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

TESIS

Oleh :
ACHMAD REZA KURNIAWAN
212170001

PROGRAM STUDI MAGISTER TEKNIK PERTAMBANGAN

FAKULTAS TEKNOLOGI MINERAL
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
YOGYAKARTA
2019
 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

TESIS
Disusun sebagai salah satu syarat memperoleh gelar Magister Teknik dari
Universitas Pembangunan Nasional “Veteran” Yogyakarta

Oleh :
ACHMAD REZA KURNIAWAN
212170001

PROGRAM STUDI MAGISTER TEKNIK PERTAMBANGAN

FAKULTAS TEKNOLOGI MINERAL
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
YOGYAKARTA
2019
 ABSTRAK

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

In general, grade distribution of gold ore resources that have coefficient of

variation (CV) value higher than 0,5 will show the variability of non-homogeneous
(eratic) data values. Kriging linear technique does not give satisfactory results, so
non-linear techniques are needed. The problem here is how to determine a suitable
techniques for estimating the grade distributions of gold epithermal resources, how
the classification of its resources based on average distances, and how to analyze
the tonnage–grade relationships. This research compares linear methods (ordinary
kriging) and non-linear method (medIK/median indicator kriging). This research
uses micromine 2020, The performances of two kriging techniques will be analyze.
The results of crossvalidation from the gold epithermal estimation show the medIK
and OK respectively have a coefficient of corellation (r) value 0,647; 0,103, root
mean squared error (RMSE) value 0,097; 0,857. Based on crossvalidation results,
the application of medIK technique is quite accurate in estimating the grade
distribution of gold epithermal resources. The geological structure on the
reasearch area is vein epithermal low sulphidation where the grade distributions
on this structure are non-homogeneous (eratic) so the application of non-linear
technique (medIK) are recommended. The resources classification results of medIK
method shows the measured resources, indicated resources, and inferred resources
are respectively 41.122 tons; 17.317 tons; and 40.735 tons with and average grades
of 0,618 Au (ppm); 0,603 Au (ppm); and 0,79 Au (ppm).

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.

Yogyakarta, Desember 2019 Penyusun

Achmad Reza Kurniawan

vi
 DAFTAR ISI

Halaman
ABSTRAK .........................................................................................
ABSTRACT .......................................................................................
KATA PENGANTAR ...................................................................... vi
DAFTAR ISI ..................................................................................... vii
DAFTAR GAMBAR ........................................................................ ix
DAFTAR TABEL ............................................................................. xi
DAFTAR LAMPIRAN ...................................................................... xiii
DAFTAR SINGKATAN ................................................................... xiv

BAB I PENDAHULUAN .................................................................. 1

1.1 Latar Belakang................................................................... 2
1.2 Perumusan Masalah ........................................................... 2
1.3 Tujuan ............................................................................... 3
1.4 Batasan Masalah ............................................................... 3
1.5 Hipotesis ........................................................................... 3
1.6 Hasil Penelitian .................................................................. 3
1.7 Metodologi Penelitian ....................................................... 3
1.8 Diagram Alir Penelitian ..................................................... 5

BAB II TINJAUAN UMUM ........................................................... 7

2.1 Lokasi Penelitian dan Kesampaian Daerah ....................... 7
2.2 Keadaan Geologi Umum ................................................... 8
2.3 Stratigrafi ........................................................................ 18

BAB III DASAR TEORI ................................................................... 22

3.1 Analisis Statistik ................................................................ 22
3.2 Analisis Statistik Spasial ................................................... 26
3.3 Metode Geostatistik ........................................................... 32
3.4 Teknik Ordinary Kriging (OK) ......................................... 32
3.5 Teknik Indicator Kriging (IK)........................................... 35
3.6 Analisis Akurasi Taksiran ................................................. 40
3.7 Konsep Model Blok ........................................................... 43
3.8 Klasifikasi Sumberdaya Mineral ....................................... 44

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

BAB V PEMBAHASAN .................................................................. 67

5.1 Analisis Estimasi Sumberdaya Emas Teknik Kriging....... 67
5.2 Analisis Perbandingan Estimasi Sumberdaya Emas ......... 72
5.3 Analisis Kurva Hubungan Tonase dan Kadar Au (ppm) ... 75

BAB VI KESIMPULAN DAN SARAN........................................... 74

6.1 Kesimpulan ........................................................................ 74
6.2 Saran .................................................................................. 74

DAFTAR PUSTAKA ........................................................................ 75

LAMPIRAN ....................................................................................... 79

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

1.1 Latar Belakang

Kriging merupakan teknik interpolasi yang solid (robust) untuk mengestimasi suatu
titik yang tidak diketahui nilainya berdasarkan nilai yang terdapat disekitarnya
(Isaaks dan Srivastava, 1989). Ordinary kriging merupakan teknik yang banyak
digunakan dan sudah terbukti sebagai teknik linear unbiased terbaik (Salomon,
2018). Pada umumnya data yang memilki jarak relatif lebih dekat akan memiliki
nilai yang sama dibandingkan dengan data yang memiliki jarak jauh, hal ini menjadi
konsep dasar dalam teknik kriging (Cressie, 1993). Kriging menghasilkan
interpretasi probabilitas dari data deposit mineral, kriging juga menghasilkan
intrepetasi statistik dari estimasi variansi data (Bargawa dan Amri, 2016). Akurasi
penaksiran kadar sumberdaya emas menggunakan teknik kriging secara umum
lebih baik dibandingkan dengan teknik seperjarak atau variasinya (Journel, 1983).

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).

Menurut Bargawa (2002), koefisien variansi atau coefficient of variation (CV)

dengan nilai lebih dari 0,5 menunjukkan variabilitas nilai data tidak teratur (eratic),
sehingga dapat mempegaruhi hasil estimasi teknik ordinary kriging. Kim (1988)
menyatakan, penggunaan teknik ordinary kriging pada nilai koefisien variansi
kurang dari 0,5 menghasilkan taksiran yang dapat dipercaya, namun apabila nilai
koefisien variansi lebih dari 1,5 teknik kriging linear tidak memberikan hasil
memuaskan sehingga dibutuhkan teknik non-linear.

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.

1.2 Perumusan Masalah

Perumusan masalah pada penelitian ini adalah sebagai berikut :
1. Bagaimana cara analisis estimasi sumberdaya emas teknik kriging (OK dan
medIK).
2. Bagaimana cara perbandingan estimasi sumberdaya emas dari kedua teknik
kriging (OK dan medIK).
3. Bagaimana cara analisis kurva hubungan antara kadar dan tonase Au (ppm)
untuk mengetahui kualitas dan kuantitas sumberdaya emas epithermal.

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.

1.4 Batasan Masalah

Adapun batasan masalah dari penelitian ini antara lain :

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.

1.6 Hasil Penelitian

Hasil penelitian ini diharapkan dapat digunakan sebagai referensi untuk penelitian
lanjutan tentang dua teknik kriging, yaitu ordinary kriging (OK) dan teknik median
indicator kriging (medIK) dapat memberikan manfaat kepada para pihak yang
berkepentingan (pihak terkait) sebagai salah satu masukan dalam pertimbangan
perencanaaan pertambangan (mine planning) khususnya dalam resources
modelling dari sumberdata emas yang ada di daerah penelitian.

1.7 Metodologi Penelitian

Penelitian ini dilaksanakan pada bulan Juni 2019, dengan lokasi penelitian adalah
Pit X PT Indo Muro Kencana, Kecamatan Tanah Siang, Kabupaten Murung Raya,
Kalimantan Tengah. Berikut tahapan metodologi penelitian :
1. Studi Pustaka
Studi pustaka ialah kegiatan untuk menghimpun informasi yang relevan
dengan topik atau masalah yang menjadi obyek penelitian. Informasi tersebut

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.

1.8 Diagram Alir Penelitian

Berikut tahapan metodologi penelitian pada Gambar 1.1 :

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

Analisis statistik univarian & analisis

histogram :
1. Mean
2. Modus
3. Median
4. Maximum value
5. Minimum value
6. Variansi
7. Standard deviation
8. Koefisien variansi (CV)

5
 A

KONSTRUKSI MODEL
MODEL TOPOGRAFI

MODEL GEOLOGI

MODEL BLOK 3 DIMENSI (BLANK MODEL)

Variogram : Variogram indikator :

1.Variogram azimuth 1. Variogram azimuth
2.Variogram perpendicular 2. Variogram perpendicular
3.Variogram downhole 3. Variogram downhole

Teknik ordinary kriging Teknik median indicator kriging

ESTIMASI SUMBERDAYA EMAS EPITHERMAL

(Pengisian model blok (blank model) dengan taksiran Au (ppm) teknik
ordinary kriging dan median indicator kriging)

ANALISIS AKURASI TAKSIRAN :

1. Validasi silang (cross validation)
2. Probability plot (Assay-OK and medIK
estimated
3. Visualisasi data dan model

TABULASI JUMLAH DAN KLASIFIKASI SUMBERDAYA

(Klasifikasi berdasarkan analisis histogram nilai average distance)

KURVA HUBUNGAN KADAR-TONASE

Gambar 1.1
Diagram alir penelitian

6
 BAB II
TINJAUAN UMUM

2.1 Lokasi Penelitian dan Kesampaian Daerah

2.1.1 Kesampaian Daerah
Kesampaian daerah PT. Indo Muro Kencana dapat melalui jalur tranportasi udara
dan darat.

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.

Lokasi pertambangan PT Indo Muro Kencana (IMK), terletak di Kalimantan

Tengah, Kabupaten Murung Raya, Kecamatan Tanah Siang. Secara geografis
lokasi pertambangan terletak pada koordinat 070 38’ 32” Lintang Selatan dan 1140
24’ 14” Bujur Timur. Secara administrasi, tambang ini menyebar di beberapa lokasi
yang merupakan wilayah pemerintahan Kabupaten Murung Raya, Provinsi
Kalimantan Tengah Indonesia. Sementara itu kantor operasional PT. IMK terletak
di Desa Hanangan, Kecamatan Tanah Siang Selatan, Kabupaten Murung Raya.
Lokasi penelitian dapat dilihat pada Gambar 2.1.

7
 Gambar 2.1
Lokasi penelitian (Dinas Pekerjaan Umum Kabupaten Murung Raya, 2002)

2.2 Keadaan Geologi Umum

2.2.1 Morfologi
Gunung Muro terletak 0,50 Selatan khatulistiwa. Secara morfologi merupakan
daerah berbukit dengan ketinggian antara 80–400 m di atas permukaan laut. Ada
beberapa puncak terjal yang ditemukan seperti Gunung Muro dan Gunung Buring
dan Maharuang di sekitar Tumbang Lahung. Di bagian selatan IUP mengalir Sungai
Barito yang merupakan salah satu sungai terbesar di Kalimantan Tengah dan bisa
dilayar hingga hulu. Beberapa sungai kecil juga mengaliri daerah kontrak karya
yang terbesar diantaranya adalah Sungai Babuat dan Sungai Menawing.

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).

Kadar bijih emas di zone mineralisi pada umumnya berkurang mengikuti

kedalamannya. Secara prinsipnya disebabkan oleh perubahan struktur yang terjadi
pada kedalaman tertentu.

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.

Mineralisasi epithermal memiliki sejumlah fitur umum seperti hadirnya kalsedonik

quartz, kalsit, dan breksi hidrotermal. Selain itu, asosiasi elemen juga merupakan
salah satu ciri dari endapan epithermal, yaitu dengan elemen bijih seperti Au, Ag,
As, Sb, Hg, Tl, Te, Pb, Zn, dan Cu. Tekstur bijih yang dihasilkan oleh endapan
epithermal termasuk tipe pengisian ruang terbuka (karakteristik dari lingkungan
yang bertekanan rendah), krustifikasi, colloform banding dan struktur sisir.
Endapan yang terbentuk dekat permukaan sekitar 1,5 km dibawah permukaan ini

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).

Hednquist (1996) menemukan dari pengamatan yang dijumpai pada endapan-

endapan di sekitar kolam air panas dan fumaroles pada gunung api, dimana dia
menyimpulkan bahwa endapan yang terbentuk pada kondisi reduksi dengan pH air
netral disebut sebagai pembawa endapan-endapan sulfidasi rendah sedangkan
kondisi asam dan teroksidasi disebut sebagai pembawa endapan-endapan sulfidasi
tinggi. Terdapat asosiasi mineral-mineral tertentu yang dapat digunakan sebagai
penciri tipe-tipe endapan sulfidasinya. Endapan sulfidasi rendah dicirikan oleh
adanya asosiasi mineral-mineral sulfida seperti pirit-pirortit-arsenopirit-sfalerit
(kaya akan Fe) sedangkan sulfidasi tinggi dicirikan oleh asosiasi mineral-mineral
enargite-luzonit-kovelit-kelimpahan mineral pirit. White dan Hedenquist (1995)
mengklasifikasikan kedua jenis endapan tersebut sebagai berikut :

Tabel 2.1
Klasifikasi endapan epithermal (White dan Hedenquist, 1995)

No. Karakteristik Low Sulphidation High Sulphidation

1. Tempat terbentuknya Pada daerah busur Pada daerah busur
vulkanik kalk-alkali- vulkanik kalk-alkali
alkali (jenis theolitik
jarang)
Pada lingkungan Umumnya pada
subaerial lingkungan subaerial
dan jarang pada
lingkungan submarine
Umumnya terjadi pada Pada setting vulkanik
setting vulkanik distal- proksimal
intermediet
Terbentuk pada batuan Terbentuk pada batuan
vulkanik atau basement vulkanik dan jarang
pada basement
2. Pembentukan Dominan disusun oleh Urat-urat yang terletak
urat-urat pengisi lebih rendah hadir
deposit
rekahan (open space) secara lokal

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

Breccia Vein Kuarsa masif

Drussy Cavities Urat sulfida masif

Krustifikasi Hadirnya urat dengan

lapisan yang kasar
Tekstur lattice

4. Alterasi
hidrothermal

Berasosiasi dengan Mendekati pH netral pH asam (<1 sampai 3)

mineral bijih
Zone Zone bertemperatur Zone pH asam menuju
tinggi menuju zone pH netral
temperatur rendah
Kumpulan mineral Illit (serisit), Alunit, kaolin,
alterasi interstratified clays
profilitem diaspor
(illit-smekit)

Tabel 2.2
Asosiasi mineral bijih pada endapan epithermal (White dan Hedenquist, 1995)

Mineral Low Sulphidation High Sulphidation

Pyrite Ubiquitos (abundant) Ubiquitos (abundant)

Sphalerite Common (variable) Common (very minor)

Galena Common (variable) Common (very minor)

15
 Mineral Low Sulphidation High Sulphidation

Chalcopyrite Common (very minor) Common (minor)

Energite-Luzonite Rare (very minor) Ubiquitos (variable)

Tennantite-tetrahedrit Common (very minor) Common (variable)

Covellite Uncommon (very minor) Common (minor)

Stibnite Uncommon (very minor) Rare (very minor)

Orpiment Rare (very minor) Rare (very minor)

Realgar Rare (very minor) Rare (very minor)

Arsenopyrite Common (minor) Rare (very minor)

Cinnabar Uncommon (minor) Rare (very minor)

Electrum Uncommon (variable) Common (minor)

Tabel 2.3
Asosiasi mineral-mineral sekunder pengisi (White dan Hedenquist, 1995)

Mineral Low Sulphidation High Sulphidation

Quartz Ubiquitos (abundant) Ubiquitos (abundant)

Chalcedony Common (variable) Uncommon (minor)

Calcite Common (variable) Absent (except overprint)

Adularia Common (variable) Absent

Illite Common (variable) Uncommon (minor)

Kaolinite Rare (except overprint) Common (minor)

Pyrophillite-Diaspore Absent (except overprint) Common (variable)

Alunite Absent (except overprint) Common (minor)

Barite Common (very minor) Common (minor)

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

3.1 Analisis Statistik

Geostatistika merupakan teknikyang digunakan dalam penelitian ini. Geostatistika
bekerja berdasarkan parameter-parameter yang dihasilkan fitting variogram
eksperimental dengan variogram teori (Amri, dkk. 2018). Variogram juga
digunakan untuk mengukur hubungan antara nilai-nilai sampel dan jarak antara
pasangan sampel yang diamati. Meski demikian, pemahaman statistika klasik perlu
dicermati, beberapa teknikyang sering digunakan diantaranya analisis univarian,
bivarian dan statistik spasial.

3.1.1 Analisis Statistik Univarian

Analisis statistik univarian digunakan unuk menggambarkan distribusi perubah-
perubah tunggal yang ditampilkan dalam bentuk histogram. Analisis statistik
univarian merupakan perangkat statistik yang mendeskripsikan data dalam suatu
populasi. Perangkat statistik yang menggambarkan letak data meliputi nilai rerata
(mean), modus, nilai tengah (median), nilai maksimum dan minimum. Perangkat
statistik untuk menggambarkan penyebaran (variabilitas) data tercermin pada nilai
variansi (S2) dan simpangan baku (S).

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

Keterangan : n = jumlah data sampel

xi = nilai data ke-i
i = bilangan asli : 1,…n
𝑥 = rata-rata (mean) xi

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

Nilai simpangan baku sebagai indikator yang menggambarkan sebaran data

terhadap rata-ratanya (nilai mean), artinya jika nilai dari simpangan baku lebih kecil
terhadap nilai mean dapat digunakan sebagai representasi dari keseluruhan data.
Nilai simpangan baku (standard deviation) yang kecil menunjukkan sampel
tersebar merata dan cenderung mendekati nilai rata-ratanya (mean).

Standard error (SE) adalah nlai yang mengukur seberapa tepat nilai rata-rata
(mean) yang diperoleh, dinyatakan dengan persamaan :
𝑆
𝑆𝐸 = (3.3)
√𝑛

Standard error mencerminkan pengaruh sampel terhadap rata-rata sampel yang

ada. Nilai standard error kecil (mendekati nol) mengindikasikan data sampel akurat
atau representatif. Oleh karena itu, standard error dapat digunakan untuk
menentukan dan mengontrol jumlah sampel, adapun standard deviation
menjelaskan seberapa besar bervariasinya sampel yang digunakan.

Perangkat statistika yang digunakan untuk menggambarkan bentuk distribusi data

yaitu keofisien variansi (coefficient off variation, CV). Angka ketaksimetrisan
adalah perangkat statistika untuk menggambarkan simetri atau taksimeri suatu
penyebaran data. Skewness atau ukuran kemiringan kurva adalah kecendrungan
distribusi data dilihat dari ukuran simetris atau tidaknya suatu kumpulan data dalam
bentuk kurva histogram yang diperbandingkan dengan distribusi normal.

Koefisien variansi (CV) adalah suatu parameter yang menunjukan keheterogenan

kelompok data. Semakin besar nilai keofisien variansi, maka sifat data tersebut
semakin heterogen. Koefisien variansi dapat juga digunakan untuk
membandingkan 2 (dua) kelompok data. Rumus keofisien variasi dinyatakan
dengan persamaan sebagai berikut :
𝑆𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛 𝑏𝑎𝑘𝑢 (𝑆)
𝐶𝑉 = (3.4)
𝑚𝑒𝑎𝑛 (𝑥 )

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.

3.1.2 Analisis Statistik Bivarian

Statistik bivarian merupakan alat analisis disribusi dua kumpulan variabel yang
berbeda tapi terletak di lokasi yang sama. Salah satu untuk mempresentasikan
hubungan antara dua variabel adalah scatter plot (X-Y plot). Menurut Isaaks dan
Srivastava (1989), Scatter plot akan merepresentasikan hubungan antara variabel
secara dua dimensi pada grafik X-Y dan melakukan pengujian pada variabel
tersebut, apakah saling berhubungan antara kedua variabel X-Y tersebut.

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.

Menurut Isaaks dan Srivastava (1989), suatu perangkat statistika untuk

memperkirakan hubungan antara dua perubah yaitu regresi linier, dinyatakan
dengan persamaan berikut :

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)

Nilai a dan b dapat diperoleh dari persamaan di bawah ini :

∑(𝑥𝑖 −𝑥̅ )(𝑦𝑖 −𝑦̅)

𝑏= (3.6)
(∑ 𝑥𝑖 −𝑥̅ )²

∑ 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

Dalam statistika bivarian, hubungan antara dua perubah dinyatakan dengan

keofisien korelasi (r). Koefisien korelasi diketahui untuk mengetahui kuat
lemahnya hubungan antara dua perubah yang terdiri variabel independen/ bebas (X)
dengan variabel dependen/ terikat (Y). Nilai keofisien korelasi (r) berkisar -1 ≤ r ≤
+1, apabila nilai koefisien korelasi mendekati +1 atau -1, berarti hubungan antar
variabel tersebut semakin kuat dan sebaliknya jika mendekati nilai 0 (nol) maka
tidak ada korelasi antar variabel. Koefisien korelasi (r) merupakan akar determenasi
yang mendekati satu menunjukan ukuran ketepatan dari hasil estimasi (variabel
dependen / sumbu Y) terhadap data sebenarnya (variabel independen / sumbu X)
pada garis regresi. Menurut Isaaks dan Srivastava (1989), persamaan dari koefisien
determinasi sebagai berikut :

𝑎(∑ 𝑦𝑖 )+𝑏(∑ 𝑥𝑖 𝑦𝑖 )−𝑛(𝑦̅)²

𝑟2 = ∑(𝑦𝑖 )2 −𝑛(𝑦̅)²
(3.8)

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:

Ž(𝑥𝑖) = Nilai estimasi

𝑍(𝑥𝑖) = Nilai pengukuran
𝑛 = Jumlah prediksi

3.2 Analisis Statistik Spasial

Perangkat statistik yang digunakan untuk mengkuantifikasi korelasi ruang antar
sampel adalah variogram. Variogram terdiri dari dua jenis yaitu variogram
eksperimental dan variogram model. Hubungan antara variogram eksperimental
dengan variogram model memiliki nilai parameter kecocokan. Cara fitting
variogram merupakan langkah yang dilakukan untuk mendapatkan hubungan
antara variogram eksperimental dengan variogram model sehingga diperoleh nilai
parameter kecocokan terhadap variogram tersebut. Fitting dilakukan untuk
mendapatkan nilai parameter yang terdiri dari nugget effect (Co), sill, dan range (a).
Variogram akan digunakan sebgai masukan data untuk penaksiran
teknikgeostatistik.

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)

Variogram adalah ukuran dari variansi. Variogram merupakan karakteristik

variabel diantara dua kuantitas (sampel) dari data yang diamati atau data hasil
pengukuran di lapangan yang terpisah jarak (h).

Dua variogram eksperimental pada penelitian adalah variogram eksperimental

(kadar), dan variogram indikator. Variogram eksperimental (dalam hal ini adalah
data kadar), merupakan variogram yang diperoleh dari perhitungan antar pasangan
data sampel (kadar) pada jarak tertentu. Variogram eksperimental digunakan
sebagai salah satu parameter teknikordinary kriging (OK). Matheron (1962)
menjelaskan secara matematis persamaannya sebagai berikut :

∑𝑛
𝑖=1[𝑍(𝑆𝑖+ℎ )−𝑍(𝑆𝑖 )]²
𝛾(ℎ) = (3.11)
2𝑁(ℎ)

Cressie dan Hawkins (1980) menyempurnakan formula Matheron (1962) menjadi

persamaan :
1
1 N(h)
( ∑𝑖=1 [𝑍(𝑆𝑖+ℎ )−𝑍(𝑆𝑖 )]2 )4
2 | N(h)|
γ(ℎ) = 0.494 (3.12)
0.457+
|N(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

Variogram indikator berbeda dengan variogram. Variogram indikator γ1*(h),

merupakan karakteristik variabel indikator pada nilai kadar batas (Zc) atau
discriminator tertentu yang dipisahkan oleh jarak (h). Variogram indikator
merupakan bagian prosedur tahap awal dari teknikindicator kriging (IK) yang
digunakan untuk mengetahui tingkat kemiripan atau variabilitas antara dua sampel
yang telah terkodifikasi berdasarkan pertimbangan discriminator yang diinginkan.
Adapun variogram indikator yang digunakan pada teknikindicator kriging (IK)
dinyatakan dengan persamaan berikut :

∑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)

Parameter kecocokan merupakan hubungan antara variogram eksperimetal dengan

model variogram. Langkah yang dilakukan selanjutnya untuk mendapatkan
hubungan antara kedua variogram tersebut adalah dengan melakukan pencocokan
(fitting) yang disebut juga dengan analisis structural. Analisis structural ini
dilakukan untuk mendapatkan nilai parameter nugget effect (C0), sill dan range (a)
yang selanjutnya digunakan untuk parameter dalam penaksiran teknikgeostatistik,
penjelasannya adalah sebagai berikut :
1. Nugget Effect (C0) menurut Isaaks dan Srivastava (1989), adalah kondisi nilai
variogram pada h=0 adalah 0. Tetapi beberapa faktor seperti kesalahan dalam
pengambilan sampel dan variabilitas yang tinggi pada jarak yang sangat dekat
dapat menyebabkan nilai sampel yang dipisahkan pada jarak yang sangat
berdekatan bisa sangat berbeda. Pengaruh nugget effect terhadap keseragaman
nilai bobot sampel yang besar akan menghasilkan bobot yang hampir sama pada
semua sampel, sehingga hasil kriging sama dengan rerata yang biasa (Bargawa,
1999). Menurut Oliver (2014), terdapat korelasi positif antara rasio nugget
effect terhadap sill dengan variansi estimasi, bila nilai rasio nugget effect
terhadap sill semakin besar maka nilai variansi estimasi juga menjadi besar.
2. Sill menurut Isaaks dan Srivastava (1989) merupakan masa stabil variogram
yang mencapai range-nya.

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)

4. Model variogram gaussian didefinisikan dengan persamaan berikut:

ℎ 2
𝛾(ℎ) = 𝐶 [1 − exp (− 𝑎) ] + 𝐶0 (3.17)

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)

3.3 Metode Geostatistik

Metode geostatistik mengestimasi sampel (dalam hal ini data kadar) dengan teknik
kriging yang menghasilkan seperangkat bobot dengan cara meminimalkan variansi
penaksiran berdasarkan konfigurasi sampel di sekitar blok dan sifat mineralisasi.
Sifat mineralisasi dinyatakan dengan fungsi variogram yang mengkuantifikasikan
korelasi ruang antar sampel.

Proses kriging memberikan nilai-nilai pengestimasi kadar-kadar blok terbaik

berdasarkan kadar-kadar sampel yang sudah dikoreksi. Kriging juga merupakan
satu teknik yang digunakan untuk menonjolkan teknik khusus dalam rata-rata
bergerak terbobot yang meminimalkan variansi dari hasil estimasi.

3.4 Teknik Ordinary Kriging (OK)

Teknik ordinary kriging memberikan penduga tak bias terbaik atau BLUE (Best
Linear Unbiased Estimator). Terbaik (best) karena kriging meminimalkan variansi
dari kesalahan atau error variance minimal. Linear karena hasil yang didapat
merupakan penduga dengan bobot kombinasi linear dari data tersedia (∑λ =1).

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.

Berdasarkan cara estimasi dan proses pengolahan, teknikordinary kriging dibagi

menjadi dua macam yaitu block kriging dan point kriging. Teknik point kriging
adalah teknik kriging yang mempunyai ukuran blok/area sangat kecil atau berupa
titik, sedangkan teknik block kriging merupakan susunan dari beberapa titik yang
membentuk blok-blok ukuran besar sesuai dengan ukuran dimensi estimasi yang
diinginkan.

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.

Untuk meminimakan kesalahan digunakan parameter pengali Lagrange, μ.

delivatif terhadap λ1,…, λn yang meminimalkan variansi galat dan berjumlah satu
∑𝑛𝑖=1 𝜆𝑖 . Penyelesaian dalam mencari pembobotan dapat dibentuk ke dalam bentuk
matriks AX=B, matriks tersebut adalah sebagai berikut :
𝑐11 𝑐12 𝑐1𝑛 −1 𝜆1 𝑐1.0
𝑐21 𝑐22 𝑐2𝑛 −1 𝜆2 𝑐2.0
𝐶(𝑖, 𝑗) = … … … … , 𝜆𝑖 = … , 𝐶(𝑖, 0) = ⋯
𝑐𝑛1 𝑐𝑛2 𝑐𝑛3 −1 𝜆𝑛 𝑐𝑛.0
( 1 1 1 0) 𝜇
( ) ( 1 )

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 )

Dari persamaan di atas (2.18) dapat disederhanakan menjadi persamaan sebagai

berikut :

∑𝑛𝑖 𝜆𝑖 . 𝐶(𝑖, 𝑗) + 𝜇 = 𝐶(𝑖, 0) (3.19)

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 :

σ = C(0) − ((∑𝑛𝑖=1 𝜆𝑖 . 𝐶𝑖.0 ) + 𝜇 ) (3.20)

Teknik ordinary kriging (OK) ditentukan berdasarkan persamaan :

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).

3.5 Teknik Indicator Kriging (IK)

Teknik indicator kriging (IK) pertama kali dikenalkan oleh Journel (1983), tekni
kini digunakan jika korelasi spasial dari parameter varia nsi sangat sulit untuk
menggambarkan hasil data pengukuran dilapangan. Teknik indicator kriging dapat

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 :

𝐼̂(𝑥𝑖 ; 𝑧𝑐 ) = ∑𝑛𝑖=1 𝜆𝑖 . 𝐼(𝑥𝑖 ; 𝑧𝑐 ) (3.23)

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

Asumsikan sebuah kadar batas atau Zc digunakan pada sampel data :

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.

𝑃(𝐴; 𝑍𝑐 ) = 1/𝐴 ∫𝐴 𝐼(𝑥𝑖 ; 𝑍𝑐 )𝑑𝑥 (3.25)

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 :

𝑃 ∗ (𝐴; 𝑍𝑐 ) = 1/𝑛 ∑𝑛𝑖=1 𝐼(𝑥𝑖 ; 𝑍𝑐 ) (3.27)

Dengan kata lain, variabel indikator merupakan sebuah persamaan aritmatik

sederhana. Sayangnya, secara spasial, data yang sudah dikelompokkan (0 dan 1)
tidak boleh diperlakukan sebagai data yang bebas (independent); oleh karena itu,
data tersebut harus dibobotkan sesuai lokasinya, dan berdasarkan keadaan
kontinuitas spasial dari nilai kadar sampel pada lokasi tersebut Z(Xi), yang
ditunjukkan oleh persamaan :

𝑃 ∗ (𝐴; 𝑍𝑐 ) = ∑𝑛𝑖=1 𝜆𝑖 (𝑍𝑐 ) 𝐼(𝑥𝑖 ; 𝑍𝑐 ) (3.28)

dengan n menjadi bobot dalam 𝜆𝑖 (Zc).

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) :

𝐹(𝑍𝑐 ) = 𝐸[𝑃(𝐴; 𝑍𝑐 )} (3.29)

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 :

𝑃 ∗ (𝐴; 𝑍𝑐 ) − 𝐹 ∗ (𝑍𝑐 ) = ∑𝑛𝑖=1 𝜆𝑖 (𝑍𝑐 ) [𝐼(𝑥𝑖 ; 𝑍𝑐 ) − 𝐹 ∗ (𝑍𝑐 ) (3.30)

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)

Persamaan sitem kriging sederhana dinyatakan sebagai berikut :

37
 ∑𝑛𝑖=1 𝜆𝑚 (𝑍)𝜌𝑖 (𝑥𝑚 − 𝑥𝑖 ; 𝑍𝑐 ) = 𝜌̅ (𝑥𝑖 ; 𝐴; 𝑍𝑐 ) ; dengan k = 1 sampai n (3.32)

Kondisi dimana 𝜌𝑖 (𝑥𝑚 − 𝑥𝑖 ; 𝑍𝑐 ) adalah nilai fungsi korelogram indikator dengan

(𝑥𝑚 − 𝑥𝑖 ; ) senagai jarak pada kadar batas Zc, dan kondisi dimana 𝜌̅ (𝑥𝑖 ; 𝐴; 𝑍𝑐 ) adalah nilai
rata-rata fungsi korelogram indikator antara lokasi xk dan model blok yang akan di estimasi
(A) pada kadar batas Zc. Fungsi ini disederhanakan dari persamaan berikut :

𝜌𝑖 (ℎ; 𝑍𝑐 ) = 1 = 𝛾𝑖 (ℎ; 𝑍𝑐 )/𝑉𝐴𝑅 𝑖(𝑥𝑖 ; 𝑍𝑐 ) (3.33)

2 2
𝑉𝐴𝑅 𝑖(𝑥𝑖 ; 𝑍𝑐 ) = 𝐹𝑍𝑐 − 𝐹(𝑍𝑐 ) =∗ 𝑍𝑐 − 𝐹 ∗ (𝑍𝑐 ) (3.34)

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 :

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
P = proporsi nilai kadar sampel di lokasi- xi
A = model blok yang akan diestimasi
F(Zc) = frekuensi pada kadar batas
F*(Zc) = nilai estimasi tak biar dari frekuensi F(Zc)
[P (A;Zc) – F*(Zc)] = nilai residu
𝜆𝑖 (𝑍𝑐 ) = bobot kadar batas (Zc)
𝜌𝑖 (𝑥𝑚 − 𝑥𝑖 ; 𝑍𝑐 ) = nilai fungsi korelogram indikator
𝜌̅ (𝑥𝑖 ; 𝐴; 𝑍𝑐 ) = nilai rata-rata fungsi korelogram indikator antara lokasi xi dan
model blok yang akan diestimasi (A)
𝑞 ∗ (𝐴; 𝑍𝑐 ) = Nilai volume taksiran

3.5.1 Teknik Median Indicator Kriging

Teknik median indicator kriging (medIK) menurut Journel (1988) merupakan
penyederhanaan dari teknik indicator kriging yang membagi discriminator
berdasarkan persentil dari sampel data, sedangkan tekni kmedIK membagi
discriminator lebih sederhana dengan mengambil nilai tengah (median) dari
sampel yang digunakan. Nilai tengah (median) merupakan nilai robust (solid)
sehingga model semivariogram dari discriminator median dapat mewakili
keseluruhan data. Tujuan dari teknik medIK adalah untuk memisahkan data yang
digunakan (data yang dianggap prospek atau waste) berdasarkan kadar batas.
Semivariogram dari nilai tengah dapat digunakan pada setiap discriminator, dengan
kata lain semivariogram yang dihasilkan oleh nilai tengah dapat mewakili terhadap
keseluruhan discriminator atau kadar batas. Teknik medIK menetapkan 50%

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.

Secara umum prosedur penaksiran teknik median indicator kriging (medIK)

sebagai berikut :
1. Analisis histogram kadar.
2. Nilai tengah (median) populasi data kadar dipilih sebagai nilai discriminator.
3. Ubah data kadar menjadi nilai indikator 0 dan 1.
4. Hitung taksiran nilai indikator
5. Memodelkan indicator variogram.
6. Menaksir probabilitas kadar blok yang bernilai lebih dari discriminator.
7. Menghitung nilai proporsi untuk menaksir kadar blok.

3.6 Analisis Akurasi Taksiran

Keakuratan suatu teknik estimasi yang diterapkan pada suatu model merupakan
suatu hal sangat penting dalam eksplorasi mineral. Hal ini berpengaruh terhadap
kualitas dan kuantitas suatu sumberdaya. Penentuan keakuratan hasil estimasi dapat
melalui beberapa teknikanalisis diantaranya validasi silang (cross validation),
probability plot (assay-estimated value) dan visualisasi data dan model secara
grafis.

3.6.1 Validasi Silang

Menurut Isaaks dan Srivastava (1989), menilai tingkat keakuratan hasil penaksiran
dilakukan dengan menggunakan cross validation. Teknikini berfungsi untuk
menganalisis distribusi dari dua variabel tetapi terletak pada lokasi yang sama untuk
mengetahui hubungan antar variabel.

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.

3.6.2 Probability Plot (Assay-Estimated Value)

Pengujian dilakukan dengan cara membuat kurva probabilitas dari data assay yang
digunakan dalam penaksiran dan membandingkan secara visual dengan kurva
Probability Density Function (PDF) dari taksiran kadar blok model masing-masing
teknikpenaksiran yang digunakan.

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.

3.6.3 Visualisasi data dan model

Visualisasi dilakukan dengan cara overlay hasil estimasi kadar di dalam blok model
dengan kadar dari data assay dalam bentuk penampang. Validasi ini akan
membandingkan pada koordinat yang sama dengan koordinat titik pengeboran
(Bargawa, 2019).

Gambar 3.9
Contoh visualisasi data dan model (Bargawa, 2019)

3.6.4 Kurva Hubungan Kadar-tonase

Kurva hubungan kadar dan tonase memberikan interpretasi penting mengenai
gambaran inventori dari sumberdaya mineral yang mendukung pada pengambilan
keputusan perencanaan tambang (Permana, 2019). Hal ini merupakan analisis vital
pada penaksiran sumberdaya dan kadar pada kadar batas tertentu.

42
 Gambar 3.10
Kurva hubungan kadar dan tonase Al2O3 (Micromine, 2020)

Penentuan besaran kadar batas dapat mempengaruhi tonase sumberdaya mineral.

Kurva hubungan kadar dan tonase dapat menjadi dasar pada pertimbangan ekonomi
untuk mendapatkan keuntungan yang optimal dalam industri mineral.

3.7 Konsep Model Blok

Permodelan dan penaksiran sumberdaya mineral secara komputasi didasarkan pada
kerangka model blok. Ukuran model blok merupakan fungsi geometri mineralisasi
di daerah penelitian dan sistem penambangan yang akan digunakan. Sketsa blok
model 3D dapat dilihat pada gambar 3.11 di bawah ini.

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.

Peubah (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, jumlah
minimum assay. Model cadangan bijih menjadi akurat apabila mewakili kondisi
geologi dan karakter dari mineralisasi. Zone geologi yang berbeda harus
dimodelkan secara akurat.

Gambar 3.12
Contoh blok model 3 dimensi beserta atribut grade pada
Software Micromine 2020 (Micromine 2020)

3.8 Klasifikasi Sumberdaya Mineral

Menurut The Australian Code for Reporting of Exploration Results, Mineral
Resources and Ore Reserves (JORC Code) 2012, klasifikasi sumberdaya mineral
dilakukan berdasarkan hubungan antara hasil eksplorasi, sunberdaya mineral dan
cadangan bijih seperti Gambar 3.14. Berdasarkan klasifikasi ini, sumberdaya
mineral terbagi menjadi 3 kategori yaitu sumberdaya mineral tereka (inferred),
tertunjuk (indicated), dan terukur (measured) dapat dilihat pada Tabel 3.1.

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).

Klasifikasi sumberdaya mineral (inferred-indicated-measured) dapat ditingkatkan

menjadi cadangan bila memenuhi syarat faktor pengubah (modifying factor) seperti
penambangan, pengolahan/pemurnian, ekonomi, teknologi pertambangan,
pemasaran, lingkungan, sosial, dan peraturan pemerintah yang digunakan sebagai
bahan pertimbangan. Namun jika tidak memenuhi syarat tersebut akan tetap
menjadi sumberdaya mineral.

Gambar 3.13
Hubungan antara hasil eksplorasi, sumberdaya mineral
dan cadangan bijih (JORC, 2012)

Pada software Micromine 2020 terdapat beberapa kriteria dalam penentuan

klasifikasi sumberdaya mineral, antara lain :
1. Bentuk badan bijih
2. Kerapatan antar lubang bor
3. Kontinuitas struktur geologi
4. Kompleksitas struktur geologi

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.

Klasifikasi sumberdaya emas epithermal pada penelitian menggunakan nilai

average distance. Anilisis dilakukan melalui histogram dan dikelompokan menjadi
tiga kategori, sumberdaya terukur (measured), tertunjuk (indicated), dan tereka
(inferred).

47
 BAB IV
HASIL PENELITIAN

4.1 Basis Data Assay

Basis data assay merupakan informasi kadar sampel dari hasil kegiatan eksplorasi
yang terdiri dari nama titik bor, data koordinat (easting, northing, dan elevasi), dan
data kadar pada tiap-tiap interval 1 meter kedalaman pada setiap titik bor. Data
assay yang digunakan pada penelitian ini yaitu data assay emas epithermal (Au
(ppm) yang ditunjukan pada (Lampiran C).

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)

4.3.2 Model Geologi

Pembuatan model geologi merupakan suatu cara untuk membatasi Estimasi
sumberdaya emas epithermal kadar Au (ppm) pada suatu populasi di daerah
penelitian, sehingga hasil taksiran kadar Au (ppm) tidak terjadi ekstrapolasi terlalu
jauh keluar batas mineralisasi.

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)

4.3.3 Model Blok Emas Epithermal

Model blok diperoleh dari badan bijih (ore body) dengan ukuran 1/2 dari jarak
lubang bor (4m), smallest mining unit (4m), dan tinggi jenjang penambangan pada
daerah penelitian (4m). Parameter model blok yang digunakan dapat dilihat pada
Tabel 4.2.

Tabel 4.2
Parameter model blok

Parameter Easting Northing RL

Minimum Coordinates 212800 9927080 40
Maximum Coordinates 213260 9927210 180
User Block Size (Parent) (m) 4 4 4
Min. Block Size (m) 2 2 2

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.

Dari analisis variogram gabungan tersebut akan mempermudah untuk melakukan

fitting variogram sehingga diperoleh parameter variogram 3 struktur (azimuth,
tegak lurus azimuth (perpendicular), dan (downhole) yang akurat.

4.5 Studi Variogram dan Variogram Indikator

4.5.1 Studi Variogram
Studi variogram ordinary kriging menggunakan data assay emas epithermal di
daerah penelitian. Variogram eksperimental pada arah horizontal menggunakan
azimuth 90°. Hasil fitting variogram eksperimental assay emas epithermal
menunjukan tipe model variogram spherical. Tipe variogram model yang dipilih
tersebut berdasarkan perilaku variogram eksperimental. Variogram eksperimental
dari data assay emas epithermal teknik ordinary kriging (OK) yang telah dilakukan
fitting variogram dapat dilihat pada Lampiran D dan parameter hasil fitting
variogram pada Tabel 4.4 di bawah ini.

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.

Pemilihan variogram directional pada arah horizontal didasarkan untuk

menaksirkan kadar-kadar emas epithermal yang tinggi (di atas sama dengan nilai
temhaj Au (ppm)). Hasil fitting variogram indikator teknik medIK pada kadar batas
(discriminator) dengan nilai tengah masing-masing vein dapat dilihat pada
Lampiran E, sedangkan parameter hasil fitting variogram masing-masing dapat
dilihat pada Tabel 4.6 dibawah ini.

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).

4.6.1 Estimasi Teknik Ordinary Kriging

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

Klasifikasi sumberdaya emas epithermal teknik OK dalam penelitian ini di

dapatkan dari analisis nilai average distance. Dari nilai tersebut sumberdaya dapat
diklasifikasikan menjadi sumberdaya terukur (measured), sumberdaya tertunjuk
(indicated), dan sumberdaya tereka (inferred). Berdasarkan nilai jarak rata-rata
sampel maka tabulasi klasifikasi sumberdaya emas epithermal dapat dilihat pada

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.

4.6.2 Estimasi Teknik Median Indicator Kriging

Estimasi teknik median indicator kriging (medIK) menggunakan kadar batas sesuai
dengan nilai median masing-masing populasi vein yang menunjukkan nilai estimasi
kadar emas epithermal. Hasil Estimasi sumberdaya emas epithermal dari teknik
medIK ditunjukan pada Gambar 4.11 dan Gambar 4.12.

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

Klasifikasi sumberdaya emas epithermal teknik medIK dalam penelitian ini

didapatkan dari nilai average distance. Dari nilai tersebut sumberdaya dapat
diklasifikasikan menjadi sumberdaya terukur (measured), sumberdaya tertunjuk
(indicated), dan sumberdaya tereka (inferred). Berdasarkan nilai jarak rata-rata
sampel maka tabulasi klasifikasi sumberdaya emas epithermal dapat dilihat pada
Tabel 4.11, Sumberdaya emas epithermal terukur sejumlah 41.122,5 ton,
sumberdaya emas epithermal tertunjuk sejumlah 17.317,5 ton, dan sumberdaya
emas epithermal tereka sejumlah 40.735 ton.

4.7 Analisis Akurasi Taksiran

Analisis akurasi taksiran antara lain validasi silang, probability plot (assay-
estimated value) dan visualisasi grafis dari sayatan 2 dimensi dari ke dua teknik
kriging. Hasil penaksiran akan dibandingkan dengan assay (raw data) dengan
validasi silang (cross validation) untuk mengevaluasi akurasi penaksiran dari ke
dua teknik kriging. Hasil validasi silang akan menunjukkan hubungan antara
taksiran kadar Au (ppm) (estimaterd value) dan data assay Au (ppm) (true value)
dengan parameter koefisien korelasi (r), koefisien determinasi (r2), Y-intercept, root
mean squared error (RMSE), slope, dan derajat slope.

62
 2,5

Ordinary Kriging (Au (ppm))

2

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

5.1 Analisis Estimasi Sumberdaya Emas Teknik Kriging

Teknik ordinary kriging dan teknik median indicator kriging dalam estimasi
sumberdaya emas epithermal memiliki cara estimasi dan proses pengolahan data
berbeda. Secara umum semua teknik kriging dijalankan berdasarkan prinsip
ordinary kriging. Beberapa uji validasi yang dilakukan untuk menentukan teknik
terbaik pada data kadar Au (ppm) daerah penelitian antara lain uji validasi silang
(cross validation), probabilty plot, dan uji visualisasi data dan model.

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.

Berdasarkan hasil kurva probability plot (assay-OK estimated-medIK estimated)

pada Gambar 5.1 menujukan taksiran teknik median indicator kriging mendekati
data assay. Hal tersebut dapat dilihat pada kurva berwarna hijau (nilai estimasi
medIK) mendekat ke kurva berwarna merah (assay) dibanding kurva berwarna
ungu (nilai estimasi OK), namun tetap dikatakan bias karena kurva bergeser

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).

5.2 Analisis Perbandingan Klasifikasi Sumberdaya Emas

Analisis klasifikasi teknik kriging bertujuan untuk mengetahui taksiran sumberdaya
emas epithermal di daerah penelitian dari data assay emas epithermal. Hasil
estimasi Teknik Kriging menghasilkan satu nilai estimasi kadar emas epithermal
yang mewakili seluruh model blok masing-masing vein sumberdaya emas
epithermal di daerah penelitian berdasarkan data assay emas epithermal.

Klasifikasi sumberdaya emas epithermal (measured/terukur, indicated/tertunjuk,

dan inferred/tereka) berdasarkan pada average distance yang dianalisis
menggunakan histogram dengan melihat modusnya, yang dapat dilihat pada
Gambar 5.2 dan Gambar 5.3 dibawah.

68
 Gambar 5.2
Histogram average distance teknik OK

Gambar 5.3
Histogram average distance teknik medIK

Berdasarkan analisis berdasarkan histogram average distance diperoleh nilai

parameter klasifikasi sumberdaya terukur (measured), tertunjuk (indicated), dan

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

Berdasarkan perolehan tabulasi sumberdaya emas epithermal untuk setiap Teknik

Kriging maka dapat diketahui kadar rata-rata dan sumberdaya emas epithermal
pada daerah penelitian.

Volume sumberdaya emas epithermal diperoleh dari hasil perkalian antara

banyaknya unit blok sumberdaya emas epithermal dengan luasan grid (4x4x4)
sedangkan tonase diperoleh dari hasil perkalian antara volume dengan densitas.
Nilai specific gravity vein epithermal yang digunakan secara umum untuk
sumberdaya emas epithermal pada daerah penelitian sebesar 2,5.

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.

5.3 Analisis kurva hubungan tonase dan kadar Au (ppm)

Penentuan cut off grade (COG) merupakan komponen penting dalam estimasi
cadangan komoditas. Hasil analisis hanya menggunakan hasil taksiran dari teknik
median indicator kriging (medIK). Hasil analisis menunjukkan bahwa estimasi
sumberdaya pada kadar batas 0,1 Au (ppm), 0,2 Au (ppm), 0,3 Au (ppm), 0,4 Au
(ppm), 0,5 Au (ppm), 0,6 Au (ppm), 0,7 Au (ppm), 0,8 Au (ppm), 0,9 Au (ppm)
dapat dilihat pada Tabel 5.4 dibawah.

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.

Grafik Pengaruh cut off grade dengan

Jumlah Sumberdaya
60.000
Tonase Sumberdaya

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)

Sumber daya Terukur & Tertunjuk Sumberdaya Tereka

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.

2. Hasil penaksiran sumberdaya emas epithermal median indicator kriging

(medIK) berdasarkan nilai average distance menghasilkan sumberdaya terukur
(measured) sebanyak 41.122 ton dengan kadar rata-rata 0,618 Au (ppm),
sumberdaya tertunjuk (indicated) sebesar 17.317 ton dengan kadar rata-rata
0,603 Au (ppm) dan sumberdaya tereka (inferred) sebanyak 40.735 ton dengan
kadar rata-rata 0,79 Au (ppm).

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.

2. Diperlukannya penelitian lanjutan mengenai pengaruh parameter variogram

(nugget effect, sill, dan range) terhadap akurasi taksiran.

3. Diperlukannya kajian pengaruh kurva kadar-tonase terhadap desain

penambangan (pit design).

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.

Armstrong, M., 1998, Basic Linear Geostatistics, Springer.

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., 2017, Geostatistik Edisi Ke dua, Prodi Teknik Pertambangan,

Universitas Pembangunan Nasional “Veteran”Yogyakarta, 2017, hal. 138-
146

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.

Buchanan, L.J., 1981, Precious Metal Deposits Associated with Volcanic

Environtments in the Southwest Arizona Geological Society Digest, pp. 703-
709.

Chandra, 2009, Geologi dan Prospeksi Emas Hidrotermal Daerah Bunikasih,

Pangalengan, Jawa Barat, Tugas Akhir Sarjama Strata-1 Prodi Teknik
Geologi - FITB – ITB.

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.

Guskarnali, 2016, Analisis Pendekatan Metode Geostatistik Dalam Penaksiran

Sumberdaya Nikel Laterit Pada Daerah “20/21”. Tanjung Buli, Halmahera
Timur, Tesis Magister, Program Studi Magister Teknik Pertambangan,
Program Pasca Sarjana, Universitas Pembangunan Nasional “Veteran”,
Yogyakarta, Bab III, hal. 17-32.

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.

Isaaks, E.H., and Srivastava, R.M., 1989, An Introduction to Applied Geostatistics,

Oxford University Press., New York.

Journel, A. G.,1983. Nonparametric estimation of spatial distributions. Journal of

the International Association for Mathematical Geology, 15(3), 445–468..

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.

Olea, R.A, 2009, A Practical Primer on Geotratistics, Open-File Report 2009-

1103, U.S. Geological Survey, Reston, Virginia 2009.

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.

Sullivan, J., 1984, Conditional Recovery Estimation Through Probability Kriging,

Geostatistics for Natural Resources Caracterization.

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.

Van der Meer F.D., 1993, Introduction to Geostatistics, Geology Division,

University of Twente, Enschede, pp. 32-35.

White, N.C., Hendenquist, J., 1995, Epithermal Gold Deposits, Styles,

Characteristics and Exploration, Ottawa, pp. 1-13.

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.

-------, Reporting of Exploration Results, Mineral Resources and Reserves, The

JORC Code 2012 Edition, The Joint Ore Reserves Committee of The
Australian Institute of Mining and Metallurgy, Australian Institute of
Geoscientists and Minerals Council of Australia, pp. 9-13.
-------, 2004, IMK Phase II Production Feasibility. PT. Indo Muro Kencana, hal.
10-21.
-------, 2002, Rencana Tata Ruang Kabupaten Murung Raya, Dinas Pekerjaan
Umum Kabupaten Murung Raya.

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

Hole ID Sample ID From To Au Easting Northing RL

(ppm)
RC1486 697944 23 24 2.63 212.875.368 9927123.46 118.748
RC1486 697945 24 25 3.82 212.875.381 9927122.96 117.882
RC1486 697946 25 26 2.89 212.875.394 9927122.46 117.016
RC1486 697947 26 27 1.22 212.875.407 9927121.96 116.150
RC1487 698012 41 42 4.05 212.875.352 9927129.31 100.303
RC1487 698013 42 43 0.63 212.875.361 9927128.96 99.363
RC1487 698014 43 44 0.52 212.875.369 9927128.62 98.423
RC1487 698015 44 45 2.05 212.875.378 9927128.28 97.484
RC1489 698155 64 65 0.21 212.826.116 9927102.57 66.031
RC1489 698156 65 66 0.19 212.826.103 9927103.07 65.165
RC1489 698157 66 67 0.12 212.826.090 9927103.57 64.299
RC1489 698158 67 68 0.04 212.826.077 9927104.07 63.433
RC1489 698159 68 69 0.03 212.826.063 9927104.57 62.567
RC1489 698160 69 70 0.03 212.826.050 9927105.07 61.701
RC1489 698161 70 71 0.1 212.826.037 9927105.57 60.835
RC1489 698162 71 72 0.44 212.826.024 9927106.07 59.969
RC1489 698163 72 73 0.26 212.826.011 9927106.57 59.103
RC1489 698164 73 74 0.48 212.825.998 9927107.07 58.237
RC1489 698165 74 75 0.41 212.825.985 9927107.57 57.371
RC1489 698166 75 76 0.37 212.825.972 9927108.07 56.505
RC1489 698167 76 77 1.49 212.825.959 9927108.57 55.639
RC1489 698168 77 78 3.2 212.825.946 9927109.07 54.773
RC1489 698169 78 79 6.63 212.825.933 9927109.57 53.907
RC1493 698394 23 24 0.81 212.827.268 9927099.16 97.808
RC1494 698439 18 19 0.4 212.900.532 9927131.53 126.679
RC1494 698440 19 20 0.2 212.900.545 9927131.03 125.813
RC1494 698441 20 21 0.07 212.900.558 9927130.53 124.946
RC1494 698442 21 22 0.37 212.900.571 9927130.03 124.080
RC1495 698496 35 36 1.21 212.900.728 9927137.78 109.541
RC1495 698497 36 37 0.1 212.900.737 9927137.44 108.601
RC1495 698498 37 38 19.2 212.900.746 9927137.09 107.662
RC1495 698499 38 39 4.16 212.900.755 9927136.75 106.722
RC1499 698669 8 9 2.43 212.857.358 9927111.74 120.327
RC1500 698716 25 26 1.12 212.856.666 9927116.95 101.887

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