LAPORAN LENGKAP
DIAJUKAN OLEH:
NINDY ALAM
R1D119053
Segala puji bagi Allah SWT yang telah memberikan rahmat dan karunia
kepada penulis, sehingga penulis dapat menyelesaikan laporan lengkap mata
kuliah Metode Perhitungan Cadangan yang berjudul “Estimasi Sumberdaya Dan
Cadangan Menggunakan Metode Inverse Distance Weighted (IDW), Nearest
Neighbour Point (NNP) dan Ordinary Kriging (OK)” dengan baik. Shalawat
serta salam tercurah kepada nabi besar Rasulullah SAW mengantarkan manusia
dari zaman kebodohan ke jalan yang terang - benderang seperti saat ini.
Penyusunan laporan ini untuk memenuhi syarat melulusi mata kuliah Metode
Perhitungan Cadangan.
Penulis menyadari bahwa laporan ini masih jauh dari sempurna karena
terbatasnya pengalaman dan pengetahuan yang dimiliki penulis. Oleh karena itu,
penulis mengharapkan segala bentuk saran serta masukan dan kritik yang
membangun dari berbagai pihak. Semoga laporan ini dapat bermanfaat bagi para
pembaca dan semua pihak khususnya dalam bidang pertambangan.
Penulis,
Halaman Persetujuan
Laporan Lengkap Metode Perhitungan Cadangan
Diajukan Oleh :
Nindy Alam
R1D119053
Asisten l Asisten ll
KATA PENGANTAR ii
HALAMAN PERSETUJUAN iii
DAFTAR ISI iv
DAFTAR GAMBAR vii
DAFTAR TABEL ix
BAB I 1
PENDAHULUAN 1
1.1 Latar Belakang 1
1.2 Batasan Masalah 2
1.3 Rumusan Masalah 2
1.4 Tujuan Praktikum 2
1.5. Manfaat Praktikum 2
BAB II 3
TINJAUAN PUSTAKA 3
2.1 Nikel laterit 3
2.1.1 Zona Limonit 4
2.1.2 Zona Saprolit 5
2.1.3 Zona Batuan dasar (Bedrock) 5
2.2 Sumberdaya dan Cadangan 6
2.2.1 Klasifikasi Sumberdaya dan Cadangan 6
2.2.2 Analisis statistik dasar 9
2.2.3 Estimasi sumberdaya dan cadangan 13
2.3 Metode Estimasi Cadangan 14
2.3.1 Metode Inverse Distance Weighted (IDW) 14
2.3.2 Metode Ordinary Kriging dan Point Kriging 17
2.3.3 Metode Nearest Neighbor Point (NNP) 18
2.4 Regresi Linier Sederhana 18
2.5 Cross Validation 19
2.6 Root Mean Square Error (RMSE) 20
BAB III 21
METODE STUDI PRAKTIKUM 21
3.1 Waktu dan Lokasi Studi Praktikum 21
3.2 Jenis Studi Praktikum 21
3.3 Bahan atau Materi Studi Praktikum 21
3.4 Instrumen Studi Praktikum 23
3.5 Prosedur Studi Praktikum 23
3.5.1 Pengolahan data 23
3.5.2 Analisis data 26
3.6 Diagram Alir Penelitian Studi Praktikum 27
BAB IV 29
HASIL DAN PEMBAHASAN 29
4.1 Database dan Logging Bor 30
4.1.1 Pembuatan Database 31
4.1.2 Geological Modeling 33
4.2 Analisis Statistik Dasar 35
4.2.1 Analisis Statistik Dasar Zona Limonit 36
4.2.2 Analisis Statistik Dasar Zona Saprolit 37
4.2.3 Analisis Statistik Dasar Zona Bedrock 39
4.3 Analisis Geostatistik 41
4.2.3 Analisis Geostatistik Zona Limonit 41
4.2.3 Analisis Geostatistik Zona Saprolit 44
4.2.3 Analisis Geostatistik Zona Bedrock 46
4.4 Estimasi Sumberdaya 49
4.4.1 Estimasi Sumberdaya Menggunakan Metode
Inverse Distance Weight (IDW) 49
4.4.2 Estimasi Sumberdaya Menggunakan Metode
Nearest Neighbor Point (NNP) 53
4.4.3 Estimasi Sumberdaya Menggunakan Metode
Ordinary Kriging (OK) 56
4.5 Penentuan Nilai Eror Dengan Menggunakan RMSE 59
4.6 Estimasi Cadangan 61
BAB V 64
PENUTUP 64
5.1 Kesimpulan 64
5.2 Saran 64
DAFTAR PUSTAKA 65
DAFTAR GAMBAR
1
1.2 Batasan Masalah
Nikel laterit terbentuk dari pelapukan batuan ultrabasa oleh air tanah,
mengalami proses pengkayaan di zona supergen. Ketebalan dan kadar endapan di
tiap-tiap titik studi ternyata tidak sama (bervariasi), diketahui dari hasil
pengeboran. Dengan demikian diperlukan uji metode untuk mengetahui metode
manakah yang lebih mendekati dalam proses pemodelan dan perhitungan
cadangannya. Studi ini dilakukan untuk mendapatkan metode yang memiliki
ketelitian yang lebih baik berdasarkan perbandingan beberapa metode
perhitungan. Dalam studi ini, metode yang digunakan dibatasi hanya tiga metode
yaitu : Nearest Neighbourhood Point (NNP), Inverse Distance Weight (IDW) dan
Ordinary Kriging (OK).
2
BAB II
TINJAUAN PUSTAKA
3
Berdasarkan hasil analisis ketebalan, maka diperoleh bahwa pada daerah
yang curam atau tinggi tingkat persen kelerengannya maka ketebalan lateritnya
semakin tipis, sebaliknya semakin rendah tingkat persen kelerengan maka
semakin tebal tingkat ketebalan lateritnya. Hal ini dikarenakan pada daerah yang
datar atau landai maka akan mengakibatkan air yang berada di atas permukaan
akan bergerak perlahan – lahan sehingga akan mempunyai kesempatan penetrasi
lebih dalam hingga ke bawah permukaan. Pada daerah yang tingkat
kelerangannya besar secara teoritis jumlah air yang meluncur akan lebih banyak
dibandingkan jumlah air yang meresap sehingga dapat menyebabkan pelapukan
yang kurang intensif. (Hasria dkk., 2019)
Profil endapan nikel laterit terbagi atas 3 yaitu :
4
2.1.2 Zona Saprolit
Zona ini berada di atas batuan dasar (bedrock), umumnya boulder
sebagian atau seluruhnya telah mengalami pelapukan, dimana proses pelapukan
tersebut terjadi pada joint dan fracture boulder. Tekstur atau fragment batuan
masih dikenali dan proses pelapukan belum berlangsung dengan sempurna. Pada
batuan dengan tingkat terserpentinisasi yang tinggi proses pelapukan tidak hanya
berlangsung pada joint dan fracture, tetapi terjadi pada masa batuan keseluruhan
yang disebabkan lunaknya batuan yang memungkinkan muka air tanah terlibat
sebagai agen pelapukan. Porositas perlapisan pada zona saprolit sedang sampai
baik, sedangkan densitas material relatif rendah. Proses pelapukan pada boulder
terus berlangsung meningkat dimulai dari bagian dalam hingga batas terluar
batuan. Sedangkan MgO, SiO2 dan alkali akan tercuci atau hilang, menyisakan
besi Fe3 +¿¿, Al2 O3, Cr dan Mn. Vertikal profil menunjukkan bahwa kandungan
Fe pada bagian atas lebih tinggi dibandingkan pada bagian bawah dan rata - rata
cenderung memiliki kadar Fe yang rendah. Pada zona saprolit, Ni merupakan
produk residual, namun umumnya merupakan hasil proses pengayaaan yang
kedua. Hal ini disebabkan ketika alkanitas muka air tanah yang bersifat asam
pada bagian atas tiba-tiba meningkat menyebabkan terpisahnya olivin dan
terlepasnya magnesia, sehingga Ni pada bagian atas terlarutkan dan diendapkan
pada zona saprolit. Keterdapatan mineral garnierite umumnya pada zona
saprolit, merupakan zona dimana silika sebagai vein atau silica boxwork terdapat.
Bijih umumnya terdapat pada zona saprolit dan tidak semua profil secara vertikal
memiliki kadar Ni yang relatif merata. Hasil proses pengayaan Ni yang kedua
pada bagian bawah zona saprolit bukan merupakan bagian dari tubuh bijih
dimana secara gradual menunjukkan kadar yang lebih rendah.
5
terjadinya tekanan hydrostatic pada batuan. Sementara sirkulasi air permukaan
meresep melalui joints dan fracture.
6
b. Sumberdaya Mineral Tereka (Inferred Mineral Resource) adalah
sumberdaya mineral yang kuantitas dan kualitasnya diperoleh berdasarkan
hasil tahap prospeksi.
c. Sumberdaya Mineral Terunjuk (Indicated Mineral Resource) adalah
sumberdaya mineral yang kuantitas dan kualitasnya diperoleh
berdasarkan hasil tahap Eksplorasi Umum.
d. Sumberdaya Mineral Terukur (Measured Mineral Resource) adalah
sumberdaya mineral yang kuantitas dan kualitasnya diperoleh
berdasarkan hasil tahap Eksplorasi Rinci.
Sementara cadangan adalah bagian dari sumberdaya mineral terukur
dan/atau terunjuk yang dapat ditambang secara ekonomis. Hal ini termasuk
penambahan material dilusi ataupun material hilang, yang kemungkinan terjadi
ketika material tersebut ditambang. Pada klasifikasi ini pengkajian dan studi
yang tepat sudah dlakukan dan termasuk pertimbangan dan modifikasi dari
asumsi yang realistis atas faktor – faktor penambangan, pengolahan/pemurnian,
ekonomi, pemasaran, hukum, lingkungan sosial, dan peraturan pemerintah.
Pengkajian ini menunjukkan bahwa ekstraksi telah dapat dibenarkan
(Reasonably be Justified) cadangan mineral dipisahkan berdasarkan naiknya
tingkat keyakinan menjadi cadangan mineral terkira dan cadangan mineral
terbukti.
Cadangan terbagi 2 yaitu :
a. Cadangan Terkira (Probable Reserve) adalah sumberdaya mineral
terunjuk dan sebagian sumberdaya mineral terukur yang tingkat keyakinan
geologinya masih lebih rendah, yang berdasarkan studi kelayakan tambang
semua faktor yang terkait telah terpenuhi, sehingga penambangan dapat
dilakukan secara ekonomik.
b. Cadangan Terbukti (Proved Recerve) adalah sumberdaya mineral terukur
yang berdasarkan studi kelayakan tambang semua faktor yang terkait telah
terpenuhi, sehingga penambangan dapat dilakukan secara ekonomik.
Klasifikasi sumberdaya mineral dan cadangan berdasarkan 2 kriteria
yaitu tingkat keyakinan geologi dan pengkajian layak tambang.
7
1. Tingkat keyakinan geologi, ditentukan oleh 3 tahap eksplorasi, yaitu:
a) Prospeksi.
b) Eksplorasi umum.
c) Eksplorasi rinci.
Kegiatan dari a) ke c) menunjukkan makin rincinya penyelidikan,
sehingga tingkat keyakinan geologinya makin tinggi dan tingkat kesalahannya
makin rendah.
2. Pengkajian layak tambang
a. Pengkajian layak tambang meliputi faktor-faktor ekonomi,
penambangan, pemasaran, lingkungan, sosial, dan hukum/perundang -
undangan. Untuk endapan mineral bijih, metalurgi juga merupakan
faktor pengkajian layak tambang.
b. Pengkajian layak tambang akan menentukan apakah sumberdaya
mineral akan berubah menjadi cadangan atau tidak.
c. Berdasarkan pengkajian ini, bagian sumberdaya mineral yang layak
tambang berubah statusnya menjadi cadangan sedangkan yang belum
layak tambang tetap menjadi sumberdaya mineral. (Standar Nasional
Indonesia 4726, 2011)
8
Menurut Herlina (2011), keterdapatan sumberdaya mineral adalah suatu
indikasi pemineralan yang dinilai untuk dieksplorasi lebih jauh. Istilah
keterdapatan mineral tidak ada hubungannya dengan volume/tonase atau
kadar/kualitas. Dalam mengidentifikasi keterdapatan mineral harus memiliki
syarat berupa sumberdaya yang dicari serta kegiatan eksplorasi yang dilakukan.
harus pula diingat bahwa perhitungan cadangan menghasilkan suatu kisaran.
Model cadangan yang dibuat adalah hasil pendekatan dari kondisi
sebenarnya yang diharapkan berdasarkan informasi yang diperoleh dari hasil
eksplorasi. Sehingga hasil dari perhitungan ini masih mengandung
ketidakpastian.
Hasil analisis sebaran data akan menentukan tingkat analisis statistik, jika
sebaran data terdistribusi dengan normal maka analisis statistik yang dilakukan
adalah analisis statistik parametrik, begitu juga sebaliknya jika data tidak
terdistribusi dengan normal maka pendekatan statistik yang dilakukan adalah
analisis statistik non parametrik.
Dimana persamaan-persamaan statistik dasar dapat dilihat di bawah ini:
a. Ukuran yang sering digunakan adalah rata-rata (m) yang diperoleh
dari persamaan:
∑ xi
X̄ =
n
(1)
Keterangan:
X̄ = Rata-Rata
n = Jumlah Sampel
9
b. Ukuran variasi (Dispersi) yang menyatakan variasi suatu data terhadap
rata- rata atau data lainya yang diperoleh dengan persamaan:
∑ xi−x̄
S 2=
n−1
(2)
Keterangan:
S2 = Variasi
X̄ = Rata-rata
n = Jumlah Sampel
c. Simpangan baku (standar deviation), adalah nilai yang mengukur rata-
rata jarak (selisih) masing-masing nilai individu dari sekelompok nilai
terhadaprata-ratanya. Persamaanya adalah sebagai berikut:
S=√ S 2 (3)
Keterangan:
S = Simpangan baku
S2 = Variasi
S
CV =
X̄
(4)
Keterangan:
CV : Coefficient of variation
S = Simpangan baku
X̄ = Rata-rata
10
Tabel 2 1 Tabel Dasar Pemilihan Metode Estimasi
11
thickness)
Metode Menggunakan · Metode IDW atau Inverse distance
Estimasi metode 2-D. kriging dengan weighting atau
tetapi Harus pengontrol yang kriging
mendefinisikan mendefinisikan bentuk
struktur geologi dan arah sebaran kadar.
(patahan dan Metode polygonal dan
lipatan ) cross-sectional dapat
variabilitas digunakan namun
ketebalan yang memerlukan koreksi
mungkin sulit di koreksi volume dan
prediksi dilusi
Geometri Rumit
Deskrips Endapan yang Endapan yang memiliki
Endapan dengan
i memiliki lipatan lipatan dan patahan yang
varians tinggi,
Endapan dan patahan sangat tidak beraturan
memiliki bentuk ore
yang sangat serta dikontrol dengan
yang rumit.
tidak beraturan mineralisasi.
Contoh · Talc · Tungsten skarns · Archean gold
Endapan deposits
· Gypsum (folding/faulting) · Roll-front
(terdeformasi) uranium
· Base metal skarns
(erratic shape)
· Copper porphyry
combined with local
skarns or replacement.
Metode Metode cross- Metode cross- sectional Estimasi sangat sulit.
Estimasi sectional dengan dengan inputan rinci Ukuran, bentuk dan
mendeskripsikan untuk menggambarkan grade tidak bisa
secara detail struktur geologi dan diprediksi Metode
struktur geologi zona bijih. Metode cross- sectional,
geostatistika mungkin area- outliine,
tepat tapi sulit indikator kriging
diimplementasikan berlaku. Kesalahan
dengan geometris secara 50% sampai 100%
kompleks. tidak biasa.
12
Histogram adalah grafik yang menampilkan frekuensi variabel dalam
interval nilai tertentu (biasanya interval seragam). Histogram merupakan
metode yang sederhana dan efektif untuk menampilkan beberapa atribut dari
nilai-nilai kadar. Bentuk-bentuk distribusi (skewness negatif, simetris atau
skewness positif) dapat terbaca langsung dari histogram. Demikian juga dengan
ukuran-ukuran kualitatif seperti pemusatan data, adanya satu atau lebih modus.
Histogram adalah alat yang sering digunakan dalam perhitungan cadangan
untuk menampilkan informasi-informasi tersebut. Setiap histogram harus
dilengkapi dengan informasi mengenai jumlah data, interval kelas, mean dan
standar deviasi.
13
pada pola (pattern) test pit/ lubang bor, variasi sebaran, kadar/kualitas, dan luas
daerah yang dinyatakan cadangan.
14
– titik yang digunakan dapat ditentukan secara langsung, atau ditentukan
berdasarkan jarak yang ingin diinterpolasi.
Kerugian dari metode IDW adalah nilai hasil interpolasi terbatas pada nilai
yang ada pada data sampel. Pengaruh dari data sampel terhadap hasil interpolasi
disebut sebagai isotropik. Dengan kata lain, karena metode ini menggunakan rata-
rata dari data sampel sehingga nilainya tidak bisa lebih kecil dari minimum atau
lebih besar dari data sampel. Jadi, puncak bukit atau lembah terdalam tidak dapat
ditampilkan dari hasil interpolasi model ini. Untuk mendapatkan hasil yang baik,
sampel data yang digunakan harus rapat yang berhubungan dengan variasi lokal.
Jika sampelnya agak jarang dan tidak merata, hasilnya kemungkinan besar tidak
sesuai dengan yang diinginkan (Rafsanjani dkk., 2016)
Metode estimasi ini di awali dengan pembuatan database. Pembuatan
database merupakan suatu hal yang sangat penting dalam kegiatan estimasi
sumberdaya suatu bahan galian, karena database dapat digunakan sebagai input
data untuk mengetahui potensi bahan galian tersebut. Informasi data untuk
penelitian diperoleh dari kegiatan pemboran eksplorasi yang dilakukan. Database
yang digunakan dalam penelitian ini dibagi menjadi empat bagian, yaitu:
a) Data survei yang berisi data posisi/koordinat lubang bor berupa Northing,
Easting, dan elevasi.
b) Data assay yang berisi informasi mengenai kadar pada tiap-tiap interval
kedalaman tertentu sesuai dengan analisis kadar yang dilakukan.
c) Data geologi berisi informasi lithologi pada tiap titik bor.
d) Data collar berisi informasi mengenai total depth, dip, azimuth (Zibuka dkk.,
2016)
Menurut Purnomo, (2018) dalam perhitungan dengan cara dua dimensi
diperlukan data kadar dalam bentuk nilai komposit (nilai rata-rata tertimbang).
Persamaan untuk menghitung kadar komposit adalah sebagai berikut:
n
∑ t1 g1
i=1
ğ= n (5)
∑ t1
i =1
Keterangan :
15
ğ = Nilai komposit
t 1= Ketebalan (m)
g1= Kadar sampel interval i
Kemudian dilakukan pemodelan 3 dimensi laterit nikel dilakukan setelah
melakukan proses penentuan metode estimasi dalam hal ini IDW. Dalam
penentuan metode estimasi tersebut didapatkan satu jenis estimasi beserta
gridding-nya. Selanjutnya dibuat model 3 dimensi (3D) dengan cara membentuk
model blok dengan ukuran cell yang telah ditentukan yaitu: 5 x 5 x 1 m3 (Rinawan
dkk., 2014)
Secara garis besar metode ini adalah suatu cara penaksiran dimana harga
rata-rata titik yang ditaksir merupakan kombinasi linear atau harga rata-rata
terbobot (weighted average) dari data data lubang bor disekitar titik tersebut. Data
didekat titik yang ditaksir memperoleh bobot yang lebih besar, sedangkan data
yang jauh dari titik yang ditaksir bobotnya lebih kecil. Bobot ini berbanding
terbalik dengan jarak data dari titik yang ditaksir. (Rafsanjani dkk., 2016)
Menurut Mustika (2016) fungsi umum pembobotan adalah inverse dari
kuadrat jarak dan persamaan ini digunakan pada metode Inverse Distance
Weighted (IDW) yang dirumuskan dalam formula berikut ini :
n
Z =∑ wi Z i
¿
(6)
i−1
Keterangan :
¿
Z = Kadar yang ditaksir
w i= Faktor bobot (weighted) dari titik i
Zi = Kadar dari titik i
Dimana untuk mencari faktor bobot (weighted) dirumuskan sebagai
berikut :
h−i p
w i= n
(7)
∑ h−p
i
i=1
Keterangan :
hi = Jarak dari titik i ke titik yang ingin ditaksir
p = Faktor eksponen (power)
16
Untuk mencari jarak antara titik i ketitik yang ingin ditaksir dapat
menggunakan rumus :
hi = √ ( x−x i ) +( y − y i) (8)
Keterangan :
x,y = Koordinat titik yang ingin ditaksir
x i, y i = Koordinat titik i
17
Ordinary kriging adalah metode kriging paling sederhana yang terdapat
pada geostatistik. Pada metode ini diasumsikan bahwa rata-rata (mean) tidak
diketahui dan bernilai konstan. Pada metode ordinary kriging, nilai-nilai sampel
yang diketahui dijadikan kombinasi linier untuk menaksir titik-titik di sekitar
daerah (lokasi) sampel. Dengan kata lain, untuk menaksir sembarang titik yang
tidak tersampel dapat menggunakan kombinasi linier dari peubah acak dan nilai
bobot kriging masing-masing (Faisal, 2013)
Metode point kriging merupakan bagian dari metode Ordinary Kriging
(OK) yang merupakan salah satu perhitungan geostatistik dalam menghasilkan
prediksi atau kesalahan minimum (variansi kriging) dari tiap-tiap titik data
(sampel). Metode ini menaksirkan suatu titik yang tidak tersampel berdasarkan
titik-titik data tersampel yang berada di sekitarnya dengan mempertimbangkan
dari hasil korelasi spasial. Metode point kriging merupakan metode interpolasi
yang menghasilkan prediksi atau estimasi tak bias yang disebut juga sebagai Best
Linear Unbiased Estimator (BLUE) (Guskarnali, 2016)
18
2.4 Regresi Linier Sederhana
Menurut Yuliara I Made (2016) Persamaan regresi linier sederhana
merupakan suatu model persamaan yang menggambarkan hubungan satu variabel
bebas/ predictor (X) dengan satu variabel tak bebas/ response (Y), yang biasanya
digambarkan dengan garis lurus
19
Proses perhitungan cross validation dilakukan dengan cara pengambilan
satu data sampel dari suatu set data secara bergantian untuk tidak diikutsertakan
dalam proses interpolasi. Selanjutnya nilai sampel yang dipindahkan tadi
dibandingkan dengan hasil penaksiran yang dihasilkan dari proses interpolasi
pada titik tersebut dengan menggunakan seluruh sisa data yang tidak diambil.
Selisih antara nilai data sampel yang diambil dengan nilai hasil penaksiran
merupakan nilai kesalahan (error) dari penaksiran di lokasi tersebut. (Purnomo,
2018)
√
n
RMSE = ∑ (Ŷ i−Y i )2
i=1
n
(12)
Keterangan :
Ŷ i = Hasil estimasi
Y i = Hasil prediksi regresi linear
n = Jumlah data
20
BAB III
METODE STUDI PRAKTIKUM
21
22
23
3.5.1.2 Membuat Database Geology
Data spreedsheet berupa data logging bor yang sudah ada dipisahkan
menjadi empat data yang terdiri atas data collar, survei, assay dan geologi. Hal
tersebut dilakukan untuk membuat suatu basis data (database) logging bor
(drillholes) dengan format basis data yang telah dibuat terlebih dahulu dalam
perangkat lunak Surpac 6.6.2. Data collar berupa data koordinat bor yang
memiliki data yang terdiri atas: nama titik bor, koordinat titik bor (x, y, z), dan
kedalaman level akhir titik bor. Data survei berupa data arah kemiringan bor dan
data kedalaman bor, data assay berupa data beserta kandungan unsur tiap meter
dari kedalaman total sebuah logging bor. Kemudian data geologi yang berisi
kedalaman tiap zonasi nikel laterit yang terdiri dari limonit, saprolit, dan bedrock
juga pembagian produk sesuai kadar tiap meternya.
24
Analisis geostatistik dilakukan untuk melihat kecenderungan dan
kontinuitas ruang (spatial continuity) dimana dua buah data saling berdekatan
mempunyai probabilitas besar memiliki data yang mirip daripada dua buah data
yang saling berjauhan. Analisis geostatistik yang dilakukan berupa variogram
modelling (primary variogram, secondary variogram dan anisotrophy ellipsoid).
Analisis geostatistik yang dilakukan menggunakan data hasil composite pada
setiap yang telah di validasi berdasarkan setiap perubahan kadar Ni dan Fe.
Dalam studi ini hanya dibatasi pada pembuatan variogram eksperimental untuk
mengetahui jarak pencarian efektif data pada saat penaksiran.
25
dari regresi linear tersebut. Setelah itu digunakan persamaan (5), untuk mencari
nilai prediksi dari variabel dependennya dan persamaan (8) untuk mencari RMSE
dari tiap metode estimasi. Kemudian melihat data yang errornya paling kecil dari
metode IDW, NNP dan OK untuk menjadi data hasil estimasi sumberdaya dan
cadangan.
26
3.6 Diagram Alir Penelitian Studi Praktikum
Adapun diagram alir pada penelitian sebagai berikut:
Mulai
Studi Literatur
Pengumpulan Data
Data Sekunder
1) Data spreed shet logging bor
2) Data topografi lokasi studi
3) Data citra satelit lokasi studi
4) Nilai densitas lokasi studi
5) Nilai COG lokasi studi
Pengolahan Data
1. Pemrosesan Data Topografi
2. Membuat Database Geology
3. Membuat Geological Modelling
4. Membuat Komposite Data berdasarkan Persaman (5)
5. Melakukan Analisis Statistik Dasar dan Analisis Geostatistik
6. Membuatan Blok Model disertai constraint dan attribute-nya
7. Estimasi menggunakan metode Inverse Distance Weight (IDW),
Nearest Neighbour Point (NNP) dan Ordinary Kriging (OK) dengan
bantuan software Surpac 6.6.2
8. Melakukan Cross Validation dan Regresi linier menggunakan
persamaann (9) dan (10)
9. Mencari nilai prediksi dengan persamaan (11) dan mencari RMSE
menggunakan persamaan (12)
27
A
Analisis
Mengestimasi seumberdaya dan cadangan dari logging bor
dengan menggunakan metode Inverse Distance Weight
(IDW), Nearest Neighbour Point (NNP) dan Ordinary
Kriging (OK) dengan bantuan software surpac 6.6.2
kemudian menentukan nilai error dari setiap metode estimasi
Hasil
Bentuk sebaran dan jumlah sumberdaya dan
cadangan metode Inverse Distance Weight (IDW),
Nearest Neighbour Point (NNP) dan Ordinary
Kriging (OK)
Selesai
28
BAB IV
HASIL DAN PEMBAHASAN
Dari data citra satelit daerah sekitar titik bor sebagian wilayah dalam
keadaan virgin dan sebagian wilayah sudah dalam keadaan terbuka. Wilayah
dalam keadaan telah terbuka menunjukan bahwa daerah titik bor terindikasi
prospek untuk dilaksanakan proses penambangan. Maka dari itu perlu dilakukan
proses estimasi sumberdaya dan cadangan.
Topografi adalah data yang menggambarkan tinggi dan rendah suatu
permukaan bumi. Pada pembentukkan nikel laterit topografi sangat berperan
penting dalam proses pelindian atau leaching. Dikarenakan topografi yang landai
sangat baik dalam penyerapan air sehingga pengkayaan nikel laterit sangat baik
pada topografi yang landai. Pemrosesan topografi ini bertujuan untuk membuat
batas atas dari zonasi dan juga menjadi beberapa tolak ukur untuk pembuatan
29
batas zonasi yang lain dimana dalam penentuan batas zona limonit tidak boleh
melewati dari topografi tersebut
30
4.1.1 Pembuatan Database
Data assay adalah data yang menggambarkan atau menampilkan data
kandungan unsur pada sebuah logging bor. Data ini berisikan identitas lubang bor
atau yang biasanya disebut sebagai hole id, identitas sampel atau sample id,
kedalaman awal, kedalaman akhir dan juga kadar – kadar unsur ni dan fe
Tabel 4.1 Data Assay
Samp_i
ID_Hole d From (M) To (M) Ni Fe
TBC301E 0 1 1,17 36,35
TBC301E 1 2 1,23 27,97
TBC301E 2 3 0,71 11,68
TBC301E 3 3,6 0,32 6,56
TBC301E 3,6 4 0,88 11,48
... ... ... ... ... ...
TBC390E 7 8 0,65 7,54
TBC390E 8 9 0,39 7,18
Data collar adalah data yang menampilkan atau menggambarkan letak dan
kedalaman dari suatu logging bor. Data ini berisikan identitas lubang bor atau
hole id, letak dari logging bor atau koordinat titik bor ( x, y, z atau elevasi) serta
kedalaman dari logging bor tersebut
Tabel 4 2 Data Collar
31
Data survey adalah data yang menampilkan atau menggambarkan arah
pengeboran dari suatu logging bor. Data ini berisikan identitas bor, kedalaman
dari logging bor serta arah pengeboran (dip dan azimuth).
Tabel 4.3 Data Survey
32
Logging bor sebanyak 73 titik dengan jarak antar titik bor kurang lebih 25 meter.
Dari hasil analisis struktur, litologi dan morfologi sehingga lokasi studi memiliki
pengkayaan nikel yang sangat baik. Sehingga dengan jarak antar titik bor 25
meter dapat dikategorikan menjadi cadangan.
33
Pemodelan seabaran endapan nikel laterit dilakukan berdasarkan hasil
validasi pada geology database yang terbagi menjadi tiga zona/ layer yaitu zona
limonit, zona saprolit dan batuan dasar (bedrock). Dari hasil validasi tersebut
maka dilakukan pemodelan dan analisis bentuk geometri sebaran endapan
nikel laterit pada lokasi studi menggunakan software surpac v.6.6.2 sehingga
didapatkan total volume sebesar 446.768 m3 dengan jumlah volume untuk
lapisan limonit sebesar 20.747 m3, luas bukaan 45.932m2. Sedangkan jumlah
volume untuk lapisan saprolit (ore) adalah 295.932 m3 luas bukaan 45.932 m2.
Model 3D sebaran endapan nikel laterit pada lokasi studi dapat dilihat pada
gambar dibawah ini.
34
Gambar 4. 6 Solid Model Zona Bedrock
35
laterit. Analisis statistik yang dilakukan menggunakan data hasil composite
setiap zona yang telah di validasi berdasarkan setiap perubahan kadar Ni dan Fe.
Parameter – parameter statistik yang digunakan dalam praktikum ini adalah:
- Jumlah data
- Nilai maksimum dan minimum
- Rata-rata, median dan modus
- Standar deviasi
- Variansi
- Skewness
36
Dari analisis terhadap 122 data komposit kadar Ni zona Limonit,
didapatkan beberapa parameter statistic dari kadar Ni limonit. Rata-rata kadar Ni
limonit adalah sebesar 1,01% dan median sebesar 0,95%. Sebaran data kadar Ni
limonit cenderung normal namun dengan skewness positif sebesar 0,67. Varians
data terhitung sebesar 0,03 dan Koefisien variansi dengan nilai sebesar 0,19. Dari
analisis terhadap 122 data komposit kadar Fe zona Limonit, didapatkan beberapa
parameter statistic dari kadar Fe limonit. Rata-rata kadar Fe limonit adalah sebesar
38,18% dan median sebesar 39,38%. Sebaran data kadar Fe limonit cenderung
normal namun dengan skewness negatif sebesar -4,12. Varians data terhitung
sebesar 25,51 dan Koefisien variansi dengan nilai sebesar 0,13. Hasil analisis
statistik dasar terhadap kadar Ni dan Fe zona limonit dapat dilihat pada tabel
berikut.
Tabel 4.5 Hasil Analisis Statistik Dasar Kadar Ni dan Fe Zona Limonit
Variabel Ni Fe
Number of samples 122 122
Minimum value 0.38 5.93
Maximum value 1.72 43.71
Mean 1.01 38.18
Median 0.95 39.38
Geometric Mean 0.98 37.48
Variance 0.03 25.51
Standard Deviation 0.19 5.05
Coefficient of 0.19 0.13
variation
Skewness 0.67 -4.12
Kurtosis 4.27 25.21
37
Gambar 4. 10 Histogram Kadar Ni Saprolit
38
Tabel 4.6 Hasil Analisis Statistik Dasar Kadar Ni dan Fe Zona Saprolit
Variabel Ni Fe
Number of samples 483 483
Minimum value 0.29 6.76
Maximum value 2.84 41.9
Mean 1.34 19.70
Median 1.31 18.65
Geometric Mean 1.25 18.42
Variance 0.21 49.03
Standard Deviation 0.46 7.00
Coefficient of variation 0.34 0.35
Skewness 0.35 0.48
Kurtosis 3.04 2.91
39
Gambar 4. 13 Histogram Kadar Fe Bedrock
Dari analisis terhadap 214 data komposit kadar Ni zona bedrock,
didapatkan beberapa parameter statistic dari kadar Ni bedrock. Rata-rata kadar Ni
bedrock adalah sebesar 0,45% dan median sebesar 0,36%. Sebaran data kadar Ni
limonit cenderung normal namun dengan skewness positif sebesar 2,11. Varians
data terhitung sebesar 0,05 dan Koefisien variansi dengan nilai sebesar 0,54. Dari
analisis terhadap 214 data komposit kadar Fe zona bedrock, didapatkan beberapa
parameter statistic dari kadar Fe bedrock. Rata-rata kadar Fe bedrock adalah
sebesar 7,74% dan median sebesar 7,020%. Sebaran data kadar Fe bedrock
cenderung normal dengan skewness positif sebesar 3,70. Varians data terhitung
sebesar 6,11 dan Koefisien variansi dengan nilai sebesar 0,31. Hasil analisis
statistik dasar terhadap kadar Ni dan Fe zona bedrock dapat dilihat pada tabel
berikut.
Tabel 4.7 Hasil Analisis Statistik Dasar Kadar Ni dan Fe Zona Bedrock
Variabel Ni Fe
Number of samples 214 214
Minimum value 0.21 5.85
Maximum value 1.69 23.46
Mean 0.45 7.74
Median 0.36 7.020
Geometric Mean 0.40 7.49
Variance 0.05 6.11
Standard Deviation 0.24 2.47
Coefficient of variation 0.54 0.31
Skewness 2.11 3.70
40
Kurtosis 8.76 19.58
41
Gambar 4. 15 Secondary Variogram map zona limonit
Untuk parameter anisotropy ellipsoid dapat dilihat pada gambar berikut
42
Gambar 4. 17 Semi-Major Axis Zona Limonit
43
Tabel 4.8 Nilai Parameter Hasil Analisis Geostatistik Zona Limonit
44
Gambar 4. 20 Secondary Variogram map zona saprolit
Untuk parameter anisotropy ellipsoid dapat dilihat pada gambar berikut
45
Gambar 4. 21 Major Axis Zona Saprolit
46
Dari hasil fitting yang dilakukan terhadap eksperimental variogram diatas
didapatkan nilai jarak pengaruh/range dari kada Ni limonit adalah sebesar 32,6 m,
dengan nugget 0,25 dan sill 0,74.
Analisis geostatistik dilakukan untuk menentukan faktor anisotrophy
ellipsoid serta mencari nilai parameter lainnya dalam melakukan estimasi, karena
ketika mengestimasi blok model, nilai dan arah anisotropi ini memiliki pengaruh
yang besar untuk hasil estimasi. Parameter nilai yang diperoleh dari hasil analisis
geostatistik kadar limonit dapat dilihat pada table berikut.
Tabel 4.9 Nilai Parameter Hasil Analisis Geostatistik Zona Saprolit
47
Gambar 4. 24 Primary Variogram map zona bedrock
48
Gambar 4. 26 Major Axis Zona Bedrock
49
Dari hasil fitting yang dilakukan terhadap eksperimental variogram diatas
didapatkan nilai jarak pengaruh/range dari kada Ni limonit adalah sebesar 32,6 m,
dengan nugget 0,28dan sill 0,72.
Analisis geostatistik dilakukan untuk menentukan faktor anisotrophy
ellipsoid serta mencari nilai parameter lainnya dalam melakukan estimasi, karena
ketika mengestimasi blok model, nilai dan arah anisotropi ini memiliki pengaruh
yang besar untuk hasil estimasi. Parameter nilai yang diperoleh dari hasil analisis
geostatistik kadar limonit dapat dilihat pada table berikut.
50
menggunakan nilai density untuk zona limonit sebesar 1,55 ton/m, nilai density
untuk zona saprolit sebesar 1,60 ton/m dan nilai density untuk zona bedrock
sebesar 1,65 ton/m.
51
Hasil estimasi untuk zona saprolit dapat dilihat pada gambar berikut.
52
Range Kadar Fe (%)
0 -> 10
10 -> 20
20 -> 30
30 -> 40
>2,0
Hasil estimasi untuk zona bedrock dapat dilihat pada gambar berikut.
53
Range Kadar Fe (%)
0 -> 10
10 -> 20
20 -> 30
30 -> 40
>2,0
54
4.4.2 Estimasi Sumberdaya Menggunakan Metode Nearest Neighbor Point
(NNP)
Penaksiran kadar bijih nikel pada setiap zona litologi terhadap blok model
yang dibuat menggunakan metode nearest neighbor point memiliki keberagaman
kadar setelah dilakukan estimasi. Hasil estimasi untuk zona limonit dapat dilihat
pada gambar berikut.
55
Hasil estimasi untuk zona saprolit dapat dilihat pada gambar berikut.
56
Hasil estimasi untuk zona bedrock dapat dilihat pada gambar berikut.
57
4.4.3 Estimasi Sumberdaya Menggunakan Metode Ordinary Kriging (OK)
Penaksiran kadar bijih nikel pada setiap zona litologi terhadap blok model
yang dibuat menggunakan metode ordinary kriging memiliki keberagaman kadar
setelah dilakukan estimasi. Hasil estimasi untuk zona limonit dapat dilihat pada
gambar berikut.
58
Hasil estimasi untuk zona saprolit dapat dilihat pada gambar berikut.
Hasil estimasi untuk zona bedrock dapat dilihat pada gambar berikut.
59
Range Kadar Ni (%)
0,00 -> 0,50
0,51 -> 1,00
1,01 -> 1,50
1,51 -> 2,00
>2,0
60
Perbandingan hasil estimasi sumberdaya menggunakan metode inverse distance
weight, nearest neighbor point dan ordinary kriging dapat dilihat pada tabel
berikut.
Tabel 4.14 Perbandingan Hasil Estimasi Sumberdaya Metode IDW, NNP & OK
61
Kurva Perbandingan Kadar Nilai Komposite Ni dan Nilai Estimasi
Ni IDW
2.5
2
Estimasi Ni IDW
0.5
0
0 0.5 1 1.5 2 2.5
Komposite Ni
Dari kurva tersebut dapat diketahui bahwa nilai variabel a untuk metode
IDW adalah 0,038 dan juga nilai variabel b yaitu 0,813 sehingga untuk mencari
nilai prediksi dari variabel terikat dengan menggunakan regresi linier adalah y =
0,813x + 0,038
62
Pada metode NNP diketahui untuk nilai variabel a yaitu 0,0662 dan nilai
variabel b adalah 0,9372 sehingga rumus untuk mencari nilai prediksi dengan
regresi linier adalah y = 0,9372x + 0,07
2
Estimasi Ni OK
0.5
0
0 0.5 1 1.5 2 2.5
Komposite Ni
63
Hasil estimasi cadangan dengan cut off grade sebesar 1,2 % Ni dengan metode
Inverse Distance Weight (IDW)
Hasil estimasi cadangan dengan cut off grade sebesar 1,2 % Ni dengan metode
Nearest Neighbor Point (NNP)
64
Range Kadar Ni (%)
0,00 -> 0,50
0,51 -> 1,00
1,01 -> 1,50
1,51 -> 2,00
>2,0
Tabel 4.16 Perbandingan Hasil Estimasi Cadangan Metode IDW, NNP & OK
Hasil Estimasi
Total Total
Metode Litologi Kadar Kadar
Volume Tonase Volume Tonase
Ni (%) Fe (%)
Limonit 3,875.00 6,006.25 1.27 39.17
IDW Saprolit 168,125.00 269,000.00 1.51 21.09 172,000.00 275,006.25
Bedrock - - - -
Limonit 11,425.00 17,708.75 0.65 20.52
NNP Saprolit 180,700.00 289,120.00 1.3 18.09 192,125.00 306,828.75
Bedrock - - - -
Limonit 3,725.00 5,773.75 1.26 39.23
OK Saprolit 172,775.00 276,440.00 1.48 21.06 176,500.00 282,213.75
Bedrock - - - -
65
BAB V
PENUTUP
5.1 Kesimpulan
5.2 Saran
Saran yang dapat disampaikan penulis adalah agar dapat dilakukan
perhitungan dengan menggunakan metode yang lain atau membandingkan metode
IDW dengan metode estimasi yang lainnya
66
DAFTAR PUSTAKA
Azis, H., Purnawansyah, P., Fattah, F., & Putri, I. P. (2020). Performa Klasifikasi
K-NN dan Cross Validation Pada Data Pasien Pengidap Penyakit Jantung.
ILKOM Jurnal Ilmiah, 12(2), 81–86. .
https://doi.org/10.33096/ilkom.v12i2.507.81-86
Frank, B., Michael, H., Dean, O., Dmitry, P., Denis, S., & Serik, U. (2014).
Micromine Training Block Modelling (B. Frank (ed.)).
Guskarnali. (2016). metode point kriging untuk estimasi sumberdaya bijih besi
(Fe) menggunakan data Assay (3D) pada daerah Tanjung Buli Kabupaten
Halmahera Timur. Promine Journal, 4 (2)(December), 13–20.
Hasria, Anshari, E., & Rezky, T. B. (2019). Pengaruh Batuan Dasar dan
Geomorfologi Terhadap Laterisasi dan Penyebaran Kadar Ni dan Fe Pada
Endapan Nikel laterit PT . Tambang Bumi Sulawesi , Desa Pongkalaero ,
Kabupaten Bombana , Sulawesi Tenggara. Jurnal Geografi Aplikasi Dan
Teknologi, 3(1), 47–58.
Hernandi, D., Rosana, M. F., & Haryanto, A. D. (2017). Domain Geologi Sebagai
Dasar Pemodelan Estimasi Sumberdaya Nikel Laterit Perbukitan Zahwah,
Sorowako, Kabupaten Luwu Timur, Provinsi Sulawesi Selatan. Bulletin of
Scientific Contribution, 15(2), 111–122. .
https://www.researchgate.net/profile/Mega_Rosana/publication/325168959_
DOMAIN_GEOLOGI_SEBAGAI_DASAR_PEMODELAN_ESTIMASI_S
UMBERDAYA_NIKEL_LATERIT_PERBUKITAN_ZAHWAH_SOROW
AKO_KABUPATEN_LUWU_TIMUR_PROVINSI_SULAWESI_SELAT
AN/links/5afbc1b2458515c00b6e5c2d/DOMAIN
Lintjewas, L., Setiawan, I., & Kausar, A. Al. (2019). Profil Endapan Nikel Laterit
di Daerah Palangga, Provinsi Sulawesi Tenggara. RISET Geologi Dan
Pertambangan, 29(1), 91. .
https://doi.org/10.14203/risetgeotam2019.v29.970
Respatti, E., Goejantoro, R., Wahyuningsih, S., Program, M., Statistika, S.,
Program, S. P., & Unmul, F. (2014). Perbandingan Metode Ordinary
Kriging dan Inverse Distance Weighted untuk Estimasi Elevasi Pada Data
Topografi (Studi Kasus: Topografi Wilayah FMIPA Universitas
Mulawarman) Comparison of Ordinary Kriging and Inverse Distance
Weighted Methods for Estimation. Jurnal EKSPONENSIAL, 5(2), 163–170.
Rinawan, F., Nugroho, H., & Wibawa, R. (2014). Pemodelan Tiga Dimensi (3D)
Potensi Laterit Nikel Studi Kasus: Pulau Pakal, Halmahera Timur, Maluku
Utara. Jurnal Itenas Rekayasa, 18(1), 218860.
Zibuka, M. I., Widodo, S., & Budiman, A. A. (2016). Estimasi Sumberdaya Nikel
Laterit Dengan Membandingkan Metode Nearest Neighbour Point Dan.
Jurnal Geomine, 04(1), 44–49.
49