PERBANDINGAN METODE NEAREST NEIGBOUR POINT

(NNP) DAN METODE KRIGING DALAM MENGESTIMASI

SUMBERDAYA
BATUBARA DI PT X, KABUPATEN LAHAT,
SUMATERA SELATAN

Untuk Penelitian Skripsi

Program Studi Sarjana Teknik Pertambangan
Fakultas Teknologi Kebumian dan Energi, Universitas Trisakti

Oleh
Maryo John Amahoru
073001700038

PROGRAM STUDI SARJANA TEKNIK PERTAMBANGAN

FAKULTAS TEKNOLOGI KEBUMIAN DAN ENERGI
UNIVERSITAS TRISAKTI
2023

i
 COMPARASION OF NEAREST NEIGBOUR POINT (NNP)
AND KRIGING METHOD IN ESTIMATING COAL
RESOURCES IN PT X, LAHAT REGENCY, SOUTH
SUMATERA

FINAL ASSIGNMENT

Submitted as a requirement to obtain Undergraduate in study program of

Mining Engineering, Faculty of Earth Technology and Energy

By
Maryo John Amahoru
073001700038

MINING ENGINEERING DEPARTEMENT

FACULTY OF EARTH TECHNOLOGY AND ENERGY
UNIVERSITAS TRISAKTI
2023

ii
 LEMBAR PENGESAHAN
PERBANDINGAN METODE NEAREST NEIGBOUR POINT
(NNP) DAN METODE KRIGING DALAM MENGESTIMASI
SUMBERDAYA BATUBARA DI PT X, KABUPATEN LAHAT,
SUMATERA SELATAN

SKRIPSI
Disusun sebagai syarat memperoleh gelar Sarjana
Program Studi Sarjana Teknik Pertambangan
Fakultas Teknologi Kebumian dan Energi, Universitas Trisakti

Oleh
Maryo John Amahoru
073001700028

Foto
2x3

Menyetujui,
Pembimbing Utama Pembimbing Pendamping

Dr. Ir. Irfan Marwanza, M.T., IPM Ir. Taat Tri Purwiyono, M.T.
NIK: 2511/USAKTI NIK: 3412/USAKTI

Mengetahui,
Ketua Program Studi Sarjana Teknik Pertambangan

Dr. Ir. Irfan Marwanza, M.T., IPM

NIK: 2511/USAKTI

iii
iv
 ABSTRAK

Perbandingan Metode Nearest Neigbour Point (NNP) Dan Metode

Keiging Dalam Mengestimasi Sumberdaya Batubara Di PT X,
Kabupaten Lahat, Sumatera Selatan

Maryo John Amahoru

NIM : 073001700038

Program Studi Sarjana Teknik Pertambangan,

Fakultas Teknologi Kebumian dan Energi,
Universitas Trisakti, Jakarta, Indonesia

Penelitian estimasi sumber daya batubara ini dilakukan pada PT X di

daerah Pagar Gunung, Kabupaten Lahat , Sumatera Selatan yang terletakantara
103°31' Bujur Timur hingga 103°32' Bujur Timur dan 3°54' Lintang
Selatanhingga 3°55' Lintang Selatan. Penelitian dilakukan untuk mengetahui
model dan estimasi sumber daya batubara. Penelitian dilakukan dengan
menggunakan metode Kriging menggunakan perangkat lunak software minitab17
dan software Surfer, dengan setiap data berpengaruh terhadap hasil prediksi
yangsesuai dengan bobotnya. IDW digunakan untuk memprediksi suatu titik
dengan perhitungan matematis dari nilai titik dengan pertimbangan fungsi jarak.
NNP digunakan untuk mencari poligon contoh terdekat dari titik terdekat. Dari
hasil perbandingan kedua metode ini didapatkan metode IDW adalah metode yang
lebih akurat berdasarkan hasil nilai Root Mean Square Error (RMSE) yang lebih
rendah didapatkan hasil ketebalan , nilai kalori , dan sulfur batubara dengan nilai
0,618 point, 344,85 point, dan 1,081 point. di banding metode NNP dengan hasil
ketebalan, nilai kalori, dan sulfur dengan nilai 0,716 point, 370,20 point , 1,53
point .

Kata kunci: Batubara, Estimasi, Sumberdaya, Kriging, NNP, RMSE

v
 ABSTRACT

Comparasion Of Nearest Neigbour Point (NNP) And Kriging

Methods In Estimatin Coal Resources In PT X, Lahat Regency,
South Sumatera

Maryo John Amahoru

NIM : 073001700038

Study Program of Mining Enginering, Faculty Of Earth

Technology and Energy, Universitas Trisakti, Jakarta, Indonesia

This coal resource estimation study was conducted at PT X in the Pagar

Gunung area, Lahat Regency, South Sumatera Province, which is located
between 103°31' East Longitude to 103°32' East Longitude and 3°54' South
Latitude to 3°55' South latitude. The study was conducted to determine the model
and estimation of coal resources. The research was conducted using the Kriging
method using software to predict a searched data, with each data having an effect
on the prediction results according to its weight. IDW is used to predict a point by
mathematical calculation of the value with consideration of the distance function.
NNP is used to find the nearest sample polygon from the nearest points. From the
results of a comparison of these two methods, it was found that the IDW method
was a more accurate method based on the results of lower Root Mean Square
Error (RMSE) values, obtained the results of thickness, calorific value, and coal
sulfur with values of 0.618 point, 344.85 point, and 1.081 point. compared to the
NNP method with the results of thickness, calorific value, and sulfur with a value
of 0.716 point, 370.20 point, 1.53 point.

Keyword: Coal, Estimates, Resources, Kriging, NNP, RMSE

vi
 DAFTAR ISI

HALAMAN JUDUL................................................................................................i
LEMBAR PENGESAHAN....................................................................................iii
LEMBAR PERSETUJUAN...................................................................................iv
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH
UNTUK KEPENTINGAN AKADEMIS................................................................v
SURAT PERNYATAAN ORISINALITAS...........................................................vi
KATA PENGANTAR...........................................................................................vii
ABSTRAK..............................................................................................................ix
ABSTRACT...............................................................................................................x
DAFTAR ISI...........................................................................................................xi
DAFTAR TABEL................................................................................................xiii
DAFTAR GAMBAR............................................................................................xiv
DAFTAR LAMPIRAN.........................................................................................xvi
DAFTAR SINGKATAN DAN LAMBANG......................................................xvii
BAB I PENDAHULUAN...................................................................................1
I.1 Latar Belakang...............................................................................1
I.2 Rumusan Masalah..........................................................................2
I.3 Maksud Dan Tujuan Penelitian......................................................2
I.4 Batasan Masalah............................................................................2
I.5 Manfaat Penelitian.........................................................................3
I.6 Peneliti Terdahulu..........................................................................3
BAB II TINJAUAN UMUM...............................................................................5
II.1 Lokasi Daerah Penelitian...............................................................5
II.2 Kesampaian Daerah.......................................................................5
II.3 Keadaan Geologi............................................................................6
II.4 Iklim dan Cuaca.............................................................................8
II.5 Genesa Batubara............................................................................9
II.5.1 Bentuk Lapisan Batubara.................................................9
II.5.2 Peringkat Batubara.........................................................12
II.5.3 Kualitas Batubara...........................................................14
II.6 Eksplorasi Batubara.....................................................................16
II.7 Permodelan Geologi Batubara.....................................................17
II.7.1 Data Pemodelan Geologi Batubara.................................18
II.7.2 Tahapan Pemodelan Geologi Batubara...........................19
II.8 Statistika Dasar............................................................................20
II.9 Sumberdaya Batubara..................................................................26
II.10 Kompleksitas Geologi..................................................................26
II.11 Interpolasi.....................................................................................27
II.12 Inverse Distance Weighting (IDW)..............................................28
II.13 Nearest Neighbour Point (NNP)..................................................31

vii
BAB III METODOLOGI PENELITIAN............................................................32
III.1 Metodologi...................................................................................32
III.2 Tahapan Penelitian.......................................................................32
III.3 Preparasi Data..............................................................................33
III.4 Pengolahan Data..........................................................................33
III.5 Analisa Statistik Deskriptif..........................................................33
III.6 Diagram Alir................................................................................41
DAFTAR PUSTAKA............................................................................................61
LAMPIRAN...........................................................................................................63

viii
 DAFTAR TABEL

Tabel I.1 Penelitian Terdahulu.................................................................................3

Tabel II.1 Hasil Parameter Kualitas Batubara.......................................................13
Tabel II.2 Peringkat Batubara berdasarkan Standar ASTM..................................13
Tabel II.3 Basis Batubara.......................................................................................15
Tabel II.4 Tipe Endapan Batubara berkaitan dengan Sedimentasi, Tektonik, dan
Variasi Kualitas......................................................................................................27
Tabel II.5 Perhitungan Metode Inverse Distance Weighting.................................30
Tabel II.6 Perhitungan Metode Nearest Neigbour Point.......................................31
Tabel IV.1 Hasil Analisa Statistik..........................................................................46
Tabel IV.2 RMSE Omnidirectional dan Directional Variogram..........................54
Tabel IV.3 Estimasi Metode NNP dan IDW..........................................................58

ix
 DAFTAR GAMBAR

Gambar II.1 Peta Lokasi Daerah Penelitian.............................................................5

Gambar II.2 Peta Lokasi Kesampaian Daerah.........................................................6
Gambar II.3 Peta Geologi Regional.........................................................................8
Gambar II.4 Grafik Curah Hujan Daerah Lahat......................................................8
Gambar II.5 Proses Pembentukan Batubara............................................................9
Gambar II.6 Bentuk Horse Black...........................................................................10
Gambar II.7 Bentuk Clay Vein...............................................................................10
Gambar II.8 Bentuk Pinch.....................................................................................11
Gambar II.9 Bentuk Fault......................................................................................11
Gambar II.10 Bentuk Burried Hill.........................................................................12
Gambar II.11 Bentuk Fold.....................................................................................12
Gambar II.12 Grafik Skewnes...............................................................................22
Gambar II.13 Grafik Kurtoris................................................................................23
Gambar II.14 Historigam.......................................................................................23
Gambar II.15 Probability Plot...............................................................................24
Gambar II.16 Boxplot.............................................................................................25
Gambar II.17 Hasil Root Mean Square Error........................................................26
Gambar II.18 Grafik RMSE dan Power.................................................................29
Gambar II.19 Ilustrasi Metode Inverse Distance Weighting (IDW)......................30
Gambar II.20 Ilustrasi Metode Nearest Neigbour Points (NNP)...........................31
Gambar III.1 Pilihan Boxplot.................................................................................34
Gambar III.2 Memilih Data Untuk Boxplot...........................................................34
Gambar III.3 Contoh Hasil Boxplot pada Minitab 17............................................34
Gambar III.4 Langkah Awal Statistik Dasar Minitab 17.......................................35
Gambar III.5 Memasukan Data dan Parameter Statistik........................................35
Gambar III.6 Contoh Hasil Statistik Dasar Pada Minitab 17.................................36
Gambar III.7 Langkah Awal Pembuatan Grafik....................................................36
Gambar III.8 Pemilihan Jenis Grafik Minitab17...................................................37
Gambar III.9 Memilih Data pada Grafik...............................................................37
Gambar III.10 Memasukan data Pada Surfer.........................................................38
Gambar III.11 Report Data Statistik Surfer...........................................................38
Gambar III.12 Menentukan Power dan Jarak Pencarian........................................39
Gambar III.13 Cross Validation.............................................................................39
Gambar III.14 Peta Isopach...................................................................................40
Gambar III.15 Diagram Alir..................................................................................41
Gambar IV.1 Boxplot Ketebalan Batubara............................................................43
Gambar IV.2 Boxplot Nilai Kalori Batubara.........................................................44
Gambar IV.3 Boxplot Sulfur Batubara...................................................................44
Gambar IV.4 Penyebaran Data Bor.......................................................................45

x
Gambar IV.5 Grafik Histogram Nilai Kalori Batubara..........................................47
Gambar IV.6 Grafik Histogram Sulfur Batubara...................................................47
Gambar IV.7 Grafik Histogram Ketebalan Batubara.............................................47
Gambar IV.8 Grafik Probabilitas Ketebalan Batubara..........................................48
Gambar IV.9 Grafik Probabilitas Nilai Kalori Batubara.......................................48
Gambar IV.10 Grafik Probabilitas Sulfur Batubara...............................................48
Gambar IV.11 Grafik Probabilitas Lognormal......................................................49
Gambar IV.12 Peta Model Penampang 1 2D.........................................................50
Gambar IV.13 Peta Model Penampang 2 2D.........................................................50
Gambar IV.14 Estimasi IDW Ketebalan Batubara...............................................51
Gambar IV.15 Estimasi IDW Nilai Kalori Batubara.............................................52
Gambar IV.16 Estimasi IDW Sulfur Batubara......................................................52
Gambar IV.17 Estimasi IDW Ketebalan Batubara...............................................53
Gambar IV.18 Estimasi IDW Nilai Kalori Batubara.............................................53
Gambar IV.19 Estimasi IDW Sulfur Batubara......................................................54
Gambar IV.20 Cross IDW Validation Ketebalan Batubara...................................55
Gambar IV.21 Cross Validation IDW Nilai Kalori Batubara................................56
Gambar IV.22 Cross Validation IDW Sulfur Batubara.........................................56
Gambar IV.23 Cross Validation NNP Ketebalan Batubara...................................57
Gambar IV.24 Cross Validation NNP Nilai Kalori Batubara................................57
Gambar IV 25 Cross Validation NNP Sulfur Batubara.........................................58

xi
 DAFTAR LAMPIRAN

Lampiran A: Lampiran Data Lithologi..................................................................64

Lampiran B: Data Hasil Survei..............................................................................73

xii
 DAFTAR SINGKATAN DAN LAMBANG

SINGKATAN Nama Pemakaian

pertama kali
pada halaman

PT Perusahaan 1
IDW Inverse Distance 1
NNP Weighting Nearest 1
RMSE Neigbour Point Root Mean 3
Kcal Square Error Kilokalori 3
Kg Kilogram 3
m Meter 3
mm Mili meter 8
ASTM American Standard Testing and 12
VM Material Volatile Mattter 14
FC Fixed Carbon 14
CoV Coefficient of 21
Variotion
LAMBANG

± 5
H Kurang lebih 14
N Hidrogen 14
O Nitrogen 14
C Oksigen 14
S Karbon 14
𝑥̅ Sulfur 20
𝑛 Rata-rata suatu populasi 20
𝑥𝑖 Banyaknya data x dalam suatu 20

𝐿𝑖 populasi Nilai dari data (Variabel x) 20

𝑓 𝑚𝑒𝑑 Batas bawah kelas dari kelas median 20

Frekuensi kelas median

xiii
 DAFTAR SINGKATAN DAN LAMBANG (lanjutan)

LAMBANG Nama Pemakaian

pertama kali
pada halaman

𝑐 Panjang interval kelas 21

∑ 𝑓𝑡
Keseluruhan frekuensi kelas 21
𝜎𝑥 Simpang Baku 21

𝑑𝑖 Jarak dari titik ke-I dengan titik yang 21

𝑝 diduga 21
𝑍̌0 Power (bilangan bulat) 21
𝑊𝑖 Nilai titik yang ditaksir 21
𝑍𝑖 Faktor bobot dari titik i 21
Nilai dari titik penaksir

xiv
 BAB I PENDAHULUAN

I.1 Latar Belakang

Indonesia merupakan negara yang terkenal dengan sumber daya alam yang
melimpah. Salah satu contohnya adalah sumber daya alam batubara. Penggunaan
batubara sebagai salah satu sumber pembangkit energi listrik yang dimana
potensi batubara sangatlah besar dalam peningkatan sumber daya cadangan.
Demikian diperlukannya kegiatan estimasi sumber daya untuk mendapat lokasi-
lokasi dan jumlah cadangan batubara tersebut.
PT X merupakan perusahaan yang bergerak dalam industri pertambangan
yang terletak di Kabupaten Lahat, Provinsi Sumatera Selatan. Daerah penelitian
ini termasuk dalam geologi moderat, dimana kondisi moderat ini ditandai dengan
adanya kualitas dan ketebalan batubara yang bervariasi tersebut, maka kualitas
dan ketebalan yang tidak dapat di jangkau oleh lubang pemboran tidak dapat
ditentukan kepastiannya. Maka diperlukan suatu metode yang dapat memberikan
estimasi suatu nilai yang belum diketahui kepastian datanya.
Metode yang dapat digunakan dalam perhitungan estimasi sumber daya ini
yaitu metode Kriging dan metode Nearest Neigbour Point (NNP). Metode ini
sering digunakan karena cukup sederhana dan mudah difahami. Metode Kriging
merupakan metode yang menggunakan jenis data yang berada di sekitarnya
untuk memprediksi suatu data yang dicari. Setiap data berpengaruh terhadap
hasil prediksi yang sesuai dengan bobotnya. Dengan bobot data yang diberikan
oleh jarak lokasi yang dicari. Sedangkan metode Nearest Neigbour Point (NNP)
merupakan metode poligon contoh terdekat, yaitu dengan metode pengambilan
nilai estomasi terhadap titik berdasarkan pada pengaruh tiap titik mengikuti titik
terdekat.
Dengan meningkatnya jumlah penggunaan batubara pada saat ini,
dibutuhkan juga eksplorasi secara meningkat agar tercapainya kebutuhan
batubara diindonesia. Dan juga batubara memiliki nilai ekonomis yang tinggi,
karena merupakan sumber pembangkit energi yang ada di Indonesia.

1
I.2 Rumusan Masalah
Rumusan masalah yang ada di dalam penelitian ini, yaitu:
1. Bagaimana pola persebaran batubara (ketebalan dan kualitas) dari hasil
perbandingan metode Kriging dan metode Nearest Neigbour Point
(NNP)?
2. Berapakah hasil klasifikasi sumberdaya yang terdapat di lokasi
penelitian?
3. Bagaimana persentase perbedaan metode dalam penelitian ini?
4. Bagaimana model sumberdaya batubara yang terdapat pada area
pemboran?

I.3 Maksud Dan Tujuan Penelitian

Adapun maksud dan tujuan yang terdapat dalam penelitian ini, yaitu:
1. Mengetahui pola persebaran batubara (ketebalan dan kualitas) di lokasi
penelitian dengan metode Kriging dan metode Nearest Neigbour Point
(NNP).
2. Mengetahui hasil klasifikasi sumber daya berdasarkan pola
penyebarannya dan relatif error.
3. Mengetahui tingkat perbandingan presentase penelitian dengan metode
Kriging dan metode nearest neigbour point (NNP).
4. Mengetahui permodelan dari sumberdaya yang terdapat pada area
pemboran.

I.4 Batasan Masalah

Batasan masalah yang terdapat pada penelitian ini, yaitu:
1. Penelitian ini dilakukan di PT Quantus Consultans Indonesia dengan
sumber data sekunder dari hasil eksplorasi pengeboran batubara oleh PT
X.
2. Penelitian ini dilakukan dengan dengan meneliti data seam batubara
berdasarkan ketebalan, nilai kalori dan sulfur.

2
 3. Klasifikasi dan interpolasi menggunakan metode Kriging dan metode
Nearest Neigbour Point (NNP).
4. Permodelan dalam penelitian ini menggunakan proyeksi 2D.

I.5 Manfaat Penelitian

Manfaat penelitian yang terdapat di dalam penelitian, dengan harapan:
Dapat menjadi wawasan terbaru bagi pembaca dan penulis mengenai
metode
Kriging dan metode Nearest NeigbourPoints (NNP) dan juga bisa menjadi acuan
bagi perusahaan dan peneliti selanjutnya dalam metode tersebut.

I.6 Peneliti Terdahulu

Penelitian terdahulu merupakan acuan bagi penulis untuk membuat kajian
dalam penelitian ini dan untuk memperkaya landasan teori dan pemahaman
terhadap metode penelitian terkait penelitian ini adalah penelitian dalam bidang
geostatistik dan telah dilakukan beberapa penelitian terdahulu:

Tabel I.1 Penelitian Terdahulu

No Peneliti Judul Metode Hasil

1. Erricsson Perbandingan Metode Estimasi menggunakan

Nirwan Metode Kriging Kuantitatif metode Kriging lebih
(2020) dan Inverse akurat dibandingkan
Distance Weighting dengan metode IDW
untuk Estimasi berdasarkan nilai Root
Ketebalan dan Mean Square Error
Kualitas Batubara (RMSE) yang lebih
di Lapangan rendah pada data
Sangatta, ketebalan, nilai kalori,
Kalimantan Timur dan sulfur batubara
senilai 1,622 m,
71.504
Kcal/Kg, dan 0,138%.

3
2. Racmaputri Estimasi Metode Estimasi sumberdaya
Faidatulaila Sumberdaya Kuantitatif batubara dengan
(2021) Batubara menggunakan metode
menggunakan Kriging sebesar 278,6
Metode Juta Ton, serta
Geostatistika didaptkan nilai
(Kriging) di Area relative error sebesar
PT X Kabupaten 144,2 Juta Ton pada
Kutai Kartanegara tereka, 75,1 Juta Ton
pada tertunjuk, dan
59,3 Juta
Ton pada terukur.

3. Sri Estimasi Sebaran Metode Sebaran nilai ash

Wahyuni, Kualitas Batubara Kuantitatif content menggunakan
dkk (2019) (Ash Content) metode IDW adalah
Menggunakan 3,67% dan total
Metode Inverse sumber daya batubara
Distance Weighted sebesar 26,62 juta ton
(IDW) dan sedangkan dengan
Ordinary Kriging metode Kriging adalah
(OK) di PT Kayan 3,62% dan total
Putra Utama Coal sumber daya batubara
Site Separi, sebesar 26,63 juta ton.
Kalimantan Timur

4
 BAB II TINJAUAN UMUM

II.1 Lokasi Daerah Penelitian

Secara geografis, daerah penelitian pada PT X berada di Kecamatan Pagar
Gunung, Kabupaten Lahat, Provinsi Sumatera Selatan yang terletak antara 103°31'
Bujur Timur hingga 103°32’ Bujur Timur dan 3°54’ Lintang Selatandan 3°55'
Lintang Selatan. Kabupaten Lahat, Provinsi Sumatera Selatan memiliki luas
wilayah 10,12 km² atau ± 1.011 Ha.

Gambar II.1 Peta Lokasi Daerah Penelitian

II.2 Kesampaian Daerah

Daerah penelitian terdapat pada batasan daerah administrasi dari Kabupaten
Lahat. Lokasi penelitian dapat di tempuh dengan menggunakan transportasi udara
dari Jakarta ke Palembang, melalui Bandara Internasional Soekarno-Hatta Jakarta
menuju Bandara Sultan Mahmud badaruddin II dengan jarak tempuh ± 1 jam 15
menit. Jarak dari Bandara ke Kabupaten Lahat ke PT X adalah sekitar 195 Km.
Dapat ditempuh dengan jalur darat ± 1 Jam 25 Menit.

5
 Sumber: Google Earth 2022

Gambar II.2 Peta Lokasi Kesampaian Daerah

II.3 Keadaan Geologi

Stratigrafi regional Cekungan Sumatera bagian selatan. Cekungan Sumatera
bagian Selatan terdiri dari Sumatera Timur yang dipisahkan dari cekungan
Sumatera bagian Tengah oleh Tinggian Asahan atau Pegunungan Tiga puluh di
Barat laut, membentang ke Selatan dengan dibatasi oleh pegunungan Bukit
Barisan dan daratan Pra-Tersier di sebelah Timurlautnya. Sedimentasi di
Cekungan Sumatera Selatan berlangsung terus menerus selama Zaman Tersier
dengan penurunan dasar cekungan,sehingga ketebalan sedimen mencapai 600
meter.
Urutan lapisan batubara dari tua sampai muda adalah lapisan Petai, lapisan
Suban, lapisan Manggus, dan tujuh buah lapisan gantung. Adapun penyebaran
batuan yang ada pada daerah ini terdiri dari empat satuan batuan, yaitu:
1. Formasi Muara Enim yang merupakan indikasi kandungan batubara(Coal
Measure) dengan ciri batu lempung dan batu pasir yang dominan.
2. Formasi Kasai yang dicirikan oleh tufa putih seperti yang tersingkapdi
Suban dan Klawas.
Endapan tersier pada cekungan Sumatera Selatan dari yang tua sampai yang
muda dapat dipisahkan menjadi beberapa formasi, yaitu:
1) Formasi Lahat
Formasi lahat diendapkan tidak selaras di atas batuan Pra-tersier. Formasi
ini berumur oligosen bawah, yang tersusun oleh tufa breksi, lempung tufaan,

6
breksi dan konglomerat. Formasi ini diendapkan pada lingkungan darat. Di
tempat-tempat yang lebih dalam, fasiesnya berubah menjadi serpih, serpih
tufaan, batu lanau dan batu pasir dengan sisipan batubara. Ketebalan formasi
ini berkisar 0 sampai 300 meter.
2) Formasi Gumai
Formasi gumai diendapkan selaras di atas formasi baturaja yang berumur
miosen bawah sampai miosen tengah. Formasi gumai tersusun oleh serpih
dengan sisipan napal dengan batugamping di bagian bawah. Lingkungan
pengendapan formasi ini adalah laut dalam dengan ketebalan 300 sampai
2200 meter.
3) Formasi Muara Enim
Formasi muara enim, yaitu endapan yang selaras berada di atas formasi
air benakat. formasi ini berumur miosen atas yang tersusun oleh batu pasir
lempungan, batu lempung pasiran dan batubara. Formasi ini merupakan hasil
pengendapan lingkungan laut neritik sampai rawa
4) Formasi Kasai
Formasi kasai, yaitu endapan yang selaras di atas formasi muara enim.
Formasi ini tersusun oleh batu pasir, batulempung dan sisipan batubara tipis.
Lingkungan pengendapan ini adalah darat sampai transisi. Formasi muara
enim merupakan endapan rawa sebagai fasa akhir regresi yang menghasilkan
endapan batubara yang penting seperti yang terdapat di Bukit Asam.

7
 Gambar II.3 Peta Geologi Regional

II.4 Iklim dan Cuaca

Kabupaten Lahat termasuk dalam daerah yang memiliki iklim tropis, yaitu
musim kemarau dan musim hujan. Hal tersebut dapat di lihat dapat di lihat pada
curah hujan yang tidak merata pada setiap bulannya, curah hujan tertinggi terdapat
pada bulan April 2021 dengan jumlah 3716 mm dan jumlah hujan 14 hari dalam
sebulan. Sedangkan curah hujan terendah terdapat pada bulan Juni 2021 dengan
curah hujan 58 mm dan jumlah hujan 11 hari dalam sebulan (Badan Pusat
Statistik, 2021).
Grafik Curah Hujan Daerah Lahat
4000
3500
3000
2500
2000
1500
1000
500
0

Sumber: Badan Pusat Statistika, 2021

Gambar II.4 Grafik Curah Hujan Daerah Lahat

8
II.5 Genesa Batubara

Batubara merupakan batuan Sedimen yang memiliki sifat mudah terbakar

yang terbentuk dari sisa-sisa tumbuhan dan terbentuk di area berawa yang
membentuk suatu lapisan yang di sebut dengan gambut.

Tahap penggambutan adalah fase biokimia dengan melibatkan perubahan

pada kimia dan biologi oleh mikroba didalamnya, sedangkan tahap
pembatubaraan disebut juga fase geokimia dengan melibatkan kimia dan fisika
yang membuat perubahan bentuk dari batubara tersebut berdasarkan lama
terbentuknya dengan batubara lignit sampai antrasit.

Sumber: Kentucky Geological Survey, 2012

Gambar II.5 Proses Pembentukan Batubara

II.5.1 Bentuk Lapisan Batubara

Dalam perlapisan batubara, hal-hal yang sangat berpengaruh dalam proses
penentuan dan perhitungan cadangan sumber daya serta pada proses
penambangannya adalah dimulai dari bentuk cekungan, proses geologi, proses
sedimentasi selama dan sesudah proses coalification. Pada umumnya perlapisan
batubara terdiri dari beberapa bentuk yaitu lapisan batubara berbentuk Horse
Black, lapisan batubara berbentuk Clay Vein, lapisan batubara berentuk Pinch,
lapisan batubara berentuk Fault, lapisan berentuk Burried Hill dan perlapisan
batubara berentuk fold.

9
1. Bentuk Horse Black
Lapisan batubara berbentuk Horse Black merupakan bentuk perlapisan
yang memiliki ciri-ciri melengkung ke arah atas untuk lapisan batubara yang
menutupinya. Perlapisan batubara yang berbentuk melengkung ke arah
atas seperti ini disebabkan karena akibat adanya gaya kompresi atau adanya
pengaruh tekanan. Bentuk ini mempunyai ketebalan lapisan batubara ke arah
lateral yang memiliki kemungkinan sama atau justru menjadi lebih kecil atau
menipis (Sukandarrumidi, 1995).

Sumber: Sukandarrumidi, 1995

Gambar II.6 Bentuk Horse Black

2. Bentuk Clay Vein

Bentuk Clay Vein merupakan perlapisan yang dicirikan oleh bentuknya
yang terdapat urat lempung di antara dua bagian deposit batubara. Bentuk
Clay Vein terjadi akibat suatu lapisan endapan batubara mengalami patahan,
kemudian pada bidang yang mengalami patahan tersebut memiliki rekahan
yang terbuka dan terisi oleh material lempung maupun pasir (Sukandarrumidi,
1995).

Sumber: Sukandarrumidi, 1995

Gambar II.7 Bentuk Clay Vein

10
3. Bentuk Pinch
Bentuk pinch merupakan bentuk perlapisan batubara yang dicirikan
memiliki penipisan pada bagian tengah dari endapan tersebut. Pada umumnya
dasar dari perlapisan berbentuk pinch ini merupakan endapan batuan yang
memiliki sifat plastis (Sukandarrumidi, 1995).

Sumber: Sukandarrumidi, 1995

Gambar II.8 Bentuk Pinch

4. Bentuk Fault
Bentuk Fault adalah bentuk perlapisan batubara yang terjadi akibat daerah
terdapatnya deposit batubara tersebut mengalami seri patahan. Kondisi seperti
ini yang sering membuat kesalahan dalam perhitungan cadanga. Hal ini
dikarenakan adanya perlapisan yang berpindah akibat pergeseran ke arah
vertikal (Sukandarrumidi, 1995).

Sumber: Sukandarrumidi, 1995

Gambar II.9 Bentuk Fault

5. Bentuk Burried Hill

Bentuk Burried Hill adalah bentuk perlapisan batubara yang terjadi jika
suatu daerah keterdapatan endapan batubara membentuk suatu kulminasi dan

11
 membuat lapisan batubara tersebut terintrusi (Sukandarrumidi, 1995).

Sumber: Sukandarrumidi, 1995

Gambar II.10 Bentuk Burried Hill

6. Bentuk Fold
Bentuk Fold merupakan bentuk yang terjadi akibat daerah terdapatnya
deposit batubara tersebut mengalami perlipatan. Perlipatan ini akan semakin
komplek seiring dengan keintensifitasan gaya yang berkerja pada perlipatan
(Sukandarrumidi, 1995).

Sumber: Sukandarrumidi, 1995

Gambar II.11 Bentuk Fold

II.5.2 Peringkat Batubara

Peringkat batubara merupakan tingkatan kematangan dari batubara yang
ditentukan berdasarkan temperatur, tekanan, dan waktu pengendapan. Ketiga
faktor tersebut tidak dapat dinilai secara satuan, namun harus dinilai sebagai
faktor yang saling berkesinambungan. Klasifikasi peringkat batubara dikutip dari
ASTM (American Standard Testing and Material) dijelaskan melalui Tabel II.1
dan Tabel
II.2 dibawah ini:

12
 Tabel II.1 Hasil Parameter Kualitas Batubara

TM IM ASH VM FC TS (% CV
(% adb) (% adb) (% adb) (% adb) (% db) db) (%db)
11.85912 16 31.41867 37.69953 38.3722 1.491859 5263

Tabel II.2 Peringkat Batubara berdasarkan Standar ASTM

Class Name Fixed Carbon Volatile CV (%Dry)

(%Dry) Matter (Kcal/Kg)
(%Dry)
Anthracite Meta-anthracite >98 >2 7740

anthracite 92-98 2.0-8.0 8000

semianthracite 86-92 8.0-15 8300

Bituminous Low-volatile 78-56 14-22 8741

Medium volatile 89-78 22-31 8640

High-volatile A <69 >31 8160

High-volatile B 57 57 6750-8160

High-volatile C 54 54 7410-8375

6765-7410

Subbituminous Subbituminous A 55 55 6880-7540

Subbituminous B 56 56 6450-7230

Subbituminous C 53 53 5990-6860

Lignite Lignite A 52 52 4830-6360

Lignite B 52 52 <5250

Sumber: American Standard Testing and Material

13
 Pada Table II.1 didapatkan hasil dari parameter kualitas yang berasal dari uji
laboratorium oleh PT.X. pada table II.2 dimana didapatkan hasil dari peringkat
kualitas batubara dengan kualitas lignite. dimana didapatkan hasil dari fixed
carbon (FC) 38,3 %, volatile meter (VM) 37,6 %, nilai kalori batubara dari 4018
Kcal/kg hingga 7715 Kcal/kg.

II.5.3 Kualitas Batubara

Kualitas batubara merupakan karakteristik dari batubara yang didasarkan
pada sifat kimia dan fisik dari batubara. Parameter tersebut digunakan dalam
penentuan nilai komersial dan kegunaan tertentu dari batubara. Oleh karena itu
penentuan kualitas batubara diperlukan serangkaian analisis dari unsur maseral
dan kandunganmineral dari batubara. Analisis yang dikenal dalam penentuan
parameter kualitas batubara adalah analisis proksimat dan analisis ultimat.
1. Analisis Proksimat
Menurut (Hamdani and Oktarini, 2014) analisis proksimat merupakan
analisis pengujian kimia untuk menentukan distribusi produk yang diperoleh
dari sampel batubara yang dipanaskan dibawah kondisi tertentu. Analisis
proksimat membagi produk ke dalam empat kelompok, yaitu:
1) Moisture
Moisture adalah molekul yang mengisi pori-pori ini yaitu sebagai
total moisture dan dipandang sebagai moisture bawaan di dalam
sampel yang dikumpulkan dalamkeadaan segar. Sementara itu,
inherent moisture terdapat di dalam kapiler zat batubara dan berada
dalam tekanan dari kelembaban kapiler air permukaan. Untukitu
banyak energi yang perlu dikeluarkan untuk mengeluarkan air di dalam
permukaan partikel batubara (Hamdani and Oktarini, 2014).
2) Volatile matter (VM)
Volatile matter (VM) ialah banyaknya zat yang hilang bila sampel
batubara dipanaskan pada suhu dan waktu yang telah ditentukan
(setelah dikoreksi oleh kadar moisture). Volatile yang menguap terdiri
atas sebagian besar gas-gas yang mudah terbakar seperti hidrogen,
karbon monoksida, dan metan (Hamdani and Oktarini, 2014).
3) Fixed Carbon (FC)

14
 Fraksi non-volatile dari batubara, FC, menyatakan banyaknya
karbon yang terdapat dalam material sisa setelah volatile matter
dihilangkan. Kandungan inilah yang paling berperan dalam
menentukan besarnya heating value suatu batubara (Hamdani and
Oktarini, 2014). Semakin banyak fixed carbon, maka semakin besar
heating value-nya.
4) Kandungan Abu (Ash)
Kandungan abu (ash), merupakan jumlahresidu yang dihasilkan
dari pembakaran batubara. Kandungan abu berasal dari hasilsisa
pembakaran batubara. Keberadaan kandungan abu pada lapisan
batubara dikarenakan senyawa organik dan anorganik yang merupakan
hasil dari rombakan material di sekitarnya yang bercampur pada saat
transportasi, sedimentasi dan pembatubaraan (Hamdani and Oktarini,
2014).
2. Analisis Ultimat
Analisis ultimat adalah analisis elementer yang dilakukan untuk
menentukan kadar unsur karbon (C), hidrogen (H), oksigen (O), nitrogen (N),
dan sulfur (S) dalam batubara.
3. Basis Data
Untuk perbandingan antara satu hasil analisis dengan yang lain, maka
ditetapkan basis standar dengan persyaratan tertentu untuk setiap analisis
maupun uji yang dilakukan. Basis standar tersebut adalah:

Tabel II.3 Basis Batubara

Basis Unsur Kandungan Singkatan

As received basis Sama seperti saat diterima arb

Air dried Basis Dikeringkan dengan udara bebas adb

Dry basis Tidak ada kandungan air db

Dry, ash free Tidak ada kandungan air dan abu daf
basis
Pure Coal Basis Tidak ada kandungan air dan zat dmmf
mineral lain (dry mineral
matter free)

Sumber: Rahmad, 2017

15
 1) Air Dried Basis
Air dried basis menunjukkan bahwa uji dan analisis dilakukan dengan
menggunakan sampel uji yang telah dikeringkan pada udara terbuka, yaitu
sampel ditebar tipis pada suhu ruangan, sehingga terjadi kesetimbangan
dengan lingkungan ruangan laboratorium, sebelum akhirnya dilakukan
pengujian dan analisis.
2) Dry Basis
Dry basis menunjukkan bahwa hasil uji dan analisis dengan
menggunakan sampel uji yang telah dikeringkan di udara terbuka, lalu
dikonversikan perhitungannya untuk memenuhi kondisi kering.
3) Dry & Ash Free Basis
Dry & ash free basis merupakan suatu kondisi asumsi dimana
batubara sama sekali tidak mengandung air maupun abu. Adanya tampilan
dry & ash free basis menunjukkan bahwa hasil analisis dan uji terhadap
sampel yang telah dikeringkan di udara terbuka seperti di atas, lalu
dikonversikan perhitungannya sehingga memenuhi kondisi tanpa abu dan
tanpa air.

4) Pure Coal ( Dry & Mineral Matter Free) Basis

Pure coal basis berarti batubara diasumsikan dalam keadaan
murni dan tidak mengandung air serta zat mineral lainnya. Kondisi
ini disebut pula dengan nama dry & mineral matter free basis.

II.6 Eksplorasi Batubara

Menurut (Standarisasi Nasional Indonesia, 2019) bahwa suatu kegiatan
eksplorasi merupakan suatu kegiatan yang bersifat teknis dalam rangka
penyelidikan umum dan prospeksi untuk mengetahui suatu indikasi adanya
batubara dan kondisi geologi secara regional dengan tujuan untuk memperoleh
data maupun informasi secara terperinci dan teliti tentang lokasi, sebaran, kualitas,
bentuk, dimensi dan sumber daya tertunjuk atau terukur dari suatu batubara.
Eksplorasi batubara dilaksanakan melalui beberapa tahap, yaitu survei tinjau,
prospeksi, eksplorasi pendahuluan, dan eksplorasi rinci.

16
 1. Survei Tinjau
Pada tahap ini melakukan studi geologi regional berupa pemetaan geologi
regional, penginderaan jauh, dan metode tak langsung yang lainnya dimana
ditarik kesimpulan berdasarkan ekstrapolasi dan/atau interpolasi dengan
melakukan inspeksi lapangan pendahuluan.
2. Prospeksi
Pada tahap ini dilakukan untuk mempersempit daerah yang dimana
mengandung endapan batubara dengan menggunakan metode pemetaan
geologi guna mengindentifikasikan suatu singkapan serta dapat dilakukan
dengan penyelidikan geofisika, penyelidikan geokimia, sumur uji, parit uji,
pengeboran serta pengambilan contoh atau sampel.
3. Eksplorasi Pendahuluan
Ekplorasi pendahuluan merupakan suatu kegiatan teknis dimana termasuk
prospeksi dan penyelidikan umum untuk dapat mengetahui bagaimana kondisi
geologi regional serta adanya indikasi mengandung batubara.
4. Eksplorasi Rinci
Eksplorasi rinci merupakan suatu kegiatan teknis untuk mendapatkan
informasi secara teliti dan rinci mengenai bentuk, lokasi, sebaran, dimensi,
kualitas, dan sumber daya tertunjuk dan/atau terukur batubara.

II.7 Permodelan Geologi Batubara

Pemodelan geologi adalah suatu penggambaran matematis yang
dilakukan dari suatu kondisi geologi guna mendapatkan interpretasi geologi
dari endapan batubara tersebut (SNI 5015: 2019). Pemodelan geologi terbagi
menjadi dua jenis yaitu pemodelan kualitas maupun pemodelan geometri
dengan berdasarkan hasil interpretasi geologi yang terdiri atas kualitas/kadar,
litologi/seam maupun struktur geologi. Beberapa hal yang perlu diperhatikan
dalam pemodelan geologi adalah berupa interpretasi geologi lokal dan
kerapatan serta distribusi data.
Dalam prosesnya, pembuatan model geologi dapat dilakukan dengan
menggunakan perangkat lunak dengan memasukkan data yang berkaitan
dengan data struktur, topografi, kuantitas dan kualitas batubara. Pemodelan

17
geologi juga dapat dilakukan secara manual. Prinsip yang digunakan untuk
pengoperasian perangkat lunak termasuk langkah-langkah yang dilakukan
untuk proses pemodelan dan penggambaran interpretasi geologi harus
dipahami secara benar.Pemodelan geologi pada umumnya terbagi menjadi
beberapa bagian berdasarkan keadaan distribusi data dan keadaan geologi.
Parameter untuk pemodelan geologi seperti distribusi data, interpretasi
geologi lokal, kerapatan data dan kecenderungan data harus tepat. Untuk
kesesuaian parameter tersebut harus dikonformasi kembali menggunaakan
metode kuantitatif.
Menurut SNI 5015 : 2019, Pertimbangan pemodelan dengan
menggunakan perangkat lunak terdiri dari :
1. Pemilihan algoritma pemodelan
2. Pemilihan tipe pemodelan
3. Ukuran grid mesh atau blok
4. Pencarian data di sekitarnya
5. Interpolasi antardata

II.7.1 Data Pemodelan Geologi Batubara

Pada umumnya, data yang digunakan untuk pemodelan geologi batubara
adalah terdiri dari :
1. Peta Topografi
2. Data penyebaran singkapan batubara
3. Data dan sebaran titik bor
4. Peta geologi lokal yang meliputi litologi, stratigrafi, dan stuktur geologi.
5. Peta situasi data seperti aliran sungai, jalan perkampungan, dan lain-lain.

Untuk mengetahui cropline batubara, data penyebaran singkapan sangat

diperlukan untuk mengetahui area penambangan tersebut akan dimulai. Kegiatan
pemboran menghasilkan data elevasi floor dan roof batubara. Sedangkan peta
situasi data seperti aliran sungai, jalan perkampungan akan berguna pada saat
menentukan batas perhitungan cadangan dan sumberdaya. Data-data tersebut
nantinya diolah untuk mendapatkan model endapan batubara yang berbentuk tiga
dimensi dan selanjutnya dilakukan proses perhitungan sumberdaya dan endapan

18
batubara. Data olahan ini berupa :

1) Peta Isopach
Peta isopach merupakan peta yang menggambarkan variasi untuk
menunjukkan kontur penyebaran ketebalan suatu batubara. Data ketebalan
ini didapat dari uji uritan, data bor, uji sumur, dan singkapan.
2) Peta Kontur Struktur
Peta kontur struktur merupakan peta yang berisi megenai kontur
elevasi dari top atau bottom batubara yang bertujuan untuk mengetahui
arah seam batubara. Perolehan elevasi top atau bottom batubara didapat
dari data bor.

II.7.2 Tahapan Pemodelan Geologi Batubara

Untuk mengetahui suatu bentuk dan perlapisan batubara dari segi letak
maupun posisi, kimiringan, kedalaman, kemiringan dan jumlah lapisan batubara
yang terdapat pada daerah penelitian maka perlu untuk dilakukan pemodelan
geologi batubara. Hal-hal yang dilakukan terkait Permodelan batubara yaitu
mengkorelasi data pemboran yang terdiri dari ketebalan roof, elevasi dan floor.
Tahapan-tahapan permodelan batubara adalah sebagai berikut :
1. Penentuan Lapisan dan Kolerasi Batubara
Penentuan lapisan dan korelasi batubara didapatkan dari data pemboran
yang berisikan data survei koordinat, kedalaman total titik pemboran serta
elevasi. Selain itu, dilakukan pembuatan data litologi yang berisikan elevasi
roof, elevasi floor, penamaan lapisan batubara dan informasi ketebalan.
2. Pemprosesan Data Survei dan Litologi
Pemprosesan data survei dan litologi dengan bantuan software minescape
dengan menggunakan data topografi sebagai batas permodelan batubaranya.
3. Pemeriksaan Data Survei dan Litologi
Pemeriksaan data survei dan litologi maupun aturan pemodelan yang telah
ditentukan untuk hasil permodelan batubara yang telah dibuat. Adapun data-
data yang dibutuhkan dalam tahap pemodelan geologi adalah sebagai berikut:
a) Well Logging Geofisika
Well Logging adalah suatu parameter berupa fisika dan kimia

19
 batuan terhadap kedalaman suatu lubang bor. Adapun tujuan dari well
logging geofisika ini adalah agar memperoleh suatu data kedalaman
dan ketebalan serta kualitas dari batubara tersebut. Log geofisika yang
digunakan dalam proses eksplorasi batubara adalah berupa logging
sinar gamma dan logging densitas. Perbedaan antara log gamma ray
dan log density adalah berada pada jika log gamma ray menggunakan
prinsip pengukuran melalu perekaman radioaktif alami dari suatu
batuan sedangkan untuk log density adalah menggunakan sumber sinar
radioaktif untuk mengetahui densitas dari suatu batuan tersebut.

II.8 Statistika Dasar

Statistika adalah cara atau aturan-aturan yang berkaitan dengan metode,
teknik pengolahan data, mengumpulkan data, menganilisis data yang berbentuk
asumsi asumsi tertentu. Analisis statistik dasar (basic statistic) dalam geostatistik
menggunakan data yang akan dihitung Grid berasal dari data yang memiliki sifat
homogen. Analisis statistika yang digunakan adalah analisis statistika deskriptif
meliputi:
1. Rata-Rata (Mean)
Rata-rata (mean) merupakan nilai yang mewakili sifat tengah dari suatu
kumpulan nilai data.
∑𝑛 𝑋𝑖
x̄ = 𝑖=1 (II.1)
𝑛
Keterangan:
𝑥̅ = Rata-rata suatu populasi
𝑛 = Banyaknya data x dalam suatu populasi
𝑥𝑖 = Nilai dari data (Variabel x)
2. Median
Median merupakan nilai tengah dari data-data yang telah disusun dari
nilai terkecil hingga nilai terbesar ataupun sebaliknya.
1) Median Untuk Data Ganjil
𝑛+1
𝑀𝑒𝑑𝑖𝑎𝑛 = 𝑥
2 (II.2)
2) Median Untuk Data Genap

20
 𝑀𝑒𝑑𝑖𝑎𝑛 = 1 𝑛 𝑛
(𝑥 ( ) + 𝑥 ( + 1) (II.3)
2 2 2

Keterangan:
x = Nilai data
n = Jumlah data

3. Modus
Modus merupakan nilai yang sering muncul dari data.
4. Simpangan Baku (Standard Deviation)
Simpangan baku menggambarkan besarnya perbedaan nilai sampel
terhadap rata-rata dari sampel.

∑𝑛 (𝑥i−X̄)2
𝜎=√ 𝑖=1
𝑛−1
(II.4)

Keterangan:
= Standar deviasi
𝑥̅ = Rata-rata
𝑥 = Nilai data ke-i
n = Jumlah data
5. Variasi
Variansi merupakan kuadrat dari simpangan baku yang berfungsi untuk
mengukur variabilitas dari kumpulan data tersebut.
𝑉𝑎𝑟𝑖𝑎𝑛𝑠 = 𝜎2 (II.5)
6. Koefisien Variasi (Coefficient of Variotion / CoV)
Koefisien variasi merupakan ukuran persebaran data atau lebih dikenal
sebagai simpangan baku relatif. Nilai CoV < 0,5 maka data dianggap
berdistribusi normal sedangkan nilai CoV 0,5 dianggap distribusi lognormal
(Koch Jr and Link, 1971).
𝜎
𝐶𝑜𝑉 = 𝑥100% (II.6)
X̅

Keterangan:
𝜎 = Standar deviasi
𝑥̅ = Rata-rata variabel x
7. Skewness
Skewness merupakan penyimpangan dari kesimetrisan suatu kurva

21
distribusi, dimana bila kurva (distribusi data) miring ke kanan merupakan
kemiringan positif. Sedangkan, bila kurva distribusi miring ke kiri merupakan
kemiringan negatif. Distribusi data yang normal mempunyai nilai skewness ±1
(Oliver and Webster, 2015). Untuk menghitung nilai koefisien skewness
didefinisikan sebagai berikut (Oliver and Webster, 2015):
𝑛 (𝑥i−X̄)
1 3
∑
𝐶𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑜𝑓 𝑆𝑘𝑒𝑤𝑛𝑒𝑠𝑠 = 𝑛 𝑖=1
(II.7)
𝜎3

Keterangan:
𝑛 = Jumlah data
𝑥𝑖 = Nilai data ke – i
𝑥̅ = Rata-rata
𝜎𝑥 = Simpangan baku

Sumber: Bulmer, 1979

Gambar II.12 Grafik Skewnes

8. Kurtosis
Kurtosis merupakan titik puncak dari sebuah distribusi yang digunakan
untuk membandingkan dengan suatu distribsui normal. Kurva distribusi
kurtosis terdiri dari tiga jenis, diantaranya:
a. Leptokurtik, distribusi dengan puncak yang relatif tinggi
b. Platikurtik, distribusi dengan puncak yang mendatar
c. Mesokurtik, distribusi dengan puncak yang tidak tinggi dan tidak
mendatar

22
 Sumber: Harinaldi, 2005

Gambar II.13 Grafik Kurtoris

9. Histogram
Histogram merupakan distribusi data yang menunjukan frekuensi suatu
data muncul dalam data data yang berbeda dan disajikan dalam bentuk grafik.
Histogram memberikan gambaran secara visual frekuensi data yang bersifat
kontinu. Lebar dari batang histogram merupakan interval kelas, sedangkan
batas-batas tepi batang histogram merupakan tepi bawah dan tepi atas dari
kelasnya serta tinggi dari batang histogram menunjukkan frekuensi pada kelas
tesebut.

Sumber: Lorentz, 2014

Gambar II.14 Historigam

10. Probability Plot

Probability plot merupakan metode untuk menentukan apakah suatu
sekumpulan data berdistribusi normal atau tidak. Untuk mengetahui nilai

23
kenormalan data tersebut dengan menggunakan uji probability plot dengan
melihat penyebaran titik data terhadap garis linear. Suatu penyebaran data
dikatakan berdistribusi normal apabila penyebaran titik data mengikuti arah
diagonal, namun jika penyebaran titik data cenderung mengarah keatas atau
kebawah maka data tersebut berdistribusi tidak normal.

Sumber: Lorentz, 2014

Gambar II.15 Probability Plot

11. Boxplot
Boxplot merupakan salah satu cara dalam statistik deskriptif untuk
menggambarkan secara grafik dari data numerik melalui lima ukuran sebagai
berikut:
1) Nilai observasi terkecil.
2) Kuartil terendah atau kuartil pertama (Q1), yang memotong 25 %dari
data terendah.
3) Median (Q2) atau nilai tengah.
4) Kuartil tertinggi atau kuartil ketiga (Q3), yang memotong 25 %dari
data tertinggi.
5) Nilai observasi terbesar.

Dalam boxplot juga ditunjukan, jika terdapat nilai outlier dari observasi.
Dalam penggambarannya, boxplot dapat digambarkan secara horizontal
maupun vertikal. Variogram sensitif terhadap pencilan data. Boxplot
adalahcara

24
ideal untuk mengindentifikasikan pencilan data. Semua pencilan data harus
diselidiki, dan dianggap sebagai nilai yang berpotensi salah sebelum pencilan
data tetap sebagai bagian dari kumpulan data (Oliver and Webster,2015).

Sumber: Michael Galarnyk, 2018

Gambar II.16 Boxplot

12. Root Mean Square Error (RMSE)

Root Mean Square Error (RMSE) adalah kuadrat dari rata-rata kesalahan.
Pengujian pada RMSE yang terkecil maka pengujian semakin baik (Novriyana
& Marpaung, 2020).
Rumus persamaan RMSE:
(𝑌1−𝑌)2
𝑅𝑀𝑆𝐸 = √∑ (II.8)
𝑛

Keterangan:
Y' = Nilai Prediksi
Y = Nilai Sejati
n = Jumlah Data

25
 Sumber: Surfer 2022
Gambar II.17 Hasil Root Mean Square Error

II.9 Sumberdaya Batubara

Endapan batubara yang memiliki bentuk dan kuantitas tertentu dan
mempunyai nilai keekonomisan atau prospek untuk ditambang disebut dengan
sumber daya (Standarisasi Nasional Indonesia, 2019). Hal-hal terkait yang perlu
diketahui atau diperkirakan untuk menentukan sebuah sumber daya terdiri
diantaranya lokasi, kuantitas, kualitas, karakteristik geologi, dan kemenerusan dari
lapisan batubara yang telah diinterpretasikan dari penelitian geologi sebelumnya.

II.10 Kompleksitas Geologi

Karakteristik geologi dapat dikelompokkan menjadi tiga kelompok akibat
proses tektonik dan proses sedimentasi diantaranya terdiri dari: kelompok geologi
sederhana, kelompok geologi moderat, dan kelompok geologi kompleks
(Standarisasi Nasional Indonesia, 2019). Dimana di lokasi penelitian ini terdapat
kompleksitas geologi sederhana dan moderat, dimana tidak terdapat sesar dan
lipatan yang berada di area penelitian, dengan variasi ketebalan yang sedikit,
kesinambungan antar lapisan hingga ratusan meter, dan ada beberapa
percabangan.

26
 Tabel II.4 Tipe Endapan Batubara berkaitan dengan Sedimentasi, Tektonik, dan
Variasi Kualitas
Kondisi
Geologi
Parameter
Sederhana Moderat Kompleks

I. Aspek Sedimentasi

1. Variasi Ketebalan Sedikit bervariasi Bervariasi Sangat bervariasi

2. Kesinambungan Ribuan meter Ratusan meter Puluhan meter

3. Percabangan Hampir tidak ada Beberapa Banyak

II. Aspek Tektonik

1. Sesar Hampir tidak ada Jarang Rapat

2. Lipatan Hampir tidak Terlipat sedang Terlipat kuat

terlipat

3. Intrusi Tidak Berpengaruh Sangat

berpengaruh berpengaruh

4. Kemiringan Landai Sedang Curam

III. Aspek Kualitas

1. Variasi Kualitas Sedikit bervariasi Bervariasi Sangat bervariasi

Sumber: Standarisasi Nasional Indonesia (2019)

II.11 Interpolasi
Interpolasi adalah metode yang digunakan untuk melihat hubungan antar
variabel yang diukur pada titik tertentu dengan variabel yang sama, diukur pada
titik dengan jarak tertentu dari titik pertama (data spasial) dan digunakan untuk
mengestimasi parameter di tempat yang tidak diketahui datanya. Interpolasi
merupakan teknik untuk mencari nilai suatu variabel yang hilang pada rentang
data yang diketahui. Data lain yang didapat seringkali memiliki sejumlah pola.
Pola yang terbentuk dapat berupa polinomial atau mengelompok. Tiap pola akan
memiliki metode pendekatan yang berbeda-beda. Terdapat kemungkinan tak

27
terbatas dari pola data tersebut.

Pada penerapannya, interpolasi dapat optimal ketika data berdistribusi

normal dan stasioner (rata-rata dan variansi tidak berubah terlalu signifikan
terhadap ruang). Data dapat dikatakan stasioner apabila tidak memiliki trend atau
fluktuasi data berada dekat dengan nilai rata-rata maupun variansi yang konstan
terhadap ruang (Geoff Bohling, 2005).

II.12 Inverse Distance Weighting (IDW)

Inverse Distance Weighting (IDW) adalah suatu teknik interpolasi yang
memperhitungkan adanya hubungan letak suatu ruang (jarak), dan merupakan
kombinasi antara linier dan harga rata-rata bobot (weighted average) dari titik data
yang ada di tempat penelitian. Faktor dalam pengaruh nilai IDW adalah nilai
parameter power (p) (Isaak dan srivasatva, 1989). Dimana power memiliki
pengaruh dalam penentuan nilai sampel pada data perhitungan interpolasi yang
berfungsi untuk mengatur signifikasi terhadap pengaruh titik-titik yang ada di
sekitar lokasi pengambilan sampel. Di penelitian ini dilakukan penentuan estimasi
dengan metode IDW menggunakan parameter power 1,2,3,4, dan 5 yang
merupakan paling umum digunakan dalam literatur (Yasrebi dkk, 2009). Power
optimal ditentukan dengan meminimalkan root mean square error (RMSE) yaitu
statistik yang di hitung dari validasi silang. Dalam validasi silang, setiap titik yang
di ukur dihapus dan dibandingkan dengan nilai prediksi untuk lokasi pengambilan
tersebut. RMSE adalah statistik ringkasan yang mengukur kesalahan prediksi.
Dilakukan analisa beberapa power berbeda pada IDW, untuk mengidentifikasikan
kekuatan yang menghasilkan RMSE minimum. Diagram di bawah ni
menunjukkan bagaimana Analisa menghitung power optimal. RMSE diplot di
beberapa kekuatan berbeda untuk dataset yang relative sama dari kurva power
yang menyediakan RMSE terkecil ditentukan sebagai power optimal. Jika power
= 0, tidak ada penurunan dengan jarak, dan karena setiap bobot Wi akan sama,
prediksi akan menjadi rata-rata dari semua nilai yang di ukur.

28
 Sumber: ArcGis, 2007

Gambar II.18 Grafik RMSE dan Power

Kemudian nilai pembobot dalam teknik IDW umumnya dihitung dengan

persamaan berikut (Isaak dan Srivastava,1989):
1
𝑑𝑖𝑝
𝑊𝑖 = 1 (II.8)
∑𝑛𝑖=1 𝑝
𝑑𝑖

Dimana:
𝑑𝑖 = Jarak antar titik pengamatan ke-i dengan titik yang diduga
𝑝 = Power (bilangan bulat)

Rumus umum untuk Inverse Distance Weighting adalah (Isaak dan

Srivastava, 1989):
Ž 0 ∑𝑛 𝑊𝑖. 𝑍𝑖 (II.9)
𝑖=1

=
Keterangan:
𝑍̌0 = Nilai titik yang ditaksir
𝑊𝑖 = Faktor bobot dari titik i
𝑍𝑖 = Nilai dari titik penaksir

Untuk pemahaman dalam menggunakan metode IDW, berikut contoh

dilakukan pengukuran ketebalan batubara pada sejumlah titik seperti terlihat pada
gambar II.8. Terdapat disebuah lokasi, yaitu titik berwarna merah, yang akan
diukur
29
ketebalannya. Dengan menggunakan metode IDW dan sejumlah sampel titik (12
titik yang mempunyai nomor 1 sampai 12 berikut ketebalan dan jarak pada
setiap titik berwarna merah). Kita dapat menentukan ketebalan batubara dari titik
merah tersebut. Jika nilai ketebalan pada masing-masing titik sampel kita sebut Z,
sehingga ada Z1, Z2, Z3, Z4, Z5, Z6, Z7, Z8, Z9, Z10, Z11, Z12,. Dan jarak masing-
masing titik sampel ke titik merah kita sebut d, sehingga ada d1, d2, d3, d4, d5, d6,
d7, d8, d9, d10, d11, d12.

Sumber: Surfer 2022

Gambar II.19 Ilustrasi Metode Inverse Distance Weighting (IDW)

Tabel II.5 Perhitungan Metode Inverse Distance Weighting

KOORDINAT Xi Di
Di2 1/di^2 Wi Xi. Wi
X Y (tebal) (jarak)
4492.98 3626.02 3.05 328 107584 0.00000930 0.01857 0.056641
4375.46 3724.84 2.01 335 112225 0.00000891 0.01780 0.035784
4738.91 3674.06 2.15 241 58081 0.00001722 0.03440 0.073958
4634.21 3779.62 1.87 113 12769 0.00007831 0.15647 0.292594
4548.56 3868.87 1.85 116 13456 0.00007432 0.14848 0.274686
4411.52 3976.08 0 235 55225 0.00001811 0.03618 0
4859.34 3816.04 1.13 193 37249 0.00002685 0.05364 0.06061
4760.98 3916.29 1.76 88 7744 0.00012913 0.25800 0.454076
4657.19 4019.26 1.41 106 11236 0.00008900 0.17782 0.25072
4545.32 4123.9 0.97 227 51529 0.00001941 0.03877 0.03761
4893.24 4053.57 1.28 253 64009 0.00001562 0.03121 0.039953
4780.17 4163.36 1.57 264 69696 0.00001435 0.02867 0.045006
∑ 0.00050052 1 1.62

30
II.13 Nearest Neighbour Point (NNP)
Nearest Neighbour Point (NNP) adalah metode poligon terhadap contoh
terdekat, yaitu dengan metode pengambilan nilai estimasi terhadap titik
berdasarkan pada pengaruh tiap titik mengikuti titik terdekat. Dimana metode ini
biasa digunakan untuk endapan yang bersifat homogen dan endapat yang
memiliki geometri yang sederhana (Hartman, 1992).

Sumber: Hartman, 1992

Gambar II.20 Ilustrasi Metode Nearest Neigbour Points (NNP)

Gambar II.9 menunjukan bahwa metode Nearest Neigbour Point (NNP).

Terdapat area yang berwarna putih yang tidak terarsir merupakan area yang tidak
dapat di jangkau dari metode tersebut. sehingga metode ini memiliki kelemahan
pada area yang bergeometri tidak stabil dari data yang di peroleh tersebut , untuk
mempermudah perhitungan metode ini bisa di lihat pada table II.6:
Tabel II.6 Perhitungan Metode Nearest Neigbour Point
KOORDINAT
Xi (tebal) Di (jarak) Di2 1/di^2 Wi Xi. Wi
X Y
4738.91 3674.06 2.15 131 17161 5.83E-05 0.08816 0.189553
4634.21 3779.62 1.87 117 13689 7.31E-05 0.11053 0.206683
4548.56 3868.87 1.85 120 14400 6.94E-05 0.10507 0.194377
4859.34 3816.04 1.13 93 8649 0.000116 0.17493 0.197673
4657.19 4019.26 1.41 134 17956 5.57E-05 0.08426 0.118808
4984.19 3961.81 0.72 122 14884 6.72E-05 0.10165 0.073189
4893.24 4053.57 1.28 160 25600 3.91E-05 0.0591 0.075649
4780.17 4163.36 1.57 74 5476 0.000183 0.27629 0.433783
∑ 0.000661 1 1.49

31
 BAB III METODOLOGI PENELITIAN

III.1 Metodologi
Dalam penelitian ini digunakan metode kuantitatif. Metode kuantitatif
digunakan untuk mengolah data sekunder yaitu data hasil eksplorasi batubara
yang telah dilakukan oleh perusahaan PT X. Pada metode kuantitatif data
sekunder diolah menjadi model geologi yang dilakukan secara matematis oleh
beberapa software. Data hasil eksplorasi dilakukan analisa statistik deskriptif
dengan software minitab 17. Dilanjutkan dengan perhitungan analisa geostatistik
dan interpolasi dengan software Surfer dan dilanjutkan dengan melakukan
pembuatan grid dan peta isopach yang nantinya digunakan untuk estimasi dengan
metode IDW dan NNP untuk melakukan perhitungan RMSE.

III.2 Tahapan Penelitian

Untuk melakukan analisis hubungan nilai kalori dengan ketebalan batubara,
terdapat beberapa prosedur yang perlu dilakukan diantaranya sebagai berikut :

1. Studi Pustaka
Merupakan pembelajaran yang dilakukan dari referensi tulis
lainnya yang didapatkan dari perpustakaan, hasil penelitian terdahulu,
maupun lembaga terkait.
2. Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data sekunder,
yangantara lain:
1) Koordinat lubang bor (Easting, Northing)
2) Ketebalan batubara tiap lubang bor
3) Nilai kalori batubara tiap lubang bor
4) Nilai sulfur batubara tiap lubang bor
3. Analisis Data
Analisa yang dilakukan berupa:
1) Analisis statistik pada database
2) Analisia cross validation
3) Analisis penyebaran ketebalan, nilai kalori, dan sulfur batubara

32
 4) Perhitungan volume batubara, ketebalan rata-rata, nilai kalori
rata-rata, dansulfur rata-rata dari metode IDW dan NNP

III.3 Preparasi Data

Sebelum mengolah data, data berupa koordinat, ketebalan, nilai kalori
batubara, dan sulfur batubara harus dilampirkan dalam bentuk format yang sesuai
dengan software yang digunakan untuk proses pengolahan data. Pada penelitian
ini, digunakan microsoft excel dan minitab17 untuk membuat format data.

III.4 Pengolahan Data

Pengolahan data dilakukan dengan 2 tahap, yaitu tahap pertama adalah
menganalisa data statistik dengan Microsoft Excel dan dilanjutkan dengan
menganalisa geostatistik dan interpolasi dalam mengestimasi ketebalan, nilai
kalori, dan sulfur batubara dengan software Surfer.

III.5 Analisa Statistik Deskriptif

Analisa statistik deskriptif dibagi menjadi 4 tahap, yaitu:
1. Pendeteksian Pencilan Data (Outlier)
Pendeteksian pencilan data (outlier) dilakukan dengan metode boxplot
menggunakan perangkat lunak minitab 17. Outlier pada boxplot ditentukan
dengan batas interquartile dari batas kuartil bawah (Q1) dan batas kuartil
atas(Q3). Tahapan dalam membuat boxplot yaitu :
1) Masukan data kedalam software minitab 17 dengan mengklik file >
OpenWorksheet, kemudian pilih data yang di tampilkan.
2) Klik pada tab “Graph” > Boxplot > Simple > Ok. Kemudian muncul
kotak pilihan Boxplot pada Gambar III.1.

33
 Gambar III.1 Pilihan Boxplot

3) Akan muncul perintah selanjutnya untuk memasukan data. Pada bagian

graph variables masukan data dengan cara mengklik data yang kita
inginkan sebanyak 2 kali. Kemudian klik “OK” dapat dilihat pada
Gambar III.2.

Gambar III.2 Memilih Data Untuk Boxplot

4) Didapatkan hasil boxplot dengan pencilan data (outlier) pada data

yang telah dipilih, dapat dilihat pada Gambar III.3.

Gambar III.3 Contoh Hasil Boxplot pada Minitab 17

2. Analisis Statistik Dasar

34
 Pada analisis statistik dasar, parameter yang digunakan untuk menganalisa
data adalah rata-rata (mean), median, standar deviasi, varians, CoV, dan
skewness.Adapun tahapan dalam menganalisis statistik dasar adalah sebagai
berikut :
1) Masukan data kedalam perangkat lunak minitab 17 dengan mengklik file
> OpenWorksheet, kemudian pilih data.
2) Klik pada tab “Stat” > pilih “Basic Statistic” > pilih “Display
Descriptive Statistics”. Dapat dilihat pada Gambar III.4.

Gambar III.4 Langkah Awal Statistik Dasar Minitab 17

3) Akan muncul tampilan untuk memasukan data yang diinginkan. Pada

kolom Variables. Pilih data yang ingin dianalisa. Pada kotak Statistics,
tentukan parameter yang ingin dianalisa dan kemudian klik
“OK”.Dapat dilihat pada Gambar III.5.

Gambar III.5 Memasukan Data dan Parameter Statistik

Dasar pada Minitab 17

35
 4) Didapatkan hasil analisa statistik dasar yang terdapat pada Gambar III.6.

Gambar III.6 Contoh Hasil Statistik Dasar Pada Minitab 17

3. Analisis Grafik
Grafik yang akan dianalisa pada penelitian ini adalah grafik histogram dan
grafik probabilitas. Kedua grafik ini dibuat dengan software minitab 17.
Adapun langkah langkah pengerjaannya sebagai berikut :
1) Klik pada tab “Graph” > Pilih “Histogram” atau “Probability Plot”.
Dapat dilihat pada Gambar III.7

Gambar III.7 Langkah Awal Pembuatan Grafik

2) Pada histogram, akan muncul pilihan bentuk grafik. Pilih grafik “With
Fit”. Klik Ok. Sedangkan pada grafik probability plot pilih grafik
“Single”. Dapat dilihat kedua pilihan tersebut pada Gambar III.8.

36
 Gambar III.8 Pemilihan Jenis Grafik Minitab17

3) Masukkan data kedalam kolom “Graph Variables”. Kemudian klik

“OK”. Dapat dilihat pada Gambar III.9.

Gambar III.9 Memilih Data pada Grafik

4) Hasil berupa grafik histogram atau grafik probabilitas akan muncul.

4. Analisa Statistik
Analisa statistik yang digunakan dengan perangkat lunak (software)
Surfer. Yaitu dengan membuat perhitungan ketebalan, nilai kalori, dan sulfur
pada batubara, dengan outout isopach dan estimasi inverse distance weighting.
1. Membuat Peta Isopach

37
 Pembuatan peta isopach digunakan untuk melihat penyebaran dari data
yang digunakan dalam menghitung estimasi inverse Distance Weighting dan
Nearest Neigbour point. Dalam pengerjaan dilakukan tahap sebagai berikut:
1) Membuat Grid
Preparasi data yang telah dilakukan dalam software Microsoft Excel,
di input kedalam software Surfer. Pada bagian Grid Data > pilih “Browse
Data”> pilih data yang akan di input. Dapat dilihat pada gambar III.10.

Gambar III.10 Memasukan data Pada Surfer

2) Melakukan Statistik Data Yang Telah di Input
Digunakan untuk mengvalidasi data yang telah di input, dan
menghasilkan “Data Statistik Report”. Dapat dilihat pada Gambar III.11

Gambar III.11 Report Data Statistik Surfer

38
3) Memilih Option
Option digunakan untuk menentukan “Search Radius” yang digunakan
untuk menghitung ketebalan dan jarak dari data yang telah di input. Dapat
dilihat pada Gambar III.12.

Gambar III.12 Menentukan Power dan Jarak Pencarian

4) Cross Validation
Cross validation digunakan untuk menentukan data yang di hitung
valid atau tidak. Dapat dilihat pada Gambar III.13.

Gambar III.13 Cross Validation

5) Output Peta Isopach Dan Volume Dari Perhitungan

39
 Digunakan untuk melihat pola perserbaran dari data ketebala, nilai
kalori batubara, dan nilai sulfur batubara, dalam bentuk warna skala. Dapat
dilihat pada Gambar III.14.

Gambar III.14 Peta Isopach

40
III.6 Diagram Alir

Mulai

Pengumpulan Data Sekunder

Data Survei Data Hasil Pengeboran

TIDAK VALID

Data Topografi Data Litologi Data Data Logging

Collar Geofisika

Verifikasi dan Validasi

Data pemboran

PembuatanGrid penyebaran
batubara
TIDAK VALID

Verifikasi dan Validasi

Data Grid

Klasifikasi dan Estimasi Sumber

Daya Batubara

Analisis Data

Kesimpulan dan Saran

Selesai

Gambar III.15 Diagram Alir

41
42
 DAFTAR PUSTAKA

Arnita, Novriyana, Dina., Marpaung, Faridawaty., dkk, (2020), “Perbandingan

Metode Single Exponential Smoothing, Naive Model, dan SARIMA
untuk Peramalan Curah Hujan Di Kota Medan”, Jurnal Matematika
Statistika dan komputasi, Vol. 17, No. 1, pp 117-128
Badan Pusat Statistik (2021): Badan Pusat Statistik: Kondisi Iklim dan
Geografis Kabupaten Lahat, Sumatera Selatan
Badan Standardisasi Nasional (2019): Pedoman pelaporan, sumberdaya, dan
cadangan batubara (SNI 5015:2019).
Bargawa, W.S., and Purnomo H (2017): Performance Evaluation of Ordinary
Kriging and Inverse Distance Weighting Methods for Nickel Laterite Resources
Estimation , 49 (1). pp. 121-134. ISSN 0024-9521.
Bohling G. 2005. Introduction To Geostatistics and Variogram Analysis. Kansas
Geology Survey.
Faidatulaila, Rahma Putri. (2021): estimasi sumber daya batubara
menggunakan metodegeostatistika (kriging) di area PT X kabupaten
kutai kartanegara, Universitas Trisakti, Jakarta.
Hamdani & Oktarini. (2014). Karakteristik Batubara pada Cekungan Meulaboh di
Kabupaten Aceh Barat dan Nagan Raya, Provinsi Aceh. Jurnal Ilmiah
JURUTERA 1(1), 77-84.
Hartman, H, L. 1992. SME Mining Engineering Handbook 2nd Edition Volume 1.
Society for Mining,Metallurgy and Exploration: Colorado.
Isaaks, E. H. (1990): Applied geostatistics, Choice Reviews Online, American
LibraryAssociation,28,28-0304-28–0304.
https://doi.org/10.5860/choice.28-0304.
Kentucky Geological Survey, University of Kentucky (2019): Coal,
https://www.uky.edu/KGS/coal/. Diakses 21 Oktober 2022.
Nirwan, Ericsson. (2020): perbandingan metode kriging dan inverse distance
weightinguntuk estimasi ketebalan dan kualitas batubara di lapangan
sangatta , Kalimantantimur, Universitas Trisakti, Jakarta.
Oliver, A. M., and Webster, R. (2015): Basic Steps in Geostatistics:The Variogram

43
 and Kriging, 100. https://doi.org/10.1007/978-3-319-15865-5
Rorosanti, Rani Ayu (2021): permodelan geologi dan estimasi sumber daya
batubara di area PT X kabupaten kutai kartanegara, Universitas Trisakti,
Jakarta.
Sejati, Sadewa Purba. (2019): dalam jurnal perbandingan akurasi metode IDW
dan kriging dalam pemetaan.
Sukandarrumidi. (1995). Batubara dan Gambut. Yogyakarta: Gadjah Mada
University Press.
Thomas, L. 2002. Coal Geology: John Wiley & Sons Ltd. The Atrium. Southern
Gate. Chishester, West Sussex P)19 8Sq, England.
Yasrebi, J., Saffari, M., Fathi, H., Karimian, N., Moazallahi, M., and Gazni, R.
(2009): Evaluation and comparison of ordinary kriging and inverse
distance weighting methods for prediction of spatial variability of some
chemical parameters, Research Journal of Biological Sciences,
4(1), 93– 102.

44
45