Disusun Oleh:
1
LEMBAR PENGESAHAN
LAPORAN PRAKTIKUM GEOSTATISTIKA
Oleh :
Rafi Noufal Dwi Sutrisno (11200980000008)
Sri Widyati (11200980000009)
Talitha Hasna Fauzi (11200980000012)
Aulia Putri Apriliani (11200980000018)
Teknik Pertambangan
Universitas Islam Negeri Syarif Hidayatullah
Jakarta
Menyetujui
Dosen Mata Kuliah
Jumat, 28 Desember 20222
2
KATA PENGANTAR
Puji syukur saya panjatkan kehadirat Allah SWT, atas rahmat-Nya dan karunia-Nya
saya dapat menyelesaikan tugas besar ini singkat tepat pada waktunya. Adapun topik bahasan
dari tugas besar mata kuliah praktikum geostatistika ini Penggunaan Software GS+ untuk
Mengetahui Tingkat Keakuratan Metode Idw dan Metode Kriging
Pada kesempatan kali ini, kami mengucapkan banyak terima kasih kepada dosen mata
kuliah praktikum geostatistika, yakni Ibu Dewi Ayu Kusumaningsih, S.T. M.Sc dan Murni
Sulastri, S.T., M.T yang telah membimbing kami selama bimbingan dalam menyelesaikan
laporan ini. Selain itu, saya juga ingin mengucapkan terima kasih kepada teman-teman
kelompok saya yang telah membantu dan bersedia bekerja sama dalam belajar bersama
memahami laporan mata kuliah praktikum geostatistika ini.
Saya menyadari bahwa dalam penulisan tugas besar praktikum geostatistika ini masih
jauh dari kata sempurna. Oleh karena itu, kritik dan saran yang membangun diharapkan dapat
membuat tugas besar praktikum geostatistika ini menjadi lebih baik serta bermanfaat bagi
penulis dan pembaca.
Penulis
3
ABSTRAK
Metode Inverse Distance Weighting (IDW) merupakan metode penaksiran cadangan
yang memperhitungkan adanya hubungan letak ruang, dari titik-titik data yang berada
disekitarnya. Sedangkan kriging merupakan metode pembobotan yang dilakukan berdasarkan
jarak dan korelasi spasial (spatial correlation) antar titik contoh. Dilakukan analisis metode
IDW dan Kriging menggunakan data lubang bor sebanyak 100 titik dalam sebaran endapan
mineral Cu. Dalam penentuan metode terbaik antara dua metode yang dianalisis diperlukan
bantuan software rocsware GS+ yang dapat menghasilkan block model dan parameter yang
diperlukan secara akurat. GS+ adalah program Analisis geostatistik yang memungkinkan
mengukur dan mengilustrasikan hubungan spasial dengan mudah dalam data referensi
geografis. GS+ menganalisis data spasial untuk autokorelasi dan kemudian menggunakan
informasi ini untuk membuat peta area sampel yang optimal dan ketat secara statistik. Secara
keseluruhan pemilihan model variogram spherical dengan arah anisotropi menggunakan teknik
estimasi ordinary kriging tipe diskritisasi block kriging merupakan metode paling baik
dibandingkan model variogram lain berdasarkan parameter hasil regresi. dan dapat diterapkan
pada lokasi penelitian.
4
DAFTAR ISI
5
DAFTAR TABEL
Tabel 4.1 Hasil Estimasi Sumberdaya Nikel laterit Metode IDW ........................................... 18
Tabel 4.2 Hasil Estimasi Material Waste dan Ore Metode IDW ............................................. 18
6
DAFTAR GAMBAR
Gambar 3.1 Fitting Variogram Isotropic Spherical Model Cu ................................................ 16
Gambar 4.1 Fitting Variogram Isotropic Spherical Model Cu ................................................ 17
Gambar 4.2 Fitting Variogram Anisotropic Spherical Model Cu............................................ 17
Gambar 4.3 Block Model pada Pemboran Lokasi Endapan Mineral Cu ................................. 19
Gambar 4.4 Grafik Plot Frequency Non Transformed Endapan Mineral Cu ......................... 19
Gambar 4.5 Hasil Analisis Interpolasi Metode Kriging Isotropic ........................................... 20
Gambar 4.5 Hasil Analisis Interpolasi Metode Kriging Anisotropic ...................................... 20
Gambar 4.7 Hasil Analisis Interpolasi Metode Inverse Distance Weighting .......................... 21
7
DAFTAR LAMPIRAN
Lampiran 1 Data Endapan Mineral Cu .................................................................................... 25
Lampiran 2 Grafik Analisis Variogram ................................................................................... 25
Lampiran 3 Semmivariance Endapan Mineral Cu ................................................................... 25
8
BAB I
PENDAHULUAN
Penggunaan metode estimasi sumberdaya metode IDW dan metode Kriging diharapkan
dapat diketahui tingkat akurasi dari kedua metode tersebut sehingga dapat direkomendasikan
metode estimasi yang terbaik.
Tujuan penulsan laporan ini adalah untuk mengetahui tingkat keakuratan metode
estimasi IDW dan kriging berdasarkan pengolahan data dan parameter yang terdapat pada
software GS+.
2. Metode apakah yang memiliki tingkat keakuratan tinggi berdasarkan hasil pengolahan data
pada software?
9
dalam penulisan laporan ini adalah metode estimasi yang digunakan, yakni metode IDW dan
Kriging dalam pengolahan data pada software GS+.
Sistematika penulisan laporan tugas besar ini terdiri dari 5 Bab, anatara lain:
1. Bab I Pendahuluan
Pada bagian ini dijelaskan mengenai latar belakang masalah, rumusan masalah, tujuan, batasan
masalah, sistematika penulisan dari laporan.
Pada bagian ini dijelaskan mengenai mineral nikel,pengertian estimasi, metode estimasi IDW
dan Kriging, pengenalan software GS+
Pada bagian ini dijelaskan mengenai alat dan bahan yang diperlukan beserta diagram alir
pengolahan data pada software GS+.
Pada bagian ini akan dipaparkan mengenai secara singkat mengenai proses pengelolaan data
software GS+ beserta analisis hasil yang diperoleh dari software tersebut.
5. Bab V
Pada bagian ini dijelaskan mengenai kesimpulan dari laporan ini beserta saran terhadap laporan
agar menjadi lebih baik kedepannya.
10
BAB II
TINJAUAN PUSTAKA
Tembaga merupakan logam dasar non-besi dan rata-rata konsentrasi dikerak bumi
yakni sekitar 50 ppm. Rata-rata kadar minimum penambangan untuk deposit copper adalah
0.4% . Tembaga relative tidak keras (2.5-3.0 pada Skala Kekerasan Moh’s). Mineral tembaga
dapat dibagi menjadi tiga kelompok. Kelompok pertama adalah mieral utama atau hypogen
yang berhubungan dengan proses hidrotermal termasuk bornite, calcopirit, dan enargit.
Kelompok kedua merupakan copper oksida, tebentuk dari pelapukan tembaga sulfida termasuk
cuprite, malachite, chysocolla dan covelit. Kelompok ketigaa adalah sulfida sekunder seperti
tembaga yang tercuci dari dekat permukaan sulfida (British Geological Survey, 2008)
Estimasi sumberdaya merupakan penaksiran dari bijih endapan mineral yang di mana
bagian dari perhitungan cadangan merupakan bagian yang paling esensial sebelum dilanjutkan
ke tahap berikutnya yakni perhitungan cadangan yang mana akan dievaluasi apakah endapan
mineral tersebut layak untuk dilanjutkan ke tahap eksplorasi berikutnya (Widayat, 2005).
Sumber daya mineral adalah konsentrasi atau kemunculan suatu zat bernilai ekonomi
di dalam atau di atas kerak bumi dalam bentuk, kualitas, dan kuantitas tertentu dengan prospek
yang wajar untuk akhirnya menjadi ekonomis. Lokasi, tonase, kadar, kenampakan geologis dan
kontinuitas Sumber Daya Mineral harus dipahami, diestimasi atau diinterpretasikan
berdasarkan bukti dan pengetahuan geologis tertentu. Sumber daya mineral selanjutnya
dikelompokkan ke dalam kategori perkiraan, label dan pengukuran berdasarkan keyakinan
geologis (KCMI, 2011).
Metode Inverse Distance Weighting (IDW) Weighted (IDW) merupakan salah satu
metode estimasi yang menggunakan pendekatan model blok sederhana dengan
mempertimbangkan titik di sekitarnya. Premis dari metode ini adalah bahwa nilai interpolasi
lebih mirip pada data sampel yang lebih dekat daripada yang lebih jauh. Bobot bervariasi secara
linear dengan jarak dari data sampel. Bobot ini tidak bergantung pada lokasi data sampel.
11
Metode ini umum digunakan di industri pertambangan karena kemudahan penggunaannya.
Memilih kekuatan akan sangat mempengaruhi hasil interpolasi. Nilai daya yang tinggi
memberikan hasil seperti menggunakan interpolasi nearest neighbor di mana nilai yang
diperoleh merupakan nilai dari data point yang terdekat (NCGIA, 2007).
1. Data yang lebih dekat dengan titik estimasi diberi bobot lebih tinggi, dan data yang
lebih jauh dari titik estimasi diberi bobot lebih rendah. Bobot berbanding terbalik
dengan jarak data dari titik estimasi.
2. Pemilihan pangkat yang digunakan (ID1, ID2, ID3) mempengaruhi hasil estimasi yang
digunakan. Semakin tinggi pangkat, semakin dekat hasilnya dengan nilai yang
sebenarnya.
Metode Inverse Distance Weighting (IDW) Weigthing dapat dapat dijelaskan pada
persamaan berikut. Dimana jika d adalah jarak titik yang ditaksir, z adalah titik data yang dicari,
maka faktor pembobotan w adalah :
𝑛 𝑍 𝑛 1
Wi = 𝚺𝑖=1 (𝐷𝑖 )/ 𝚺𝑖=1 (𝐷 )
𝑖 𝑖
𝑛 𝑍 𝑛 1
Wi = 𝚺𝑖=2 (𝐷𝑖 )/ 𝚺𝑖=2 (𝐷 )
𝑖 𝑖2
𝑛 𝑍 𝑛 1
Wi = 𝚺𝑖=3 (𝐷𝑖 )/ 𝚺𝑖=3 (𝐷 )
𝑖 𝑖2
𝑖
Z=𝚺𝑖=1 Wi Zi
12
Keterangan:
Wi = Faktor bobot
n = Faktor eksponen
Kerugian dari metode IDW adalah metode ini menggunakan rata-rata dari data sampel
sehingga nilainya tidak bisa lebih kecil dari minimum atau lebih besar dari data sampel. Selain
itu, untuk mendapatkan hasil yang baik, sampel data yang digunakan harus rapat yang
berhubungan dengan variasi lokal. Jika sampelnya agak jarang dan tidak merata, hasilnya
kemungkinan besar tidak sesuai dengan yang diinginkan (Pramono, 2008).
Kriging adalah metode analisis data geostatistik yang memperkirakan besarnya nilai
yang mewakili titik yang tidak disuplai berdasarkan titik sampel yang mengelilinginya
menggunakan model struktural semivariogram. Kriging juga merupakan metode yang
menekankan pada metode khusus yang meminimalkan varian hasil estimasi (Fridayani et al.,
2012).
Teknik pembobotan kriging dilakukan berdasarkan pada jarak dan korelasi spasial
(spatial correlation) antar titik contoh. Korelasi spasial ditunjukan oleh variogram, kovariansi,
dan korelogram. Jadi variogram berfungsi sebagai alat (tool) untuk mengkuantifikasi tingkat
kemiripan (juga variabilitas) antar dua contoh yang terpisah oleh jarak tertentu (h). Teknik
kriging dibedakan menjadi dua yakni kriging linear dan kriging non linier. Salah satu contoh
kriging linear adalah ordinary kriging dan salah satu contoh kriging non linear adalah indicator
kriging (indikator kriging) dan sebagainya (Bergawa, 2018).
Analisis spasial (ruang) adalah analisis yang dilakukan berdasarkan informasi yang
diwakili oleh lokasi geografis (titik, garis, dan bidang) objek yang terkait dengan lokasi,
bentuk, dan hubungan di antaranya dalam ruang Bumi. Informasi lokasi dapat berupa informasi
diskrit atau kontinu, dan juga dapat memiliki informasi lokasi biasa atau tidak teratur (tidak
teratur). Data spasial dikatakan memiliki lokasi beraturan jika lokasi saling berdekatan lokasi
beraturan berjarak sama sedangkan dikatakan tidak beraturan jika lokasi saling berdekatan satu
dengan yang lainnya lokasi tidak beraturan (Cressie, 1993).
13
Variogram merupakan grafik variansi terhadap jarak (lag) sedangkan semivariogram
adalah setengah kuantitas dari 2𝛾 ℎ (Cressie, 1993). Secara umum terdapat dua macam
semivariogram, yaitu semivariogram isotropik dan semivariogram anisotropik. Bila
semivariogram dihitung dalam berbagai arah dan setiap arah memberikan nilai parameter yang
sama maka disebut isotropik. Artinya semivariogram hanya bergantung pada jarak h. Apabila
semivariogram bergantung pada jarak dan arah, maka disebut anisotropik. Semivariogram
didefinisikan sebagai berikut (Erizal et al., 2014):
Ordinary kriging dikenal sebagai teknik kriging linier karena menggunakan kombinasi
linier terbobot dari data yang tersedia untuk proses estimasi. Metode ordinary kriging memiliki
asumsi bahwa variabel teregional 𝑍 (𝑥) adalah stasioner dan nilai rata-rata tidak diketahui dan
14
bernilai konstan. Pada metode ordinary kriging untuk menaksir sembarang titik yang tidak
tersampel (𝑥0 ) dapat menggunakan kombinasi linier dari variabel acak 𝑍(𝑥𝑖) dan nilai bobot
kriging 𝜆𝑖 masing-masing, yang secara matematis dapat dituliskan sebagai berikut (Erizal et
al., 2014):
Keterangan:
Dengan: ∑𝑛𝑖=1 𝜆𝑖 = 1
Selain Ordinary Kriging, juga terdapat Metode Block Kriging. Metode ini merupakan
metode perhitungan estimasi nilai data di titik-titik dalam suatu. Block kriging cocok
digunakan untuk menganalisis data yang tidak memiliki kecenderungan tertentu dan data
dengan rata-rata populasi tidak diketahui. Sistem kriging blok sama dengan sistem kriging titik.
Perbedaan hanya pada kovarian matrik D, dan kovariansi antara blok dengan titik (Bargawa,
2020).
GS+ adalah program Analisis geostatistik yang memungkinkan Anda mengukur dan
mengilustrasikan hubungan spasial dengan mudah dalam data referensi geografis. GS+
menganalisis data spasial untuk autokorelasi dan kemudian menggunakan informasi ini untuk
membuat peta area sampel yang optimal dan ketat secara statistik. Peta dapat dibuat di GS+
atau di program pemetaan lain atau sistem informasi geografis. GS+ menyediakan analisis
autokorelasi spasial: Analisis semivarians menghasilkan variogram dan berbagai jenis model
variogram, termasuk variogram isotropik dan anisotropic (Robertson, 2008).
15
BAB III
LANGKAH KERJA
Analisis ini menggunakan data primer berupa titik bor sebanyak 100 titik Pemboran
dilakukan dengan pola grid dengan jarak rata rata antar titik bor 50 m. Total jumlah bor adalah
100 titik. Di area yang tidak dilakukan pemboran atau tidak ada datanya, nilai kadar Cu
ditentukan dengan menggunakan metode interpolasi Ordinary Cokriging (OCK) dan Inverse
Distance Weighting (IDW). Data hasil interpolasi tersebut selanjutnya digunakan untuk
memetakan sebaran variabilitas kadar Cou dengan bantuan Software Rocware GS+ pada zona
yang dianalisis
Dalam melakukan analisis data spasial metode interpolasi sebaran endapan tembaga
menggunakan metode krigging dan IDW diperlukan langkah pengerjaan sebagai berikut.
16
Pemetaan spasial kadar
tembaga
Penentuan Metode
Interpolasi
Pengumpulan dan
Pengolahan Data
17
BAB IV
PEMBAHASAN
Analisis statistik dilakukan terhadap data kadar Cu (tembaga). Analisis ini bertujuan
untuk mengetahui karakteristik data. Hasil disajikan pada tabel 4.1.
Gambar 4.1 dan 4.2 menunjukkan hasil dari fitting variogram model Spherical dan
Gaussian. Sedangkan gambar 4.3 merupakan visualisasi block model dalam peta 3D yang
dihasilkan oleh masing-masing model variogram dalam penaksiran memakai teknik kriging
blok 2x2. Gambar 4.4 Grafik Plot Frequency Non Transformed Endapan Mineral Cu
18
Gambar 4.1 Fitting Variogram Isotropic Spherical Model Cu
19
Gambar 4.3 Block Model pada Pemboran Lokasi Endapan Mineral Cu
20
Gambar 4.5 Hasil Analisis Interpolasi Metode Kriging Isotropic
21
Gambar 4.7 Hasil Analisis Interpolasi Metode Inverse Distance Weighting (IDW)
Validasi secara grafis dilakukan secara visual dengan tampilan peta 3D berdasarkan
hasil estimasi di sekitar sebaran titik bor. Validasi secara grafis ini memiliki 15 trend warna
yang memiliki rentang kadar masing-masing pada tampilan 3D untuk setiap model variogram.
Pada Gambar 4.5 – 4.7 menunjukkan distribusi kadar 3D disertai letak lubang bor. Model
variogram spherical dengan arah isotropi memiliki nilai regression coefficient mendekati satu,
nilai Y-intercept mendekati nol dan kurva berhimpitan dengan garis regresi.
22
BAB V
5.1 Kesimpulan
Kesimpulan hasil penelitian ini yaitu simulasi model variogram diperlukan untuk
menentukan model yang paling cocok untuk diterapkan pada data di daerah penelitian.
Berdasarkan penentuan diskritisasi block kriging 2x2 model variogram spherical paling baik
untuk diterapkan dengan nilai regression coeficient. Berdasarkan simulasi model variogram
dan arah orientasi diperoleh model terbaik yaitu spherical dengan arah orientasi anisotropi.
5.2 Saran
Penulis menyadari masih banyak kekurangan dalam pembuatan laporan ini. Perlu
dilakukan pemahaman yang lebih matang untuk menganalisis lebih lanjut mengenai metode
estimasi sebaran endapan mineral terbaik
23
DAFTAR PUSTAKA
Bargawa, W. S. (2020). Simulasi perubahan model variogram untuk estimasi memakai teknik
block kriging. 6, 1–6.
British Geological Survey. (2008). Mineral Profile: Copper. International Monetary Fund
(IMF), June, 24. http://www.bgs.ac.uk/mineralsuk/home.html
Cressie, N. A. C, 1993, Statistics for Spatial Data, Resived Edition, John Willey & Sons, Inc.
New York.
Erizal, R., Rito, G., & Sri, W. (2014). Perbandingan Metode Ordinary Kriging dan Inverse
Distance Weighting (IDW) Weighted untuk Estimasi Elevasi pada Data Topografi.
Eksponensial, 5(2), 163–170.
Latif, A. A., 2008. Studi Perbandingan Metode Nearest Neighbourhood Point (NNP), Inverse
Distance Weighting (IDW) Weighted (IDW) dan Kriging pada Perhitungan Cadangan
Nikel Laterit
National Center for Geographic Information and Analysis. 2007. Interpolation: Inverse
Distance Weighting (IDW) Weighting.
Pramono, GH, 2008. Akurasi Metode IDW dan Kriging Untuk Interpolasi Sebaran Sedimen
Tersuspensi di Maros, Sulawesi Selatan
Robertson, G. P. (2008). GS+: Geostatistics for the environmental sciences. In Gamma Design
Software.
24
LAMPIRAN
25