1

BAB I
PENYAJIAN DATA

I.1 Data Assay

Table I.1
Data Assay
HOLE_I
D FROM TO Fe
TP_01 0 0.5 0
TP_01 0.5 1 0.65
TP_01 1 1.5 0.774
TP_01 1.5 2.5 9.83
TP_02 0 0.75 0
TP_02 0.75 0.85 0
TP_02 0.85 1.15 0.65
TP_02 1.15 2.5 10.39
TP_03 0 1.25 3.9
TP_03 1.25 2.5 16.87
TP_04 0 0.25 0
TP_04 0.25 1 0.7
TP_04 1 1.5 2.43
TP_04 1.5 2.5 15.62
TP_05 0 0.35 0
TP_05 0.35 1 0.64
TP_05 1 2.5 11.31
Max   16.87
  Min   0
Sumber : Data Pribadi

I.2 Data Geology

Table I.2
Data Geology
HOLE_ID FROM TO LITOLOGI
TP_01 0 0.5 SOIL
TP_01 0.5 1 GRAVEL
TP_01 1 1.5 PASIR
TP_01 1.5 2.5 PASIR BESI
TP_02 0 0.75 SOIL
TP_02 0.75 0.85 CLAY
TP_02 0.85 1.15 GRAVEL
 2

TP_02 1.15 2.5 PASIR BESI

TP_03 0 1.25 PASIR
TP_03 1.25 2.5 PASIR BESI
TP_04 0 0.25 SOIL
TP_04 0.25 1 GRAVEL
TP_04 1 1.5 PASIR
TP_04 1.5 2.5 PASIR BESI
TP_05 0 0.35 SOIL
TP_05 0.35 1 GRAVEL
TP_05 1 2.5 PASIR BESI
Sumber : Data Pribadi

I.3 Data Collar

Table I.3
Data Collar
HOLE_ID Y X Z MAX_DEPTH
TP_01 9083421 732137 11 2.5
TP_02 9083863 731933 15 2.5
TP_03 9083110 731701 7 2.5
TP_04 9083116 732068 9 2.5
TP_05 9083710 732305 11 2.5
Sumber : Data Pribadi

I.4 Data Survey

Table I.4
Data Survey
HOLE_ID DEPTH DIP AZIMUTH
TP_01 2.5 -90 0
TP_02 2.5 -90 0
TP_03 2.5 -90 0
TP_04 2.5 -90 0
TP_05 2.5 -90 0
Sumber : Data Pribadi

BAB II
PENGOLAHAN DATA
 3

II.1 Block Model

Block model merupakan bentuk database yang memiliki referensi spasial dan
menyediakan sarana untuk membuat permodelan sebuah tubuh endapan dengan
bentuk 3D dari data titik maupun data interval seperti dari data sampel lubang bor
dengan interpolasi dari nilai pengukuran yang sebenarnya. Block model ini
berguna untuk memperkirakan nilai volume, tonnase, dan nilai rata-rata attribute
yang terdapat didalammnya.
Langkah – langkah pembuatan block model dengan software surpac 6.5.1 sebagai
berikut :
1. Klick block model di tool bar.
2. Klick block model lagi selanjutnya klick new/open.

Gambar 2.1
Pembuatan Block Model

3. Selanjutnya adalah select model dimana dalam langkah ini kita akan menamai
block model yang nanti akan di buat.
4. Setelah memberikan nama selanjutnya adalah klick applay yang ada di bagian
bawah kanan.
 4

Gambar 2.2
Langkah Pembuatan Nama Block Model

5. Selanjutnya pada coordinate extents dimasukan data X, Y dan Z. Pada user

block site itu kita masukan 0.5 (ukuran Block Model). Sub Bloadingnya
masukan standart setelah itu masukan minimum block zise kita pakai 0.5.

Gambar 2.3
Creating Block Model

6. Selanjutnya muncul tampilan model confirmation, langsung kita klick Create

Model yang ada di bagian kanan bawah.
 5

Gambar 2.4
Model Confirmation

7. Langkah selanjutnya adalah munculkan block model yang sudah dibuat dengan
mengklick Block_Model pada status bar bagian bawah, selanjutnya drop down
block_model lalu pilih Display. Kemudian muncul tampilan window draw
block_model lalu pilih Applay.

Gambar 2.5
Block Model

II.2 Constraint
 6

Dalam pembuatan block model suatu endapan mineral, seringkali kita

membutuhkan suatu pembatas. Pembatas ini diperlukan bila dalam 1 lokasi
endapan mineral memiliki beberapa karakteristik, atau untuk memisahkan antar
bagian dari 1 block model.
Didalam Surpac, pembatas ini disebut Constraint, constraint ini bias berupa
Surface, DTM, Solid, Closed String dan Block Attribute Value.
Langkah – langkah membuat constraint dengan software surpac 6.5.1 adalah
sebagai berikut :
1. Klik block model yang ada di tool bar lalu pilih constraints pilih lagi edit
constraint file.

Gambar 2.6
Pembuatan Constraint

Gambar 2.7
Tampilan Awal Edit Constraint File
 7

2. Selanjutnya pada constraint type kita masukan DTM, selanjutnya DTM File
kita masukan data DTM yang telah kita simpan dengan proses pertama yaitu
dengan memilih t_pasir_besi_dtm (Applay), selanjutnya klik Add.

Gambar 2.8
Enter Constraint

3. Selanjutnya adalah memberikan nama pada data constraint tersebut. Dengan

cara pada kolom save constraint to tersebut kita menulis nama yang kita
inginkan (contoh = constraint_pasir_besi).

Gambar 2.9
Cara Untuk Membuat Nama Pada Data Constraint
 8

Gambar 2.10
Hasil Constraint

II.3 Composite
Sebelum kita melakukan composite langkah pertama yang kita harus lakukan
adalah Attributes. Attributes erupakan kandungan data atau informasi dalam tiap-
tiap block cell, misalnya data assay Fe kita masukkan sebagai attribute, karena
data tersebut akan digunakan dalam estimasi yang dimana estimasi ini adalah
langkah berikut setalah langkah composite.

Berikut langkah – langkah untuk membuat attributes, yaitu sebagai berikut :

1. Klik blok model pada menu tool bar selanjutnya pilih attributes dan pilih lagi
new.
 9

Gambar 2.11
Pembuatan Attributes

2. Selanjutnya adalah kita akan memasukan attribute name dan type dll seperti
gambar dibawah ini. Yang kita masukan pada kolom attribute name adalah
litologi, Fe, dan constraint_pasir_besi. Selanjutnya pada kolom type adalah
character, real dan character. Setelah itu pada kolom decimals kita masukin
angka 2 setelah itu klik applay.

Gambar 2.12
Window Block Attributes
 10

Setelah membuat attributes langkah yang kita lakukan adalah membuat composite.
Langkah – langkah untuk membuat composite adalah sebagai berikut :

1. Klik database yang ada pada menu bar di atas lalu pilih composite lalu pilih
lagi downhole.

Gambar 2.13
Pembuatan Composite Downhole

2. Selanjutnya pada tampilan composite downhole kita pilih location kita masukin
composite, setelah itu pada table name kita masukin assay. Pada kolom field
name kita masukin Fe setelah itu klik applay.

Gambar 2.14
Composite Downhole
 11

3. Setelah itu muncul tampilan seperti dibawah ini, pada kolom table kita
masukan geology selanjutnya pada kolom field kita masukin litologi dan pada
kolom specification kita masukin pasir besi setelah itu klik applay.

Gambar 2.15
Define the Geology Zones

4. Selanjutnya adalah pilih blok model yang ada pada menu bar di atas lalu pilih
estimation lalu pilih juga assign value.

Gambar 2.16
Pembuatan Assign Value
 12

5. Setelah itu muncul tampilan seperti dibawah ini, pada kolom attribute name
kita masukan constrain_pasir_besi dan pada kolom value kita masukan pasir
besi lalu klik applay.

Gambar 2.17
Window Attribute Value

6. Setelah itu muncul tampilan seperti dibawah ini yang kita lakukan adalah pada
constraint type kita masukan constraint setelah itu pada kolom contsrain file
kita masukan file constrain yang sudah kita simpan yaitu constrain_pasir_besi
lalu klik open. Setelah itu klik add dan applay.

Gambar 2.18
Window Enter Cosntraint
 13

7. Setelah itu muncul tampilan seperti dibawah ini pada kolom location kita
masukan composite. Setelah itu pada kolom attribute to fill kita masukan fe
dan description feld kita masukan angka 1 lalu klik applay.

Gambar 2.19
Data Source Spesification

II.4 Estimasi
II.4.1 Estimasi Metode Inverse Distance Weighting (IDW)
Pada metode ini pada estimasi titik tidak bergantung pada ukuran block serta
hanya memperhatikan jarak dan belum memperhatikan efek pengelompokkan data
sehingga data dengan jarak yang sama namun mempunyai pola sebaran yang
berbeda masih akan memberikan hasil yang sama.

Berikut tahapan – tahapan pembuatan estimasi metode IDW :

1. Klik blok model pada menu bara diatas lalu pilih estimation lalu pilih lagi
inverse distance.
 14

Gambar 2.20
Pembuatan Estimasi Metode IDW

2. Setelah itu muncul tampilan seperti dibawah ini yang kita lakukan adalah
mengisi data – data sesuai dengan kolom yang ada. Pada kolom attribute to fil
kita masukan litologi, constraint_pasir_besi dan Fe selanjutnya pada
description field kita masukan angka 1,2 dan 3 seteklah itu klik applay. Setelah
itu muncul tampilan search parameters lalu klik applay.

Gambar 2.21
Data Source Spesification

3. Setelah itu muncul window inverse distance parameters, pada kolom report file
name kita masukan block_model_id lalu klik applay.
 15

Gambar 2.22
Inverse Distance Parameters

Gambar 2.23
Hasil Report Volume Estimasi IDW

II.4.2 Estimasi Metode Nearest Neighbour Point (NNP)

Metode ini memperhitungkan nilai di suatu blok didasari oleh nilai titik yang
paling dekat dengan blok tersebut. Kerangka model blok, dikenal jenis penaksiran
dengan jarak titik terdekat (rule of nearest point), yaitu nilai hasil penaksiran
hanya dipengaruhi oleh nilai conto yang terdekat.
Berikut langkah – langkah mengerjakan estimasi NNP :
1. Klik blok model pada menu bar diatas lalu pilih estimation kemudian pilih lagi
nearest neighbour.
 16

Gambar 2.24
Pembuatan Nearest Neighbour

2. Setelah itu muncul tampilan seperti dibawah ini yang kita lakukan adalah
mengisi data – data sesuai dengan kolom yang ada. Pada kolom attribute to fil
kita masukan litologi, constraint_pasir_besi dan Fe selanjutnya pada
description field kita masukan angka 1,2 dan 3 seteklah itu klik applay. Setelah
itu muncul tampilan search parameters lalu klik applay.

Gambar 2.25
Window Data Source Specification
 17

3. Setelah itu muncul tampilan seperti ini kita masukan data sesuai pada kolom
yang mau kita masukan, pada kolom maximum search radius kita masukan 400
(jarak antar titik bor), pada kolom report file name kita masukan yang kita
inginkan (contoh = nnp_report), pada kolom format kita masukan sesai yang
diminta entah itu dalam format pdf, jpg, table, dll (contoh = pdf) selanjutnya
klik applay.

Gambar 2.25
Window Nearest Neighbour Search Specification

Gambar 2.26
Hasil Report Volume Metode Estimasi (NNP)
 18

II.4.3 Estimasi Metode Ordinary Kriging (OK)

Kriging adalah metode geostatistik yang digunakan untuk mengestimasi nilai dari
sebuah titik atau blok sebagai kombinasi linier dari nilai contoh yang terdapat
disekitar titik yang akan diestimasi. Bobot kriging diperoleh dari hasil variansi
estimasi minimum dengan memperluas penggunaan semi-variogram. Estimator
kriging dapat diartikan sebagai variabel tidak bias dan penjumlahan dari
keseluruhan bobot adalah satu. Bobot inilah yang dipakai untuk mengestimasi
nilai dari ketebalan, ketinggian, kadar atau variabel lain.

Kriging memberikan lebih banyak bobot pada contoh dengan jarak terdekat
dibandingkan dengan contoh dengan jarak lebih jauh, kemenerusan dan anisotropi
merupakan pertimbangan yang penting dalam kriging, bentuk geometri dari data
dan karakter variabel yang diestimasi serta besar dari blok juga ditaksir.

Berikut – berikut tahapan – tahapan untuk mengerjakan estimasi metode OK yaitu

sebagai berikut :

1. Klik blok model pada menu bar diatas lalu pilih estommation kemudian pilih
lagi ordinary kriging lalu klik apply.

Gambar 2.27
Pembuatan Estimasi Metode OK

2. Selanjutnya muncul tampilan seperti dibawah ini pada kolom yang tertera kita
masukan Fe kemudian klik applay. Selanjutnya muncul window estimation
attributes langsung saja klik applay.
 19

Gambar 2.28
Window Select Attribute To Models

3. Selanjutnya muncul tampilan seperti dibawah ini, kemudian kita isi data pada
kolom yang ada. Pada kolom location kita masukan composite kemudian klik
applay. Kemudian muncul window searh parameters langsung saja klik applay.

Gambar 2.29
Window Data Source Specification

4. Selanjutnya muncul window kriging parameters kita masukan data sesuai

kolom yang ada. Pada kolom variogram file name kita masukan report_kriging,
pada kolom variogram model kita masukan spherical kemudian klik applay.
 20

Gambar 2.30
Window Kriging Parameters

Gambar 2.31
Hasil Report Volume Estimasi Metode OK

Kita dapat mewarnai kadar Fe berdasarkan dari hasil estimasi. Berikut

Tahapannya :
 21

1. Klik blok model pada menu bar kemudian pilih display lalu pilih lagi colour
model by attribute.

Gambar 2.32
Pembuatan Warna Pada Blok Model

2. Muncul window Block Colours, pada kolom Attribute to colour by pilih : fe,
pada kolom Ranges for colour selection isi range :
0.00;10.00,10.00;12.00,12.00;14.00,14.00;16.00 kemudian klik Apply.

Gambar 2.33
Pewarnaan Blok Model

3. Tampilan block model setelah di beriwarnai

 22

Gambar 2.34
Hasil Perwarnaan Blok Model
 23

BAB III
HASIL

III.1 Hasil Estimasi Inverse Distance Weighting (IDW)

Gambar 3.35
Hasil Report Volume Estimasi Metode Inverse Distance Weighting (IDW)

III.2 Hail Estimasi Nearest Neighbour Point (NNP)

Gambar 3.36
Hasil Report Volume Metode Estimasi Nearest Neighbour Point (NNP)
 24

III.3 Hsil Estimasi Ordinary Kriging

Sumber :
Gambar 2.37
Hasil Report Volume Estimasi Metode Ordinary Kriging (OK)