0
h
a

Nilai-nilai (misalnya kadar emas) saling berkorelasi pada jarak kurang dari nilai range (a)
sedangkan pada jarak lebih dari nilai range nilai-nilai tidak memiliki korelasi. Parameter:
C0 = 5
C0 + C = 10
a= 50
sehingga model variogram dapat ditulis:

modulgeostatistika - dr waterman 2
 Modul Geostatistika 2012

 3h   h 3  
 h   5  5    
3 
untuk ha
 2(50)   2(50)  
 h   5  5 untuk h a
Lengkapilah tabel di bawah dengan menghitung nilai (h).
 Perhitungan nilai γ(h) untuk mengisi table :
 h = 10 (h ≤ a)
 3(10)   (10) 3  
 h   5  5    
3 
 2(50)   2(50)  

 30   1000 
 5  5  
 100   250000 
 10(0.296)
 2.96

 h = 20 (h ≤ a)
 3(20)   (20) 3  
 h   5  5    
3 
 2(50)   2(50)  

 60   8000 
 5  5  
 100   250000 
 10(0.568)
 5.568

 h = 30 (h ≤ a)
 3(30)   (30)3  
 h   5  5    
3 
 2(50)   2(50)  

 90   27000 
 5  5  
 100   250000 
 10(0.792)
 7.92

 h = 40 (h ≤ a)
 3(40)   (40) 3  
 h   5  5    
3 
 2(50)   2(50)  

modulgeostatistika - dr waterman 3
 Modul Geostatistika 2012

 120   64000 
 5  5  
 100   250000 
 10(0.944)
 9.44

 h = 50 (h ≤ a)
 3(50)   (50)3  
 h   5  5    
3 
 2(50)   2(50)  

 150   125000 
 5  5  
 100   250000 
 10(1.0)
 10

 h = 60 (h > a), maka menggunakan γ(h) = C0 + C

C0 + C = 10
Jadi, γ(60) = 10

 h = 70 (h > a), maka menggunakan γ(h) = C0 + C

C0 + C = 10
Jadi, γ(70) = 10

 h = 80 (h > a), maka menggunakan γ(h) = C0 + C

C0 + C = 10
Jadi, γ(80) = 10

 h = 90 (h > a), maka menggunakan γ(h) = C0 + C

C0 + C = 10
Jadi, γ(90) = 10

 h = 100 (h > a), maka menggunakan γ(h) = C0 + C

C0 + C = 10
Jadi, γ(100) = 10

 h = 110 (h > a), maka menggunakan γ(h) = C0 + C

C0 + C = 10

modulgeostatistika - dr waterman 4
 Modul Geostatistika 2012

Jadi, γ(110) = 10

 h = 120 (h > a), maka menggunakan γ(h) = C0 + C

C0 + C = 10
Jadi, γ(120) = 10

 h = 130 (h > a), maka menggunakan γ(h) = C0 + C

C0 + C = 10
Jadi, γ(130) = 10

 h = 140 (h > a), maka menggunakan γ(h) = C0 + C

C0 + C = 10
Jadi, γ(140) = 10

 h = 150 (h > a), maka menggunakan γ(h) = C0 + C

C0 + C = 10
Jadi, γ(150) = 10

 h = 160 (h > a), maka menggunakan γ(h) = C0 + C

C0 + C = 10
Jadi, γ(160) = 10

h (h)
10 2.96
20 5.68
30 7.92
40 9.44
50 10
60 10
70 10
80 10
90 10
100 10
110 10
120 10
130 10
140 10
150 10
160 10

modulgeostatistika - dr waterman 5
 Modul Geostatistika 2012

Plot: (h)dan h

3.Diskusi tentang model dan parameter variogram:

1. Parameter model variogram: nugget, sill, &range. Apakahartinugget, sill, &range?
Jawab :
Parameter model variogram :
- Nugget
Nugget merupakan petunjuk bahwa data mempunyai ketidakteraturan yang tinggi.
Nugget didapat dari perpotongan garis tangensial dari beberapa titik pertama
variogram dengan sumbu Y.
- Sill
Sill merupakan variansi maksimum yang terdapat pada suatu distribusi, dimana rata-
rata varians tidak bergantung lagi pada jarak antar sampel.
- Range
Range merupakan daerah pengaruh suatu conto yang mempunyai suatu jarak dengan
notasi a.

modulgeostatistika - dr waterman 6
 Modul Geostatistika 2012

Gambar 4
Parameter Model Variogram
Keterangan gambar : - C0 = nugget
- C0 + C = sill
-a = range
2. Nilai nugget berpengaruhpada model variogram. Jelaskan !
Jawab :
Nilai Nugget berpengaruh pada model variogram hal tersebut dikarenakan apabila nilai
nugget (C0) pada suatu model variogram mendekati nol, maka mempunyai homogenitas
yang baik (informasi data yang baik). Sedangkan apabila nilai nugget C0 tinggi maka
data tersebut bersifat heterogen.

modulgeostatistika - dr waterman 7
 Modul Geostatistika 2012

Gambar 5. (A)
Nilai Nugget berpengaruh pada Model Variogram

Gambar 5. (B)
Nilai Nugget berpengaruh pada Model Variogram
Keterangan gambar :
- Pada Gambar (A) diperoleh nilai nugget (C0) yaitu 0.08. Hal ini menunjukan nilai
nugget (C0), mendekati nol yang menyatakan bahwa mempunyai homogenitas data
yang baik/informasi data yang baik.

modulgeostatistika - dr waterman 8
 Modul Geostatistika 2012

- Pada Gambar (B) diperoleh nilai nugget (C0) yaitu 0.4. Hal ini menunjukan nilai
nugget (C0) menjauhi nol yang menyatakan bahwa data tersebut heterogenitas
(informasi data yang kurang baik).
3. Bagaimana model variogram dikatakan informatif ?
Jawab :
Model variogram dikatakan informatif apabila dilakukan fitting variogram dengan
menentukan parameter model variogram yang meliputi nugget (C0), sill (C0 + C), range
(a). Nilai nugget C0 yang mendekati nol maka mempunyai homogenitas yang baik dan
menghasilkan informasi data yang baik.

Gambar 6
Model Variogram dikatakan informatif
Keterangan gambar :
- Nugget (C0) = 0.08
- Sill (C + C0) = 0.69
- Range (a) = 40
Nilai nugget (C0) = 0.05 menyatakan bahwa nilai tersebut mendekati nol dan
menghasilkan suatu informasi data yang baik (homogenitas data).
4. Bagaimanamenilai nugget-sill ratio terhadap homogenitas data & simpangan baku?
Nilai nugget yang mendekati nol dan menjauhi sill akan menghasilkan homogenitas
data yang semakin baik ( C0 ≤ 50%). Apabila menghasilkan homogenitas data yang
Sill

semakin baik, maka simpangan datanya akan kecil. Sebaliknya apabila nilai nugget

modulgeostatistika - dr waterman 9
 Modul Geostatistika 2012

menjauhi nol/mendekati sill ( C0 > 50%). akan menghasilkan heterogenitas data dan
Sill

simpangan datanya akan besar.

Gambar 7 (A)
Penilaian Nugget-Sill Ratio

modulgeostatistika - dr waterman 10
 Modul Geostatistika 2012

Gambar 7 (B)
Penilaian Nugget-Sill Ratio
Keterangan gambar :
- Gambar (A)
C0 = 0.1
C = 0.6
C0 + C = 0.7
( C0 ≤ 50%), dapat diartikan bahwa nilai nugget (C0) mendekati nol dan menjauhi sill
Sill

menghasilkan homogenitas data, maka simpangan datanya kecil.

- Gambar (B)
C0 = 0.5
C = 0.2
C0 + C = 0.7
( C0 > 50%), dapat diartikan bahwa nilai nugget (C0) menjauhi nol dan mendekati sill
Sill

menghasilkan heterogenitas data, maka simpangan datanya besar.

5. Bagaimaname nilai C/sill ratio terhadap model variogram yang informatif?
Nilai C / sill ratio yang mendekati nol akan menghasilkan variabilitas yang kecil yaitu
tingkat kemiripan data semakin baik (homogenitas yang baik), sehingga memberikan

modulgeostatistika - dr waterman 11
 Modul Geostatistika 2012

informasi data yang baik ( C0 ≥ 50%). Sebaliknya apabila nilai C / sill ratio mendekati
Sill

sill maka akan menghasilkan variabilitas yang besar (heterogen), sehingga memberikan
informasi data yang kurang baik ( C0 < 50%).
Sill

Gambar 8
C/Sill Ratio terhadap Model Variogram Informatif
Keterangan gambar :
- Gambar (A) menjelaskan bahwa nilai C / sill ratio mendekati nol sehingga menghasilkan
suatu informasi data yang baik (homogenitas).
- Gambar (B) menjelaskan bahwa nilai C / sill ratio mendekati sill sehingga menghasilkan
suatu informasi data yang kurang baik (heterogenitas).
6. Diketahui: (a) a = 75m
(b) C0 + C = 50
C0 0 10 20 30 40 50
C 50 40 30 20 10 0
Sill 50 50 50 50 50 50
Range 75 75 75 75 75 75

7. Gambarlah tugas nomor (6) pada sheet di bawahini.

- Diketahui : C0 = 0
C = 50
C0+C = 50
a = 75

modulgeostatistika - dr waterman 12
 Modul Geostatistika 2012

- Diketahui : C0 = 10
C = 40
C0+C = 50
a = 75

modulgeostatistika - dr waterman 13
 Modul Geostatistika 2012

- Diketahui : C0 = 20
C = 30
C0+C = 50
a = 75

- Diketahui : C0 = 30
C = 20
C0+C = 50
a = 75

modulgeostatistika - dr waterman 14
 Modul Geostatistika 2012

- Diketahui : C0 = 40
C = 10
C0+C = 50
a = 75

- Diketahui : C0 = 40
C = 10
C0+C = 50
a = 75

modulgeostatistika - dr waterman 15
 Modul Geostatistika 2012

8.Desain eksplorasi
Berdasarkan model variogram diperolehfenomena isotropi dan anisotropi sebagai dasar
untuk penentuan desain eksplorasi
- Isotropi
Apabila variabilitas kadar tertentu sama untuk setiap arah pengukuran maka gejala
tersebut dinamakan isotropi yang dapat diartikan bahwa γ(h) merupakan suatu fungsi
dari harga absolut h. Bila harga-harga jarak pengaruh diplotkan kedalam suatu
diagram cartesius maka harga range merupakan jarak yang sama dan berbentuk
seperti lingkaran.

Gambar 15
Fenomena Isotropi
- Anisotropi
Model anisotropi adalah model variogram-variogram yang mempunyai bentuk yang
berbeda pada arah yang berbeda. Untuk membuat suatu variogram anisotropi perlu
dibuat variogram secara incremental, pada umumnya dilakukan dengan cara trial and
error. Pada proses pencarian data perlu dilakukan penentuan toleransi jarak dan
toleransi sudut (angle of classes dan dictance classes).
Secara umum dikenal dua macam anisotropi, yaitu anisotropi geometris dan
anisotropi zonal.
a. Anisotropi Geometris

modulgeostatistika - dr waterman 16
 Modul Geostatistika 2012

Bentuk anisotropi geometri dicirikan dengan nilai sill dan nugget effect yang sama,
dengan nilai range yang berbeda. Bila harga-harga jarak pengaruh diplotkan
kedalam suatu diagram cartesius maka akan menghasilkan suatu bentuk ellips.
b. Anisotropi Zonal
Dalam beberapa hal kemungkinan dijumpai bahwa variogram pada arah tertentu
sangat berbeda, misalnya pada endapan yang mempunyai struktur perlapisan,
dimana variasi kadar pada arah tegak lurus terhadap bidang perlapisan sangat besar
dibandingkan variasinya pada bidang perlapisan. Pada kasus ini model
variogramnya benar-benar anisotropi sempurna.

Gambar 16
Fenomena Anisotropi
Berdasarkan model variogram pada gambar 1 dan 2 di atas diperoleh fenomena anisotropi
yaitu :
Diketahui : - Nilai a pada variogram arah utara-selatan (gambar 1) adalah 137.
- Nilai a pada variogram arah timur-barat (gambar 2) adalah 107.

modulgeostatistika - dr waterman 17
 Modul Geostatistika 2012

Gambar 17
Anisotropi

modulgeostatistika - dr waterman 18