TESIS
Oleh :
ACHMAD REZA KURNIAWAN
212170001
TESIS
Disusun sebagai salah satu syarat memperoleh gelar Magister Teknik dari
Universitas Pembangunan Nasional “Veteran” Yogyakarta
Oleh :
ACHMAD REZA KURNIAWAN
212170001
Umumnya data kadar sumberdaya bijih emas yang memiliki nilai koefisien variansi
(CV) lebih dari 0,5 menunjukan variabilitas nilai data. Teknik kriging linear tidak
memberikan hasil yang memuaskan sehingga dibutuhkan teknik non-linear.
Permasalahan disini adalah bagaimana menentukan teknik yang cocok untuk
estimasi kadar sumberdaya emas ephitermal, bagaimana klasifikasi sumberdaya
didasarkan pada jarak rata-rata antar sampel, dan bagaimana analisis hubungan
kadar-tonase. Penelitian ini membandingkan teknik kriging linear OK (ordinary
kriging) serta non-linear medIK (median indicator kriging). Pengolahan data
menggunakan software Micromine 2020. Evaluasi kinerja kedua teknik kriging
akan dianalisis. Hasil crossvalidation dari estimasi sumberdaya emas epithermal
menunjukkan teknik medIK, OK berturut-turut mempunyai nilai koefisien korelasi
(r) 0,647; 0,103; root mean squared error (RMSE) berturut-turut 0,097; 0,875.
Berdasarkan hasil crossvalidation dan analisis statistik menunjukan penerapan
teknik medIK cukup akurat pada estimasi kadar sumberdaya emas
epithermalStruktur geologi daerah penelitian adalah vein epithermal low
sulphidation. Distribusi kadar pada struktur ini sangat tidak menentu (erratic)
sehingga teknik kriging non-linear (medIK) dapat digunakan. Hasil estimasi
medIK, menghasilkan sumberdaya terukur, tertunjuk, tereka berturut-turut 41.122
ton, 17.317 ton, 40.735 ton dengan kadar rata-rata berturut-turut 0,618; 0,603; dan
0,79 Au (ppm).
iv
ABSTRACT
v
KATA PENGANTAR
Puji syukur dipanjatkan kehadirat Tuhan Yang Maha Kuasa atas rahmat dan
hidayah-Nya sehingga Penyusunan Tesis dengan judul “Analisis Estimasi
Sumberdaya Emas Epithermal Menggunakan Teknik Ordinary Kriging (OK) dan
Median Indicator Kriging (medIK) di Pit X PT. Indo Muro Kencana, Kec. Tanah
Siang, Kab. Murung Raya, Kalimantan Tengah” ini dapat diselesaikan. Penelitian
dilaksanakan di Pit X PT Indo Muro Kencana, Kabupaten Murung Raya, Provinsi
Kalimantan Tengah pada bulan Juni-Juli 2019. Adapun tujuan dari penelitian ini
ialah sebagai salah satu syarat memperoleh gelar Magister Teknik dari Universitas
Pembangunan Nasional “Veteran” Yogyakarta Atas selesainya penyusunan Tesis
penelitian ini, diucapkan terimakasih kepada:
1. Bapak Dr. Muhammad Irhas Effendi, M.S, Rektor UPN “Veteran” Yogyakarta
2. Bapak Dr. Ir. Suharsono, MT, Dekan Fakultas Teknik Pertambangan UPN
“Veteran” Yogyakarta
3. Bapak Dr. Edy Nursanto, ST., MT. IPM, Ketua Jurusan Teknik Pertambangan
FTM UPN “Veteran” Yogyakarta
4. Bapak Dr. Ir. Barlian Dwinagara., MT, Koordinator Program Studi Magister
Teknik Pertambangan FTM UPN “Veteran” Yogyakarta
5. Bapak Dr. Nur Ali Amri, MT., Pembimbing I
6. Bapak Dr. Ir. Waterman Sulistyana Bargawa, MT., Pembimbing II
7. Semua pihak yang telah membantu dalam penyusunan tesis.
Akhirnya, semoga Tesis penelitian ini bermanfaat bagi perkembangan ilmu pada
umumnya, dan khususnya ilmu pertambangan.
vi
DAFTAR ISI
Halaman
ABSTRAK .........................................................................................
ABSTRACT .......................................................................................
KATA PENGANTAR ...................................................................... vi
DAFTAR ISI ..................................................................................... vii
DAFTAR GAMBAR ........................................................................ ix
DAFTAR TABEL ............................................................................. xi
DAFTAR LAMPIRAN ...................................................................... xiii
DAFTAR SINGKATAN ................................................................... xiv
vii
Halaman
BAB IV HASIL PENELITIAN ......................................................... 48
4.1 Basis Data Assay................................................................ 48
4.2 Analisis Statistik Univarian ............................................... 49
4.3 Konstruksi Model Blok ..................................................... 50
4.4 Analisis Variogram ............................................................ 52
4.5 Studi Variogram dan Variogram Indikator ........................ 53
4.6 Estimasi Teknik Kriging.................................................... 57
4.7 Analisis Akurari Taksiran.................................................. 62
viii
DAFTAR GAMBAR
Gambar Halaman
1.1 Diagram alir penelitian ............................................................. 6
2.1 Lokasi penelitian ....................................................................... 8
2.2 Morfologi daerah penelitian ..................................................... 9
2.3 Geologi regional Kalimantan Tengah ....................................... 10
2.4 Peta geologi dan penyebaran mineralisasi ................................ 10
2.5 Sample bijih emas epithermal .................................................. 11
2.6 Skema pembentukan emas epithermal ..................................... 12
2.7 Model endapan epithermal ....................................................... 17
2.8 Stratigrafi Kabupaten Murung Raya ......................................... 19
3.1 Contoh scatter plot variabel x dan y ......................................... 25
3.2 Fitting variogram eksperimental–variogram model ................. 27
3.3 Variogram indicator ................................................................. 29
3.4 Variogram dan parameter : Nugget, range, dan sill.................. 30
3.5 Model variogram : Model spherical (a), exponential (b),
linear (c), dan gaussian (d)....................................................... 31
3.6 Ellisoid 3D pada kondisi isotropi ............................................. 31
3.7 Ellipsoid 3D pada kondisi anisotropi ....................................... 32
3.8 Kurva PDF komposit dan masing-masing teknik estimasi ....... 41
3.9 Contoh visualisasi data dan model ........................................... 42
3.10 Kurva hubungan tonase dan kadar Al2O3 ................................. 43
3.11 Model blok 3 dimensi ............................................................... 43
3.12 Contoh blok model 3 dimensi beserta atribut grade pada
software Micromine 2018 ......................................................... 44
3.13 Hubungan antara hasil eksplorasi, sumberdaya mineral dan
cadangan bijih (JORC, 2012) ................................................... 46
4.1 Penyebaran titik bor dan badan bijih pada daerah penelitian . 48
4.2 Histogram data assay emas epithermal .................................... 49
ix
Halaman
4.3 Topografi daerah penelitian (3d view) ...................................... 50
4.4 Sayatan titik bor dan badan bijih : A) Vein 1; B) Vein 2;
C) Vein 3 ................................................................................... 50
4.5 Ore body dalam wireframe (3d view) ....................................... 51
4.6 Jarak pencarian (search distance)/ellipsoid teknik OK ............ 54
4.7 Jarak pencarian (search distance)/ellipsoid teknik medIK....... 56
4.8 Model blok hasil estimasi teknik ordinary kriging
(plan view) ................................................................................ 57
4.9 Model blok hasil estimasi teknik ordinary kriging
(3d view) ................................................................................... 58
4.10 Histogram model blok penaksiran teknik OK .......................... 58
4.11 Model blok hasil estimasi teknik median indicator kriging
(plan view) ................................................................................ 60
4.12 Model blok hasil estimasi teknik median indicator kriging
(3d view) ................................................................................... 60
4.13 Histogram model blok penaksiran teknik medIK ..................... 61
4.14 Hasil cross validation teknik ordinary kriging......................... 63
4.15 Hasil cross validation teknik median indicator kriging ........... 63
4.16 Probability plot teknik ordinary kriging .................................. 64
4.17 Probability plot teknik median indicator kriging ..................... 64
4.18 Visualisasi data dan model assay–taksiran OK ........................ 65
4.19 Visualisasi data dan model assay–taksiran medIK ................... 66
5.1 Kurva probability plot (assay-OK est.-medIK est.) ................. 68
5.2 Histogram average distance teknik OK ................................... 69
5.3 Histogram average distance teknik medIK .............................. 69
5.4 Grafik pengaruh cut off grade................................................... 72
5.5 Kurva hubungan kadar-tonase .................................................. 73
x
DAFTAR TABEL
Tabel Halaman
2.1 Klasifikasi endapan epithermal ................................................ 14
2.2 Asosiasi mineral bijih pada endapan epithermal ..................... 15
2.3 Asosiasi mineral-mineral sekunder pengisi ........................ 16
4.1 Hasil statistik data assay ........................................................... 49
4.2 Parameter model blok ............................................................... 51
4.3 Parameter penyusun variogram pada data kadar Au (ppm)...... 52
4.4 Parameter hasil fitting variogram ............................................. 53
4.5 Parameter jarak pencarian (search distance) teknik OK .......... 54
4.6 Parameter hasil fitting variogram indikator (teknik medIK) .... 55
4.7 Parameter jarak pencarian (search distance) teknik medIK ..... 56
4.8 Hasil statistik univarian teknik OK .......................................... 59
4.9 Klasifikasi sumberdaya emas epithermal dengan average
distance teknik OK ................................................................... 59
4.10 Hasil statistik univarian teknik medIK ..................................... 61
4.11 Klasifikasi sumberdaya emas epithermal dengan average
distance teknik medIK .............................................................. 62
4.12 Parameter cross validation teknik kriging ................................ 63
5.1 Tabulasi unit blok sumberdaya emas epithermal ..................... 70
5.2 Hasil kadar Au (ppm) rata-rata emas epithermal ..................... 70
5.3 Hasil estimasi sumberdaya emas epithermal ............................ 71
5.4 Analisis estimasi sumberdaya emas epithermal .................... 72
xi
DAFTAR LAMPIRAN
Halaman
Lampiran A Peta sebaran titik bor pada daerah penelitian ............. 79
Lampiran B peta topografi daerah penelitian ................................. 80
Lampiran C Tabulasi data assay emas epithermal daerah
penelitian .................................................................... 81
Lampiran D Hasil fitting variogram ................................................ 96
Lampiran E Hasil fitting variogram indikator ................................ 99
Lampiran F Peta badan bijih daerah penelitian .............................. 102
Lampiran G Peta taksiran model blok teknik kriging ..................... 103
xii
DAFTAR SINGKATAN
Pemakaian
Singkatan Nama pertama pada
halaman
OK Ordinary Kriging 3
medIK Median Indicator Kriging 2
MIK Multiple Indicator Kriging 3
IK Indicator Kriging 27
IDW Inverse Distance Weighting 3
BLUE Best Liniear Unbiased Estimator 32
GSLIB Geostatist-ical Software Library and User’s Guide 3
CV Coefficient of Variation 2
S2 Variansi 22
S Simpangan baku 22
SE Standard Error 23
r Koefisien korelasi 25
r2 Koefisien determinasi 26
RMSE Root Mean Squared Error 26
C0 Nugger effect 26
a Range 26
Au Aurum 3
Ag Argentum 13
As Arsenik 14
Sb Stibium 14
Hg Hydragyrum 14
Tl Talium 14
Te Telerium 14
Pb Plumbum 14
Zn Zinc 14
Cu Cuprum 14
Bi Bismut 19
U Uranium 19
Se Selenium 19
Fe Ferrum 19
ppm Part per Million 3
IUP Izin Usaha Pertambangan 9
AMDAL Analisis Mengenai Dampak Lingkungan 9
COG Cut Off Grade 27
JORC Joint Ore Reserves Committee 44
PT Perseroan Terbatas 3
IMK Indo Muro Kencana 9
et. al. et alia 14
est estimated 68
xiii
BAB I
PENDAHULUAN
Konsep dasar yang digunakan dalam teknik ordinary kriging dalam penelitian ini
adalah block kriging. Pemilihan dimensi model blok didasarkan pada beberapa
parameter, diantaranya jarak antar lubang bor, smallest mining unit, dan tinggi
jenjang penambangan (Hustrulid, 1995).
1
Teknik indicator kriging merupakan salah satu teknik geostatistik non-linear. Ada
beberapa teknik indicator kriging, salah satunya median indicator kriging (medIK).
Model semivariogram yang digunakan merupakan model dari cut off yang diambil
menggunakan nilai tengah (Hohn, 1998). Menurut Hill (1998), median indicator
kriging (medIK) mengasumsikan fungsi dari kriging indicators (nilai tengah) akan
membagi dua populasi 50% dengan pembobotan 1 dan 50 % dengan pembobotan
0. Menurut Daya (2012), Teknik median indicator kriging merupakan pendekatan
lebih cepat karena tidak menetapkan menjadi banyak kadar batas (discriminator).
Berdasarkan penelitian yang dilakukan oleh Kim (1988) dan Bargawa (2002), perlu
dilakukan perbandingan teknik ordinary kriging sebagai salah satu teknik kriging
linear dengan teknik kriging non-linear, median indicator kriging (medIK).
Penelitian ini dilakukan untuk membandingkan kedua teknik kriging di atas
sehingga diketahui teknik kriging yang lebih akurat untuk estimasi sumberdaya
emas epithermal di daerah penelitian.
1.3 Tujuan
Adapun tujuan dari penelitian ini antara lain :
1. Menganalisis perbandingan teknik OK dan medIK dalam estimasi sumberdaya
emas epithermal serta menentukan teknik terbaik.
2. Menganalisis klasifikasi sumberdaya emas epithermal dengan teknik OK, dan
medIK.
2
3. Menganalisis kurva hubungan antara kadar Au (ppm) dan tonase untuk
mengetahui kualitas dan kuantitas emas epithermal.
1. Penelitian ini dilakukan di daerah Murung Raya pada daerah izin usaha
pertambangan milik PT. Indo Moro Kencana, dengan hanya menggunakan data
assay emas interval 1 meter.
2. Aplikasi yang digunakan dalam penelitian ini yaitu software Micromine 2020.
1.5 Hipotesis
Adapun hipotesis dari penelitian ini adalah teknik median indicator kriging
(medIK) memberikan estimasi yang akurat dibandingkan ordinary kriging (OK)
untuk endapan emas yang bertipe vein epithermal low sulphidation yang memiliki
kadar tidak menentu pada setiap kedalaman dan jarak antar lubang bor dan
memberikan nilai Koefisien variasi (CV) lebih dari 1.
3
dapat diperoleh dari dari buku, jurnal, prosiding maupun tulisan-tulisan yang
berkaitan dengan penelitian.
2. Survey lapangan
Survey lapangan dilakukan sebagai langkah awal untuk mengetahui kondisi
aspek-aspek penting dalam menganalisis Pit X. Berdasarkan survey lapangan
diperoleh gambaran awal tentang Pit X.
3. Pengambilan Data
Secara umum jenis data dalam penelitian antara lain data koordinat easting,
northing, elevasi, ketebalan emas, data hasil uji lab dengan teknik AAS kadar
Au (ppm), peta topografi, peta geoligi daerah penelitian, dan peta kesampaian
daerah.
4. Pengolahan data
Pengolahan data pada penelitian ini meliputi :
1. Tahap Persiapan
Kegiatan yang dilakukan pada tahap persiapan meliputi pengumpulan data
collar dan assay Au (ppm) yang diperoleh dari PT. Indo Muro Kencana, studi
literatur, dan informasi geologi serta data-data lainnya yang terkait dari
penelitian.
2. Tahap Pelaksanaan
Tahap pelaksanaan merupakan tahap pengolahan dan analisis data. Tahap
pelaksanaan terdiri dari analisis statistik deskriptif, analisis spasial
(variogram), fitting variogram, mengaplikasikan teknik kriging yang terdiri
dari teknik ordinary kriging (OK), dan median indicator kriging (medIK)
menggunakan software Micromine 2020 serta menganalisis uji validasi
(crossvalidation).
3. Tahap Akhir
Tahap akhir penelitian ini yaitu melakukan analisis sumberdaya emas yang
telah dihasilkan dari tahap pelaksanaan. Analisis teknik kriging berupa validasi
data untuk menentukan teknik kriging yang lebih akurat pada daerah penelitian,
estimasi volume dan tonase sumberdaya emas dengan kategori terukur
(measured), tertunjuk (indicated), dan tereka (inferred) berdasarkan nilai
4
average distance, serta analisis kurva hubungan antara kadar dan tonase pada
daerah penelitian.
DATA ENTRY :
1. Data Lubang bor
2. Koordinat easting, northing, elavasi, kedalaman
lubang bor, dan ketebalan bijih
3. Data hasil uji lab metode AAS kadar Au (ppm)
4. Peta kesampaian daerah
5. Peta geologi regional
6. Pete topografi
BASIS DATA :
1. Data collar
2. Data survey
3. Data lithology
4. Data assay Au (ppm)
DATA VALIDATION
5
A
KONSTRUKSI MODEL
MODEL TOPOGRAFI
MODEL GEOLOGI
Gambar 1.1
Diagram alir penelitian
6
BAB II
TINJAUAN UMUM
1. Transportasi udara
Akses ke lokasi PT. Indo Muro Kencana via transportasi udara dapat ditempuh
melalui Kota Palangkaraya. Penerbangan dari Kota Palangkaraya via Bandara
Tjilik Riwut ke Kota Puruk Cahu via Bandara Tira Tangka. Pelayanan penerbangan
dapat ditempuh dalam waktu sekitar 45 menit dilayani oleh maskapai penerbangan
yang berkapasitas sekitar 20 penumpang. Selanjutnya dari Bandara Tira Tangka ke
lokasi kantor proyek di Dirung Lingkit dapat ditempuh melalui jalan darat dengan
waktu sekitar 20-30 menit.
2. Transportasi darat
Pencapaian lokasi kantor PT. Indo Muro Kencana dari Kota Palangka Raya via
jalan darat melalui jalan Trans Kalimantan yang melewati Bukit Rawi, Kuala
Kurun, Batu Putih, Mangkahui dan Dirung Lingkit. Perjalanan menggunakan
transportasi roda empat dapat ditempuh dalam waktu sekitar 5-6 jam.
7
Gambar 2.1
Lokasi penelitian (Dinas Pekerjaan Umum Kabupaten Murung Raya, 2002)
Pada dokumen AMDAL PT. IMK Tahun 1994 menyebutkan morfologi bagian
selatan wilayah kontrak karya bergelombang sampai berbukit–bukit rendah dan
terjal. Pada sebelah utara terdapat bukit dengan ketinggian 415 m diatas permukaan
laut. Lereng tersebut memiliki kemiringan berkisar antara 2-40 %. Secara geologis
daerah tersebut merupakan batuan gunung api yang mengintrusi batuan sedimen
tersier.
8
Gambar 2.2
Morfologi daerah penelitian
2.2.2 Geologi
Menurut para ahli geologi Gunung Muro terletak di sepanjang batas Timur dan
Lempeng Kraton Dataran Sunda. Lempeng tersebut terdiri dari batuan sedimen
vulkanik dan batuan metamorf yang berumur mesozoic, diintrusi oleh batuan granit
berumur Kapur. Pada Kapur akhir sampai Tersier awal, sedimen laut (marine) dan
sedimen darat (kontinental) diendapkan disepanjang batas Utara kontrak karya dan
kemudian diikuti dengan deformasi yang terjadi pada masa eosen. Pada waktu itu
terjadi subduksi penunjaman lempeng samudera China dibawah dataran
Kalimantan (Van Bemmelen, 1994). Busur belakang Kalimantan yang memotong
Kalimantan Tengah diduga terjadi diatas jalur Benioof miring ke arah Selatan dan
terjadi pada kala Oligosen sampai Miosen, kondisi ini berlanjut sampai Pilosen.
Carlisle dan Mitchell (1994) juga menyatakan bahwa pada kala Oligosen sampai
Miosen awal endapan vulkanik yang bersifat andesitis dan trakhtis serta endapan
sedimen membentuk jalur pegunungan.
Endapan hasil erupsi secara lokal mengisi struktur greben atau lembah yang juga
secara periodik diendapkan fasies sedimen epiklastik. Disepanjang Kala Miosen
sampai Pliosen aktivitas vulkanik bersamaan dengan pembentukan sistem
hidrotermal berasosiasi dengan kegiatan pusat vulkanik dan intrusi batuan diorit –
granit. Jalur tersebut diduga menyebabkan paling tidak 5 sistem mineralisasi
lainnya yaitu Mirah, Gunung Mas, Masupa Ria, Kelian dan Muyup.
9
Gambar 2.3
Geologi regional Kalimantan Tengah (PT. Indo Muro Kencana, 2004)
2.2.2.1 Struktur
Vein kuarsa yang terkandung Au dan Ag memiliki dua arah umum (azimuth) timur
laut (NE) dan tenggara (SE). Sistem vein dengan arah umum ke timur laut (NE)
memiliki struktur diskontinuitas, sedangkan vein dengan arah tenggara (SE)
merupakan vein yang mengikuti struktur pada daerah penelitian.
Struktur geologi daerah penelitian juga mengikuti pola yang sama dengan struktur
geologi regional yaitu timur laut (NE), dan tenggara (SE). Kontrol struktur geologi
sangat berpengaruh pada kehadiran mineral bijih pada daerah penelitian. Kedua
trend utama struktur geologi ini memiliki pengaruh yang besar terhadap kehadiran
mineralisasi.
Gambar 2.4
Peta geologi dan penyebaran mineralisasi (PT. Indo Muro Kencana, 2004)
10
2.2.2.2 Mineralisasi dan Alterai
Endapan emas yang terdapat pada lokasi penelitian merupakan endapan vein
epithermal low sulphidation. Endapan emas ekonomis terdapat pada zone breksia
dan zone vein kuarsa dimana terdapat beberapa mineral pengikut antara lain
mineral-mineral sulfida yang didominasi oleh pyrite namun juga terdapat galena,
sphalerite, chalcopyrite, dan achanite.
Mineral-mineral sulfida yang terdapat pada lapisan bawah bijih memiliki ketebalan
antara 1-5 mm, dan mendominasi pada hampir keseluruhan badan bijih dengan
tebal antara 5-40 cm. Secara umum, bijih dengan kadar tinggi (>5 ppm) memiliki
panjang searah dengan arah strike dari vein sejauh 10-30 m dan memiliki ketebalan
2-10 m, dan plunge dengan kecuraman tidak menentu sampai 100 m dibawah
permukaan. Distribusi kadar diantara zona dengan kadar tinggi memiliki
kecendrugan kadar yang rendah, dengan rata-rata 1-3 Au (ppm).
Gambar 2.5
Sampel bijih emas epithermal (Anonymous, 2019)
11
2.2.2.3 Ganesa Endapan emas epithermal
Endapan epithermal adalah hasil dari sistem hidrotermal yang berskala besar dari
lingkungan vulkanik. Dalam suatu sumber panas magmatik suatu sumber air tanah
dalam, atau air meteorik, metal dan penurunan sulfur dan zone-zone rekahan yang
regas di kerak bumi bagian atas adalah unsur-unsur yang paling penting. Karena
unsur-unsur ini tersedia sepanjang sejarah kerak bumi. Pencampuran material-
material ini menyebabkan terbentuknya endapan-endapan emas epithermal.
Endapan emas epithermal dilingkungan batuan vulkanik adalah hampir selalu
berasosiasi dengan batuan vulkanik cal-alkaline dan batuan intrusi, beberapa
memperlihatkan suatu hubungan yang erat dengan batuan vulkanik alkali.
Kata epithermal mengacu kepada endapan yang terbentuk pada temperatur rendah
dan kedalaman yang dangkal. Istilah epithermal diperoleh dari pengamatan yang
dilakukan oleh Lindgren (1933) terhadap mineralogi dari bijih dan tipe-tipe alterasi
di batuan, dan tekstur dari mineral-mineral bijih yang terbentuk serta alterasi
bawaannya. Dari pengamatan tersebut diperoleh interpretasi mengenai suhu
pembentukan endapan dan kedalaman pembentukannya. Menurut White (2009)
endapan epithermal dapat diketahui berdasarkan :
a. Karakteristik mineral dan teksturnya
b. Mineralogi alterasi hidrotermal dan zone pembentukannya
Gambar 2.6
Skema pembentukan emas epithermal (Corbet, 2007)
12
Secara lebih detailnya endapan epithermal terbentuk pada kedalaman dangkal
hingga 1000 m dibawah permukaan dengan temperatur relatif rendah (50-200)°C
dengan tekanan tidak lebih dari 100 atm dari cairan meteorik dominan yang agak
asin.
Tekstur penggantian (replacement) pada mineral tidak menjadi ciri khas karena
jarang terjadi. Tekstur yang banyak dijumpai adalah berlapis (banded) atau
berupa fissure vein. Sedangkan struktur khasnya berupa struktur pembungkusan
(cockade structure). Asosiasi pada endapan ini berupa mineral emas (Au) dan
perak (Ag) dengan mineral penyertanya berupa mineral kalsit, mineral zeolit dan
mineral kuarsa. Dua tipe utama dari endapan ini adalah low sulphidation dan high
sulphidation yang dibedakan terutama berdasarkan pada sifat kimia fluidanya dan
berdasarkan pada alterasi dan mineraloginya.
Endapan epithermal umumnya ditemukan sebagai sebuah pipe seperti zone dimana
batuan mengalami breksiasi dan teralterasi atau terubah tingkat tinggi. Vein juga
ditemukan, khususnya sepanjang zone patahan, namun mineralisasi vein
mempunyai tipe tidak menerus (discontinuous).
Pada daerah vulkanik, sistem epithermal sangat umum ditemui dan seringkali
mencapai permukaan, terutama ketika fluida hidrotermal muncul (erupt) sebagai
geyser dan fumaroleses. Banyak endapan mineral epithermal tua menampilkan
fossil ‘roots’ dari sistem fumaroleses kuno. Karena mineral - mineral tersebut
berada dekat permukaan, proses erosi sering mencabutnya secara cepat, hal inilah
mengapa endapan mineral epithermal tua relatif tidak umum secara global.
Kebanyakan dari endapan mineral epithemal berumur Mesozoic atau lebih muda.
13
juga memiliki tipe berupa tipe vein, stockwork dan diseminasi. Dua tipe utama dari
endapan ini adalah low sulphidation dan high sulphidation yang dibedakan
terutama berdasarkan pada sifat kimia fluidanya dan berdasarkan pada alterasi dan
mineraloginya (Hedenquist et al., 1996).
Tabel 2.1
Klasifikasi endapan epithermal (White dan Hedenquist, 1995)
14
No. Karakteristik Low Sulphidation High Sulphidation
Endapan bijih Endapan bijih dijumpai
umumnya hadir dengan dengan struktur
struktur stockwork stockwork hadir dengan
jumlah minor
Disseminated ore Disseminated ore hadir
umumnya minor secara dominan
Kehadiran mineral- Kehadiran mineral-
mineral bijih pengganti mineral bijih
(replacement ore) hadir (replacement ore)
dalam jumlah minor umum dijumpai
3. Tekstur urat Hadirnya urat berlapis Kuarsa berongga
4. Alterasi
hidrothermal
Tabel 2.2
Asosiasi mineral bijih pada endapan epithermal (White dan Hedenquist, 1995)
15
Mineral Low Sulphidation High Sulphidation
Tabel 2.3
Asosiasi mineral-mineral sekunder pengisi (White dan Hedenquist, 1995)
16
Dengan memahami asosiasi mineral bijih, mineral sekunder dan zone-zone tekstur
pada urat di batuan maka dapat digunakan sebagai alat interpretasi lingkungan
terbentuknya urat (Buchanan, 1981). Seperti yang terlihat pada gambar berikut :
Gambar 2.7
Model endapan epithermal (Buchanan, 1981)
Dibawah ini digambarkan ciri-ciri umum endapan epithermal (Lingren, 1933 dalam
Sibarani, 2008) :
a. Suhu relatif rendah (50-250°C) dengan salinitas bervariasi antara 0-5 wt.%
b. Terbentuk pada kedalaman dangkal (~1 km)
c. Pembentukan endapan epithermal terjadi pada batuan sedimen atau batuan
beku, terutama yang berasosiasi dengan batuan intrusiv dekat permukaan atau
ekstrusif, biasanya disertai oleh sesar turun dan kekar.
d. Zone bijih berupa urat-urat yang simpel, beberapa tidak beraturan dengan
pembentukan kantong-kantong bijih, seringkali terdapat pada pipa dan
stockwork. Jarang terbentuk sepanjang permukaan lapisan, dan sedikit
kenampakan replacement (penggantian).
e. Logam mulia terdiri dari Pb, Zn, Au, Ag, Hg, Sb, Cu, Se, Bi, U
f. Mineral bijih berupa Native Au, Ag, elektrum, Cu, Bi, Pirit, markasit, sfalerit,
galena, kalkopirit, Cinnabar, jamesonite, stibnite, realgar, orpiment, ruby
silvers, argentite, selenides, tellurides.
17
g. Mineral penyerta adalah kuarsa, chert, kalsedon, ametis, serisit, klorit rendah-
Fe, epidot, karbonat, fluorit, barite, adularia, alunit, dickite, rhodochrosite,
zeolit
h. Ubahan batuan samping terdiri dari chertification (silisifikasi), kaolinisasi,
piritisasi, dolomitisasi, kloritisasi
i. Tekstur dan struktur yang terbentuk adalah Crustification (banding) yang
sangat umum, sering sebagai fine banding, vugs, urat terbreksikan.
Karakteristik umum dari endapan epithermal (Simmons et al, 2005 dalam Sibarani,
2008) adalah :
Jenis air berupa air meteorik dengan sedikit air magmatik
a. Endapan epithermal mengandung mineral bijih epigenetic yang pada umumnya
memiliki batuan induk berupa batuan vulkanik.
b. Tubuh bijih memiliki bentuk yang bervariasi yang disebabkan oleh kontrol dan
litologi dimana biasanya merefleksikan kondisi paleo-permeability pada
kedalaman yang dangkal dari sistem hidrotermal.
c. Sebagian besar tubuh bijih terdapat berupa sistem urat dengan dip yang terjal
yang terbentuk sepanjang zone regangan. Beberapa diantaranya terdapat bidang
sesar utama, tetapi biasanya pada sesar-sesar minor.
d. Pada suatu jaringan sesar dan kekar akan terbentuk bijih pada urat.
e. Mineral gangue yang utama adalah kuarsa sehingga menyebabkan bijih keras
dan realtif tahan terhadap pelapukan.
f. Kandungan sulfida pada urat relatif sedikit (<1 s/d 20%).
2.3 Stratigrafi
Wilayah IUP IMK terletak di dalam urutan batuan piroklastik dan batuan sedimen
vulkanik yang berkomposisi intermediet atau andesitik yang berumur miosen
sampai pliosen. Batuan yang terdapat di wilayah IUP IMK dapat dikelompokkan
menjadi :
1. Basalt Muda (Young Basalt)
Batuan basalt yang berumur kuarter mengintrusi dan menutup batuan vulkanik
andesit, membentuk plateau basalt dan edifices seperti dijumpai di daerah
Konut dan Gunung Kembang. Beberapa kompleks batuan vulkanik diketahui di
18
daerah proyek Gunung Muro, termasuk antara lain: Muro, Tumbang Lahung,
Juking Sopan, Kerikil. Batuan vulkanik ini juga dikenal di Gunung Maan ke
arah barat dari Gunung Muro. Kompleks batuan vulkanik ini diduga telah aktif
sepanjang Miosen dan Pliosen.
2. Silifikasi (Silification)
Secara lokal batuan sedimen menunjukkan adanya efek hidrotermal dalam
bentuk alterasi silisifikasi lemah dan piritisasi yang agak kuat. Pada daerah
ketinggian Gunung Muro adalah keluarnya breksi yang berasosiasi dengan
silika cover dan tidak mencerminkan sebuah vulkanik edifice.
3. Silika Porous (Sinter)
Deposit sinter silika dan bagian atas sistem ethermal vein di daerah ini baru
ditemukan tahun 2000. Kondisi geologinya menunjukkan adanya sitem urat
kuarsa (quartz vein) yang dikontrol oleh struktur dan menunjukkan adanya
sulfidasi rendah (low sulphidation), mengandung adularia kuarsa yang berada
dalam host rock berupa batuan vulkanik andesit berumur Miosen sampai
Pliosen. Daerah ini terletak sekitar 10 km sebelah barat Gunung Muro.
Gambar 2.8
Stratigrafi Kabupaten Murung Raya (Anonnim, 1994)
Formasi – formasi yang berada di wilayah kontrak karya IMK sebagai berikut :
4. Formasi Gunung Malasan
Terdiri dari leleran andesit sampai basalt, breksi lahar, tuf dan sedikit riolit,
bersisipan tipis batulempung dan batulanau, umumnya terubah,terpecahkan
dan termineralisasikan.
19
5. Formasi Puruk Cahu
Formasi Puruk Cahu terdiri dari batulempung berfosil, kelabu tua, berselingan
dengan batulanau mengandung lensa kecil dan lapisan tipis batubara vitrinit,
dan batupasir berstruktur perairan sejajar dan konvulut bersisipan breksi
berfragmen andesit, dasit, genes dan batubara, matriks berupa batupasir kasar
mengandung fragmen batubara.
6. Intrusi Diorit–Andesit
Singkapan batuan intrusi dengan komposisi andesit sampai diorit, terdapat di
Gunung Muro dan Gunung Maan. Intrusi berbentuk kubah (dome) dan retas
(dyke) berasal dari aliran lava riolit (flow banded ryolite) telah memotong
batuan andesit kubah dari aliran riolit diketahui sepanjang 4 km kearah utara
dari daerah Kerikil. Hubungan antara batuan riolit (rhyolite) ini dengan
mineralisasi belum diketahui. Tetapi di Talian terdapat Jasperoidal, carapace
crakle breccias mengandung sedikit emas. Disamping itu didekat kubah Riolit
Talian dan Gunung Maan, banyak terbentuk urat – urat kwarsa (Quartz Vein).
Ke arah utara dan selatan batuan vulkanik Gunung Muro terpotong oleh graben
yang dibentuk oleh patahan–patahan berarah timur laut.
7. Batulempung Berselingan dengan Batulanau dan Batupasir
Batulempung berfosil, kelabu tua, berselingan dengan batulanau, mengandung
lensa kecil dan batupasir berstruktur perairan sejajar dan konvulut bersisipan
breksi berfragmen andesit, dasit dan genes, matriks berupa batupasir kasar.
8. Batulempung–Batulanau (Sedimen Babuat)
Terdiri dari perselingan antara batulempung dan batulanau. Pada umurnya
terubah, terpecahkan, dan termineraisasikan, secara setempat terdapat struktur
bantal dan kekar.
9. Batuan Vulkanik Tersier (Vulcanic Tertiary)
Batuan vulkanik tersier dari lava, lufa, breksi vulkanik yang berkomposisi
intermediet, cal alkaline dan batuan sedimen. Terdapat singkapan yang terbatas
dari basalt dengan butiran sangat halus, mencerminkan erupsi terakhir.
10. Batuan Karbonat
Terbentuk dari intrusi granit dan kadang–kadang tersingkap. Batuan ini
berumur mesosoikum yang telah mengalami derformasi seperti serpih,
20
batupasir, dan karbonat tersingkap. Batuan tersebut berumur pertengahan
tersier, yang berselang–seling dengan batuan volkanik andestis berbutir halus.
21
BAB III
DASAR TEORI
Menentukan besarnya simpangan baku dari sekumpulan data perlu dihitung dahulu
variansi dari data tersebut. Variansi digunakan untuk mengukur pencaran sampel
acak (random sample) yang didefinisikan sebagai berikut :
∑(𝑥𝑖 −𝑥)²
𝑆2 = (3.1)
𝑛−1
22
Simpangan baku (standard deviation) adalah akar kuadrat dari variansi. Simpangan
baku dapat dinyatakan dengan persamaan :
∑(𝑥𝑖 −𝑥 )2
S = √S 2 atau S = √ (3.2)
𝑛−1
Standard error (SE) adalah nlai yang mengukur seberapa tepat nilai rata-rata
(mean) yang diperoleh, dinyatakan dengan persamaan :
𝑆
𝑆𝐸 = (3.3)
√𝑛
23
Koefisien variansi juga memprediksi masalah yang akan muncul dari sejumlah data.
Keofisien variansi dengan nilai lebih dari 0,5 menunjukan bahwa nilai sampel
sangat erratic sehingga dapat mempengaruhi hasil penaksiran akhir.
Bentuk Scatter plot adalah gambar grafis yang terdiri dari dua peubah dalam suatu
grafik. Menurut Isaaks dan Srivastava (1989), jika kedua peubah cenderung
memiliki nilai berbanding lurus maka hubungannya positif. Jika kedua peubah
cenderung menunjukan nilai yang berbanding terbalik, maka kedua peubah
mempunyai hubungan negatif. Apabila penyebaran data kedua peubah cenderung
acak, maka kedua peubah tersebut dikatakan tidak mempunyai hubungan.
y = 𝑎 + 𝑏𝑥 (3.5)
Keterangan :
y = nilai prediksi / variabel terikat
𝑥 = nilai sebenarnya / variabel bebas
𝑎 = nilai parameter intercept (garis potong kurva terhadap sumbu Y)
𝑏 = nilai koefisien regresi yang menunjukan besarnya pengaruh X terhadap Y
secara grafik menunjkan slope (kemeringan garis regresi)
24
Gambar 3.1
Contoh scatter plot variabel X dan Y (As’syar’i, 2013)
∑ 𝑦𝑖 −𝑏 ∑ 𝑥𝑖
𝑎= = 𝑦̅ − ̅̅̅
𝑏𝑥 (3.7)
𝑛
Keterangan :
n = jumlah data
𝑥𝑖 = nilai data x ke-i
𝑦𝑖 = nilai data y ke-i
𝑥̅ = nilai rata-rata xi
𝑦̅ = nilai rata-rata yi
25
Sedangkan persamaan keofisien korelasi menurut Isaaks dan Srivastava (1989),
sebagai berikut :
∑(𝑥𝑖 −𝑥
̅ )(𝑦−𝑦
̅)
𝑟= (3.9)
̅ )2 ∑(𝑦𝑖 −𝑦
√∑(𝑥𝑖 −𝑥 ̅ )²
Menurut Isaaks dan Srivastava (1989), ketika penaksiran telah dilakukan maka nilai
hasil estimasi tersebut dapat dibandingkan dengan nilai data sebenarnya di lokasi
titik sampel yang telah dikeluarkan dari set data sampel. Selisih antara nilai data
dengan nilai hasil interpolasi merupakan nilai kesalahan (error) di titik tersebut.
Nilai Root mean squared error (RMSE) digunakan untuk menunjukkan nilai
kesalahan (error) yang dapat didefinisikan dengan persamaan berikut:
1
𝑅𝑀𝑆𝐸 = √𝑛 ∑𝑛𝑖=1(Ž(𝑥𝑖) − 𝑍(𝑥𝑖) )2 (3.10)
Keterangan:
26
Hasil perhitungan variogram eksperimental dan variogram model yang diplot pada
suatu koordinat Kartesian berupa jarak antar pasangan data (h) dan variogram (γ(h))
yang disebut dengan fitting variogram, seperti terlhat pada Gambar 2.6 dibawah ini.
Gambar 3.2
Fitting variogram eksperimental-variogram model
(Sinclair, 2005)
∑𝑛
𝑖=1[𝑍(𝑆𝑖+ℎ )−𝑍(𝑆𝑖 )]²
𝛾(ℎ) = (3.11)
2𝑁(ℎ)
27
Keterangan :
γ(h) = Semivariogram
N(h) = jumlah pasangan data
h = jarak tertentu yang mempunyai fungsi vector arah tertentu
Si = nilai kadar pada posisi ke-i
Si+h = nilai kadar pada posisi ke-i+h
∑𝑛
𝑖=1[𝐼(𝑆𝑖; 𝑧𝑘 )−𝐼(𝑆𝑗 +𝑖;𝑧𝑘 )]²
𝛾𝑖 ∗ (ℎ) = (3.13)
2𝑁(𝑖)
Keterangan :
γ1*(h) = variogram indikator
N(h) = jumlah pasangan data
h = jarak tertentu yang mempunyai fungsi vector arah tertentu
I(xi+h;Zk) = nilai indikator kadar pada lokasi (xi+h)
I(xi;Zk) = nilai indikator kadar pada lokasi (xi)
Apabila dalam suatu populasi terdapat kadar 𝑍(𝑥) kurang dari 𝑍(𝑐) maka kadar
tersebut mempunyai nilai indikator 1 (satu) artinya probabilitas bukan bijih adalah
1 (satu). Apabila kadar lain yang bernilai tinggi dari kadar batas mempunyai nilai
indikator 0 (nol) artinya probabilitas bukan bijih adalah 0 (Journel, 1983).
28
Gambar 3.3
Variogram indikator dengan model spherical (William, 2000)
29
3. Range menurut Isaaks dan Srivastava (1989) merupakan jarak dimana
variogram mencapai puncak atau mencapai masa stabil. Dalam grafik
variogram, range dinyatakan dengan lambang “a” yaitu jarak antara sumbu
horizontal mulai dari titik nol sampai titik proyesi perubahan variogram miring
ke mendatar.
Gambar 3.4
Variogram dan parameter : Nugget, Range, dan Sill
(Armstrong, 1998)
Adapun empat model variogram teoritis yang secara luas digunakan dalam analisis
structural menurut Armstrong, 1998yaitu :
1. Model variogram linier didefinisikan dengan persamaan berikut :
𝛾(ℎ) = |ℎ| (3.14)
2. Model variogram spherical didefinisikan dengan persamaan berikut :
3ℎ 1 ℎ
𝐶 [(2𝑎) − 2 (𝑎)] + 𝐶0 , 𝑢𝑛𝑡𝑢𝑘 ℎ < 𝑎
𝛾(ℎ) = { (3.15)
𝐶 + 𝐶0 𝑢𝑛𝑡𝑢𝑘 ℎ ≥ 𝑎
3. Model variogram exponential didefinisikan dengan persamaan berikut :
ℎ
𝛾(ℎ) = 𝐶 [1 − 𝑒𝑥𝑝 (− 𝑎)] + 𝐶0 (3.16)
Keterangan :
𝐶0 = nugget effect
𝐶 = partial sill
𝐶0 + 𝐶 = sill
ℎ = jarak lokasi antar sampel
30
Gambar 3.5
Model variogram : Model spherical (a), exponential (b), linear (c) dan gaussian
(d) (Armstrong, 1998)
Variogram perlu ditentukan pada berbagai arah, karena h merupakan suatu vektor,
sehingga suatu perubahan 𝛾(ℎ) sesuai dengan arah orientasinya akan
memungkinkan munculnya bentuk anisotropi.
1. Bentuk isotropi
Jika nilai variogram pada berbagai arah nilainya sama, maka dapat diartikan
𝛾(ℎ) merupakan suatu fungsi dari harga absolute vector h.
Gambar 3.6
Ellipsoid 3D pada kondisi isotropi (Olea, 2009)
31
2. Bentuk Anisotropi
Bila pada beberapa 𝛾(ℎ) dengan arah yang berbeda mempunyai harga sill dan
nugget effect varian yang sama, tetapi mempunyai range (a) yang berbeda.
Gambar 3.7
Ellipsoid 3D pada kondisi Anisotropi (Olea, 2009)
Tidak bias (Unbiased) karena mempunyai rata-rata sisaan atau kesalahan residu
rata-rata mendekati 0 (nol). Estimation karena hasil akhirnya sebuah pendugaan
atau estimasi.
32
Penaksiran kadar dengan teknik ordinary kriging (OK) banyak digunakan karena
sederhana dan mudah dipahami. Penaksiran kadar akan menghasilkan penaksiran
sumberdaya yang akurat apabila dilakukan pada nilai koefisien variansi yang kecil.
Menurut Journel (1983) penggunaan koefisien variansi data sebagai kriteria untuk
penggunaan teknikgeostatistik linear dan non-linear. Kim (1988) menyarankan
untuk berhati-hati menggunakan kriging linear pada koefisien variansi antara 0,5-
1,5. Penggunaan teknik OK pada koefisien variansi kurang dari 0,5 menghasilkan
taksiran yang dapat dipercaya. Apabila data mempunyai koefisien variansi lebih
dari 1,5 teknik kriging linear tidak memberikan hasil yang memuaskan sehingga
harus menggunakan metode geostatistik non-linear.
Prosedur penaksiran untuk mencari nilai taksiran kriging teknik ordinary kriging
(OK) mencari koevariansi antar sampel dengan sampel, C(ij) dan kemudian
kovariansi antara sampel dengan blok, C(iv) berdasarkan hubungan C(h) = C(0)-
γ’(h) sehingga diperoleh persamaan kovariansi. Nilai taksiran pada titik ž
merupakan kombinasi linear antara λ1, λ2,……, λn dan z1, z2,…….,zn.
33
𝑐11 𝑐12 𝑐1𝑛 −1 𝜆1 𝑐1.0
𝑐21 𝑐22 𝑐2𝑛 −1 𝜆2 𝑐2.0
… … … … x … = ⋯ (3.18)
𝑐𝑛1 𝑐𝑛2 𝑐𝑛3 −1 𝜆𝑛 𝑐𝑛.0
(1 1 1 0 ) (𝜇)
( 1 )
Keterangan :
C(i,j) = kovariansi antara sampel dengan sampel
μ = pengali Lagrange
C(i,0) = kovariansi antara sampel dengan blok
C(0) = kovariansi nol, nilainya sama dengan harga sill
𝑖=1 𝜆𝑖 .
Persamaan (3.19) kemudian dilakukan subtitusi untuk mendapatkan bobot ∑𝑁
Nilai pembobotan λ1,…,λn = 1 dan nilai pengali Lagrange (μ), kemudian digunakan
untuk mencari variansi kriging atau variansi galat terkecil yang ditunjukkan pada
persamaan (3.20) sebagai berikut :
𝑍̂ = ∑𝑛𝑖=1 𝜆𝑖 . 𝑍𝑖 dengan ∑𝑛
𝑖=1 𝜆𝑖 . = 1 (3.21)
Keterangan :
𝑍̂ = nilai taksiran kriging
σ = variansi kriging atau variansi estimasi
∑𝑛𝑖=1 𝜆𝑖 = bobot sampel ke-i
Zi = nilai kadar sampel di lokasi-i
Secara umum prosedur teknik ordinary kriging (OK) adalah sebagai berikut :
1. Hitung kovariansi sampel atau blok.
2. Untuk setiap titik atau blok lakukan langkah-langkah berikut :
a. cari sampel-sampel atau lubang bor terdekat.
34
b. Hitung kovariansi antar sampel.
c. hitung kovariansi sampel dan blok.
3. Pecahkan persamaan linier untuk mencari bobot.
4. Hitung taksiran kadar untuk titik atau blok.
5. Hitung variansi kriging.
Variansi kriging atau variansi estimasi, pada kasus kriging blok adalah kesalahan
yang terjadi pada estimasi suatu blok. Kesalahan ini merupakan selisih mutlak
antara nilai sesungguhnya yang tidak pernah diketahui dengan nilai taksiran.
Variansi kriging tidak berkaitan langsung dengan data. Variansi kriging merupakan
fungsi konfigurasi titik sampel dan korelasi spasial. Hubungan antara variogram
dan kadar sampel yang dipakai dalam penaksiran direpresentasikan pada model
variogram (Davis, 1986). Semakin kecil nilai variansi estimasi, maka estimasi
tersebut menjadi semakin baik. Untuk estimasi menggunakan satu sampel dengan
nilai dari sampel tersebut diekstensikan ke dalam suatu volume, dikenal dengan
istilah ekstensi dan varians ekstensi. Sedangkan estimasi berdasarkan beberapa
sampel dengan nilai-nilai dari sampel tersebut diekstensikan ke suatu volume yang
dikenal dengan estimasi dan variansi estimasi (Darijanto, 2000).
Variansi kriging atau variansi estimasi bukan merupakan presisi penaksiran kriging
melainkan indeks konfigurasi data (mengelompok atau menyebar) di sekitar blok
yang ditaksir. Variansi kriging tidak tergantung pada nilai data tetapi pada jumlah
sampel yang digunakan dalam penaksiran serta penyebaran (konfigurasi) sampel di
sekitar blok. Secara intuitif dapat dikatakan bahwa semakin kecil nilai variansi
kriging (secara relatif), semakin banyak sampel yang digunakan oleh suatu blok
dan semakin merata pula penyebaran sampel di sekitar blok yang ditaksir, yang
berarti semakin besar tingkat kepercayaan kepada hasil taksiran kriging (Bargawa,
2002).
35
digunakan pada kasus ordinary kriging tidak memberikan taksiran yang akurat
pada penaksiran kadar tinggi yang bercampur dalam waste (Sullivan, 1984).
Harga probabilitas bijih dinyatakan satu apabila mempunyai nilai indikator 1 dan
harga probabilitas bukan bijih adalah 0 jika nilai indikator 0. Biasanya pendekatan
matematika yang digunakan adalah :
1 , 𝑗𝑖𝑘𝑎 𝑍(𝑥𝑖 ) ≥ 𝑍𝑐
𝐼(𝑥𝑖 ; 𝑧𝑐 ) = { (3.22)
0, 𝑗𝑖𝑘𝑎 𝑍(𝑥𝑖 ) < 𝑍𝑐
Pengkodifikasian kadar pada persamaan (3.22) diatas berlaku pada berbagai kadar
batas (discriminator). Hasil taksiran dari teknik indicator kriging (IK) yang
dijalankan berdarkan prinsip ordinary kriging yang disebut dengan istilah ordinary
indicator kriging di dapat dari persamaan sebagai berikut :
Keterangan :
Z(Xi) = nilai kadar sampel di lokasi-xi
Zc = nilai kadar batas (discriminator)
I(xi;zc) = nilai perubah dari kadar di lokasi-xi
𝐼̂(𝑥𝑖 ; 𝑧𝑐 ) = nilai taksiran kriging
∑𝑛𝑖=1 𝜆𝑖 = bobot sampel ke-i
1 , 𝑗𝑖𝑘𝑎 𝑍(𝑥𝑖 ) ≥ 𝑍𝑐
𝐼(𝑥𝑖 ; 𝑧𝑐 ) = { (3.24)
0, 𝑗𝑖𝑘𝑎 𝑍(𝑥𝑖 ) < 𝑍𝑐
dimana Z(xi) adalah nilai yang diketahui pada lokasi x. Oleh karena itu, data
sampel dirubah menjadi variabel-variabel baru, dimana masing-masing memiliki
nilai 0 dan 1. Proporsi (P) dari variabel Z(xi) dibawah nilai kadar batas (Zc) dalam
suatu area adalah sama.
Dengan persamaan di atas, akan sangat mudah dalam menghitung nilai proposi
sebuah variabel bernilai diatas nilai kadar batas (Zc) seperti persamaan di bawah:
36
𝑃𝑟𝑜𝑝𝑜𝑟𝑡𝑖𝑜𝑛 𝑍(𝑥𝑖) > 𝑍𝑐 = 1 − 𝑃(𝐴; 𝑍𝑐 ) (3.26)
Nilai proporsi dapat diestimasi dari jumlah data (n) dari sampel data pada kadar
batas Zc dengan persamaan :
Journel (1983) mengusulkan bahwa bobot 𝜆𝑖 dihitung dari suatu “sistem kriging
sederhana”, melalui persamaan [I (xi;Zc) – F*(Zc)] dimana F*(Zc) merupakan
sebuah estimasi tak bias dari frekuensi (F(Zc)). Persamaan F(Zc) :
Jika data tidak dikelompokkan secara spasial, nilai estimasi dari F*Zc dapat
dihitung dari analisis histogram keseluruhan sampel data. Declustering atau
pemisahan kelompok data adalah sebuah cara lain untuk mengestimasi nilai
F(Zc). Dengan demikian, kriging dapat mengestimasi menggunakan nilai residu
[P (A;Zc) – F*(Zc)], dengan persamaan :
dimana 𝜆𝑖 (𝑍𝑐 ) adalah bobot kadar batas (Zc). Formula kriging estimator ini
berbeda dengan formula ordinary kriging yang tidak melakukan pembobotan
sama dengan 1. Dengan melakukan penururnan formula :
𝑃 ∗ (𝐴; 𝑍𝑐 ) − 𝐹 ∗ (𝑍𝑐 ) = ∑𝑛𝑖=1 𝜆𝑖 (𝑍𝑐 ) 𝐼(𝑥𝑖 ; 𝑍𝑐 ) + [1 − ∑𝑛𝑖=1 𝜆𝑖 (𝑍𝑐 )}] 𝐹 ∗ (𝑍𝑐 ) (3.31)
37
∑𝑛𝑖=1 𝜆𝑚 (𝑍)𝜌𝑖 (𝑥𝑚 − 𝑥𝑖 ; 𝑍𝑐 ) = 𝜌̅ (𝑥𝑖 ; 𝐴; 𝑍𝑐 ) ; dengan k = 1 sampai n (3.32)
Sistem dari persamaan diatas dinyatakan dalam fungsi korelogram dan bukan
sebagai fungsi semivariogram untuk mempermudah dalam menyelesaikan
pembobotan.
Dengan kata lain dari semua persamaan diatas, penggunaan kadar batas sama
dengan menghitung, membuat grafik, dan memodelkan semivariogram dari kadar
batas. Menghitung semivariogram dengan Zc > 1 dapat diselesaikan dengan
komputasi (programming) setelah memasukan persamaan-persamaan diatas.
Teknik kriging membutuhkan solusi dari sistem persamaan kadar batas; karena
banyak teknik kriging digunakan untuk mencari nilai sampel terdekat terhadap
model blok yang akan diestimasi. Semua persamaan kadar batas harus digunakan
dan diselesaikan setiap pencarian nilai sampel.
Probabilitas estimasi linier dari nilai kadar batas (Zc) memungkinkan kita untuk
menginterpolasikan berbagai macam peta taksiran. Untuk setiap kadar batas, kita
dapat melakukan interpolasi taksiran probabilitas yang tidak melibihi nilai kadar
batas (𝑃 ∗ (𝐴; 𝑍𝑐 )), atau taksiran probabilitas melebihi Zc : 1 - 𝑃 ∗ (𝐴; 𝑍𝑐 ). Nilai rata-
rata estimasi dapat dihitung dengan persamaan :
𝑐 𝑍
𝑞 ∗ (𝑎; 0) = ∑𝑖=1 𝑍𝑖 {𝑃 ∗ (𝐴; 𝑍𝑐 + 1) − 𝑃 ∗ (𝐴; 𝑍𝑐 )} (3.35)
Dimana nilai Zi merupakan nilai tengah dari interval [Zi;Zc+1]. Nilai tengah bias
dinyatakan sama dengan [Zi;Zc+1]/2. Untuk menghitung nilai volume taksiran
kurang dari kadar batas Zi atau Zc’< Zc dibutuhkan persamaan :
𝑐 𝑍 ′
𝑞 ∗ (𝐴; 𝑍𝑐 ) = ∑𝑖=1 𝑍𝑖 {𝑃 ∗ (𝐴; 𝑍𝑐 ) − 𝑃 ∗ (𝐴; 𝑍𝑐 − 1)} (3.36)
38
Sedangkan untuk menghitung volume taksiran melebih dari kadar Zi atau Zc’ > Zc
dibutuhkan persamaan :
𝑐 𝑍 ′
𝑞 ∗ (𝐴; 𝑍𝑐 ) = ∑𝑖=𝑍 𝑍 {𝑃 ∗ (𝐴; 𝑍𝑐 + 1) − 𝑃 ∗ (𝐴; 𝑍𝑐 )}
𝑐 𝑖
(3.37)
Keterangan :
39
populasi di atas nilai kadar batas dengan bobot 1 dan di bawah kadar batas dengan
bobot 0. Semivariogram teknik medIK yang dapat digunakan terhadap keseluruhan
kadar batas, maka parameter kriging yang sama akan dihasilkan terhadap
keseluruhan kadar batas (Deutsch dan Journel, 1998). Maka nilai penyimpangan
teknikmedIK akan bernilai lebih sedikit dibandingkan teknik multiple indicator
kriging (MIK). Tahapan teknik medIK yang pertama dilakukan yaitu memisahkan
data yang berkadar rendah dan tinggi menggunakan kadar batas (diskriminator)
sehingga dapat dibedakan material yang dianggap bijih dan waste, selanjutnya
tahapan kedua yaitu melakukan penaksiran kadar (bijih) yang telah ditentukan pada
tahap pertama dengan menggunakan prinsip ordinary kriging.
40
Proses cross validation dilakukan dengan cara mengambil salah satu data sampel
secara bergantian dari kelompok data dalam proses penaksiran. Ketika estimasi
dilakukan, maka nilai hasil estimasi dapat dibandingkan dengan nilai data nyata
dari lokasi sampel yang telah dikeluarkan dari kelompok data.
Pada penelitian ini, parameter cross validation dianggap memiliki presisi yang baik
jika memenuhi ketentuan sebagai berikut :
1. Root mean squared error (RMSE), nilai RMSE kecil (mendekati nol)
2. Koefisien determination (r2) berkisar 0<r2<1, mendekati angka satu yang
menunjukkan ukuran ketepatan garis regresi dari hasil estimasi terhadap
data sebenarnya.
3. Koefisien korelasi (r) merupakan parameter hubungan antara dua perubah
(variabel) dengan nilai berkisar -1≤ r ≤ +1.
Gambar 3.8
Kurva PDF komposit dan masing-masing teknikestimasi (Bargawa, 2019)
Kurva model dan assay menunjukkan kondisi takbias apabila rata-rata kadar
taksiran model sama dengan kadar assay, sedangkan bias diindikasikan dengan
41
adanya pergeseran kurva teknikpenaksiran terhadap assay-nya. Seperti yang terlihat
pada Gambar 3.8, menunjukkan kurva dari semua teknikberhimpit ketat dengan
komposit.
Gambar 3.9
Contoh visualisasi data dan model (Bargawa, 2019)
42
Gambar 3.10
Kurva hubungan kadar dan tonase Al2O3 (Micromine, 2020)
Gambar 3.11
Model blok tiga dimensi (Micromine, 2020)
43
Biasanya permodelan sumberdaya memiliki batas koordinat ke utara, 0N–1300N,
ke arah timur, 150E–600E, dan ketinggian missal 1075m-1400m. Perubah
(variable) yang diperlukan untuk permodelan yaitu topografi daerah penelitian,
informasi geologi, kadar mineral, jenis batuan (rock), massa jenis (density),
persentase blok sebagai bagian bijih (ore), tonase setiap blok, dan jumlah minimum
assay.
Gambar 3.12
Contoh blok model 3 dimensi beserta atribut grade pada
Software Micromine 2020 (Micromine 2020)
44
Tabel 3.1
Klasifikasi Sumberdaya Mineral (JORC, 2012)
Klasifikasi Parameter
Tereka (Inferred) Tonase, kadar, dan kandungan mineral dapat di estimasi
dengan tingkat kepercayaan rendah. Hal ini
diamsumsikan dari adanya bukti geologi, tetapi tidak
diverifikasi kemenerusan geologi dan/atau kadarnya.
Hal ini hanya berdasarkan dari informasi yang
didapatkan melalui teknik yang memadai dari lokasi
mineralisasi atau singkapan, parit uji, sumur uji, dan
lubang bor tetapi kualitas dan tingkat kepercayaan
terbatas.
Tertunjuk (Indicated) Tonase, kadar, densitas, karakter fisik, dan kandungan
mineral dapat diestimasi dengan tingktat kepercayaan
yang wajar. Hal
ini didasarkan pada hasil eksplorasi, dan informasi
pengambilan dan pengujian sampel yang didapatkan
melalui teknik yang tepat dari lokasi-lokasi mineralisasi
seperti singkapan, parit uji, sumur uji, dan lubang bor.
Lokasi pengambilan data masih terlalu jarang atau
spasinya belum tepat untuk memastikan kemenerusan
geologi dan/atau kadar, tetapi secara umum cukup untuk
mengasumsikan kemenerusannya.
Terukur (Measured) Tonase, densitas, bentuk karakter fisik, kadar dan
kandungan mineral dapat diestimasi dengan tingkat
kepercayaan yang tinggi. Hal ini didasarkan pada hasil
eksplorasi rinci dan terpercaya, dan informasi mengenai
pengambilan data dan pengujian sampel yang diperoleh
dengan teknik yang tepat dari lokasi-lokasi mineralisasi
seperti singkapan, parit uji, sumur uji, dan lubang bor.
Lokasi informasi pada kategori ini secara umum cukup
rapat untuk memastikan kemenerusan geologi dan
kadar.
45
Klasifikasi sumberdaya mineral dan cadangan bijih dikelompokan berdasarkan dua
kriteria yang menjadi dasar klasifikasi yaitu keyakinan terhadap kondisi geologi
dan peningkatan tingkat pengetahuan (kelayakan tambang). Sumberdaya mineral
dengan tingkat keyakinan geologi yang paling tinggi masuk dalam klasifikasi
sumberdaya terukur (measured). Klasifikasi dengan tingkat keyakinan geologi
paling rendah masuk ke dalam klasifikasi sumberdaya tereka (inferred).
Gambar 3.13
Hubungan antara hasil eksplorasi, sumberdaya mineral
dan cadangan bijih (JORC, 2012)
46
5. Tingkat ketidakyakinan terhadap struktur
6. Parameter Kriging :
a. Slope of regression
Slope of regression atau kemiringan garis regresi, sering digunakan sebagai
analisis kondisi bias antara data sebenarnya dan data taksiran. Secara ideal,
kemiringan garis regresi mendekati angka 1 akan dianggap mendekati
kondisi tak bias, tidak ada perbedaan antara data sebenarnya dan data
taksiran.
b. Kriging variance
Variansi kriging atau variansi estimasi, pada kasus kriging blok adalah
kesalahan yang terjadi pada estimasi suatu blok. Kesalahan ini merupakan
selisih mutlak antara nilai sesungguhnya yang tidak pernah diketahui
dengan nilai taksiran. Semakin kecil nilai variansi estimasi, maka estimasi
tersebut secara kuantitatif menjadi semakin baik.
c. Kriging error
Kriging error mencerminkan pengaruh hasil taksiran terhadap rata-rata
sampel yang ada. Nilai kriging error kecil (mendekati nol)
mengindikasikan data taksiran akurat atau representatif.
d. Average distance
Average distance merupakan ukuran kerapatan atau jarak antar lubang bor.
Nilai average distance relatif lebih kecil mencerminkan data taksiran lebih
rapat atau dekat terhadap data sampel.
47
BAB IV
HASIL PENELITIAN
Data penelitian pada daerah penelitian memiliki jumlah titik bor sebanyak 569 titik
bor (Lampiran A), minimal kedalaman titik bor pada kedalaman 6 meter
(sr0133RC0151) dan maksimum kedalaman titik bor pada kedalaman 129,20 meter
(DDH0509) serta rata-rata kedalaman titik bor pada kedalaman 30 meter dengan
interval jarak titik bor relatif sama yaitu 8 meter. Penyebaran titik bor pada daerah
penelitian serta badan bijih emas epithermal ditunjukan pada Gambar 4.1
Gambar 4.1
Penyebaran titik bor dan badan bijih pada daerah penelitian
48
4.2 Analisis Statistik Univarian
Hasil analisis statistik univarian kadar Au (ppm) dari data assay masing-masing
vein epithermal ditunjukan pada Tabel 4.1 di bawah ini :
Tabel 4.1
Hasil analisis statistik data assay
Nilai
Parameter Vein 1 Vein 2 Vein 3
Number of Values 100 85 238
Minimum Value 0,01 0,01 0,01
Maximum Value 7,09 4,28 2,11
Mean 1,69 1,3 1,04
Median 0,59 0,36 0,14
Standard Deviaton 3 1,25 3,22
Variance 9,03 9,46 10,34
Coefficient of Variation 1,78 3,08 3,09
Gambar 4.2
Histogram data assay emas epihermal
Dari analisis statistik pada Tabel 4.1, menunjukkan bahwa data assay memiliki
koefisien variansi (CV) pada setiap vein berturut-turut senilai 1,78; 3,08; dan 3,09.
Hal ini menunjukkan bahwa sampel bersifat heterogen (Isaaks, 1989).
49
4.3 Konstruksi Model Blok
4.3.1 Model Topografi
Pembuatan model topografi memerlukan koordinat dari hasil digitasi peta daerah
penelitian. Model topografi ini diperlukan untuk membatasi ekstrapolasi kadar Au
(ppm) ke arah vertikal. Model topografi daerah penelitian dapat dilihat pada
Gambar 4.3, Proses integrase model topografi dan model blok dilakukan dengan
aplikasi Micromine 2020, Aplikasi tersebut dapat membantu mengolah data dan
menampilkan yang digunakan untuk pengecekkan peta yang dihasilkan.
Gambar 4.3
Topografi daerah penelitian (3d view)
Gambar 4.4
Sayatan titik bor dan badan bijih pada daerah penelitian :
A) Vein 1; B) Vein 2; C) Vein 3
50
Gambar 4.5
Ore body dalam wireframe (3d view)
Tabel 4.2
Parameter model blok
51
4.4 Analisis Variogram
Analisis variogram digunakan untuk mengetahui karakteristik korelasi spasial atau
tingkat kemiripan (variabilitas) dari data assay emas epithermal dan median
tertentu di daerah penelitian. Analisis variogram dilakukan dengan software
Micromine 2020 yang diawali dengan penentuan parameter penyusun dari
variogram eksperimental yang terdiri dari parameter lags dan directions.
Parameter lags pada arah vertikal dan arah horizontal berbeda. Parameter lags yang
digunakan dalam pencarian data pada arah horizontal (azimuth) dan perpendicular
(tegak lurus azimuth) sebesar 8 meter yang ditentukan berdasarkan spasi antar titik
lubang bor, sedangkan pada arah vertikal (downhole) disesuaikan dengan jarak dari
data assay emas epithermal per 1 meter kedalaman.
Parameter directions yang digunakan pada penelitian ini menggunakan empat arah
utama (azimuth) yang representatif yaitu arah 0°, 45°, 90°, dan 135° serta satu arah
pencarian ke segala arah (omnidirectional) dengan sudut toleransi sebesar 22,5° dan
bandwith sebesar 15 meter untuk arah horizontal sedangkan arah vertikal
menggunakan bandwith sebesar 0,5 meter. Penggunaan nilai sudut toleransi (αtot)
dan bandwith membantu dalam mentoleransi data sampel terhadap jarak. Hal ini
dilakukan mengingat kondisi topografi yang tidak datar sehingga data sampel tidak
sepenuhnya memiliki jarak antar data sampel yang secara tepat sama. Parameter
penyusunan variogram yang digunakan pada penelitian ini dapat dilihat pada Tabel
4.3 di bawah ini.
Tabel 4.3
Parameter penyusun variogram pada kadar Au (ppm)
Arah Azimuth Dip αtot
Omnidirectional 0 0 90
N-S 0 0 22,5
Azimuth NE-SW 45 0 22,5
E-W 90 0 22,5
SE-NW 135 0 22,5
Downhole 0 90 22,5
52
Pencarian variogram pada data assay emas epithermal dalam bentuk tiga dimensi
akan dilakukan terpisah antara arah azimuth, tegak lurus azimuth (perpendicular),
dan arah vertikal (downhole). Hal ini menunjukkan bahwa terdapat model anisotripi
3 struktur yaitu pada arah azimuth, perpendicular, dan downhole.
Tabel 4.4
Parameter hasil fitting variogram
Model Partial Range Azimuth Plunge
Domain Nugget
fitting sill (m) (°) (°)
Spherical 21 80 0
Gaussian Vein 1 0,62 1,8 22 260 80
Gaussian 6 350 10
Gaussian 10 70 20
Spherical Vein 2 0,7 3,03 2,8 160 0
Gaussian 10 250 70
Gaussian 21 105 10
Spherical Vein 3 0,65 2,9 13 195 70
Gaussian 12 15 20
Dari hasil analisis variogram, didapatkan nilai parameter pencarian estimasi (data
search) diantaranya data strike (mayor), dip (semi-mayor), dan pitch (minor). nilai
53
parameter search disctance/ ellipsoid pada Tabel 4.5 dan hasil visualisasi ellipsoid
dapat dilihat pada Gambar 4.6.
Tabel 4.5
Parameter jarak pencarian (search distance) teknik OK
Parameter Directions
Vein 1 Vein 2 Vein 3
Strike (°) 80 70 105
Dip (°) 0 20 10
Pitch (°) 10 70 20
Sense North-East North-East South-East
Gambar 4.6
Jarak pencarian (search distance)/ellipsoid teknik OK
54
4.5.2 Studi Variogram Indikator (Teknik Median Indicator Kriging)
Studi variogram indikator/teknik median indicator kriging (medIK) dilakukan
menggunakan kadar batas (disctiminator) yang telah ditentukan dari data assay
emas epithermal di daerah penelitian menggunakan nilai median dari masing-
masing populasi.
Penetapan kadar batas ini didasarkan pada anggapan konservatif bahwa kadar batas
(discriminator) diatas nilai tengah merupakan kadar produktif di daerah penelitian.
Penentuan kadar batas (discriminator) pada variogram indikator juga dianggap
sebagai nilai kadar batas pemisah antara daerah mineralisasi (ore) dengan waste
yang selanjutnya hanya pada daerah mineralisasi (ore) yang akan dilakukan
pencarian parameter variogram.
Tabel 4.6
Parameter hasil fitting variogram indikator (teknik medIK)
Kadar
Partial Range Azimuth Plunge
Model Domain Batas Au Nugget
fitting (ppm)
sill (m) (°) (°)
Spherical 13,3 80 10
Exponential Vein 1 0,59 0,04 0,21 8,2 260 80
Spherical 1,69 350 0
Spherical 9 70 0
Spherical Vein 2 0,36 0,06 0,14 2,5 160 70
Gaussian 7,1 340 0
Exponential 36 105 10
Spherical Vein 3 0,14 0,06 0,19 16,5 285 80
Spherical 5,1 15 0
Dari hasil analisis variogram teknik medIK, didapatkan nilai parameter pencarian
estimasi (data search) diantaranya data strike (mayor), dip (semi-mayor), dan pitch
55
(minor). nilai parameter search distance/ellipsoid pada Tabel 4.7 dan hasil
visualisasi ellipsoid dapat dilihat pada Gambar 4.7.
Tabel 4.7
Parameter jarak pencarian (search distance) teknik medIK
Parameter Directions
Vein 1 Vein 2 Vein 3
Strike (°) 80 70 105
Dip (°) 10 0 10
Pitch (°) 0 0 0
North- North- South-
Sense
East East East
Gambar 4.7
Jarak pencarian (search distance)/ellipsoid teknik medIK
56
4.6 Estimasi Teknik Kriging
Estimasi teknik kriging menggunakan software Micromine 2020. Parameter grid
dimension atau ukuran blok model setelah melakukan proses trial and error yang
mencakup keseluruhan data assay emas epithermal menggunakan model blok
ukuran 4x4x4 meter yang tersusun dari unit-unit model blok (cell size) yang
berukuran 2x2x2 meter. Estimasi teknik kriging dilakukan menggunakan prinsip
ordinary kriging sehingga data yang dihasilkan berupa nilai estimasi kadar emas
epithermal. Setiap teknik kriging yang dilakukan pada penelitian akan
menghasilkan model blok estimasi kadar emas epithermal.
Dari hasil model blok tersebut akan ditampilkan dalam bentuk 2 dimensi berupa
penampang estimasi kadar emas epithermal. Adapun estimasi teknik kriging dari
teknik ordinary kriging (OK) merupakan teknik block kriging, dan teknik median
indicator kriging (medIK) yang merupakan salah satu teknik indicator kriging (IK).
Hasil Estimasi sumberdaya emas epithermal dari teknik ordinary kriging (OK)
ditunjukan pada Gambar 4.8 dan Gambar 4.9
Gambar 4.8
Model blok hasil estimasi teknik ordinary kriging (plan view)
57
Gambar 4.9
Model blok hasil estimasi teknik ordinary kriging (3d view)
Setelah interpolasi, dilakukan analisis statistik pada hasil Estimasi kadar Au (ppm)
teknik OK. Hasil analisis statistik dapat dilihat pada Tabel 4.8 dan histogram hasil
penasiran teknik OK pada Gambar 4.10 di bawah ini.
Gambar 4.10
Histogram model blok penaksiran teknik OK
58
Tabel 4.8
Hasil statistik univarian teknik OK
Parameter Domain
Vein 1 Vein 2 Vein 3
Data (n) 3.401 759 4.306
Min. Value 0,05 0,01 0,07
Max. Value 10,68 15.21 25.16
Mean 1,63 1,96 1,33
Median 1,52 1,8 0,54
Variance 1,31 2,27 5.63
Std. Deviation 1,14 1,51 2,37
Coeff. Of
0,7 0,77 1,78
Variation
Berdasarkan hasil analisis statistik dan histogram model blok OK, menunjukkan
distribusi data pada vein 1 merupakan distribusi data kadar tinggi, distribusi data
pada vein 2 terdapat distribusi data kadar merata dan terdapat sedikit kadar tinggi,
sedangkan distribusi data pada vein 3 terdapat distribusi yang merata dengan CV
tinggi, menunjukan terdapat tingkat heterogen data yang cendurung tinggi.
Tabel 4.9
Klasifikasi sumberdaya emas epithermal dengan average distance teknik OK
Kadar Sumberdaya (ton) Kadar
Total
Batas Au rata-rata
Teukur Tertunjuk Tereka (ton)
(ppm) Au (ppm)
0,1 35.017,5 6.260 44.762,5 86.040 1.78
0,2 29.197,5 5.450 41.602,5 76250 1.99
0,3 27.607,5 5.092,5 40.317,5 73.017.5 2.07
0,4 26.320 5.090 39.950 71.360 2.11
0,5 23,780 5.037,5 37.675 66.492,5 2.24
0,6 22.197,5 4.847,5 36.400 63.445 2.32
0,7 20.515 4.582,5 35.382,5 60.480 2.4
0,8 19.360 4.512,5 30.385 54.257.5 2.58
0,9 17.915 3.957,5 28.270 50.142,5 2.73
Total 40.225 7.572,5 51.377,5 99.175 1.56
59
Tabel 4.9. Sumberdaya emas epithermal terukur sejumlah 40.225 ton, sumberdaya
emas epithermal tertunjuk sejumlah 7.572,5 ton, dan sumberdaya emas epithermal
tereka sejumlah 51.377,5 ton.
Gambar 4.11
Model blok hasil estimasi teknik median indicator kriging (plan view)
Gambar 4.12
Model blok hasil estimasi teknik median indicator kriging (3d view)
60
Setelah interpolasi, dilakukan analisis statistik pada hasil Estimasi kadar Au (ppm)
teknik medIK. Hasil analisis statistik dapat dilihat pada Tabel 4.10 dan histogram
hasil penasiran teknik medIK pada Gambar 4.13 di bawah ini.
Gambar 4.13
Histogram model blok penaksiran teknik medIK
Tabel 4.10
Hasil statistik univarian teknik medIK
Parameter Domain
Vein 1 Vein 2 Vein 3
Data (n) 3.401 759 4.306
Min. Value 0,235 0,1 0,07
Max. Value 1,88 1,42 0,42
Mean 1,2 0,94 0,26
Median 1,2 0,98 0,29
Variance 0,24 0,11 0,01
Std. Deviation 0,49 0,34 0,13
Coeff. Of Variation 0,41 0,36 0,5
Berdasarkan hasil analisis statistik dan histogram model blok medIK, menunjukkan
distribusi data pada vein 1, vein 2 dan vein 3 memiliki nilai CV 0,41 menunjukan
terdapat korelasi data yang homogen.
61
Tabel 4.11
Klasifikasi sumberdaya emas epithermal dengan average distance teknik medIK
Kadar Sumberdaya (ton) Kadar
Total
Batas Au rata-rata
Teukur Tertunjuk Tereka (ton)
(ppm) Au (ppm)
0,1 36.745 15.757,5 37.495 89.987.5 0,75
0,2 33.807,5 14.067,5 34.007,5 81.882,5 0,81
0,3 26,690 10.570 29.660 66.920 0,93
0,4 20.952,5 7.532,5 25.927,5 54.412,5 1,07
0,5 16.852,5 5.925 21.545 44.322,5 1,22
0,6 15.527,5 5.632,5 21.370 42.530 1,24
0,7 14.595 5490 20890 40.975 1,27
0,8 13.530 4.955 20.030 38.515 1,3
0,9 12.622,5 4,740 18.642,5 36.005 1,33
Total 41.122,5 17.317,5 40.735 99.175 0,69
62
2,5
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1 1,2 1,4
Assay (Au (ppm))
Gambar 4.14
Hasil cross validation teknik ordinary kriging
2,5
Median Indicator Kriging (Au (ppm))
1,5
0,5
0
0 0,2 0,4 0,6 0,8 1 1,2 1,4
Assay (Au (ppm))
Gambar 4.15
Hasil cross validation teknik median indicator kriging
Tabel 4.12
Parameter cross validation teknik kriging
koefisien koefisien
Teknik Y-intercept slope RMSE
korelasi (r) determinasi (r2)
OK 0,103 0,321 0,87 0,32 0,847
medIK 0,647 0,557 0,11 0,92 0,094
Berdasarkan hasil validasi silang di atas, teknik medIK memiliki nilai RMSE yang
paling kecil dari semua teknik senilai 0,094. Semakin kecil nilai RMSE suatu model
63
penaksiran, maka semakin akurat model penaksiran tersebut. Nilai koefisien
korelasi (r) teknik medIK dengan nilai 0,647 atau mendekati 1 yang memiliki nilai
lebih baik dibandingkan teknik OK dengan nilai 0,103.
Langkah selanjutnya membuat kurva probability plot dari data assay kadar Au
(ppm) dibandingkan dengan taksiran kadar blok model masing-masing teknik
kriging. Kurva ini akan menunjukkan kondisi takbias apabila rata-rata kadar
taksiran sama dengan kadar assay, sedangkan bias diindikasikan dengan adanya
pergeseran kurva teknik taksiran terhadap data aktual (assay). Kurva probability
plot dapat dilihat pada Gambar 4.16 (assay - OK), Gambar 4.17 (assay - medIK).
Gambar 4.16
Probability plot teknik ordinary kriging
Gambar 4.17
Probability plot teknik median indicator kriging
64
Berdasarkan hasil kurva probability plot, semua teknik penaksiran mengalami
pergeseran kurva sehingga dapat dikatakan bias. Kurva probabilitas komulatif
teknik medIK (Gambar 4.17) memiliki kurva yang paling mendekati kurva assay,
sedangkan kurva probability plot teknik OK (Gambar 4.16) memiliki kurva yang
paling menjauhi kurva assay.
Visualisasi secara grafis data dan model dilakukan secara visual dengan sayatan-
sayatan secara vertikal 2 dimensi. Model blok akan disayat bersamaan dengan data
beserta data aktual di lapangan (assay), korelasi yang baik terjadi apabila antara
blok model yang disayat dan data bor pada lokasi yang sama mempunyai trend
warna yang sama. Visualisasi data dan model dilakukan pada lubang bor pada
koordinat (X = 212.996; Y = 9.927.175).
Gambar 4.18
Visualisasi data dan model assay-taksiran OK
65
Gambar 4.19
Visualisasi data dan model assay-taksiran medIK
Berdasarkan hasil visualisasi data dan model pada Gambar 4.18 dan Gambar 4.19
hasil taksiran kadar Au (ppm) teknik medIK dan OK memiliki warna hampir sama
dengan kadar assay Au (ppm), sedangkan hasil taksiran kadar Au (ppm) teknik OK
menghasilkan trend warna yang tidak sama dengan data aktual (assay) Au (ppm).
Hal ini menunjukan teknik median indicator kriging merupakan teknik yang lebih
akurat disbanding teknik ordinary kriging.
66
BAB V
PEMBAHASAN
Hasil analisis validasi silang (cross validation) estimasi teknik kriging menunjukan
teknik median indicator kriging lebih akurat dibandingkan teknik ordinary kriging
yang ditunjukkan pada Tabel 4.12. Pada Tabel 4.12, menunjukan teknik median
indicator kriging memiliki nilai root mean squared error (RMSE) sebesar 0,094
lebih kecil daripada teknik ordinary kriging sebesar 0,875. Teknik median indicator
kriging memiliki nilai koefisien korelasi (r) dan slope berturut-turut sebesar 0,647;
dan 0,92 sedangkan teknik ordinary kriging memiliki nilai koefisien korelasi (r)
dan slope berturut-turut sebesar 1,03, Nilai koefisien korelasi (r) dan slope yang
dihasilkan oleh teknik median indicator kriging pada uji validasi silang (cross
validation) lebih mendekati nilai 1 dibandingkan teknik ordinary kriging, hal ini
menunjukan teknik median indicator kriging memiliki nilai korelasi yang
mendekati data aktual (assay) dan merupakan teknik yang lebih baik dibanding
teknik ordinary kriging.
67
menjauhi data assay. Hasil taksiran teknik ordinary kriging juga dikatakan bias
karena menjauhi kurva assay terlalu jauh, sehingga penaksiran sumberdaya emas
epithermal teknik median indicator kriging dapat dinilai baik daripada teknik
ordinary kriging.
Gambar 5.1
Kurva probability plot (assay-OK est.-medIK est.)
Berdasarkan hasil visualisasi data dan model yang ditunjukan pada Gambar 4.18
dan Gambar 4.19, hasil taksiran kadar Au (ppm) teknik median indicator kriging
memiliki warna hampir sama dengan kadar assay Au (ppm), sedangkan hasil
taksiran kadar Au (ppm) teknik OK menghasilkan trend warna yang tidak sama
dengan data assay Au (ppm).
68
Gambar 5.2
Histogram average distance teknik OK
Gambar 5.3
Histogram average distance teknik medIK
69
tereka (inferred) secara berturut-turut : 0-8,6 m; 8,7-11 m; > 11 m (teknik ordinary
kriging), serta 0-9 m; 9-14,5 m, > 14,5 (teknik median indicator kriging). Tabulasi
sumberdaya emas epithermal pada daerah penelitian yang ditunjukan pada Tabel
5.1 di bawah ini.
Tabel 5.1
Tabulasi unit blok sumberdaya emas epithermal
Teknik Sumberdaya
measured indicated inferred
medIK 3.364 1.402 3.697
OK 3.263 585 4.616
Tabel 5.2
Hasil kadar Au (ppm) rata-rata
Teknik Kadar blok rata-rata
Au (ppm)
measured indicated inferred
OK 1,547 2,308 1,435
medIK 0,618 0,603 0,79
Berdasarkan Tabel 5.2 di atas, dapat disimpulkan dengan adanya nilai CV erratic
pada masing-masing populasi data, hasil taksiran kadar Au (ppm) teknik ordinary
kriging terekstrapolasikan terlalu jauh dari data assay Au (ppm). Sedangkan teknik
median indicator kriging yang membagi data kadar menjadi discriminator dengan
nilai median masing-masing populasi data akan memberikan taksiran yang
mendekati data assay Au (ppm).
70
Tabel 5.3
Hasil estimasi sumberdaya emas epithermal
Sumberdaya OK medIK
3
Volume (m )
Measured 16.090 16.449
Indicated 3.029 6.927
Inferred 20.551 16.294
Tonase (ton)
Measured 40.225 41.122
Indicated 7.572 17.317
Inferred 51.377 40.735
Hasil estimasi sumberdaya emas epithermal pada Tabel 5.3 diatas menunjukkan
tonase emas epithermal terukur (measured) dari teknik median indicator kriging
(medIK) lebih besar daripada tonase sumberdaya emas epithermal teknik ordinary
kriging (OK). Teknik median indicator kriging (medIK) memiliki jumlah
sumberdaya terukur (measured) yang lebih kecil sebesar 41.122 ton dibandingkan
teknik ordinary kriging (OK) yang memiliki jumlah sumberdaya terukur
(measured) sebesar 40.225 ton.
Hasil estimasi sumberdaya emas epithermal pada setiap teknik kriging akan
memberikan nilai taksiran berbeda. Distribusi data pada masing-masing populasi
akan mempengaruhi parameter kriging yang dihasilkan, serta jarak pengaruh dari
titik sampel terhadap titik taksiran sehingga menghasilkan estimasi sumberdaya
emas epithermal berbeda.
71
Tabel 5.4
Analisis estimasi sumberdaya emas epithermal
Cut Off Grade Measured (Ton) Indicated (Ton) Inferred (Ton) Sumberdaya
Au (ppm) Total (Ton)
0,1 36.745 15.747,5 3.7495 89.987,5
0,2 33.807,5 14.067,5 34.007,5 81.882,5
0,3 26.690 10.570 29.660 66.920
0,4 20.952,5 7.532,5 25.927,5 54.412,5
0,5 16.852,5 5.925 21.545 44.322
0,6 15.527,5 5.632,5 21.370 42.530
0,7 14.595 5.490 20.890 40.975
0,8 13.530 4.955 20.030 38.515
0,9 12.622,5 4.740 18.642,5 36.005
Sumberdaya tertinggi terdapat pada Cut Off Grade 0,1 Au (ppm) dengan jumlah
sumberdaya terukur (measured) dan tertnjuk (indicated) sebesar 52.492,5 ton dan
sumberdaya tereka (inferred) sebesar 37.495 ton. Kurva kadar-tonase menunjukkan
bahwa pada cut off grade yang rendah tonase sumberdaya semakin tinggi dan akan
menurun bersamaan dengan naiknya cut off grade.
Grafik pengaruh Cut Off Grade pada Gambar 5.4 menunjukkan adanya fenomena
dimana dengan menggunakan kadar batas lebih rendah didapatkan sumberdaya
lebih besar, sebaliknya dengan menggunakan kadar batas lebih tinggi didapatkan
sumberdaya lebih kecil.
50.000
40.000
30.000
20.000
10.000
0
0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
Cut Off Grade Au (ppm)
Gambar 5.4
Grafik pengaruh cut off grade
72
Hubungan kadar-tonase pada Gambar 5.5 memberikan interpretasi penting
mengenai gambaran inventori dari sumberdaya emas epithermal yang mendukung
pada pengambilan keputusan pada tahap perencanaan tambang, karena cut off grade
memberikan informasi terhadap kadar terendah yang masih menguntungkan
apabila ditambang. Hal ini merupakan analisis penting pada estimasi sumberdaya
dan kadar pada cut off grade tertentu. Penentuan besaran cut off grade dapat
mempengaruhi tonase sumberdaya emas epithermal.
Gambar 5.5
Kurva hubungan kadar-tonase
Gambar 5.5 menunjukan bahwa pada cut off grade yang rendah tonase sumberdaya
semakin tinggi dan akan menurun bersamaan dengan naiknya cut off grade. Kurva
hubungan tonase dan kadar ini dapat menjadi dasar pertimbangan ekonomi untuk
mendapatkan keuntungan yang optimal dalam industri mineral.
73
BAB VI
KESIMPULAN DAN SARAN
6.1 Kesimpulan
1. Jenis endapan pada daerah penelitian adalah vein epithermal low sulphidation,
distribusi kadar pada struktur ini sangat tidak menentu (erratic) sehingga teknik
median indicator kriging (medIK) merupakan teknik kriging yang akurat serta
mendekati data assay Au (ppm). Hasil analisis akurasi taksiran diantaranya
validasi silang (cross validation); probability plot (assay–OK estimated-medIK
estimated); dan visualisasi data dan model juga menunjukan teknik median
indicator kriging (medIK) merupakan teknik yang lebih akurat.
3. Hasil analisis kurva kadar-tonase menunjukkan bahwa pada cut off grade yang
rendah tonase sumberdaya semakin tinggi dan akan menurun bersamaan dengan
naiknya cut off grade.
6.2 Saran
1. Diperlukannya penelitian lanjutan mengenai pengaruh ukuran model blok
terhadap akurasi taksiran.
74
DAFTAR PUSTAKA
Ali Akbar Daya, 2012, Aplication of Median Indicator kriging in The Analysis of
Iron Ore Mine in Yazd Province, Iran, Arabian Journal of Geosciences.
2013, pp. 368-369.
Asy’ari, M.A., Hidayatullah, R., Zulfadli, A., 2013, Geologi dan Estimasi Sumber
daya Nikel Laterit Menggunakan Metode Ordinary Kriging Di PT. Aneka
Tambang, Tbk, Jurnal Intekna, Tahun XIII, No. 1 hal. 7-15.
Bargawa, W.S., 1999, Aplikasi Kriging Indikator Dalam Permodelan Urat Bijih
Emas Cikidang Jawa Barat, Tesis Magister, Program Studi Rekayasa
Pertambangan, Program Pasca Sarjana, Institut Teknologi Bandung,
Bandung, BAB VII hal. 1.
Bargawa, W.S., 2002, Short Cource Reserve Modeling for Mining, Ikatan Ahli
Geologi Indonesia, Bandung, Jawa Barat.
Bargawa, W.S., 2009, Aplikasi Kriging Non-Linier Pada Penaksiran Kadar Bijih
Emas. Jurnal Ilmu Kebumian Teknologi Mineral, 22 (2), pp. 101-114.
Bargawa, W.S. dan Amri N.A., 2016, Mineral Resources Based on Block
Modelling, Applied Mathematics in Sciences and Engineering Proceedings,
2017.
Bargawa, W.S., Tobing, R., 2019, Analisis Spasial Untuk Penaksiran Sumberdaya
Bijih Besi Di Site Merangin, Universitas Pembangunan Nasional
“Veteran” Yogyakarta.
Bemmelen, van, R.W., 1994, The Geology of Indonesia Vol. IA, Netherland,
Marinus Nijhoff, The Hauge.
75
Corbett, G.J., 2007, Southwest Pacific Rim Gold/Copper Systems : Structure,
Alteration, and Mineralization. Townville, pp. 15-23.
Cressie, N. A. C, 1993, Statistics for Spatial Data, Revised Edition, John Willey &
Sons Inc., Canada, pp. 12-26.
Davis, J.C., 1986, Statistics and Data Analysis in Geology, 2nd Edition, John Wiley
& Sons Inc. Canada, pp 56-70.
Deustch, C.V., Journel A.G., 1992, GSLIB : Geostatist – ical Software Library and
User’s Guide, Oxford University Press., New York, pp. 340.
Hedenquist, J.W., Arribas, A.R., dan Urien E.,G., 2000, Exploration for Epithermal
Gold Deposits, Economic Geology, pp. 68-74.
Hill, D., 1998, Comparasion of Median Indicator Kriging with Full Indicator
Kriging in The Analysis of Spatial Data, Thesis, Edith Cowan University,
1998, pp. 6-17.
Hohn, M., 1988, Geostatistics and Petroleum Geology, Springer, pp. 195-231.
Hustrulid. and Kuchta. M, 1995, “Open Pit Mine Planning & Design Volume 1
Fundamentals 3rd Edition”. CRC Press Taylor & Francis Group, pp. 258.
Journel, A.G., and Huijbregts, C.J, 1978, Mining Geostatistics, London Academic
Press.
Journel, A.G., 1988, New Distance Measures : The Route Toward Truly Non-
Gaussian Geostatistics, Mathematical Geology, Vol 20, No. 4.
Kim, Y.C, 1988, Advanced Geostatistics For Highly Skewed Data, Departement of
Mining and Geological Engineering, Arizona University, pp. 124-152.
Lindgren, W. 1933, Mineral Deposits, New York, New York Book Company.
Lloyd, C.D and Atkinson, P.M, 2001, Assesing Uncertainty In Estimates With
Ordinary And Indicator Kriging, School Of Geography Te Queen’s
University Of Belfast, Northen Ireland, UK.
76
Mead, L. J., Bateman., A.M., 1981, Economic Mineral Deposits 3rd Edition, New
York.
N.A. Amri,, J.A. Aziz, W.F. Wan Hassan, and J. Setiaawan, 2012, Geostatistical
Analysis on Distribution of Gold Veins, 1st Earth Science International
Seminar Yogyakarta, pp. 19-27.
N.A. Amri, A.A. Jermain, and A. Fudholi, 2016, Optimization of Spatial Data
Sample for Gold Mineral Prediction, ARPN Journal of Engineering and
Applied Science 11.
N.A. Amri and HT Siri, 2018, Kriging by Partition : Case of Ciurug Quartz Gold
Vein, IOP Cenference Series : Earth and Enviromental Science 212, pp. 5-
8.
Permana, A., 2019, Analisis Pengaruh Modl Variogram, Parameter Variogram, Dan
Ukuran Blok Pada Estimasi Kadar Sumberdaya Nikel Dengan Meode
Geostatistik. Universitas Pembangunan Nasional “Veteran” Yogyakarta,
Bab III, hal. 21-37.
Purnomo, H., 2016, Analisis Pendekatan Metode Inverse Distance Weighted (IDW)
dan Ordinary Kriging (OK) Dalam Penaksiran Sumber Daya Laterit Nikel
Di Blok “R” PT, Kemakmuran Pertiwi Tambang, Magister Teknik
Pertambangan, UPN “Veteran” Yogyakarta, Yogyakarta, Bab III, hal. 21-
45.
Sinclair, A.J., and Blackwell, G.H., 2005, Applied Mineral Inventory Estimation,
Cambridge University Press.
Sibarani, 2008, Studi Mikroskopi Untuk Verifikasi Hasil Analisis XRDD Analisis
Tekstur Pada Sampel Urat Ciurug Endapan Epitermal Pongkor Indonesia,
Program Studi Teknik Pertambangan, Fakultas Teknologi Pertambangan
dan Perminyakan, ITB, Bandung, Bab IV, hal, 76-79.
Taylor, H.P., Jr., 1973, 081/016 Evidence for Meteoric Hidrothermal Alteration and
Ore Deposition in The Tonopah, Comstock, Lode, and Goldfield Mining
Districts, Nevada.
77
William, D.R., Using Geostatistics to Estimate the Resources of Narrow Vein Gold
Deposite, Faculty of Engineering, Dalhouse University, pp. 35.
-------, 1994, Dokumen Amdal PT. Indo Muro Kencana. PT. Indo Muro Kencana.,
hal 21-22.
78
LAMPIRAN A
PETA SEBARAN TITIK BOR PADA DAERAH PENELITIAN
Gambar A.1
Peta sebaran titik bor
79
106
LAMPIRAN B
PETA TOPOGRAFI DAERAH PENELITIAN
Gambar B.1
Peta toografi daerah penelitian
80
107
LAMPIRAN C
TABULASI DATA ASSAY EMAS EPITHERMAL DAERAH PENELITIAN
Tabel C.1
Data Assay Daerah Penelitian
81
Hole ID Sample ID From To Au Easting Northing RL
(ppm)
RC1500 698717 26 27 1.11 212.856.670 9927116.78 100.903
RC1500 698718 27 28 6.19 212.856.675 9927116.60 99.918
SR0133RC016 SR1904038 5 6 1.17 212872.72 9927120.79 129.02
7
SR0133RC016 SR1904039 6 7 1.72 212872.85 9927120.39 128.11
7
SR0133RC016 SR1904040 7 8 0.2 212872.98 9927119.99 127.20
7
SR0133RC016 SR1904042 8 9 0.18 212873.11 9927119.58 126.30
7
SR0133RC016 SR1904043 9 10 0.04 212873.24 9927119.18 125.39
7
SR0133RC016 SR1904055 9 10 0.19 212872.00 9927121.91 125.07
8
SR0133RC016 SR1904056 10 11 4.23 212872.11 9927121.58 124.13
8
SR0133RC016 SR1904057 11 12 4.61 212872.22 9927121.26 123.19
8
SR0133RC016 SR1904058 12 13 0.15 212872.32 9927120.93 122.25
8
SR0133RC016 SR1904064 3 4 0.41 212880.63 9927122.66 129.83
9
SR0133RC016 SR1904065 4 5 1.48 212880.80 9927122.28 128.92
9
SR0133RC016 SR1904066 5 6 2.66 212880.98 9927121.89 128.02
9
SR0133RC017 SR1904078 8 9 0.58 212879.93 9927125.01 124.79
0
SR0133RC017 SR1904079 9 10 3.17 212880.04 9927124.77 123.82
0
SR0133RC017 SR1904080 10 11 1.01 212880.15 9927124.54 122.86
0
SR0133RC017 SR1904102 14 15 3.46 212879.06 9927127.72 118.72
2
SR0133RC017 SR1904103 15 16 5.24 212879.14 9927127.56 117.74
2
SR0133RC017 SR1904104 16 17 0.89 212879.21 9927127.40 116.75
2
SR0133RC017 SR1904105 17 18 0.57 212879.28 9927127.25 115.77
2
SR0133RC017 SR1904111 2 3 0.83 212886.51 9927127.08 130.73
3
SR0133RC017 SR1904112 3 4 0.14 212886.72 9927126.71 129.83
3
SR0133RC017 SR1904113 4 5 0.11 212886.92 9927126.34 128.92
3
SR0133RC017 SR1904114 5 6 0.31 212887.13 9927125.97 128.02
3
SR0133RC017 SR1904115 6 7 2.1 212887.33 9927125.60 127.11
3
SR0133RC017 SR1904131 10 11 0.53 212885.74 9927128.86 123.13
4
SR0133RC017 SR1904132 11 12 0.7 212885.91 9927128.56 122.19
4
SR0133RC017 SR1904133 12 13 0.51 212886.07 9927128.26 121.25
4
82
Hole ID Sample ID From To Au Easting Northing RL
(ppm)
SR0133RC017 SR1904134 13 14 0.77 212886.24 9927127.96 120.31
4
SR0133RC017 SR1904140 2 3 1.21 212893.73 9927127.57 131.08
5
SR0133RC017 SR1904142 3 4 0.72 212894.02 9927127.00 130.32
5
SR0133RC017 SR1904143 4 5 0.28 212894.31 9927126.42 129.55
5
SR0133RC017 SR1904151 5 6 3.75 212893.77 9927129.49 127.77
6
SR0133RC017 SR1904152 6 7 0.6 212893.91 9927129.21 126.82
6
SR0133RC017 SR1904167 11 12 0.23 212892.35 9927131.35 121.89
7
SR0133RC017 SR1904168 12 13 0.07 212892.47 9927131.12 120.93
7
SR0133RC017 SR1904169 13 14 18.8 212892.59 9927130.89 119.96
7
SR0133RC017 SR1904173 2 3 0.01 212901.68 9927130.54 131.08
8
SR0133RC017 SR1904174 3 4 6.01 212901.95 9927129.96 130.32
8
SR0133RC017 SR1904175 4 5 0.64 212902.22 9927129.38 129.55
8
SR0133RC017 SR1904176 5 6 0.21 212902.49 9927128.80 128.79
8
SR0133RC017 SR1904186 6 7 1.27 212901.16 9927131.51 127.11
9
SR0133RC017 SR1904187 7 8 0.84 212901.34 9927131.13 126.20
9
SR0133RC017 SR1904188 8 9 0.02 212901.52 9927130.74 125.30
9
SR0133RC018 SR1904196 7 8 2.17 212900.82 9927132.24 125.76
0
SR0133RC018 SR1904197 8 9 1.09 212900.93 9927132.01 124.79
0
SR0133RC018 SR1904198 9 10 0.33 212901.04 9927131.77 123.82
0
Hole ID Sample ID From To Au Easting Northing RL
(ppm)
SR0133RC018 SR1904199 10 11 0.24 212901.15 9927131.54 122.86
0
SR0133RC018 SR1904206 5 6 0.05 212908.66 9927131.88 127.79
1
SR0133RC018 SR1904207 6 7 0.04 212908.96 9927131.31 127.02
1
SR0133RC018 SR1904217 7 8 0.36 212908.26 9927132.74 126.25
2
SR0133RC018 SR1904218 8 9 0.24 212908.57 9927132.18 125.49
2
SR0133RC018 SR1904235 11 12 0.57 212906.85 9927135.53 121.19
3
SR0133RC018 SR1904236 12 13 0.55 212907.01 9927135.23 120.25
3
SR0133RC018 SR1904243 3 4 0.01 212916.19 9927136.09 129.32
4
SR0133RC018 SR1904244 4 5 0.27 212916.53 9927135.55 128.55
4
83
Hole ID Sample ID From To Au Easting Northing RL
(ppm)
SR0133RC018 SR1904256 7 8 6 212915.55 9927136.91 126.25
5
SR0133RC018 SR1904257 8 9 0.84 212915.90 9927136.37 125.49
5
SR0133RC018 SR1904268 5 6 7.02 212922.61 9927139.85 127.79
6
SR0133RC018 SR1904290 13 14 0.83 212921.10 9927141.89 119.31
7
SR0133RC018 SR1904291 14 15 0.52 212921.25 9927141.58 118.37
7
SR0133RC023 SR2306077 46 47 0.56 212920.22 9927145.91 104.38
4
SR0133RC023 SR2306078 47 48 0.28 212920.44 9927145.31 103.61
4
SR0133RC023 SR2306029 29 30 4.28 212898.49 9927134.18 116.40
5
SR0133RC023 SR2306030 30 31 1.11 212898.71 9927133.58 115.64
5
SR0133RC013 SR1004106 1 2 4.26 213013.36 9927174.34 128.70
1
SR0133RC013 SR1004115 5 6 0.34 213012.85 9927177.32 124.83
2
SR0133RC013 SR1004116 6 7 0.63 213013.01 9927177.02 123.89
2
SR0133RC013 SR1004117 7 8 6.82 213013.16 9927176.71 122.95
2
SR0133RC013 SR1004137 1 2 1.42 213004.33 9927174.33 128.70
4
SR0133RC013 SR1004143 1 2 0.14 213004.17 9927175.65 128.55
5
SR0133RC013 SR1004144 2 3 0.29 213004.28 9927175.42 127.59
5
SR0133RC013 SR1004147 2 3 0.37 213004.00 9927177.00 127.50
6
SR0133RC013 SR1004148 3 4 0.27 213004.00 9927177.00 126.50
6
SR0133RC013 SR1004149 4 5 0.19 213004.00 9927177.00 125.50
6
SR0133RC013 SR1004150 5 6 0.28 213004.00 9927177.00 124.50
6
SR0133RC013 SR1004151 6 7 0.1 213004.00 9927177.00 123.50
6
SR0133RC013 SR1004152 7 8 0.09 213004.00 9927177.00 122.50
6
SR0133RC013 SR1004153 8 9 0.47 213004.00 9927177.00 121.50
6
SR0133RC013 SR1004154 9 10 0.56 213004.00 9927177.00 120.50
6
SR0133RC013 SR1004155 10 11 0.39 213004.00 9927177.00 119.50
6
SR0133RC013 SR1004156 11 12 0.7 213004.00 9927177.00 118.50
6
SR0133RC015 SR1204054 1 2 0.2 212975.39 9927168.36 128.70
5
SR0133RC015 SR1204055 2 3 0.23 212975.64 9927167.93 127.83
5
SR0133RC015 SR1204064 4 5 0.12 212974.55 9927168.97 125.65
6
84
Hole ID Sample ID From To Au Easting Northing RL
(ppm)
SR0133RC015 SR1204077 2 3 0.41 212980.53 9927171.87 127.83
7
SR0133RC015 SR1204078 3 4 2.36 212980.74 9927171.41 126.97
7
SR0133RC015 SR1204079 4 5 1.82 212980.95 9927170.96 126.10
7
SR0133RC015 SR1204080 5 6 0.33 212981.16 9927170.51 125.24
7
SR0133RC015 SR1204082 6 7 3.81 212981.37 9927170.05 124.37
7
SR0133RC015 SR1204085 0 1 0.01 212981.03 9927171.92 129.51
8
SR0133RC015 SR1204086 1 2 0.01 212981.10 9927171.76 128.52
8
SR0133RC015 SR1204087 2 3 0.01 212981.17 9927171.60 127.54
8
SR0133RC015 SR1204088 3 4 0.01 212981.24 9927171.44 126.55
8
SR0133RC015 SR1204089 4 5 0.03 212981.31 9927171.28 125.57
8
SR0133RC015 SR1204090 5 6 0.01 212981.37 9927171.12 124.58
8
SR0133RC015 SR1204091 6 7 0.02 212981.44 9927170.96 123.60
8
SR0133RC015 SR1204092 7 8 0.01 212981.51 9927170.80 122.61
8
SR0133RC015 SR1204093 8 9 0.01 212981.58 9927170.64 121.63
8
SR0133RC015 SR1204094 9 10 0.82 212981.64 9927170.48 120.64
8
SR0133RC015 SR1204095 10 11 1.32 212981.71 9927170.32 119.66
8
SR0133RC015 SR1204096 11 12 1.84 212981.78 9927170.16 118.67
8
SR0133RC015 SR1204104 3 4 7.76 212989.88 9927171.48 126.97
9
SR0133RC015 SR1204105 4 5 1.7 212990.13 9927171.05 126.10
9
SR0133RC015 SR1204106 5 6 24.6 212990.38 9927170.62 125.24
9
SR0133RC015 SR1204107 6 7 9.1 212990.63 9927170.19 124.37
9
SR0133RC016 SR1204112 2 3 5.91 212988.45 9927175.27 127.65
0
SR0133RC016 SR1204113 3 4 0.29 212988.63 9927174.98 126.71
0
SR0133RC016 SR1204114 4 5 2.53 212988.82 9927174.69 125.77
0
SR0133RC016 SR1204115 5 6 0.19 212989.00 9927174.40 124.83
0
SR0133RC016 SR1204116 6 7 0.1 212989.18 9927174.11 123.89
0
SR0133RC016 SR1204117 7 8 0.4 212989.36 9927173.82 122.95
0
SR0133RC016 SR1204118 8 9 0.37 212989.54 9927173.53 122.01
0
SR0133RC016 SR1204119 9 10 212989.72 9927173.24 121.07
0
85
Hole ID Sample ID From To Au Easting Northing RL
(ppm)
SR0133RC016 SR1204120 10 11 0.17 212989.90 9927172.95 120.13
0
SR0133RC016 SR1204122 11 12 0.02 212990.08 9927172.66 119.19
0
SR0133RC016 SR1204123 12 13 1.34 212990.27 9927172.37 118.25
0
SR0133RC016 SR1204124 13 14 1.32 212990.45 9927172.08 117.31
0
SR0133RC016 SR1204125 14 15 1.97 212990.63 9927171.79 116.37
0
SR0133RC016 SR1304031 3 4 0.51 212996.71 9927173.40 127.97
2
SR0133RC016 SR1304032 4 5 1.55 212996.92 9927172.94 127.10
2
SR0133RC016 SR1304033 5 6 1.42 212997.12 9927172.49 126.24
2
SR0133RC016 SR1304037 0 1 4.35 212995.08 9927177.85 129.53
3
SR0133RC016 SR1304038 1 2 0.23 212995.24 9927177.55 128.59
3
SR0133RC016 SR1304039 2 3 0.36 212995.40 9927177.25 127.65
3
SR0133RC016 SR1304040 3 4 0.31 212995.56 9927176.94 126.71
3
SR0133RC016 SR1304042 4 5 0.01 212995.72 9927176.64 125.77
3
SR0133RC016 SR1304043 5 6 0.16 212995.88 9927176.34 124.83
3
SR0133RC016 SR1304044 6 7 1.03 212996.04 9927176.04 123.89
3
SR0133RC016 SR1304045 7 8 1.46 212996.20 9927175.74 122.95
3
SR0133RC016 SR1304046 8 9 0.01 212996.36 9927175.43 122.01
3
SR0133RC016 SR1304047 9 10 0.01 212996.53 9927175.13 121.07
3
SR0133RC016 SR1304048 10 11 0.02 212996.69 9927174.83 120.13
3
SR0133RC016 SR1304049 11 12 0.49 212996.85 9927174.53 119.19
3
SR0133RC029 SR0309169 3 4 0.05 212985.95 9927175.61 127.55
5
SR0133RC029 SR0309170 4 5 0.34 212985.93 9927175.78 126.57
5
SR0133RC029 SR0309171 5 6 0.29 212985.92 9927175.95 125.58
5
SR0133RC029 SR0309172 6 7 0.24 212985.90 9927176.12 124.60
5
SR0133RC031 SR2309006 5 6 1.42 213015.00 9927174.54 126.79
8
SR0133RC031 SR2309007 6 7 1.56 213015.00 9927175.18 126.02
8
SR0133RC031 SR2309008 7 8 0.25 213015.00 9927175.82 125.25
8
SR0133RC031 SR2309009 8 9 1.01 213015.00 9927176.46 124.49
8
SR0133RC031 SR2309010 9 10 1.93 213015.00 9927177.11 123.72
8
86
Hole ID Sample ID From To Au Easting Northing RL
(ppm)
SR0133RC032 SR2309106 12 13 0.06 213008.98 9927175.96 122.42
0
SR0133RC032 SR2309107 13 14 0.03 213008.66 9927176.52 121.66
0
SR0133RC032 SR2309108 14 15 0.09 213008.34 9927177.07 120.89
0
SR0133RC032 SR0510010 9 10 0.01 213003.33 9927175.60 122.86
5
SR0133RC032 SR0510011 10 11 0.49 213003.15 9927176.08 122.00
5
SR0133RC032 SR0510012 11 12 0.47 213002.97 9927176.57 121.14
5
SR0133RC032 SR0510013 12 13 1.66 213002.80 9927177.05 120.29
5
RD0459 71506 9 10 0.26 213.225.154 9927165.24 142.403
RD0459 71507 10 11 0.1 213.225.167 9927164.74 141.537
RD0459 71508 11 12 0.46 213.225.181 9927164.24 140.671
RD0459 71509 12 13 1.02 213.225.194 9927163.74 139.805
RD0460 71549 2 3 0.27 213.200.013 9927164.89 151.805
RD0460 71550 3 4 1.44 213.200.026 9927164.39 150.939
RD0460 71551 4 5 0.76 213.200.039 9927163.89 150.073
RD0461 71630 33 34 0.02 213.249.368 9927157.12 120.608
RD0463 71697 14 15 0.02 213.148.790 9927160.92 127.163
RD0463 71698 15 16 0.04 213.148.803 9927160.42 126.297
RD0464 71735 9 10 1.86 213.128.264 9927167.98 133.443
RD0464 71736 10 11 9.9 213.128.277 9927167.48 132.577
RD0465 71802 26 27 0.02 213.101.987 9927177.69 120.100
RD0465 71803 27 28 0.05 213.102.000 9927177.19 119.234
RD0465 71804 28 29 0.19 213.102.013 9927176.69 118.368
RD0466 71871 25 26 1.04 213.073.164 9927180.66 113.606
RD0466 71872 26 27 0.51 213.073.177 9927180.16 112.740
RD0466 71873 27 28 0.34 213.073.190 9927179.66 111.874
RD0467 71915 9 10 0.03 213.049.844 9927180.63 130.103
SR0133RC001 SR1503046 0 1 0.01 213243.00 9927151.75 131.57
1
SR0133RC001 SR1503067 3 4 0.01 213243.00 9927155.25 129.97
2
SR0133RC001 SR1503068 4 5 0.01 213243.00 9927154.75 129.10
2
SR0133RC001 SR1503089 6 7 0.01 213243.00 9927158.75 127.37
3
SR0133RC001 SR1503090 7 8 0.07 213243.00 9927158.25 126.50
3
SR0133RC002 SR1703001 0 1 0.52 213235.00 9927161.75 132.57
0
SR0133RC002 SR1703002 1 2 0.32 213235.00 9927161.25 131.70
0
SR0133RC005 SR2103189 0 1 0.3 213176.00 9927151.75 132.57
6
87
Hole ID Sample ID From To Au Easting Northing RL
(ppm)
SR0133RC005 SR2103190 1 2 9.54 213176.00 9927151.25 131.70
6
SR0133RC005 SR2103193 0 1 0.23 213175.00 9927156.75 132.57
7
SR0133RC005 SR2103194 1 2 0.15 213175.00 9927156.25 131.70
7
SR0133RC005 SR2103195 2 3 0.11 213175.00 9927155.75 130.83
7
SR0133RC005 SR2103196 3 4 0.28 213175.00 9927155.25 129.97
7
SR0133RC005 SR2103197 4 5 0.17 213175.00 9927154.75 129.10
7
SR0133RC005 SR2103198 5 6 0.11 213175.00 9927154.25 128.24
7
SR0133RC005 SR2103199 6 7 0.09 213175.00 9927153.75 127.37
7
SR0133RC005 SR2103200 7 8 -0.02 213175.00 9927153.25 126.50
7
SR0133RC005 SR2103202 8 9 0.17 213175.00 9927152.75 125.64
7
SR0133RC005 SR2103203 9 10 4.18 213175.00 9927152.25 124.77
7
SR0133RC005 SR2103204 10 11 0.16 213175.00 9927151.75 123.91
7
SR0133RC005 SR2103205 11 12 0.14 213175.00 9927151.25 123.04
7
SR0133RC005 SR2103206 12 13 0.21 213175.00 9927150.75 122.17
7
SR0133RC005 SR2103207 13 14 0.07 213175.00 9927150.25 121.31
7
SR0133RC005 SR2103208 14 15 0.16 213175.00 9927149.75 120.44
7
SR0133RC005 SR2103209 15 16 0.15 213175.00 9927149.25 119.58
7
SR0133RC006 SR2203009 1 2 17.7 213167.00 9927158.25 131.70
1
SR0133RC006 SR2203046 0 1 0.01 213160.00 9927158.75 132.57
3
SR0133RC006 SR2203047 1 2 0.04 213160.00 9927158.25 131.70
3
SR0133RC006 SR2203068 8 9 1.28 213160.00 9927159.75 125.64
4
SR0133RC006 SR2203100 4 5 0.09 213153.00 9927159.75 129.10
6
SR0133RC006 SR2203102 5 6 0.62 213153.00 9927159.25 128.24
6
SR0133RC006 SR2203119 13 14 12.1 213153.00 9927160.25 121.31
7
SR0133RC006 SR2203142 16 17 0.19 213152.00 9927162.75 118.71
8
SR0133RC006 SR2203148 4 5 25 213146.00 9927161.75 129.10
9
SR0133RC006 SR2203149 5 6 0.97 213146.00 9927161.25 128.24
9
SR0133RC006 SR2203150 6 7 0.84 213146.00 9927160.75 127.37
9
SR0133RC007 SR2203278 4 5 1.22 213123.00 9927164.75 129.10
7
88
Hole ID Sample ID From To Au Easting Northing RL
(ppm)
SR0133RC007 SR2203279 5 6 0.12 213123.00 9927164.25 128.24
7
SR0133RC007 SR2203280 6 7 0.49 213123.00 9927163.75 127.37
7
SR0133RC007 SR2203282 7 8 0.18 213123.00 9927163.25 126.50
7
SR0133RC007 SR2303003 2 3 0.72 213123.00 9927169.75 130.83
8
SR0133RC007 SR2303004 3 4 5.75 213123.00 9927169.25 129.97
8
SR0133RC007 SR2303005 4 5 5.76 213123.00 9927168.75 129.10
8
SR0133RC007 SR2303006 5 6 0.75 213123.00 9927168.25 128.24
8
SR0133RC007 SR2303007 6 7 0.36 213123.00 9927167.75 127.37
8
SR0133RC007 SR2303008 7 8 0.43 213123.00 9927167.25 126.50
8
SR0133RC007 SR2303009 8 9 0.36 213123.00 9927166.75 125.64
8
SR0133RC007 SR2303010 9 10 0.1 213123.00 9927166.25 124.77
8
SR0133RC007 SR2303011 10 11 0.14 213123.00 9927165.75 123.91
8
SR0133RC007 SR2303012 11 12 1.42 213123.00 9927165.25 123.04
8
SR0133RC007 SR2303013 12 13 0.37 213123.00 9927164.75 122.17
8
SR0133RC007 SR2303014 13 14 0.15 213123.00 9927164.25 121.31
8
SR0133RC007 SR2303028 9 10 25 213123.00 9927170.25 124.77
9
SR0133RC007 SR2303029 10 11 7.78 213123.00 9927169.75 123.91
9
SR0133RC007 SR2303030 11 12 0.42 213123.00 9927169.25 123.04
9
SR0133RC007 SR2303031 12 13 0.36 213123.00 9927168.75 122.17
9
SR0133RC008 SR2303065 3 4 5.87 213115.00 9927163.25 129.97
1
SR0133RC008 SR2303066 4 5 0.5 213115.00 9927162.75 129.10
1
SR0133RC008 SR2303067 5 6 0.71 213115.00 9927162.25 128.24
1
SR0133RC008 SR2303068 6 7 0.78 213115.00 9927161.75 127.37
1
SR0133RC008 SR2303075 3 4 0.18 213115.00 9927167.25 129.97
2
SR0133RC008 SR2303076 4 5 0.29 213115.00 9927166.75 129.10
2
SR0133RC008 SR2303077 5 6 0.11 213115.00 9927166.25 128.24
2
SR0133RC008 SR2303078 6 7 0.06 213115.00 9927165.75 127.37
2
SR0133RC008 SR2303079 7 8 0.07 213115.00 9927165.25 126.50
2
SR0133RC008 SR2303080 8 9 0.07 213115.00 9927164.75 125.64
2
89
Hole ID Sample ID From To Au Easting Northing RL
(ppm)
SR0133RC008 SR2303081 9 10 0.15 213115.00 9927164.25 124.77
2
SR0133RC008 SR2303082 10 11 0.16 213115.00 9927163.75 123.91
2
SR0133RC008 SR2303083 11 12 0.12 213115.00 9927163.25 123.04
2
SR0133RC008 SR2303095 4 5 3.06 213115.00 9927171.75 129.10
3
SR0133RC008 SR2303096 5 6 0.21 213115.00 9927171.25 128.24
3
SR0133RC008 SR2303097 6 7 0.14 213115.00 9927170.75 127.37
3
SR0133RC008 SR2303098 7 8 0.17 213115.00 9927170.25 126.50
3
SR0133RC008 SR2303099 8 9 0.11 213115.00 9927169.75 125.64
3
SR0133RC008 SR2303100 9 10 0.07 213115.00 9927169.25 124.77
3
SR0133RC008 SR2303102 10 11 0.15 213115.00 9927168.75 123.91
3
SR0133RC008 SR2303119 7 8 0.12 213116.00 9927174.25 126.50
4
SR0133RC008 SR2303120 8 9 0.09 213116.00 9927173.75 125.64
4
SR0133RC008 SR2303121 9 10 9.71 213116.00 9927173.25 124.77
4
SR0133RC008 SR2303127 0 1 0.07 213107.00 9927166.75 132.57
5
SR0133RC008 SR2303128 1 2 0.09 213107.00 9927166.25 131.70
5
SR0133RC008 SR2303129 2 3 0.18 213107.00 9927165.75 130.83
5
SR0133RC008 SR2303130 3 4 0.25 213107.00 9927165.25 129.97
5
SR0133RC008 SR2303144 2 3 0.3 213108.00 9927170.75 130.83
6
SR0133RC008 SR2303145 3 4 0.1 213108.00 9927170.25 129.97
6
SR0133RC008 SR2303146 4 5 0.11 213108.00 9927169.75 129.10
6
SR0133RC008 SR2303147 5 6 0.07 213108.00 9927169.25 128.24
6
SR0133RC008 SR2303148 6 7 0.25 213108.00 9927168.75 127.37
6
SR0133RC008 SR2303149 7 8 0.21 213108.00 9927168.25 126.50
6
SR0133RC008 SR2303165 4 5 2.06 213108.00 9927173.75 129.10
7
SR0133RC008 SR2303166 5 6 0.38 213108.00 9927173.25 128.24
7
SR0133RC008 SR2303167 6 7 0.11 213108.00 9927172.75 127.37
7
SR0133RC008 SR2303168 7 8 0.16 213108.00 9927172.25 126.50
7
SR0133RC008 SR2303169 8 9 0.14 213108.00 9927171.75 125.64
7
SR0133RC008 SR2303170 9 10 0.13 213108.00 9927171.25 124.77
7
90
Hole ID Sample ID From To Au Easting Northing RL
(ppm)
SR0133RC008 SR2303171 10 11 0.13 213108.00 9927170.75 123.91
7
SR0133RC008 SR2303190 12 13 1.96 213108.00 9927175.76 120.93
8
SR0133RC008 SR2303191 13 14 0.38 213108.00 9927175.51 119.96
8
SR0133RC008 SR2303192 14 15 0.22 213108.00 9927175.25 118.99
8
SR0133RC009 SR2303222 1 2 8.79 213100.00 9927175.61 131.55
1
SR0133RC009 SR2303223 2 3 0.31 213100.00 9927175.35 130.59
1
SR0133RC009 SR2303224 3 4 0.33 213100.00 9927175.09 129.62
1
SR0133RC009 SR2303242 9 10 0.15 213100.00 9927176.54 123.82
2
SR0133RC009 SR2303243 10 11 0.18 213100.00 9927176.28 122.86
2
SR0133RC009 SR2303244 11 12 0.1 213100.00 9927176.02 121.89
2
SR0133RC009 SR2303270 1 2 -0.02 213093.00 9927175.25 131.70
5
SR0133RC009 SR2303271 2 3 0.04 213093.00 9927174.75 130.83
5
SR0133RC009 SR2303272 3 4 0.01 213093.00 9927174.25 129.97
5
SR0133RC009 SR2303296 0 1 0.11 213085.00 9927173.75 132.57
7
SR0133RC009 SR2303297 1 2 0.25 213085.00 9927173.25 131.70
7
SR0133RC009 SR2303298 2 3 0.16 213085.00 9927172.75 130.83
7
SR0133RC009 SR2303316 6 7 0.11 213085.00 9927175.75 127.37
8
SR0133RC009 SR2303317 7 8 0.13 213085.00 9927175.25 126.50
8
SR0133RC009 SR2303318 8 9 0.07 213085.00 9927174.75 125.64
8
SR0133RC012 SR1004007 0 1 0.17 213036.06 9927179.89 130.52
3
SR0133RC012 SR1004019 1 2 0.05 213035.00 9927181.00 129.50
4
SR0133RC012 SR1004020 2 3 0.1 213035.00 9927181.00 128.50
4
SR0133RC012 SR1004046 3 4 0.01 213026.71 9927179.40 127.97
6
SR0133RC012 SR1004047 4 5 0.08 213026.92 9927178.94 127.10
6
SR0133RC012 SR1004048 5 6 0.06 213027.12 9927178.49 126.24
6
SR0133RC012 SR1004066 10 11 0.06 213026.46 9927181.21 120.54
7
SR0133RC012 SR1004067 11 12 0.24 213026.50 9927181.13 119.54
7
SR0133RC012 SR1004068 12 13 0.31 213026.54 9927181.06 118.55
7
SR0133RC012 SR1004069 13 14 0.92 213026.59 9927180.98 117.55
7
91
Hole ID Sample ID From To Au Easting Northing RL
(ppm)
SR0133RC019 SR1106001 0 1 0.01 213078.00 9927171.75 129.57
5
SR0133RC019 SR1106015 1 2 0.01 213079.00 9927174.25 128.70
6
SR0133RC019 SR1106016 2 3 0.01 213079.00 9927173.75 127.83
6
SR0133RC019 SR1106017 3 4 0.01 213079.00 9927173.25 126.97
6
SR0133RC019 SR1106029 3 4 0.01 213079.00 9927175.39 126.55
7
SR0133RC019 SR1106030 4 5 0.01 213079.00 9927175.22 125.57
7
SR0133RC019 SR1106031 5 6 0.01 213079.00 9927175.04 124.58
7
SR0133RC019 SR1106032 6 7 0.01 213079.00 9927174.87 123.60
7
SR0133RC020 SR1106073 2 3 0.1 213072.00 9927173.75 128.83
0
SR0133RC020 SR1106074 3 4 0.07 213072.00 9927173.25 127.97
0
SR0133RC020 SR1106075 4 5 0.08 213072.00 9927172.75 127.10
0
SR0133RC020 SR1106089 5 6 0.21 213072.00 9927175.25 125.24
1
SR0133RC020 SR1106090 6 7 0.01 213072.00 9927174.75 124.37
1
SR0133RC020 SR1106091 7 8 0.01 213072.00 9927174.25 123.50
1
SR0133RC020 SR1106110 11 12 0.01 213072.00 9927178.25 120.04
2
SR0133RC020 SR1106111 12 13 0.01 213072.00 9927177.75 119.17
2
SR0133RC020 SR1106112 13 14 0.08 213072.00 9927177.25 118.31
2
SR0133RC020 SR1206018 17 18 0.12 213072.00 9927181.96 112.77
3
SR0133RC020 SR1206040 2 3 0.03 213063.00 9927177.14 127.65
5
SR0133RC020 SR1206042 3 4 0.11 213063.00 9927176.80 126.71
5
SR0133RC020 SR1206043 4 5 0.1 213063.00 9927176.46 125.77
5
SR0133RC020 SR1206044 5 6 0.03 213063.00 9927176.12 124.83
5
SR0133RC020 SR1206055 7 8 0.1 213063.00 9927180.06 122.76
6
SR0133RC020 SR1206056 8 9 0.11 213063.00 9927179.80 121.79
6
SR0133RC020 SR1206057 9 10 0.3 213063.00 9927179.54 120.82
6
SR0133RC021 SR1206124 1 2 0.13 213055.00 9927179.25 128.70
1
SR0133RC021 SR1206125 2 3 0.02 213055.00 9927178.75 127.83
1
SR0133RC021 SR1306001 0 1 0.03 213039.00 9927179.75 131.57
7
SR0133RC021 SR1306002 1 2 0.04 213039.00 9927179.25 130.70
7
92
Hole ID Sample ID From To Au Easting Northing RL
(ppm)
SR0133RC021 SR1306017 3 4 0.13 213039.00 9927182.80 126.71
8
SR0133RC021 SR1306018 4 5 0.2 213039.00 9927182.46 125.77
8
SR0133RC022 SR1306059 2 3 0.1 213030.00 9927180.14 128.65
0
SR0133RC022 SR1306060 3 4 0.11 213030.00 9927179.80 127.71
0
SR0133RC022 SR1306062 4 5 0.05 213030.00 9927179.46 126.77
0
SR0133RC022 SR1306076 9 10 0.01 213030.00 9927181.75 121.07
1
SR0133RC022 SR1306077 10 11 0.01 213030.00 9927181.41 120.13
1
SR0133RC022 SR1306108 22 23 0.16 213030.00 9927185.04 107.59
2
SR0133RC022 SR1306109 23 24 0.09 213030.00 9927184.95 106.59
2
SR0133RC023 SR1406134 17 18 0.12 213020.00 9927186.25 115.84
0
SR0133RC023 SR1406135 18 19 0.07 213020.00 9927185.75 114.98
0
SR0133RC023 SR1406136 19 20 0.12 213020.00 9927185.25 114.11
0
SR0133RC028 SR0309049 26 27 26.6 213014.60 9927195.58 104.90
9
SR0133RC031 SR2109177 3 4 0.08 213036.00 9927181.25 127.32
3
SR0133RC031 SR2109178 4 5 0.11 213036.00 9927181.89 126.55
3
SR0133RC031 SR2109179 5 6 0.08 213036.00 9927182.54 125.79
3
SR0133RC031 SR2109180 6 7 0.13 213036.00 9927183.18 125.02
3
SR0133RC031 SR2109182 7 8 0.04 213036.00 9927183.82 124.25
3
SR0133RC031 SR2109183 8 9 0.12 213036.00 9927184.46 123.49
3
SR0133RC031 SR2209095 36 37 26.6 213020.00 9927190.14 98.77
5
SR0133RC031 SR2209096 37 38 7.46 213020.00 9927190.61 97.89
5
SR0133RC031 SR2209097 38 39 0.56 213020.00 9927191.07 97.01
5
SR0133RC031 SR2209098 39 40 0.14 213020.00 9927191.54 96.12
5
SR0133RC031 SR2209143 41 42 0.06 213020.00 9927191.48 95.36
6
SR0133RC031 SR2209144 42 43 4.02 213020.00 9927191.95 94.47
6
SR0133RC031 SR2209145 43 44 33.2 213020.00 9927192.42 93.59
6
SR0133RC031 SR2209146 44 45 1.13 213020.00 9927192.89 92.71
6
SR0133RC031 SR2309036 34 35 14.1 213015.00 9927193.18 104.57
8
SR0133RC031 SR2309037 35 36 34.3 213015.00 9927193.82 103.81
8
93
Hole ID Sample ID From To Au Easting Northing RL
(ppm)
SR0133RC031 SR2309038 36 37 0.64 213015.00 9927194.46 103.04
8
SR0133RC032 SR0310039 37 38 0.21 213010.00 9927187.75 99.52
1
SR0133RC032 SR0310040 38 39 0.43 213010.00 9927188.25 98.66
1
SR0133RC032 SR0310042 39 40 26.5 213010.00 9927188.75 97.79
1
SR0133RC032 SR0310043 40 41 7.2 213010.00 9927189.25 96.93
1
SR0133RC032 SR0310044 41 42 0.24 213010.00 9927189.75 96.06
1
SR0133RC032 SR0310045 42 43 0.01 213010.00 9927190.25 95.19
1
SR0133RC032 SR0310046 43 44 0.02 213010.00 9927190.75 94.33
1
SR0133RC032 SR0310047 44 45 0.07 213010.00 9927191.25 93.46
1
SR0133RC032 SR0310048 45 46 0.01 213010.00 9927191.75 92.60
1
SR0133RC032 SR0310049 46 47 0.01 213010.00 9927192.25 91.73
1
SR0133RC032 SR0310050 47 48 0.01 213010.00 9927192.75 90.86
1
SR0133RC032 SR0310051 48 49 0.02 213010.00 9927193.25 90.00
1
SR0133RC032 SR0310052 49 50 0.05 213010.00 9927193.75 89.13
1
SR0133RC032 SR0410036 34 35 0.04 213019.00 9927189.79 102.74
3
SR0133RC032 SR0410037 35 36 0.03 213019.00 9927190.36 101.92
3
SR0133RC032 SR0410038 36 37 0.01 213019.00 9927190.94 101.10
3
SR0133RC032 SR0410039 37 38 0.03 213019.00 9927191.51 100.28
3
SR0133RC032 SR0410040 38 39 0.03 213019.00 9927192.08 99.46
3
SR0133RC032 SR0410042 39 40 0.03 213019.00 9927192.66 98.64
3
SR0133RC032 SR2510049 46 47 0.65 213012.00 9927187.83 90.94
7
SR0133RC032 SR2510050 47 48 0.13 213012.00 9927188.30 90.06
7
SR0133RC032 SR2510051 48 49 0.4 213012.00 9927188.77 89.18
7
SR0133RC032 SR2510052 49 50 0.22 213012.00 9927189.24 88.29
7
SR0133RC032 SR2510053 50 51 0.64 213012.00 9927189.71 87.41
7
SR0133RC032 SR2510054 51 52 0.42 213012.00 9927190.18 86.53
7
SR0133RC032 SR2510055 52 53 0.1 213012.00 9927190.65 85.65
7
SR0133RC032 SR2510056 53 54 0.12 213012.00 9927191.12 84.76
7
SR0133RC032 SR2510057 54 55 0.07 213012.00 9927191.59 83.88
7
94
Hole ID Sample ID From To Au Easting Northing RL
(ppm)
SR0133RC032 SR2510058 55 56 1.62 213012.00 9927192.06 83.00
7
SR0133RC032 SR2510059 56 57 0.56 213012.00 9927192.53 82.11
7
SR0133RC032 SR2510060 57 58 1.01 213012.00 9927192.99 81.23
7
SR0133RC032 SR2510061 58 59 213012.00 9927193.46 80.35
7
SR0133RC032 SR2510062 59 60 2.46 213012.00 9927193.93 79.46
7
SR0133RC032 SR2510064 60 61 0.52 213012.00 9927194.40 78.58
7
SR0133RC032 SR2710051 48 49 0.34 213025.00 9927188.77 89.18
9
SR0133RC032 SR2710052 49 50 1.04 213025.00 9927189.24 88.29
9
SR0133RC032 SR2710053 50 51 0.67 213025.00 9927189.71 87.41
9
95
LAMPIRAN D
HASIL FITTING VARIOGRAM
96
Gambar D.1
Fitting variogram pada vein 1
96
88
Gambar D.2
Fitting variogram pada vein 2
97
89
Gambar D.3
Fitting variogram pada vein 3
98
90
LAMPIRAN E
HASIL FITTING VARIOGRAM INDIKATOR
88
Gambar E.1
Fitting variogram indikator vein 1 (discriminator = 0,59)
99
88
Gambar E.2
Fitting variogram indikator pada vein 2 (discriminator = 0,36)
100
89
Gambar E.3
Fitting variogram metode OK pada vein 3 (discriminator = 0,14)
101
90
LAMPIRAN F
PETA BADAN BIJIH DAERAH PENELITIAN
Gambar F.1
Peta badan bijih daerah penelitian
102
91
LAMPIRAN F
PETA TAKSIRAN MODEL BLOK METODE KRIGING
Gambar F.1
Peta taksiran model blok metode ordinary kriging
103
92
Gambar H.2
Peta taksiran model blok metode median indicator kriging
104
93
107
108