r1d121053 - Laporan Lengkap Geostatistik
r1d121053 - Laporan Lengkap Geostatistik
DIAJUKAN OLEH:
ii
KATA PENGANTAR
Segala puji bagi Allah SWT yang telah memberikan rahmat dan karunia
kepada penulis, sehingga penulis dapat menyelesaikan laporan lengkap mata kuliah
Geostatistik tentang pemodelan geologi dengan metode dengan baik. Shalawat serta
salam tercurah kepada nabi besar Muhammad SAW yang mengantarkan manusia
dari zaman kebodohan ke jalan yang terang - benderang seperti yang kita rasakan
saat ini. Penyusunan laporan ini untuk memenuhi syarat melulusi mata kuliah
Geostatistik.
Penulis menyadari bahwa laporan ini masih jauh dari kata 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
iii
Halaman Pengesahan
Laporan Lengkap
Praktikum Geostatistik
Diajukan Oleh :
Asisten l Asisten ll
Mengetahui,
Dosen Pengampuh Mata Kuliah
iv
DAFTAR ISI
v
BAB III
METODE STUDI PRAKTIKUM 20
3.1 Waktu dan Lokasi Studi Praktikum 20
3.2 Jenis Studi Praktikum 20
3.3 Bahan atau Materi Studi Praktikum 20
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 31
4.1.1 Pembuatan Database 32
4.1.2 Geological Modeling 35
4.2 Analisis Statistik Dasar 37
4.2.1 Analisis Statistik Dasar Zona Limonit 38
4.2.2 Analisis Statistik Dasar Zona Saprolit 39
4.3 Analisis Geostatistik 41
4.3.1 Analisis Geostatistik Zona Limonit 41
4.3.2 Analisis Geostatistik Zona Saprolit 44
BAB V
PENUTUP 47
5.1 Kesimpulan 47
5.2 Saran 47
DAFTAR PUSTAKA
vi
DAFTAR GAMBAR
vii
DAFTAR TABEL
Tabel 3 1 Instrumen studi yang digunakan dalam praktikum 23
Tabel 4.1 Data Assay 32
Tabel 4 2 Data Collar 32
Tabel 4.3 Data Survey 33
Tabel 4.4 Data Geologi 33
Tabel 4.5 Hasil Analisis Statistik Dasar Kadar Ni dan Fe Zona Limonit 39
Tabel 4.6 Hasil Analisis Statistik Dasar Kadar Ni dan Fe Zona Saprolit 40
Tabel 4.7 Nilai Parameter Hasil Analisis Geostatistik Zona Limonit 44
Tabel 4.8 Nilai Parameter Hasil Analisis Geostatistik Zona Saprolit 46
viii
BAB I
PENDAHULUAN
2
BAB II
TINJAUAN PUSTAKA
Endapan nikel laterit dapat dibagi menjadi dua jenis: nickel ferrous
ferugineous dan nickel silicate (nikel laterit silika). Nikel laterit pertama memiliki
kandungan besi 40% Fe dan Ni ±1%. Dan nikel laterit silika mempunyai
kandungan besi < 35 % Fe, dan Ni mencapai 1,5%, terdapat pada nikel garnierit,
terbentuk di bagian zona saprolit. Endapan nikel laterit silika merupakan endapan
yang terbentuk oleh proses residual silika bijih nikel yang berasosiasi dengan
batuan ultramafik dunit, peridotit, serpentinit-harzburgit pada lingkungan tropis-
subtropis berumur Mesozoikum Kuarter. Keterdapatan nikel di Indonesia
umumnya sebagai endapan nikel laterit silika hasil pelapukan residual batuan
dasar Komplek Ofiolit/Ultramafik, yang terakumulasi pada batuan peridotit
serpentinit dan hazburgit. (Nursahan dkk., 2013)
Berdasarkan hasil analisis ketebalan, maka diperoleh bahwa pada daerah
yang curam atau tinggi tingkat persen kelerengannya maka ketebalan lateritnya
3
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
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+, 𝐴𝑙2𝑂3, 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
Gambar 2. 1 Profil Endapan Nikel Laterit (Hernandi dkk., 2017)
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.
1. Tingkat keyakinan geologi, ditentukan oleh 3 tahap eksplorasi, yaitu:
7
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
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.
X̄ = ∑Xi (1)
𝑛
Keterangan:
X̄ = Rata-Rata
n = Jumlah Sampel
b. Ukuran variasi (Dispersi) yang menyatakan variasi suatu data terhadap
rata- rata atau data lainya yang diperoleh dengan persamaan:
(2)
X̄
S2 = ∑Xi−
𝑛−1
Keterangan:
9
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 = √ S2 (3)
Keterangan:
S = Simpangan baku
S2 = Variasi
d. Untuk nilai koefisien variasi (Coefficient of variation), diperoleh dengan
menggunakan persamaan:
CV = 𝑆 (4)
X̄
Keterangan:
CV : Coefficient of variation
S = Simpangan baku
X̄ = Rata-rata
10
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.
11
2.3 Metode Pemodelan Geologi
2.3.1 Manajemen Basis Data
Basis data merupakan kumpulan data (file) non redundant yang saling terkait
satu sama lainnya yang dinyatakan oleh atribut-atribut kunci milik tabel-tabelnya
atau struktur data dimana relasi-relasinya didalam usaha membentuk bangunan
informasi yang (enterprise). Tujuan utama dari adanya basis data adalah
kemudahan dan kecepatan dalam pengembalian Kembali suatu data atau arsip.
Spasial menunjukan kata sifat yang berhubungan dengan ruangan. Basis data
spasial ditujukan bagi penyimpanan data yang berkaitan dengan lokasi-lokasi dan
ruang yang geometris, dan mendukung query dan penggunaan indeks yang efesien
berdasarkan data lokasi atau ruang tersebut. Basisdata spasial mendeskripsikan
sekumpulan etensitas baik yang memiliki lokasi (atau posisi) yang tetap maupun
yang tidak tetap atau memiliki kecenderungan untuk berubah, bergerak, maupun
berkembang. Tahapan yang dilakukan dalam pembuatan basis data terdiri dari
perancangan basis data terkonsep, perancangan basis data logikal dan perancangan
basis data fisikal. Basis data dibuat sebagai standar serta acuan dalam pembuatan
model geologi untuk penentuan kadar sumbeerdaya (Hafidzah dkk., 2015)
Sistem manajemen basis data mengorganisasikan volume data dalam
jumlah besar yang digunakan oleh perusahaan dalam transaksi sehari-hari. Data
harus diorganisasikan sehingga para manajer dapat menemukan data tertentu
dengan mudah serta cepat untuk mengambil keputusan. Perusahaan memecah
keseluruhan data menjadi sekumpulan tabel data yang saling berhubungan,
kumpulan-kumpulan kecil data yang saling terhubung ini akan mengurangi
pengulangan data sehingga pada akhirnya konsistensi dan akurasi data makan
meningkat.
Saat ini banyak perusahaan yang menggunakan basis data dengan struktur
relasional. Hal ini dikarenakan struktur basis data relasional mudah untuk
digunakan dan hubungan di antara tabel di dalam struktur bersifat implisit.
Kemudahan penggunaan ini membuat banyak manajer berani untuk menjadi
pengguna langsung dan sumber basis data. Meningkatnya arti penting basis data
sebagai sumber daya yang mendukung pengambilan keputusan telah mengharuskan
para manajer mempelajari lebih jauh perancangan penggunaan basis data
(Windiarti, 2020)
12
Perkembangan sistem manajemen basis data modern saat ini mengarah pada
pembuatan fitur-fitur berorientasi aplikasi. Didalam manajemen basis data dikenal
berbagai model data yang dapat digunakan untuk mendeskripsikan sebuah
data dalam merancang suatu basis data. Manajemen ini memungkinkan banyak
user untuk mengakses data secara bersamaan sehingga fasilitas yang dimiliki oleh
manajemen sudah semakin banyak yaitu fasilitas pemanipulasian data, kontrol
konkurensi data, recovery data, keamanan data dan didukung dengan fasilitas
komunikasi data karena manajemen ini sudah terhubung dengan suatu jaringan.
Perkembangan dunia usaha semakin meningkat ditunjang dengan
perkembangan komunikasi yang mempermudah organisasi atau perusahaan
untuk mengakses data, sehingga mengubah manajemen data menjadi manajemen
basis data tingkat lanjut didukung dengan fasilitas data warehousing dan fasilitas
basis data berbasis web sebagai salah satu strategi perusahaan dalam meningkatkan
kinerja dan keuntungan perusahaan.
Pekerjaan organisasi yang utama adalah untuk melayani keperluan produk
barang dan jasa masyarakat konsumen. Untuk mencapai tujuan tersebut, organisasi
memerlukan manajemen. Manajemen memerlukan dukungan informasi yang sesuai
dengan keperluan. Informasi itu sendiri berasal dari data yang sudah diolah
sehingga sesuai dengan keperluan manajemen. Dengan kemajuan peralatan
pengolah data, manusia makin sadar akan pentingnya informasi bagi kehidupannya.
Mereka makin menyadari bahwa tanpa informasi yang dapat tersedia dengan cepat
dan teliti serta dapat dikomunikasikan sesuai keperluan, maka pekerjaan
manajemen dalam organisasi dan pekerjaan pelayanan organisasi kepada
masyarakat konsumen tidak akan dapat dikejakan dengan sebaik-baiknya.
Sistem manajemen basis data mengorganisasikan volume data
dalam jumlah besar yang digunakan oleh perusahaan dalam transaksi-
transaksinya sehari-hari. Data harus diorganisasikan sehingga para manajer
dapat menemukan data tertentu dengan mudah dan cepat untuk mengambil
keputusan. Perusahaan memecah keseluruhan koleksi data menjadi sekumpulan
tabel data yangda saling berhubungan, kumpulan-kumpulan kecil data yang saling
terhubung ini akan mengurangi pengulangan data sehingga pada akhirnya
konsistensi dan akurasi data makan meningkat (Budiman, 2019)
13
Metode estimasi ini di awali dengan pembuatan database. Pembuatandatabase
merupakan suatu hal yang sangat penting dalam kegiatan estimasisumberdaya
suatu bahan galian, karena database dapat digunakan sebagai inputdata untuk
mengetahui potensi bahan galian tersebut. Informasi data untukpenelitian
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
ğ = 𝑖= 𝑡1
∑
(5)
1 𝑔1
∑
𝑛 1𝑡
𝑖=1
Keterangan :
ğ = Nilai komposit
𝑡1= Ketebalan (m)
𝑔1= Kadar sampel interval
14
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∗ = ∑ 𝒊− 𝑤𝒊 𝑍𝒊 (6)
𝟏
Keterangan :
𝒁∗ = Kadar yang ditaksir
𝑤𝒊 = Faktor bobot (weighted) dari titik 𝑖
𝑍𝒊 = Kadar dari titik 𝑖
Dimana untuk mencari faktor bobot (weighted) dirumuskan sebagai berikut
:
ℎ−𝑝
𝑤𝑖 = ∑ 𝑖 − (7)
𝑛 ℎ𝑝
𝑖=1 𝑖
Keterangan :
15
2.3.2 Analisis Statistik dan Pemodelan Variogram
Exploratory Data Analysis adalah pendekatan untuk menganalisis set data,
untuk merangkum nilai statistik dari data yang ada. Data yang digunakan pada
penelitian ini adalah data bor. Data bor merupakan data survey yang terdiri dari
easting, northng serta data kualitas batubara pada setiap titik bor. Data bor terdiri
dari total 24 titik bor dengan jumlah data sebanyak 239 data. Dimana 4 titik lainnya
digunakan sebagai data validasi. Analisis statistik dilakukan dengan statistik
univariat dengan menggunakan nilai kualitas batubara yang terdiri dari 3 (tiga)
macam parameter kualitas setiap layernya, kualitas batubara terdiri dari Ash
Content (% adb), calorific value (kcal/kg adb) dan Total Sulphur (% adb) Adapun
rekapitulasi nilai statistik. Model variogram terdiri dari dua pengolahan yaitu
pengolahan model variogram spherical dan eksponential. Dilihat dari eksperimental
variogramnya menunjukan bahwa dengan ke arah strike (N 190o E) pada jarak
terdekat nilai variancenya lebih kecil sehingga untuk model variogramnya
menggunakan directional ke arah strike (N 190o E). Pembuatan model variogram
dilakukan untuk mengetahui nilai nugget effect, sill dan range (Reza dkk., 2020)
16
2.3.3 Metode Nearest Neighbor Point (NNP)
Alogaritma yang digunakan pada interpolasi ini bekerja dengan mencari titik
– titik yang berdekatan dengan titik sampel dan mengaplikasikan bobot (weight)
pada titik – titik tersebut. Metode ini dikenal juga sebagai interpolasi Sibson atau
Area Stealing. Sifat dasar dari interpolasi ini adalah lokal, dimana hanya
menggunakan sampel yang berada disetiap titik yang ingin diinterpolasi, dan hasil
yang diperoleh akan mirip dengan ketinggian titik sampel yang digunakan sebagai
masukan proses interpolasi
Setiap titik dalam metode nearest neighbor point adalah titik – titik yang
dihubungkan dengan diagram voronoi (Thiessen Poligon). Proses pertama yang
terjadi adalah membangun poligon untuk semua titik – titik masukkan yang
digunakan dalam interpolasi. Berikutnya thiessen poligon yang baru akan dibuat
dari sekitar titik – titik interpolasi. Metode interpolasi nearest neighbor point mirip
dengan metode inverse distance weighted dalam menentukan pembobotan (weight)
untuk data dengan nilai yang berbeda – beda.(Pasaribu & Haryani, 2012)
18
2.5 Cross Validation
Cross validation atau dapat disebut estimasi rotasi adalah sebuah teknik
validasi model untuk menilai bagaimana hasil statistik analisis akan
menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakanuntuk
melakukan prediksi model dan memperkirakan seberapa akurat sebuah model
prediktif ketika dijalankan dalam praktiknya (Azis dkk., 2020)
∑𝑛 (Ŷ𝑖−𝑌𝑖)2
RMSE = √ 𝑖=1 (12)
𝑛
Keterangan :
Ŷ𝑖 = Hasil estimasi
𝑌𝑖 = Hasil prediksi regresi linear
n = Jumlah data
19
BAB III
METODE STUDI PRAKTIKUM
20
22
Nama
No. Jumlah Kegunaan
Alat/instrument
Sebagai media untuk
1 Laptop 1 buah
mengolah data
Software Microsoft Sebagai alat untuk membuat
2 1 unit
Office 2016 dan mengolah database
Sebagai alat mengestimasi
3 Software Surpac 1 unit
sumberdaya dan cadangan dari
6.6.2
data yang diberikan
Software ArcGIS
4 1 unit Sebagai alat pembuatan peta
10.4
Software Global Sebagai alat untuk mengolah
5 1 unit
Mapper 2018 data topografi
Software SASPlanet Sebagai alat untuk mengolah
6 1 unit
2022 data citra satelit
Pemodelan geologi 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 dilakukan pemodelan dan
analisis bentuk geometri sebaran endapan nikel laterit
24
3.5.1.5 Membuat Komposit Data
Database yang telah diproses selanjutnya akan dibuat komposite database per
1 meter sesuai pada persamaan (1) untuk mengindari adanya interval yang loss atau
pembacaan kadarnya tidak sampai 1 meter. Sehingga nanti akan mempermudah
pembacaan kadar pada blok model dalam mengestimasi menggunakan perangkat
lunak surpac
25
3.5.1.8 Menghitung Nilai Prediksi Menggunakan cross validasi, regresi Linear
Menentukan data testing pada kelompok data komposite kadar ni dan hasil
estimasi kadar ni dan fe. Kemudian melakukan hitungan regresi linear pada tiap
data tersebut untuk mencari nilai prediksi dimana nilai komposite ni menjadi
variabel independen dan kadar dari tiap metode estimasi menjadi variabel
independennya. Setelah itu Menggunakan persamaan (6) dan (7) untuk mencari
nilai konstanta dari regresi linear tersebut. Setelah itu digunakan persamaan (5),
untuk mencari nilai prediksi dari variabel dependennya dan persamaan.
26
3.6 Diagram Alir Penelitian Studi Praktikum
Adapun diagram alir pada penelitian sebagai berikut:
Mulai
Studi Literatur
Pengumpulan Data
Data Sekunder
Basis data (Collar, Survey, Assay dan
Geologi)
Data topografi lokasi studi
Nilai densitas lokasi studi
Pengolahan Data
1. Pemrosesan basis data dengan Software ArcGis dan Surpac
2. Membuat Database Geology
3. Membuat Display Drillhole
4. Membuat Geological Modelling (SOLID)
5. Membuat Komposite Data
6. Melakukan Analisis Statistik Dasar dan Analisis Geostatistik
7. Membuatan Blok Model
8. Melakukan Cross Validation dan Regresi linier menggunakan
persamaan
27
Analisis
Penentuan model geologi dan kadar pada komoditas nikel laterit.
Kemudian membentuk penyebaran nikel laterit dan juga jumlah
cadangannya. Kemudian hasil estimasi dari tiap metode dianalisis
menurut nilai errornya lalu memilih estimasi yang memiliki nilai
error paling kecil untuk menjadi data penyebaran.
Hasil
Bentuk sebaran titik bor dan pemodelan geologi
komoditas nikel laterit dengan validasi data
geostatistik.
Selesai
28
BAB IV
HASIL DAN PEMBAHASAN
Dari data citra satelit daerah sekitar titik bor sebagian wilayah dalam keadaan
seutuhnya dan sebagian wilayah sudah dalam keadaan terbuka. Wilayah dalam
keadaan telah terbuka menunjukan bahwa daerah sekitaran titik bor terindikasi
memiliki prospek untuk dilaksanakan proses penambangan. Maka dari itu perlu
dilakukan eksplorasi dengan menganalisis keterdapatan nikel laterit.
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 batas
29
zonasi yang lain dimana dalam penentuan batas zona limonit tidak boleh melewati
dari topografi tersebut
Pada daerah sekitaran titik bor, memiliki kondisi geologi dimana mayoritas
kawasannya di dominasi oleh singkapan batuan kompleks Ultramavic. Batuan ini
tersusun atas olivine dengan tekstur khusus mosaic dan piroksen, memiliki warna
yang gelap dalam keadaan segar. Penguraian mineral ini yang menyebabkan unsur
yang terbawa dalam larutan kemudian menghadap pada suatu tempat tertentu untuk
terakumulasi. Proses ini berjalan secara dinamis dan lambat, sehingga terbentuklah
profil laterit yang merupakan pengembangan dari tahapan laterisasi.
30
Gambar 4. 3 Peta Geologi
31
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
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
32
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
Setelah menampilkan data sebaran dari titik bor, maka diperolehlah hasil
bahwa titik bor yang berjumlah 48 titik, dengan jarak antara titik bor kurang lebih
25 meter, memiliki tingkat kedalaman paling jauh 34 meter, dan jarak titik bor
paling dangkal yaitu 3 meter. Dimana total kedalaman secara keseluruhan adalah
1447,2 meter.
Dari hasil analisis struktur, litologi dan morfologi sehingga lokasi studi
memiliki pengkayaan nikel yang sangat baik karena terdapat pada vegetasi yang
strategis dan memungkinkan adanya keterdapatan nikel laterit. Sehingga dengan
jarak antar titik bor 25 meter, dapat dikategorikan menjadi cadangan.
34
4.1.2 Geological Modeling (SOLID)
Bentuk sebaran endapan nikel laterit merupakan hasil pelapukan dari batuan
beku ultrabasa, kemudian mengalami proses laterisasi dengan perlapisannya
terdiri dari lapisan limonit dan lapisan saprolit. Bentuk dari perlapisan endapan
nikel laterit umumnya mengikuti bentuk dari keadaan morfologi pada lokasi studi
yaitu memiliki geomorfologi bukit bergelombang. Dalam melakukan pemodelan
bentuk geometri sebaran endapan nikel laterit. Langkah pertama yang dilakukan
adalah verifikasi data pada geology database lokasi studi dengan menggunakan
bantuan software surpac Dari hasil verifikasi data tersebut didapatkan jumlah titik
bor yang berhasil terverifikasi adalah 48 titik bor.
35
Dari hasil validasi tersebut maka dilakukan pemodelan dan analisis
bentuk geometri sebaran endapan nikel laterit pada lokasi studi menggunakan
software surpac sehingga didapatkan total volume sebesar 165411,18 m3 dengan
jumlah volume untuk lapisan limonit sebesar 289298,30 m3, luas bukaan 56392,53
m2. Sedangkan jumlah volume untuk lapisan saprolit (ore) adalah 165411,18 m3
luas bukaan 55316,78 m2.
Model 3D sebaran endapan nikel laterit pada lokasi studi dapat dilihat
pada gambar dibawah ini.
36
Gambar 4. 8 Gabungan Solid Model Zona Limonit dan Zona Saproliit
37
4.2.1 Analisis Statistik Dasar Zona Limonit
Dari data komposit kadar Ni dan Fe Limonit yang ada, dibuatlah histogram
kadar Ni dan Fe Limonit yang dapat di lihat pada gambar dibawah ini.
Dari analisis terhadap 571 data komposit kadar Ni zona Limonit, didapatkan
beberapa parameter statistik dari kadar Ni limonit. Rata-rata kadar Ni limonit adalah
sebesar 1,17% dan median sebesar 1,23%. Sebaran data kadar Ni limonit cenderung
normal namun dengan skewness positif sebesar 0,09. Varians data terhitung sebesar
0,29 dan Koefisien variansi dengan nilai sebesar 0,46.
38
Tabel 4.5 Hasil Analisis Statistik Dasar Kadar Ni dan Fe Zona Limonit
Variabel Ni Fe
Number of samples 571 571
Minimum value 0 2,23
Maximum value 3,51 53,94
Mean 1,17 42,06
Median 1,23 47,56
Geometric Mean 0 38,02
Variance 0,29 148,83
Standard Deviation 0,53 12,19
Coefficient of variation 0,46 0,29
Skewness 0,09 -1,93
Kurtosis 4,25 5,83
39
Dari analisis terhadap 336 data komposit kadar Ni zona Saprolit, didapatkan
beberapa parameter statistik dari kadar Ni saprolit. Rata-rata kadar Ni saprolit
adalah sebesar 16% dan median sebesar 1,31%. Sebaran data kadar Ni saprolit
cenderung normal namun dengan skewness positif sebesar 0,84. Varians data
terhitung sebesar 54,22 dan Koefisien variansi dengan nilai sebesar 0,46.
Dari analisis terhadap 336 data komposit kadar Fe zona Saprolit, didapatkan
beberapa parameter statistik dari kadar Fe saprolit. Rata-rata kadar Fe saprolit adalah
sebesar2,25% dan median sebesar 2,11%. Sebaran data kadar Fe saprolit cenderung
normal dengan skewness positif sebesar 0,48. Varians data terhitung sebesar 0,77
dan Koefisien variansi dengan nilai sebesar 0,38. Hasil analisis statistik dasar
terhadap kadar Ni dan Fe zona saprolit dapat dilihat pada tabel berikut.
Tabel 4.6 Hasil Analisis Statistik Dasar Kadar Ni dan Fe Zona Saprolit
Variabel Ni Fe
Number of samples 336 336
Minimum value 5,33 0,42
Maximum value 38,36 4,87
Mean 16 2,25
Median 13,76 2,11
Geometric Mean 14,46 2,07
Variance 54,22 0,77
Standard Deviation 7,36 0,87
Coefficient of variation 0,46 0,38
Skewness 0,84 0,48
Kurtosis 2,78 2.76
40
4.3 Analisis Geostatistik
41
Gambar 4. 14 Secondary Variogram map zona limonit
Untuk parameter anisotropy ellipsoid dapat dilihat pada gambarberikut
42
Gambar 4. 16 Semi-Major Axis Zona Limonit
43
Tabel 4.7 Nilai Parameter Hasil Analisis Geostatistik Zona Limonit
Angles Of Rotation Of Th Major Axis Nilai
Bearing 45,24
Dip Angle 0
Titl Angle 0
Anisotropy Factors Nilai
Semi-Major Axis 1
Minor Axis 1
Other Interpolation Parameters Nilai
Max Search Distance Of Major Axis 36
Max Vertical Search Distance 1
Max Number Of Samples Used Per Block 25
Min Number Of Samples Used Per Block 3
44
Gambar 4. 19 Secondary Variogram map zona saprolit
Untuk parameter anisotropy ellipsoid dapat dilihat pada gambar berikut.
45
Gambar 4. 22 Minor Axis Zona Saprolit
Dari hasil fitting yang dilakukan terhadap eksperimental variogram diatas
didapatkan nilai jarak pengaruh/range dari kada Ni limonit adalah sebesar 24,766
m,dengan nugget 0,1948437 dan sill 0,7987395.
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.
46
BAB V
PENUTUP
5.1 Kesimpulan
Kesimpulan yang dapat diambil dari studi ini adalah kita dapat melakukan
analisis data titik bor, kemudian membuat bentuk display sebarannya menggunakan
software Surpac Kemudian dari data tersebut, kita dapat membuat pemodelan geologinya
untuk memudahkan kita dalam menganalisis atau mengetahui gambaran kondisi bawah
permukaan berupa litologinya, struktur geologi, maupun kemenerusan lapisan keterdapatan
nikel laterit sehingga kita dapat membatasi penaksiran kadar, supaya kadar tidak di
eksptrapolasikan secara berlebihan.
Kemudian setelah mengetahui data titk bor dan bentuk pemodelan geologinya,
maka kita dapat menggunakan analisis statistic untuk mengetahui gambaran zona limonit,
saprolite, dan bedrock serta mengetahui nilai frekuensi dari sekian banyak variasi data titik
bor sehingga memudahkan kita dalam pengambilan keputusan untuk estimasi sumberdaya.
Setelah data kompositnya sudah diketahui, dengan menggunakan metode analisis
geostatistik, kita dapat menganalisis dan memodelkan data geologinya, dengan
mempertimbangkan struktur spasial dengan jarak dan arah antara titik pengamatan maka
hal tersebut akan membuat keyakinan estimasi sumberdaya dan cadangan kita lebih akurat.
5.2 Saran
Saran yang dapat disampaikan penulis adalah agar kita dapat melakukan
analisis model geologi bukan hanya untuk komoditas Nikel laterit saja, ada baiknya
jika kita dilatih juga untuk dapat menganalisis dan mengestimasi sumberdaya atau
cadangan untuk komoditas tambang lainnya.
47
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
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.
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.
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.