BAB I

ESTIMASI SUMBERDAYA MINERAL MENGGUNAKAN

MICROMINE

1.1. Latar Belakang

Sumberdaya (resources) baik itu mineral dan batubara, menurut Standar
Nasional Indonesia (SNI) merupakan endapan yang diharapkan dapat
dimanfaatkan secara nyata. Estimasi sumberdaya adalah estimasi potensi
dari endapan mineral bijih yang terletak di permukaan bumi untuk
mengetahui apakah endapan tersebut layak untuk dilanjutkan ke proses
penambangan selanjutnya yaitu perhitungan cadangan. Definisi ini
mencakup berbagai jenis sumber daya alam, seperti sumber daya mineral,
air, udara, dan energi.

Pentingnya melakukan estimasi sumberdaya adalah mengetahui banyaknya

endapan yang berpotensi untuk ditambang, sehingga dapat mengurangi
kerugian. Estimasi sumber daya mineral memiliki tujuan untuk dapat
diketahui jumlah, jenis, dan kualitas sumber daya mineral yang tersedia
pada suatu deposit atau area penambangan. Hal ini menjadi dasar penting
untuk melakukan perencanaan dan pengambilan keputusan dalam kegiatan
eksplorasi, pengembangan tambang, produksi, dan pemasaran mineral.
Estimasi sumber daya mineral dapat memberikan informasi yang jelas dan
transparan tentang nilai dan potensi suatu tambang, sehingga dapat
membantu para investor dan pemegang saham dalam mengambil keputusan
investasi.

1.2. Tujuan Praktikum

Adapun tujuan praktikum acara I ini yaitu:

Indi Yuni Farira / 112200143 / Acara I 1

1. Mengetahui konsep dasar sumberdaya dan cadangan

Indi Yuni Farira / 112200143 / Acara I 2

2. Mengetahui langkah-langkah dan analisis dalam proses estimasi
sumberdaya

1.3. Dasar Teori

1.3.1. Sumberdaya dan Cadangan
Sumberdaya adalah suatu nilai potensi yang dimiliki oleh suatu materi atau
unsur tertentu dalam kehidupan. Sumberdaya tidak selalu bersifat fisik,
tetapi juga nonfisik (intangible). Sumberdaya ada yang dapat berubah, baik
menjadi semakin besar jumlahnya maupun hilang, dan adapula
sumberdaya yang kekal (selalu tetap). Selain itu, dikenal pula istilah
sumberdaya yang dapat pulih atau terbarukan (renewable resources) dan
sumberdaya tak terbarukan (nonrenewable resources). Ke dalam
sumberdaya dapat pulih termasuk tanaman dan hewan (sumberdaya
hayati). Sumberdaya (Resources) baik itu mineral dan batubara,
menurut Standar Nasional Indonesia (SNI) merupakan endapan mineral
yang diharapkan dapat dimanfaatkan secara nyata. Dalam KCMI,
sumberdaya mineral dikelompokkan ke dalam tiga kategori. Cadangan
mineral adalah bagian dari sumber daya mineral klasifikasi terukur
dan/atau tertunjuk yang dapat diekstraksi secara ekonomi menggunakan
teknologi dan metode pertambangan yang ada pada saat ini.

1.3.1.1. Klasifikasi Sumberdaya Mineral

Sumberdaya dapat berubah menjadi cadangan setelah dilakukan pengkajian
kelayakan tambang dan memenuhi kriteria layak tambang Didalam SNI
sendiri Klasifikasi Sumberdaya Mineral dapat dibagi menjadi 3 kategori,
yaitu:

a) Sumberdaya tereka (inferred resource) adalah jumlah bahan galian di

daerah penyelidikan atau bagian dari daerah penyelidikan yang
dihitung berdasarkan data yang memenuhi syarat-syarat yang
ditetapkan untuk tahap prospeksi. Bagian dari sumberdaya mineral
total yang diestimasi meliputi tonase, densitas, bentuk, dimensi, kimia,
kadar, dan kandungan mineralnya hanya dapat diperkirakan dengan
tingkat kepercayaan yang rendah

Indi Yuni Farira / 112200143 / Acara I 3

b) Sumberdaya terunjuk (indicated resource) adalah jumlah bahan galian
di daerah penyelidikan atau bagian dari daerah penyelidikan yang
dihitung berdasarkan data yang memenuhi syarat-syarat yang
ditetapkan untuk tahap eksplorasi pendahuluan. Bagian dari
sumberdaya mineral total yang diestimasi meliputi tonase, densitas,
bentuk, dimensi, kimia, kadar, dan kandungan mineralnya dapat
diperkirakan dengan tingkat kepercayaan yang beralasan, didasarkan
pada informasi yang didapatkan dari titik pengamatan yang mungkin
didukung oleh data pendukung dan keyakinan geologi medium

c) Sumberdaya terukur (measured resource) adalah jumlah bahan galian

di daerah penyelidikan atau bagian dari daerah penyelidikan yang
dihitung berdasarkan data yang memenuhi syarat-syarat yang
ditetapkan untuk tahap eksplorasi rinci. Bagian dari sumberdaya
mineral total yang diestimasi meliputi tonase, densitas, bentuk,
dimensi, kimia, kadar, dan kandungan mineralnya dapat diperkirakan
dengan tingkat kepercayaan tinggi didasarkan pada informasi yang
didapat dari titik pengamatan yang mungkin didukung oleh data
pendukung dan keyakinan geologi tinggi.

Tingkat keyakinan geologi disini merupakan tingkat keyakinan mengenai

cebakan mineral yang meliputi ukuran, bentuk, sebaran, kuantitas, dan
kualitas sesuai dengan tahapan eksplorasi. Dalam penyusunan tingkat
keyakinan geologi diperlukan beberapa data seperti data topografi dan
survey, keterwakilan sampel, analisis spasial (korelasi mineralisasi dan
struktur geologi), penentuan domain geologi, analisis geostatistik, dan
pemodelan geologi. Berdasarkan tingkat keyakinan geologi, sumber daya
terukur harus mempunyai tingkat keyakinan yang lebih besar
dibandingkan dengan sumber daya tertunjuk, begitu pula sumber daya
tertunjuk harus mempunyai tingkat keyakinan yang lebih tinggi
dibandingkan dengan sumber daya tereka.

1.3.1.2. Klasifikasi Cadangan Mineral

Cadangan (Reserve) menurut Standar Nasional Indonesia (SNI) adalah

Indi Yuni Farira / 112200143 / Acara I 4

endapan mineral atau batubara yang telah diketahui ukuran, bentuk,
sebaran, kuantitas dan kualitasnya dan yang secara ekonomis, teknis,
hukum, lingkungan dan sosial dapat ditambang pada saat
perhitungan dilakukan. Cadangan juga dibagi kedalam beberapa
kategori antara lain:

a. Cadangan terkira (probable reserve) adalah sumberdaya bahan galian

terunjuk dan sebagian sumberdaya bahan galian terukur, tetapi
berdasarkan kajian kelayakan semua faktor yang terkait telah
terpenuhi sehingga penambangan dapat dilakukan secara layak.
Cadangan terkira memiliki tingkat keyakinan yang lebih rendah
dibandingkan cadangan terbukti.

b. Cadangan terbukti (proven reserve) adalah sumberdaya bahan galian

terukur yang berdasarkan kajian kelayakan semua faktor yang terkait
telah terpenuhi sehingga penambangan dapat dilakukan secara layak.

Faktor-faktor Pengubah merupakan pertimbangan-pertimbangan yang

digunakan untuk mengkonversi Sumber Daya Mineral menjadi Cadangan
Mineral. Faktor-faktor ini termasuk dan tidak terbatas pada faktor-faktor
penambangan, pengolahan, metalurgi, ekonomi, pemasaran, hukum,
lingkungan, infrastruktur, sosial, dan pemerintahan. setelah melakukan
pertimbangan faktor pengubah maka Sumberdaya mineral dapat dinyatakan
menjadi cadangan mineral. Studi kelayakan sangat berhubungan erat
dengan faktor pengubah hal ini dikarenakan studi kelayakan tidak dapat
dilakukan jika masih dalam bentuk sumberdaya mineral, studi kelayakan
sendiri adalah studi teknis dan ekonomi yang komprehensif dari sebuah
opsi pengembangan proyek tambang yang telah dipilih. Hasil dari studi
kelayakan ini bisa menjadi dasar dalam pengambilan keputusan akhir dari
pemilik proyek untuk melanjutkan pengembangan proyek atau dari institusi
ekonomi untuk membiayai pengembangan proyek tambang.

Indi Yuni Farira / 112200143 / Acara I 5

 Sumber: KCMI 2017
Gambar 1.1.
Hubungan Antara Sumberdaya dan Cadangan Mineral

1.3.2. Metode Estimasi Sumberdaya

Estimasi sumber daya adalah estimasi potensi dari endapan mineral bijih
yang terletak di permukan bumi untuk mengetahui apakah endapan
tersebut layak untuk dilanjutkan ke proses penambangan selanjutnya yaitu
perhitungan cadangan. Estimasi sumber daya mineral digunakan untuk
menentukan dan menentukan tonase bijih dan kadar deposit geologi, dari
model blok yang dikembangkan. Ada metode estimasi berbeda yang
digunakan untuk skenario berbeda yang bergantung pada batas bijih,
geometri endapan geologi, variabilitas kadar, dan jumlah waktu dan uang
yang tersedia. Estimasi sumber daya yang khas melibatkan konstruksi
model geologi dan sumber daya dengan data dari berbagai sumber.
Bergantung pada sifat informasi dan apakah datanya berupa hard copy
atau terkomputerisasi, langkah-langkah utama estimasi sumber daya
komputer adalah:
1. Pembuatan, standarisasi dan validasi database.
2. Bagian plotting dan pemodelan geologi interaktif.
3. Analisis geostatistik.
4. Pemodelan blok dan estimasi blok.

1.3.2.1. Nearest Neighbour Point

Metode Nearest Neighbour Point (NNP) merupakan suatu metode estimasi

Indi Yuni Farira / 112200143 / Acara I 6

sumberdaya yang memperhitungkan nilai di suatu blok didasari oleh nilai
titik yang paling dekat dengan blok tersebut. Dalam kerangka model
blok,dikenal jenis penaksiran poligon dengan jarak titik terdekat (rule of
nearest point), yaitu nilai hasil penaksiran hanya dipengaruhi oleh nilai
conto yang terdekat, atau dengan kata lain titik (blok) terdekat memberikan
nilai pembobotan satuuntuk titik yang ditaksir, sedangkan titik (blok) yang
lebih jauh memberikan nilai pembobotan nol (tidak mempunyai pengaruh)
(Haris, 2005).

1.3.2.2. Inverse Distance Weight

Metode Inverse Distance Weighted (IDW) adalah salah satu dari metode
penaksiran dengan pendekatan blok model yang sederhana dengan
mempertimbangkan titik disekitarnya. Asumsi dari metode ini adalah nilai
interpolasi akan lebih mirip pada data sampel yang dekat daripada yang
lebih jauh. Bobot (weight) akan berubah secara linier sesuai dengan
jaraknya dengan data sampel. Bobot ini tidak akan dipengaruhi oleh letak
dari data sampel. Semakin dekat jaraknya, semakin besar pengaruhnya
terhadap estimasi nilai pada lokasi tersebut. Bobot yang digunakan dalam
IDW dihitung dengan rumus:

Keterangan : Z: Kadar yang ditaksir

Wi: bobot conto
Zi: kadar conto

1.3.2.3. Kriging
Kriging merupakan suatu metode yang digunakan untuk memperkirakan
nilai pada lokasi yang tidak diketahui berdasarkan nilai pada lokasi yang
diketahui. Metode ini didasarkan pada prinsip bahwa nilai yang akan
diestimasi pada lokasi yang tidak diketahui dipengaruhi oleh nilai pada
lokasi-lokasi yang dikenal di sekitarnya. Metode kriging memungkinkan
untuk memperkirakan nilai pada lokasi yang tidak diketahui dengan
mengambil keuntungan dari pola korelasi spasial yang terdapat dalam data.

Indi Yuni Farira / 112200143 / Acara I 7

Meskipun metode ini cenderung menghasilkan hasil yang akurat, namun
kriging juga membutuhkan persyaratan khusus dalam hal keberadaan
kebergantungan spasial antara data dan adanya data yang cukup untuk
mendukung model semivariogram yang dihasilkan. Ada beberapa jenis
metode kriging yang umum digunakan dalam analisis geostatistik, antara
lain:

1. Ordinary kriging (OK): metode ini digunakan ketika semua variabel

yang diamati secara stokastik memiliki distribusi normal yang sama dan
memiliki varians yang sama. Metode OK menghasilkan hasil perkiraan
dengan minimum varians atau error.

2. Universal kriging (UK): metode ini digunakan ketika ada variabel yang
diamati yang tidak memiliki distribusi normal yang sama. Metode UK
memungkinkan penggunaan model regresi untuk mengevaluasi
pengaruh variabel-variabel yang tidak stokastik terhadap variabel yang
diamati.

3. Simple kriging (SK): metode ini digunakan ketika semua variabel yang
diamati memiliki distribusi normal yang sama, tetapi tidak memiliki
varians yang sama. Metode SK menghasilkan hasil perkiraan dengan
minimum varians atau error dengan mempertimbangkan perbedaan
varians antara variabel yang diamati.

4. Co-kriging: metode ini digunakan ketika ada beberapa variabel yang

diamati yang memiliki korelasi spasial yang sama. Metode co-kriging
mempertimbangkan korelasi antara variabel-variabel yang diamati
untuk memperkirakan nilai pada lokasi yang tidak diamati.

5. Indicator kriging: metode ini digunakan ketika variabel yang diamati

hanya memiliki dua nilai, yaitu 0 atau 1. Metode ini memperkirakan
probabilitas bahwa nilai yang tidak diamati adalah 0 atau 1, berdasarkan
lokasi dan nilai-nilai variabel yang diamati.

1.4. Langkah Kerja Estimasi Sumberdaya Mineral Menggunakan

Indi Yuni Farira / 112200143 / Acara I 8

 Micromine

1. Buka aplikasi micromine

2. Buat new project

3. Memiliki 3 data yaitu, data assay, data collar, dan data geologi.

4. Data assay merupakan hasil dari data uji lab memiliki nilai kadar nikel
dan memiliki nilai kedalamannya (data x, y, z, from ,to, Ni, litologi).

Indi Yuni Farira / 112200143 / Acara I 9

5. Data geologi (hole, to from, interval, litologi)

6. Data collar (hole, x, y, z, AZ, DIP, DEPTH)

Penginputan database, nikel terdapat 2 lapisan yaitu limonit dan saprolit

akan diestimasi dan dibuat block model secara terpisah

7. Pisahkan litologi data assay limonit dan saprolitnya

Indi Yuni Farira / 112200143 / Acara I 10

8. Dalam penginputan database perlu mengubah format excel menjadi
micromine. Buka file dengan mengubah data secara keseluruhan,
dengan field namenya menyesuaikan data excel, width serta decimals
masukkan secara opsional

9. Copy paste data excel ke micromine lalu save

Lakukan hal yang sama untuk data assay saprolit, assay limonit, collar

Indi Yuni Farira / 112200143 / Acara I 11

dan geologi. Sebelum masuk ke pemodelan lakukan analisis statistik

10. Statistik lalu histogram, masukan data input/output.

11. Graph limits minimum dan maximum klik calculates untuk

mengakumulasi kadar nikel, bin size masukan 0,1. Maksud 0,1 adalah
jarak antarbar

12. Untuk analisis statistik memiliki beberapa puncak, artinya kadarnya

mengelompok dipuncak, ujung paling kanan merupakan persebaran
saprolit karena kadar yg tinggi

Indi Yuni Farira / 112200143 / Acara I 12

13. Lakukan hal yg sama untuk data assay limonit

14. Data assay saprolite

Lakukan composite data limonite dan saprolite yang bertujuan untuk

menyamakan interval

15. Cara mengkomposit klik drillhole lalu downhole. Input: masukan data
assay limonit serta hole field dan from field wajib terisi karena jika

Indi Yuni Farira / 112200143 / Acara I 13

 kosong tidak akan bisa di run, Composite interval masukan 1, lalu run

16. Hasil komposit, lakukan hal yg sama untuk data saprolit

17. Setelah di komposit selanjutnya analisis menggunakan histogram

tujuannya untuk membandingkan data. Stats lalu histogram

18. Hasil histogram komposit limonit

Indi Yuni Farira / 112200143 / Acara I 14

19. Hasil histogram komposit saprolit

Setelah menganalisis menggunakan histogram lalu dibuat database

20. Drillhole lalu new lalu newdrillhole database, masukan data collar

21. Masukan interval data assay limonit saprolit, komposit limonit

saprolit, dan data geologi

Indi Yuni Farira / 112200143 / Acara I 15

22. Tampilkan titik bor (drill hole) dengan klik trace. Input data: database
nikel, trace thickness menggunkan medium, interval file
menggunakan assay all, colour field menggunakan kadar Ni

23. Colour set klik kanan lalu new lalu calculate berdasarkan interval yg
diinginkan. Save as colourset drill hole. Save and close

24. Hole name centang show hole name, top label: centre. Depth centang

Indi Yuni Farira / 112200143 / Acara I 16

 show hole depth, collar sesuaikan simbolnya. Klik ok

25. Hasil titik bor, lalu save

26. Interval label, input data: database nikel, interval file: komposit
limonit, field: Ni

27. Hasil interval label, save

Indi Yuni Farira / 112200143 / Acara I 17

 Lakukan hal yang sama dengan komposit saprolit, save

28. Buat model geologi dengan string (memiliki beberapa layer

diantaranya top limonit bottom limonit dan bottom saprolit. Buat
section dengan klik Vizex lalu define section lalu tarik secara
horizontal. Sectione vizex save file

29. Hasil string limonit

Indi Yuni Farira / 112200143 / Acara I 18

30. Bottom saprolit. Design lalu new string klik section 1 lalu tarik garis

31. Hasil string

32. Buat dtm, block hasil string lalu klik interactive new DTM

33. Hasil DTM top limonit

Indi Yuni Farira / 112200143 / Acara I 19

Lakukan hal yang sama pada bottom limonit

34. Hasil DTM bottom limonit

35. Hasil DTM bottom saprolite

36. Buat bentuk dtm, klik operation lalu surface to solid

Indi Yuni Farira / 112200143 / Acara I 20

37. top surface: top limonit, bottom surface: bottom limonit. Hasil
limonit, lakukan hal yang sama dengan saprolite

38. Top surface: bot limonit, bottom surface: bot saprolit. Hasil saprolit.
Save

39. Tampilan titik bor

Indi Yuni Farira / 112200143 / Acara I 21

Buat block model untuk estimasi

40. Block model klik create block model centang restrict

41. Block definitions klik edit extents, usahakan kotaknya mencangkup

seluruh ore, run

42. Block model limonit

Indi Yuni Farira / 112200143 / Acara I 22

43. Block model saprolit, save

Lanjut estimasi IDW dan kriging

44. Stats lalu variograms fungsinya untuk mengetahui daerah pengaruh

dan seberapa jauh sampel berkolerasi

45. Input data komposit limonit

Indi Yuni Farira / 112200143 / Acara I 23

46. Semi variogram directions klik show semi variograms in sequence,
close, oke

47. Hasil semivariogram komposit limonit

48. Cari model semivariogram dengan klik show variance lalu klik
nugget pilih spherical

Indi Yuni Farira / 112200143 / Acara I 24

49. Semivariogram spherical komposit limonit

50. Configure form, semivaroigram directions, masukan data, apply, cari

model yg paling ideal, save

51. Masukan azimuth dan plunge nya, lakukan hal yg sama sampai 3 kali

Indi Yuni Farira / 112200143 / Acara I 25

52. Search elipsoid, search definition: elipsoidal, elipsoid properties:
geostatistical, klik ok

53. Hasil estimasi IDW dan kriging, save

54. Estimasi kriging, input file: komposit limonit, numeric exceptions:

ignore values with a leading character, blocks from file: block model
limonit, interpolate parent blocks only

Indi Yuni Farira / 112200143 / Acara I 26

55. Modelling parameters: ordinary kriging, lalu masukan directions

56. Output: centang semua kecuali write sectors, output file: OK lim run
1. Run. Lakukan run 2 kali

57. Hasil ordinary kriging

Indi Yuni Farira / 112200143 / Acara I 27

58. Buat block model kriging: OK lim run 2, hatch field: Ni, centang fore
ground

59. Hasil block model limonit, lalu save

60. Estimasi IDW, lakukan hal yang sama dengan estimasi kriging

Indi Yuni Farira / 112200143 / Acara I 28

61. Buat block model dengan IDW, save

62. Ubah data micromine menjadi data excel

63. Tambahkan kolom (KR_stdev: rumus faktor dari kriging variansi,

RKSD: rumus 1.96 x KR_stdev/kadar Ni, klasifikasi: rumus
IF(RKSD<=0.33, "measured", IF(RKSD<=0.5, "INDICATED",
IF(RKSD>=0.5, "INFERRED))

Indi Yuni Farira / 112200143 / Acara I 29

64. Masukan ke micromine, lalu save

65. Buat histogram dari data ordinary kriging limonit

66. Buat histogram dari data IDW limonit (didapatkan sumberdaya

terukur terunjuk, dan tereka)

Indi Yuni Farira / 112200143 / Acara I 30

67. Convert ke excel, tambahkan kolom klasifikasi (terukur sampai 74,
terunjuk sampai 176, dan tereka). Copy ke micromine

68. Buat block model report ordinary kriging

69. Buat block model report IDW

Indi Yuni Farira / 112200143 / Acara I 31

Indi Yuni Farira / 112200143 / Acara I 32
1.5. Pembahasan

Database lubang bor dapat terdiri dari tiga jenis, yaitu data collar, survey,
dan assay. Analisis statistika dilakukan guna mengetahui sebaran data dan
sebagai dasar dalam tahapan estimasi. Analisis statistik dilakukan pada data
assay dan data komposit. Selanjutnya adalah pembuatan model geologi
untuk mengetahui kondisi geologi didaerah penelitian berupa litologi,
struktur geologi, serta kedalaman dan ketebalan perlapisan batuan.
Pemodelan geologi yang dibuat berupa model geologi bawah permukaan
dalam bentuk dua dimensi dan tiga dimensi. Adapun setelah dilakukan
analisis pada lubang bor, selanjutnya adalah pembuatan wireframe dengan
menghubungkan setiap penampang vertikal yang telah dibuat pada tahapan
sebelumnya. Selanjutnya dari solid model tersebut dapat dihitung
volumenya. Setelah pemodelan geologi dilakukan maka dilanjutkan ke
tahap berikutnya yaitu pembuatan blank model. Blank model kemudian
diestimasi sesuai dengan metode yang ditentukan dan analisis geostatistik.

1.6. Kesimpulan

Pengisian kadar untuk block model ini dilakukan dengan menggunakan

metode estimasi Ordinary Block Kriging. Area pencarian atau search
elipsoid didapatkan dari analisis semivariogram dan fitting. Dilakukan
fitting antara semivariogram teoritis dan eksperimental. Semivariogram
teoritis yang digunakan adalah semiviariogram spherical. Fitting dilakukan
untuk mendapat nilai range yang nantinya digunakan untuk menentukan
daerah pengaruh. Berikut merupakan hasil estimasi sumberdaya dan
klasifikasinya.

Tabel 1.1.
Jumlah dan Klasifikasi Sumberdaya Estimasi OK
Volume (m³) Density (ton/m³) Tonase (ton) Klasifikasi
4869531,25 1,6 7791250 Terkira
1406,25 1,6 2250 Terukur
583906,25 1,6 934250 Terunjuk

Indi Yuni Farira / 112200143 / Acara I

 5454843,75 1,6 8727750 Total
Tabel 1.2.
Jumlah dan Klasifikasi Sumberdaya Estimasi IDW
Volume (m³) Density (ton/m³) Tonase (ton) Klasifikasi
468906,25 1,6 750250 Terkira
2392187,50 1,6 3827500 Terukur
2593750 1,6 4150000 Terunjuk
5454843,75 1,6 8727750 Total

1.7. Hasil Akhir

1. Estimasi menggunakan ordinary kriging

2. Estimasi menggunakan IDW

Indi Yuni Farira / 112200143 / Acara I