Kelebihan dari dari metode interpolasi IDW ini adalah karakteristik interpolasi
dapat dikontrol dengan membatasi titik-titik masukan yang digunakan dalam
proses interpolasi Secara garis besar metode ini adalah sebagai berikut (Latif,
2008) :
1. Penaksiran cadangan yang memiliki cara dimana harga rata-rata titik yang
ditaksir merupakan kombinasi linear atau harga rata-rata terbobot (Weighted
average) dari data-data tes pit disekitar titik tersebut. Data dititik yang
ditaksir memperoleh bobot yang lebih besar, sedangkan data yang jauh dari
titik yang ditaksir bobotnya lebih kecil. Bobot ini berbanding terbalik dengan
jarak data dengan titik yang telah ditaksir.
2. Pilihan dari pangkat yang digunakan ( D1 , D2 , D3 , …) berpengaruh terhadap
hasil taksiran. Semakin tinggi pangkat yang digunakan, maka semakin
mendekati hasil yang lebih baik.
Pengolahan data dengan metode IDW ini dibantu software Surpac 6.6.2 adapun
data yang diperlukan dalam pengolahan yaitu sebagai berikut :
1. Data litologi, yaitu berupa data profil titik bor
2. Data assay, merupakan data hasil analisa kadar
3. Data collar, merupakan data koordinat serta elevasi titik bor
4. Data survey, adalah data total kedalaman titik bor
Data di atas kemudian diolah dengan bantuan MS. excel untuk membuat database
awal dan kemudian data tersebut diimpor ke Surpac 6.6.2 untuk selanjutnya agar
dapat mengetahui sumberdaya.
Pemodelan dilakukan pada semua sebaran titik test pit dan pemodelan juga
berdasarkan kondisi geologi dengan menggunakan aplikasi Sofware Surpac 6.6.2
perhitungan suberdaya bauksit yang dilakukan pertama kali dalam estimasi
sumberdaya adalah sebagai berikut
1. Data Collar
Merupakan data yang meliputi data nama test pit, koordinat test pit,
elevasi test pit, dan kedalaman test pit bauksit. Data ini berguna
untuk memberikan infromasi tentang lokasi titik-titik test pit,
sehingga dapat digambarkan pada lokasi penelitian. Berikut data
collar yang dapat dilihat pada table berikut:
Table 4.1
Data Collar
HOLE_ID Y X Z Depth
TP0_01 40100 9950200 32 2.4
0
TP0_02 40060 9949800 24 3.1
0
TP0_03 40060 9949400 31 4.2
0
TP0_04 40105 9948200 13 3.3
0
TP0_05 40095 9950650 21 2.5
0
TP0_06 40070 9949000 25 2.6
0
TP0_07 40195 9951400 19 2.5
0
TP0_08 40180 9951200 27 2.8
0
TP0_09 40195 9951200 20 3.3
0
TP0_10 40195 9951200 20 4.6
0
Sumber : Hasil Test Pit PT. Archana Abadi, 2021
2. Data Geologi
Data geologi merupakan data yang meliputi nama titik test pit,
batas kedalaman lapisan atas (top), batas kedalaman lapisan bawah
(Regolith type). Pada kode litologi terdapat keterangan Top soil
atau tanah puncuk. Berikut data Geologi yang dapat dilihat pada
tabel dibawah ini:
Tabel 4.2
Data Geologi
HOLE_ID Depth from Depth to litologi
TP0_01 0 1.7 SOIL
TP0_01 1.7 2.4 BXT
TP0_02 0 2.2 SOIL
TP0_02 2.2 3.1 BXT
TP0_03 0 2.7 SOIL
TP0_03 2.7 4.2 BXT
TP0_04 0 2.6 SOIL
TP0_04 2.6 3.3 BXT
TP0_05 0 1.9 SOIL
TP0_05 1.9 2.5 BXT
TP0_06 0 1.7 SOIL
TP0_06 1.7 2.6 BXT
TP0_07 0 1 SOIL
TP0_07 1 2.5 BXT
TP0_08 0 2.2 SOIL
TP0_08 2.2 2.8 BXT
TP0_09 0 1.3 SOIL
TP0_09 1.3 3.3 BXT
TP0_10 0 3.3 SOIL
TP0_10 3.3 4.6 BXT
Sumber : Hasil Test Pit PT. Archana Abadi, 2021
3. Data Survey
Merupakan data yang meliputi nama titik test pit, total kedalaman
titik test pit (depth), kemiringan (dip) dan Azimuth. Pada lokasi
penelitian ini, data test pit yang di ambil semuanya tegak lurus atau
vertical. Berikut data Survey yang dapat dilihat pada tabel dibawah
ini.
Tabel 4.3
Data Survey
HOLE_ID Depth Dip Azimuth
TP0_01 2.4 -90 0
TP0_02 3.1 -90 0
TP0_03 4.2 -90 0
HOLE_ID Depth Dip Azimuth4.3
Lanjutan Tabel
TP0_04 3.3 -90 0
TP0_05 2.5 -90 0
TP0_06 2.6 -90 0
TP0_07 2.5 -90 0
TP0_08 2.8 -90 0
TP0_09 3.3 -90 0
TP0_10 4.6 -90 0
Sumber : Hasil Test Pit PT. Archana Abadi, 2021
4. Data Assay
Data assay merupakan data analisis kualitas bauksit yang meliputi
data tentang hasil analisis laboratorium. Data kualitas Bauksit ini
terdiri atas nama titik test pit, batas kedalaman lapisan bagian atas,
batas kedalaman lapisan bagian bawah, kadar SiO2%, Kadar
Fe2O3% , Kadar TiO2%, dan Kadar Al2O3% . Berikut data Assay
yang dapat dilihat pada table dibawah ini
Tabel 4.4
Data Assay
HOLE_ID Depth Depth SiO2% Fe2O3% TiO2% Al2O3%
from to
TP0_01 1.7 2.4 6.24 17.37 0.81 49.65
TP0_02 2.2 3.1 7.4 7.89 0.84 55.37
TP0_03 2.7 4.2 10.1 6.19 0.7 54.81
TP0_04 2.6 3.3 27.02 4.29 0.3 46.07
TP0_05 1.9 2.5 6.8 7.89 0.7 55.71
TP0_06 1.7 2.6 5.7 8.98 0.94 55.78
TP0_07 1 2.5 15.5 3.69 0.41 52.8
TP0_08 2.2 2.8 24.2 4.69 0.35 46.66
TP0_09 1.3 3.3 10.9 6.49 0.46 54.45
TP0_10 3.3 4.6 51.8 2.79 0.25 30.76
Sumber : Hasil Test Pit PT. Archana Abadi, 2021
4.1.3.3 Komposit
Komposit merupakan tahapan dalam pembuatan data dari database Test pit
menjadi data string (*str). Dalam tahapan ini, akan dilakukan pemisahan data
antara layer geologi, misalnya layer soil, dan bauksit berdasarkan definisi validasi
dari database.
Tabel 4.5
Estimasi Sumberdaya PT. Archana Abadi
4.2.1 Metode
Menghitung Sumberdaya pada bauksit ini adalah dengan menggunakan Metode
Inverse Distance Weighting (IDW). Inverse Distance Weighting (IDW) adalah
salah satu metode penaksiran dengan pendekatan block model yang sederhana
dengan mempertimbangkan titik disekitarnya. Asumsi dari metode ini adalah nilai
interpolasi akan lebih mirip dengan data sampel yang dekat daripada yang jauh.
Metode ini biasanya digunakan dalam industry pertambangan karena termasuk
dalam metode yang mudah untuk digunakan. Pemilihan nilai power pada
interpolasi IDW sangat mempengaruhi hasil interpolasi, semakin tinggi nilai
power maka akan memberikan hasil seperti menggunakan interpolasi nearest
neighbor dimana nilai yang didapatkan merupakan nilai yang paling dekat dari
data point. Kelebihan dari dari metode interpolasi IDW ini adalah karakteristik
interpolasi dapat dikontrol dengan membatasi titik-titik masukan yang digunakan
dalam proses interpolasi. Secara garis besar metode ini adalah sebagai berikut
(Latif,2008) :
1. Penaksiran cadangan yang memiliki cara dimana harga rata-rata titik yang
ditaksir merupakan kombinasi linear atau harga rata-rata terbobot
( Weightedd average) dari data-data lubang test pit disekitar titik tersebut.
Data dititik yang ditaksir memperoleh bobot yang lebih besar, sedangkan data
yang jauh dari titik yang ditaksir bobotnya lebih kecil. Bobot ini berbanding
terbalik dengan jarak data dengan titik yang telah ditaksir.
2. Pilihan dari pangkat yang digunakan (D1 , D2 , D3 , ... ) berpengaruh terhadap
hasil taksiran. Semakin tinggi pangkat yang digunakan, maka semakin
mendekati hasil yang lebih baik.
4.2.3 Pemodelan
4.2.4 Jumlah dan Klasifikasi Cadangan
Adapun Klasifikasi cadangan terbagi menjadi dua, yaitu:
1. Cadangan Terkira
Merupakan bagian Sumberdaya Mineral tertunjuk yang ekonomis untuk
ditambang, dan dalam beberapa kondisi juga merupakan bagian dari
sumberdaya Mineral Terukur.
2. Cadangan Terbukti
Merupakan Bagian dari Sumberdaya mineral terukur yang ekonomis untuk
ditambang. Secara Konsedp perhitungan perhitungan sumberdaya terukur
ditambah dengan data atau desain final pit suatu kegiatan pertambangan
dan/atau dapat diklasifikasikan sebagai cadangan terbukti.
Berdasarkan Perhitungan Estimasi di atas, Maka jumlah Cadangan dapat
diklasifikasikan sebagai Berikut :
Tabel 4.7
Estimasi Cadangan PT. Archana Abadi
No Cadangan Jumlah
1.
Tabel 4.8
Klasifikasi Estimasi Cadangan
No Nama Blok Jenis Material Cadangan Luas
Terkira (Ton) Terbukti (Ton) (Ha)
1. Blok PT.
Archana
Abadi