LAPORAN LENGKAP

DIAJUKAN UNTUK MEMENUHI SEBAGIAN PERSYARATAN

MELULUSI MATA KULIAH GEOSTATISTIK

DIAJUKAN OLEH:

LA ODE ZULFIKAR ANDI

R1D121053

JURUSAN TEKNIK PERTAMBANGAN

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS HALU OLEO
KENDARI
JUNI 2023

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.

Kendari, Januari 2022

Penulis

iii
 Halaman Pengesahan

Laporan Lengkap

Praktikum Geostatistik

Diajukan Oleh :

LA ODE ZULFIKAR ANDI

R1D121053

Telah disetujui oleh :

Asisten l Asisten ll

Arif Nur Wibawa Ita Juita

R1D119021 R1D119009

Mengetahui,
Dosen Pengampuh Mata Kuliah

Ir. Erwin Anshari,S.Si.,M.Eng

Nip. 19880628 201504 1 00

iv
 DAFTAR ISI

KATA PENGANTAR iii

HALAMAN PENGESAHAN iv
DAFTAR ISI v
DAFTAR GAMBAR vi
DAFTAR TABEL vii
BAB I 1
PENDAHULUAN 1
1.1 Latar Belakang 1
1.2 Batasan Masalah 2
1.3 Rumusan Masalah 2
1.4 Tujuan Praktikum 2
1.5. Manfaat Praktikum 2
BAB II 3
TINJAUAN PUSTAKA 3
2.1 Nikel laterit 3
2.1.1 Zona Limonit 4
2.1.2 Zona Saprolit 4
2.1.3 Zona Batuan dasar (Bedrock) 5
2.2 Sumberdaya dan Cadangan 6
2.2.1 Klasifikasi Sumberdaya dan Cadangan 6
2.2.2 Analisis Statistik Dasar 9
2.2.3 Estimasi sumberdaya dan cadangan 11
2.3 Metode Pemodelan Geologi 12
2.3.1 Manajemen Basisdata 12
2.3.2 Analisis Statistik dan Pemodelan Variogram 16
2.3.3 Metode Nearest Neighbor Point (NNP) 17
2.4 Regresi Linier Sederhana 17
2.5 Cross Validation 19
2.6 Root Mean Square Error (RMSE) 19

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

Gambar 2. 1 Profil Endapan Nikel Laterit 6

Gambar 2. 2 Klasifikasi Cadangan dan Sumberdaya Mineral 8
Gambar 2. 3 Ilustrasi Gambar Garis Regresi Linier 17
Gambar 3. 1 Peta Lokasi Studi 22
Gambar 3. 2 Diagram Alir Studi 28
Gambar 4. 1 Peta Citra Satelit Lokasi Studi 29
Gambar 4. 2 Peta Topografi lokasi studi 30
Gambar 4. 3 Peta Geologi 31
Gambar 4. 4 Sebaran Drillhole 34
Gambar 4. 5 Peta Kemiringan Lereng 35
Gambar 4. 6 Solid Model Zona Limonit 36
Gambar 4. 7 Solid Model Zona Saprolit 36
Gambar 4. 8 Gabungan Solid Model Zona Limonit dan Zona Saprolit 37
Gambar 4. 9 Histogram Kadar Ni Limonit 38
Gambar 4. 10 Histogram Kadar Fe Limonit 38
Gambar 4. 11 Histogram Kadar Ni Saprolit 39
Gambar 4. 12 Histogram Kadar Fe Saprolit 39
Gambar 4. 13 Primary Variogram map zona limonit 41
Gambar 4. 14 Secondary Variogram map zona limonit 41
Gambar 4. 15 Major Axis Zona Limonit 42
Gambar 4. 16 Semi-Major Axis Zona Limonit 43
Gambar 4. 17 Minor Axis Zona Limonit 43
Gambar 4. 18 Primary Variogram map zona saprolit 44
Gambar 4. 19 Secondary Variogram map zona saprolit 45
Gambar 4. 20 Major Axis Zona Saprolit 45
Gambar 4. 21 Semi-Major Axis Zona Saprolit 45
Gambar 4. 22 Minor Axis Zona Saprolit 46

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

1.1 Latar Belakang

Endapan nikel laterit di Sulawesi Tenggara banyak terbentuk karena adanya
proses pelapukan pada suatu batuan yaitu batuan ultrabasa. Dimana air hujan yang
mengandung banyak CO2 dari udara akan teresap ke bawah sampai ke permukaan
air tanah sambil membawa mineral primer yang tidak stabil sperti olivin/serpentin,
dan piroksen. Air tanah kemudian akan meresap dari atas ke bawah sampai ke batas
antara zona limonit dan zona saprolit. Kemudian mengalir secara lateral dan
selanjutnya akan lebih didominasi oleh transportasi larutan secara horizontal.
Pemisahan ini mengakibatkan unsur yang tidak mudah larut (immobile) tetap
bertahan di tempatnya, sedangkan unsur yang mudah larut (mobile) akan
terlapukkan dan terbawa oleh air tanah sampai ke lapisan paling bawah.
Untuk mengetahui tingkat kelayakan pada endapan bijih nikel laterit, maka
terlebih dahulu dilakukan analisis tingkat nilai dari kadar endapan nikel itu sendiri,
serta mengetahui persebaran dari keterdapatan bijih nikel laterit untuk tiap
perlapisannya melalui kegiatan eksplorasi dan kemudian melakukan analisis
dengan metode geostatistik. Dalam menganalisis tiap kadar nikel laterit, banyak
metode yang digunakan, namun metode apapun yang digunakan dalam
menganalisis hal tersebut, harus diperhatikan beberapa parameter antara lain ; data
yang diperoleh, kadar, luas penyebaran, ketinggian dan kedalaman dari endapan
tersebut.
Studi ini merupakan salah satu kegiatan yang dilakukan untuk mengetahui
kandungan pada nikel laterit ditiap lapisannya, yaitu dengan melakukan analisis
dan perhitungan pada tiap zona lapisan endapan nikel dengan menggunakan metode
analisis statistik dan geostatistik. Parameter yang ditaksir adalah kadar Ni dan kadar
Fe dan membuat pemodelan geologi dangan metode geostatistik.
Parameter dapat dilakukan dengan metode, yaitu membuat drillhole, kemudian
membuat pemodelan geologinya yang bertujuan untuk menggambarkan kondisi
bawah permukaan, kemudian melakukan analisis statistik dengan membuat
histogram untuk mengetahui variasi dari data serta dapat memodelkan data geologis
dengan mempertimbangkan struktur spasial dan ketergantungan spasial antara
pengamatan dengan memperhitungkan jarak dan arah dari titik pengamatan.
1
1.2 Batasan Masalah
Nikel laterit terbentuk dari pelapukan batuan ultrabasa oleh air tanah,
mengalami proses pengkayaan di tiap zona perlapisannya. Ketebalan dan kadar
endapan di tiap-tiap lapisan tidak sama (bervariasi), dan dapat diketahui dari hasil
pengeboran. Dengan demikian diperlukan analisis untuk mengetahui nilai tiap
kadar dari Ni dan Fe. Dengan melakukan analisis tiap lapisan serta membuat model
geologinya, maka kita dapat dengan mudah untuk melakukan pengambilan
keputusan dari beragam variasi data menggunakan metode statistik dan geostatistik.

1.3 Rumusan Masalah

Berdasarkan uraian dari latar belakang di atas, maka dapat dirumuskan
masalah pada praktikum ini yaitu mampu menentukan letak dan kondisi titik bor
beserta dengan tiap kadarnya, membuat pemodelan geologinya, kemudian
menganalisis tiap kompositnya dan melakukan analisis geostatistik menggunakan
software surpac.

1.4 Tujuan Praktikum

Adapun tujuan dari praktikum ini adalah mampu menentukan letak dan
kondisi dari titik bor beserta dengan nilai kadarnya, membuat pemodelan
geologinya, serta dapat mengetahui validasi data dengan metode geostatistik
berdasarkan data komposit dengan menggunakan sorftware Surpac.

1.5. Manfaat Praktikum

Dengan adanya kegiatan praktikum geostatistik ini, maka kita dapat
mengetahui proses eksplorasi dalam hal ini adalah analisis data geostatistik untuk
kadar dan kondisi geologi khususnya komoditas nikel laterit serta dapat dijadikan
bahan referensi untuk praktikum yang akan datang agar praktikum geostatistik
dapat terus berkembang terutama untuk mengetahui kegiatan analisis geostatistik
pada komoditas nikel laterit.

2
 BAB II
TINJAUAN PUSTAKA

2.1 Nikel laterit

Bijih nikel laterit merupakan salah satu sumber daya mineral yang
melimpah di indonesia. Banyak bahan paduan yang dibuat berbasis bahan nikel
karena memiliki kekuatan struktur terhadap proses creep, fatigue dan kestabilan
permukaan (oksidasian korosi) pada suhu tinggi seperti digunakan pada mesin
pesawat dan turbin gas pembangkit listrik. Mayoritas sumber nikel di dunia yang
telah diketahui mengandung laterit. Bijih laterit normalnya diklasifikasikan dalam
dua jenis yaitu the highiron-lateriteore dan high magnesia lateriteore. Untuk
memenuhi kebutuhan bahan nikel murni dalam proses produksi stainless steel,
maka digunakan nickel pig iron sebagai bahan baku yang diterapkan sebagai bahan
alternatif untuk menghasilkan nikel. Proses pengolahan batuan nikel laterit ini
dimulai dengan memberi larutan NaOH pada tekanan atmosfir, yang selanjutnya
akan menghasilkan larutan Na2SiO3 yang dilarutkan untuk menghasilkan produk
silika melalui proses kombinasi dan unsur lain seperti magnesium, besi dan nikel
akan terkonsentrasi dalam desiiconization slag (Sujiono dkk., 2014)

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 :

2.1.1 Zona Limonit

Menurut Lintjewas dkk (2019) zona limonit berwarna coklat kekuningan –
coklat kehitaman, berbutir halus sampai dengan kasar, kekerasan lunak sampai
sedang, dijumpai adanya mineralisasi, dengan tingkat elastisitas yang lebih tinggi
dibandingkan dengan Zona lainnya. Pada zona limonit sering dijumpai adanya
fragmen batuan asal dengan mineral utama berupa mineral gutit, mineral lempung
magnetit, kromit, dan hematite. Pada sub zona yellow limonite atau incremental
limonit - saprolit porositas perlapisan buruk-sedang, sedangkan densitas material
relatif tinggi. Sementara pada bagian bawah sub zona yellow limonite atau
incremental limonit-Saprolit disebut sebagai sub zona intermediate (zona transisi)
atau dikatakan sebagai limonite ore zone. Pada bagian sub zona ini kandungan
kadar besi relatif tinggi di bagian atas sedangkan pada bagian bawah relatif lebih
rendah. Umumnya alumina ditandai dengan adanya mineral lempung (soft smecite
clays dan silika). Sementara Cr hadir dalam kadar yang relatif tinggi namun bisa
juga kandungannya relatif sedikit. Sementara unsur Mn dan Co terlarut
diendapkan pada zona limonit bagian bawah (transition zone). Sedangkan
kandungan 𝑆𝑖𝑂2 dan MgO kadar rendah terbentuk. Porositas perlapisan pada sub
zona intermediate (zona transisi) atau dikatakan sebagai limonite ore zone. Sisa
tekstur batuan masih dapat teramati yang menunjukkan proses pelapukan.

2.1.2 Zona Saprolit

Zona ini berada di atas batuan dasar (bedrock), umumnya boulder sebagian
atau seluruhnya telah mengalami pelapukan, dimana proses pelapukan tersebut

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.

2.1.3 Zona Batuan dasar (Bedrock)

Zona batuan dasar atau bedrock berada pada bagian bawah profil,
merupakan batuan batuan ultramafik yang belum mengalami proses pelapukan.
Komposisi kimia batuan memiliki kemiripan terhadap komposisi kimia bedrock
yang tidak teralterasikan. Terdapat struktur joints dan fracture terjadi seiring
terjadinya tekanan hydrostatic pada batuan. Sementara sirkulasi air permukaan
meresep melalui joints dan fracture

5
 Gambar 2. 1 Profil Endapan Nikel Laterit (Hernandi dkk., 2017)

2.2 Sumberdaya dan Cadangan

2.2.1 Klasifikasi Sumberdaya dan Cadangan
Sumberdaya mineral adalah suatau konsentrasi atau keterdapatan dari
material yang memilki nilai ekonomi pada atau di atas kerak bumi, dengan bentuk
kualitas, kuantitas tertentu yang memiliki keprospekan yang beralasan yang
akhirnya dapat diekstraksi secara ekonomis. Lokasi, kualitas, kadar, karakteristik
geologi dan kemenerusan dari sumberdaya mineral harus diketahui diestimasi dan
diintepretasikan berdasarkan bukti – bukti dan pengetahuan geologi yang spesifik.
Sumberdaya mineral dikelompokkan lagi berdasarkan tingkat keyakinan
geologinya dalam kategori Tereka, Terunjuk dan Terukur KCMI (2011)
Sumberdaya terbagi menjadi 4 yaitu :
a. Sumberdaya Mineral Hipotetik (Hypothetical Mineral Resource) adalah
sumberdaya mineral yang kuantitas dan kualitasnya diperoleh berdasarkan
perkiraan pada tahap Survey Tinjau.

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)

Gambar 2. 2 Klasifikasi Cadangan dan Sumberdaya Mineral

Menurut Herlina (2011), keterdapatan sumberdaya mineral adalah suatu
indikasi pemineralan yang dinilai untuk dieksplorasi lebih jauh. Istilah

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.

2.2.2 Analisis Statistik Dasar

Analisis statistik dasar dan evaluasi distribusi kadar merupakan tahap analisis
pertama yang dilakukan untuk mendapatkan laporan sebaran data, dimana analisis
yang dilakukan berupa menghitung nilai kadar rata-rata, varians, standar deviasi
serta nilai coeffisient of variance dan mempresentasikan distribusi sebaran dari
kadar nikel.
Hasil analisis sebaran data akan menentukan tingkat analisis statistik, jika
sebaran data terdistribusi dengan normal maka analisis statistik yang dilakukan
adalah analisis statistik parametrik, begitu juga sebaliknya jika data tidak
terdistribusi dengan normal maka pendekatan statistik yang dilakukan adalah
analisis statistik non parametrik.
Dimana persamaan-persamaan statistik dasar dapat dilihat di bawah ini:
a. Ukuran yang sering digunakan adalah rata-rata (m) yang diperoleh
dari persamaan:

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

Pemilihan metode estmasi berdasarkan geometri endapan dan nilai

coefficient of variance (Selection of destination method based on deposit geometry
and variability) SME Mining Engineering Handbook dapat dilihat pada tabel
dibawah berikut:

Pernyataan deskripsi unvarian yang umum digunakan adalah tabel frekuensi

dan histogram. Tabel frekuensi merupakan suatu pernyataan distribusi suatu data
kedalam beberapa kelas dan kemudian menentukan banyaknya data yang termasuk
dalam suatu kelas (frekuensi). Hasil dari frekuensi tersebut dapat digambarkan
dalam suatu histogram.

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.

2.2.3 Estimasi sumberdaya dan cadangan

Estimasi sumberdaya adalah estimasi potensi dari endapan mineral bijih
yang terletak di permukan bumi untuk mengetahui apakah endapan tersebut layak
untuk dilanjutkan keproses penambangan selanjutnya yaitu perhitungan cadangan.
Estimasi sumberdaya adalah estimasi dari bijih endapan mineral yang mana bagian
dari perhitungan cadangan yang merupakan hal yang paling vital sebelum
dilanjutkan ketahap selanjutnya yaitu perhitungan cadangan yang mana akan
dievaluasi apakah endapan mineral tersebut layak untuk dilanjutkan ketahap
eksplorasi selanjutnya (Rafsanjani, dkk., 2016).
Penaksiran perlu dilakukan untuk menentukan nilai data pada titik-titik
lokasi (grid) yang belum memiliki nilai, dengan menggunakan distribusi nilai pada
titik-titik data disekitarnya, melalui suatu pembobotan. Pembobotan ini pada
umumnya didasarkan pada:
a. Jarak antara grid yang akan ditaksir dengan grid penaksir
b. Kecenderungan penyebaran data
c. Posisi antara grid yang ditaksir dengan grid penaksir dalam ruang.
Dalam estimasi sumberdaya bahan galian biasanya mempertimbangkan
beberapa parameter dan faktor sehingga bahan galian sudah dianggap bijih untuk
logam, kadar/kualitas ekonomis untuk bahan galian selain logam atau bahan galian
yang sudah dianggap berharga. Selain itu persoalan yang dihadapi dalam estimasi
sumberdaya antara lain cara perhitungan berbeda tergantung pada pola (pattern)
test pit/ lubang bor, variasi sebaran, kadar/kualitas, dan luas daerah yang
dinyatakan cadangan.

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 :

ℎ𝑖 = Jarak dari titik 𝑖 ke titik yang ingin ditaksir

p = Faktor eksponen (power)
Untuk mencari jarak antara titik 𝑖 ketitik yang ingin ditaksir dapat
menggunakan rumus :

ℎ𝑖 = √(𝑥 − 𝑥𝑖) + (𝑦 − 𝑦𝑖) (8)

Keterangan :
x,y = Koordinat titik yang ingin ditaksir
𝑥𝑖, 𝑦𝑖 = Koordinat titik 𝑖

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)

Kriging adalah suatu metode geostatistik yang digunakan untuk menaksir

besarnya nilai karakteristik pada titik lokasi yang tidak tersampel berdasarkan data
titik yang tersampel di sekitarnya, dengan mempertimbangkan korelasi spasial yang
ada dalam data tersebut.Penggunaan metode kriging dilakukan dalam dua tahap
yaitu tahap pertama menghitung nilai variogram atau semivariogram dan fungsi
covarian.Tahap kedua melakukan penaksiran lokasi yang tidak tersampel.
Ordinary kriging adalah metode kriging paling sederhana yang terdapat pada
geostatistik. Pada metode ini diasumsikan bahwa rata-rata (mean) tidak diketahui
dan bernilai konstan. Pada metode ordinary kriging, nilai-nilai sampel yang
diketahui dijadikan kombinasi linier untuk menaksir titik-titik di sekitar daerah
(lokasi) sampel. Dengan kata lain, untuk menaksir sembarang titik yang tidak
tersampel dapat menggunakan kombinasi linier dari peubah acak dan nilai bobot
kriging masing-masing (Faisal, 2013)

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)

2.4 Regresi Linier Sederhana

Menurut Yuliara I Made (2016) Persamaan regresi linier sederhana
merupakan suatu model persamaan yang menggambarkan hubungan satu variabel
bebas/ predictor (X) dengan satu variabel tak bebas/ response (Y), yang biasanya
digambarkan dengan garis lurus

Gambar 2. 3 Ilustrasi Gambar Garis Regresi Linier

Y = a + bX (9)
Keterangan :
Y = garis regresi / variabel response
a = konstanta (intersep), perpotongan dengan sumbu vertikal
17
 b = konstanta regresi (slope)
X = variabel bebas/ predictor
Menurut Hijriani dkk (2016) besarnya konstanta a dan b dapat ditentukan
menggunakan persamaan :
(∑ 𝑌𝑖)−𝑏(∑ 𝑥𝑖) (10)
a=
𝑛
𝑛(∑ 𝑋𝑖𝑌𝑖)− (∑ (11)
b=
𝑋𝑖)(∑ 𝑌𝑖)
𝑛 ∑ 𝑋𝑖 2 − ( ∑
𝑋𝑖 ) 2

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)

Proses perhitungan cross validation dilakukan dengan cara pengambilan satu

data sampel dari suatu set data secara bergantian untuk tidak diikutsertakan dalam
proses interpolasi. Selanjutnya nilai sampel yang dipindahkan tadi dibandingkan
dengan hasil penaksiran yang dihasilkan dari proses interpolasi pada titik tersebut
dengan menggunakan seluruh sisa data yang tidak diambil. Selisih antara nilai data
sampel yang diambil dengan nilai hasil penaksiran merupakan nilai kesalahan
(error) dari penaksiran di lokasi tersebut. (Purnomo, 2018)

2.6 Root Mean Square Error (RMSE)

Root mean square error (RMSE) ini digunakan untuk membandingkan
akurasi antara dua atau lebih model dalam analisis spasial. Semakin kecil nilai
RMSE suatu model menandakan semakin akurat model tersebut.(Rodhita, 2012).
Menurut (Respatti dkk., 2014)root mean square error (RMSE) dirumuskan sebagai
berikut :

∑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

3.1 Waktu dan Lokasi Studi Praktikum

Praktikum ini telah dilakukan dalam kurun waktu ±5 minggu. Lokasi
praktikum berada di Laboratorium Fakultas Matematika dan Ilmu Pengetahuan
Alam. Sedangkan lokasi studi berada di Kabupaten Konawe Utara, yang secara
administratif terletak di Kecamatan Langgikima, Kabupaten Konawe
Utara,Provinsi Sulawesi Tenggara.

3.2 Jenis Studi Praktikum

Jenis studi praktikum yang digunakan adalah praktikum secara kuantitatif
karena kegiatan praktikum akan berfokus pada aspek pengukuran terhadap objek.
Jenis praktikum kuantitatif merupakan investigasi sistematis mengenai sebuah
fenomena dengan mengumpulkan data yang dapat diukur menggunakan teknik
statistik, matematika, atau komputasi.

3.3 Bahan atau Materi Studi Praktikum

Studi praktikum ini hanya menggunakan data sekunder. Data sekunder adalah
data yang sudah ada, baik yang bersumber dari studi literatur, hasil studi
sebelumnya ataupun instansi yang memberikan penjelasan atau gambaran umum
mengenai lokasi studi dan informasi-informasi yang terkait dengan permasalahan
dalam studi ini, data-data sekunder antara lain :
1) Basis data (Collar, Survey, Assay dan Geoloy)
2) Data topografi lokasi studi
3) Nilai densitas lokasi penelitian

20
 22

Gambar 3. 1 Peta Lokasi Studi

3.4 Instrumen Studi Praktikum
Adapun instrumen praktikum yang akan dipergunakan dalam praktikum dapat
dilihat pada tabel 3.1 berikut:
Tabel 3 1 Instrumen studi yang digunakan dalam praktikum

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

3.5 Prosedur Studi Praktikum

3.5.1 Pengolahan data
Pada Tahap ini dilakukan pengolahan data terhadap data yang telah
dikumpulkan. Tahapan proses ini mencakup :

3.5.1.1 Pemrosesan Basisdata Dengan Software ArcGis, dan Global Mapper

Data yang digunakan pada saat praktikum merupakan suatu data dari hasil
pengeboran untuk jenis endapan nikel laterit. Deskripsi litologi dan pengujian
kadar adalah hal yang sangat penting pada saat mendapatkan sampel dari
lapangan. Pengujian kadar secara individual akan mempresentasikan nilai kadar
(Assay, Survey, Collar dan Geology) disertai dengan deskripsi litologi dari
23
material hasil pemboran kemudian dikomposit menjadi data format CSV.

Pertama menggunakan Software ArcMap untuk menentukan atau

memploting titik bor menggunakan data Collar yang sebelumnya dibuat dengan
aplikasi Excel. Kemudian Langkah selanjutnya setelah mendapatkan data titik bor
adalah dengan membuat garis kontur dari lokasi sekitar titik bor dengan software
Global Mapper. Kemudian selanjutnya adalah memasukan data Topografi
kedalam Software Surpac lalu menyimpan data topografi kedalam format Str. Dan
membuat topografi format DTM.

3.5.1.2 Membuat Database Geology

Data spreedsheet berupa data logging bor yang sudah ada dipisahkan menjadi
empat data yang terdiri atas data collar, survei, assay dan geologi. Hal tersebut
dilakukan untuk membuat suatu basis data (database) logging bor (drillholes)
dengan format basis data yang telah dibuat terlebih dahulu dalam perangkat lunak
Surpac. Data collar berupa data koordinat bor yang memiliki data yang terdiri atas:
nama titik bor, koordinat titik bor (x, y, z), dan kedalaman level akhir titik bor. Data
survei berupa data arah kemiringan bor dan data kedalaman bor, data assay berupa
data beserta kandungan unsur tiap meter dari kedalaman total sebuah logging bor.
Kemudian data geologi yang berisi kedalaman tiap zonasi nikel laterit yang terdiri
dari limonit, saprolit, dan bedrock juga pembagian produk sesuai kadar tiap
meternya. Setelah itu masuk pada aplikasi Surpac dengan membuat data Geology
dan Assay untuk membuat database.

3.5.1.3 Membuat Display DrillHole

Dengan mengimpor database kemudian masuk ke menu display untuk

menampilkan titik bor secara 3D yang menunjukan kandungan zona limonit
dengan warna kuning, zona saprolite warna merah dan zona bedrock warna biru
pada titik bor.

3.5.1.4 Membuat Geological Modelling (SOLID)

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

3.5.1.6 Melakukan Analisis Statistik Dasar dan Analisis Geostatistik

Analisis statistik dasar dilakukan untuk melihat sebaran data pada masing-
masing domain, analisa yang dilakukan berupa sebaran distribusi kadar, nilai kadar
rata-rata, varians, standar deviasi, dan coefficient of variance pada tiap-tiap domain
atau litologi. Analisis statistik yang dilakukan menggunakan data hasil composite
pada setiap yang telah di validasi berdasarkan setiap perubahan kadar Ni dan Fe.

Analisis geostatistik dilakukan untuk melihat kecenderungan dan kontinuitas

ruang (spatial continuity) dimana dua buah data saling berdekatan mempunyai
probabilitas besar memiliki data yang mirip daripada dua buah data yang saling
berjauhan. Analisis geostatistik yang dilakukan berupa variogram modelling
(primary variogram, secondary variogram dan anisotrophy ellipsoid). Analisis
geostatistik yang dilakukan menggunakan data hasil composite pada setiap yang
telah di validasi berdasarkan setiap perubahan kadar Ni dan Fe. Dalam studi ini
hanya dibatasi pada pembuatan variogram eksperimental untuk mengetahui jarak
pencarian efektif data pada saat penaksiran.

3.5.1.7 Membuat Blok Model

Membuat model 3 dimensi (3D) dengan cara membentuk model blok dengan
ukuran cell yang telah ditentukan yaitu 5m x 5m x 1m. Selanjutnya pembuatan
constraint dan atribut block model berupa data density dan data litologi untuk tiap
litologi yaitu limonit, saprolite dan bedrock. Hal ini agar memudahkan perhitungan
daerah pengaruh atau estimasi dengan menggunakan menggunakan metode IDW,
NNP dan OK.

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.

3.5.2 Analisis data

Dari hasil pengolahan data, maka analisa data yang dilakukan adalah
penentuan model geologi dan kadar pada komoditas nikel laterit. Kemudian
dilakukan pengelompokkan berdasarkan nilai COG sehingga terbentuk 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.

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

Gambar 3. 2 Diagram Alir Studi

28
 BAB IV
HASIL DAN PEMBAHASAN

Daerah lokasi studi terdapat di Kecamatan Langgikima, Kabupaten Konawe

Utara, Provinsi Sulawesi Tenggara. Dengan luasan blok sekitar 4,5 hektar. Letak
lokasi studi pada citra satelit dapat dilihat pada gambar berikut :

Gambar 4. 1 Peta Citra Satelit Lokasi Studi

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

Gambar 4. 2 Peta Topografi lokasi studi

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

4.1 Database dan Logging Bor

Dalam kegiatan ekplorasi, database adalah dasar dari perhitungan atau
estimasi sumberdaya dan cadangan. Database berasal dari data logging bor yang
merupakan data yang diambil pada saat kegiatan eskplorasi. Data logging bor
menampilkan koordinat, kedalaman, zonasi, kadar permeter, identitas lubang bor
dan juga elevasi. Dari data – data yang terdapat pada data logging bor akan
dipisahkan menjadi empat data yang nantinya menjadi database dan menjadi dasar
mengestimasi cadangan. Empat data tersebut adalah data assay, data collar, data
survei dan juga data geologi. Data – data tersebut dikelompokkan dan disesuaikan
berdasarkan pembacaan format database pada software surpac sebagai alat untuk
menganalisis sumber daya dan cadangan nikel laterit dengan metode statistik dan
geostatistik.

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

ID_Hole Samp_id From (M) To (M) Ni Fe

DHA0003 0 1 0,04 3,13
DHA0003 1 2 0,03 3,18
DHA0003 2 2,7 0,05 8,42
DHA0003 2,7 3 0,32 38,5
DHA0003 3 4 0,63 41,88
… ... ... ... … …
T0063 22 23 0,27 6,11
T0063 23 24 0,25 6,67

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

Northing Easting Elevation Depth

ID_Hole Hole_path
(UTM) (UTM) (UTM) (M)
DHA0003 9627285 417369,8 46,366 28 LINEAR
DHA0004 9627338 417218,9 48 15 LINEAR
DHA0033 9627434 417262,4 47,056 22 LINEAR
DHA0076 9627434 417367 45,13 26 LINEAR
… ... ... ... ... ...
T0062 9627411 417295,2 46 21 LINEAR
T0063 9627407 417269,9 46,005 24 LINEAR

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

ID_Hole Depth (M) Dip Azimuth

DHA0003 28 -90 0
DHA0004 15 -90 0
DHA0033 22 -90 0
DHA0076 26 -90 0
… ... ... ...
T0062 21 -90 0
T0063 924 -90 0

Data geologi adalah data yang menampilkan atau menggambarkan zonasi

nikel laterit dari logging bor. Data ini berisikan identitas lubang bor, identitas
sampel, kedalaman awal, kedalaman akhir serta zonasi nikel laterit yang berupa
limonit, saprolit, dan bedrock.
Tabel 4.4 Data Geologi

ID_Hole samp_id From (M) To (M) Lithology

DHA0003 0 1 LIM
DHA0003 1 2 LIM
DHA0003 2 2,7 LIM
DHA0003 2,7 3 LIM
DHA0003 3 4 LIM
… ... ... ... ...
T0063 22 23 BRK
T0063 23 24 BRK

Setelah dikelompokkan, empat data tersebut yang menjadi database untuk

estimasi cadangan menggunakan software surpac pada lokasi studi dengan Logging
33
bor sebanyak 48 titik dengan jarak antar titik bor kurang lebih 25 meter.

Gambar 4. 4 Sebaran Drillhole

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.

Gambar 4. 5 Peta Kemiringan Lereng

Pemodelan sebaran endapan nikel laterit dilakukan berdasarkan hasil

validasipada geology database yang terbagi menjadi tiga zona/ layer yaitu zona
limonit, zona saprolit dan batuan dasar (bedrock).

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.

Gambar 4. 6 Solid Model Zona Limonit

Gambar 4. 7 Solid Model Zona Saprolit

36
 Gambar 4. 8 Gabungan Solid Model Zona Limonit dan Zona Saproliit

4.2 Analisis Statistik Dasar

Analisis statistik dalam praktikum ini hanya dilakukan pada saprolit dan
limonit dari profil nikel laterit. Hal ini dikarenakan praktikum ini bertujuan untuk
mengetahui sumberdaya nikel yang ada, dimana limonit dan saprolit memiliki
kandungan nikel yang berpotensi untuk dieksploitasi. Mengingat karakteristik yang
berbeda dari ketiganya, maka analisis statistik terhadap keduanya kemudian dibagi
lagi menjadi dua, yaitu analisis terhadap kadar Ni dan kadar Fe. Hal ini dikarenakan
kedua parameter inilah yang nantinya digunakan untuk keperluan penaksiran dan
perhitungan sumberdaya dan cadangan nikel laterit.

Analisis statistik yang dilakukan menggunakan data hasil composite setiap

zona yang telah di validasi berdasarkan setiap perubahan kadar Ni dan Fe.
Parameter – parameter statistik yang digunakan dalam praktikum ini adalah:
- Jumlah data
- Nilai maksimum dan minimum
- Rata-rata, median dan modus
- Standar deviasi
- Variansi
- Skewness

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.

Gambar 4. 9 Histogram Kadar Ni Limonit

Gambar 4. 10 Histogram Kadar Fe Limonit

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.

Dari analisis terhadap 571 data komposit kadar Fe zona Limonit,

didapatkan beberapa parameter statistk dari kadar Fe limonit. Rata-rata kadar Fe
limonit adalah sebesar 42,06% dan median sebesar 47,56%. Sebaran data kadar Fe
limonit cenderung normal namun dengan skewness negatif sebesar -1,93. Varians
data terhitung sebesar 148,83 dan Koefisien variansi dengan nilai sebesar 0,29.
Hasil analisis statistik dasar terhadap kadar Ni dan Fe zona limonit dapat dilihat
pada tabel berikut.

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

4.2.2 Analisis Statistik Dasar Zona Saprolit

Dari data komposit kadar Ni dan Fe Saprolit yang ada, dibuatlah histogram
kadar Ni dan Fe Saprolit yang dapat di lihat pada gambar dibawah ini.

Gambar 4. 11 Histogram Kadar Ni Saprolit

Gambar 4. 12 Histogram Kadar Fe Saprolit

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

Hasil analisis statistik sebelumnya yang dilakukan terhadap kadar Ni untuk

setiap zona tidak memperhatikan posisi sebaran data. Untuk dapat mengetahui pola
penyebaran kadar Ni untuk masing-masing zona dapat menggunakan analisis
geostatitik dengan bantuan perangkat lunak Surpac untuk mendapatkan jarak
pengaruh dari kadar Ni untuk setiap Zona. Pada studi ini, analisis geostatistik
dilakukan variogram eksperimental berupa primary variogram map, secondary
variogram map dan anisotrophy ellipsoid untuk mendapatkan parameter efektif
pada saat penaksiran parameter blok model yang akan digunakan untuk melakukan
perhitungan sumberdaya.
Sama halnya dengan analisis statistik, analisis geostatistik juga dilakukan
secara terpisah untuk setiap zona litologi. Selain itu, analisis geostatistik terhadap
setiap zona litologi hanya untuk kadar Ni yang bersumber dari data komposit kadar.

4.3.1 Analisis Geostatistik Zona Limonit

Dari data kadar Ni limonit yang ada, dibuat suatu variogram eksperimental
yang hasilnya dapat dilihat pada gambar berikut.

Gambar 4. 13 Primary Variogram map zona limonit

41
 Gambar 4. 14 Secondary Variogram map zona limonit
Untuk parameter anisotropy ellipsoid dapat dilihat pada gambarberikut

Gambar 4. 15 Major Axis Zona Limonit

42
 Gambar 4. 16 Semi-Major Axis Zona Limonit

Gambar 4. 17 Minor Axis Zona Limonit

Dari hasil fitting yang dilakukan terhadap eksperimental variogram diatas
didapatkan nilai jarak pengaruh / range dari kadar Ni limonit adalah sebesar 29,378
m,dengan nugget 0,199333 dan sill 0,7991127.
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.

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

4.3.2 Analisis Geostatistik Zona Saprolit

Dari data kadar Ni saprolit yang ada, dibuat suatu variogram eksperimental
yang hasilnya dapat dilihat pada gambar berikut.

Gambar 4. 18 Primary Variogram map zona saprolit

44
 Gambar 4. 19 Secondary Variogram map zona saprolit
Untuk parameter anisotropy ellipsoid dapat dilihat pada gambar berikut.

Gambar 4. 20 Major Axis Zona Saprolit

Gambar 4. 21 Semi-Major Axis Zona Saprolit

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.

Tabel 4.8 Nilai Parameter Hasil Analisis Geostatistik Zona Saprolit

Angles Of Rotation Of Th Major Axis Nilai
Bearing 165,39
Dip Angle -1,76
Titl Angle -0,27
Anisotropy Factors Nilai
Semi-Major Axis 1
Minor Axis 1
Other Interpolation Parameters Nilai
Max Search Distance Of Major Axis 25
Max Vertical Search Distance 1
Max Number Of Samples Used Per Block 25
Min Number Of Samples Used Per Block 3

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

Budiman, A. R. (2019). Sistem Manajemen Basisdata : Universitas Mercu Buana.

DISTANCE WEIGHTING DALAM PENAKSIRAN SUMBERDAYA

Faisal, F. (2013). Metode Ordinary Kriging Blok pada Penaksiran Ketebalan

Cadangan Batubara ( Studi Kasus : Data Ketebalan Batubara pada Lapangan
Eksplorasi X ). Kumpulan Makalah Seminar Semirata, 1(1), 203–209.

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.

Hadidzah, D. S., dkk. (2015). PEMBANGUNAN MODEL BASISDATA

SPASIAL DARI FENOMENA PENURUNAN TANAH DI INDONESIA:
Jurnal Ilmiah Geomatika, 21(1).

Hasria;, Anshari;, E., Muliddin;, Restele;, L. O., & Zulkifli;, L. O. M. (2019).

Pengaruh Struktur Geologi Terhadap Sebaran Kadar Nikel (Ni) dan Besi (Fe)
Pada Endapan Nikel Laterit Zona Saprolit PT. Manunggal Sarana Surya
Pratama, Kecamatan Lasolo Kepulauan, Kabupaten Konawe Utara, Sulawesi
Tenggara. Jurnal Riset Teknologi Pertambangan (J-Ristam), 6(1), 38–45.
Hermandi, D., dkk. (2017). DOMAIN GEOLOGI SEBAGAI DASAR
PEMODELAN ESTIMASI SUMBERDAYA NIKEL LATERIT
PEMBUKITAN ZAHWAH, SOROWAKO, KABUPATEN LUWU
TIMUR, PROVINSI SULAWESI TENGGARA: Bulletin Of Scientific
Contribution Geology, 15(2).
https://jurnalpengairan.ub.ac.id/index.php/jtp/article/view/163

LATERIT NIKEL (Studi kasus di Blok R, Kabupaten Konawe-Sulawesi

Tenggara). Angkasa: Jurnal Ilmiah Bidang Teknologi, 10(1), 49.
https://doi.org/10.28989/angkasa.v10i1.221

LATERIT NIKEL (Studi kasus di Blok R, Kabupaten Konawe-Sulawesi Tenggara)

Hendro. Jurnal IImiah Bidang Teknologi, ANGKASA, X(1), 49– 60.

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

Mustika, R. (2016). ESTIMASI SUMBERDAYA NIKEL LATERIT DENGAN

METODE INVERSE DISTANCE WEIGHTING (IDW) PADA PT. VALE
INDONESIA, Tbk. . KECAMATAN NUHA PROVINSI SULAWESI

Nursahan, I., Snaniawardhani, V., & Sulaksana, N. (2013). PENENTUAN

KAWASAN PERTAMBANGAN BERBASIS SEKTOR KOMODITAS
UNGGULAN SUMBERDAYA NIKEL KABUPATEN KONAWE DAN
KONAWE UTARA PROVINSI SULAWESI TENGGARA (Vol. 6).
Pasaribu, J. M., & Haryani, N. S. (2012). Perbandingan Teknik Interpolasi DEM
SRTM dengan Metode Inverse Distance Weighted (IDW), Natural Neighbor
dan Spline (Comparison of DEM SRTM Interpolation Techniques Using
Inverse Distance Weighted (IDW), Natural Neighbor and Spline Method).
Jurnal Penginderaan Jauh, 9(2), 126–139.

Purnomo, H. (2018b). APLIKASI METODE INTERPOLASI INVERSE

DISTANCE WEIGHTING DALAM PENAKSIRAN SUMBERDAYA

Rafsanjani, M. R., Djamaluddin, & Bakri, H. (2016). Estimasi sumberdaya bijih

nikel laterit dengan menggunakan metode idw diprovinsi sulawesi tenggara.
Jurnal Geomine, 04(1), 19–22.

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.

Rodhita, M. (2012). Rasionalisasi Jaringan Penakar Hujan Di Das Kedungsoko

Kabupaten Nganjuk. Jurnal Pengairan, 3, 185.
SELATAN. Jurnal Geomine, 1(1), 63–68.
https://doi.org/10.33536/jg.v1i1.11

Standar Nasional Indonesia 4726. (2011). SNI 4726:2019 tentang Pedoman

pelaporan, sumberdaya, dan cadangan mineral.
Sujiono, E. H. (2014). KARAKTERISTIK SIFAT FISIS BATUAN NIKEL DI
SORAWOKO SULAWESI SELATAN: Jurnal Pendidikan Fisika
Indonesia, 10(2).

Windiarti, S. W., (2020). Sistem Manajemen Basis Data : Universitas Mercu

Buana.

Yuliara I Made. (2016). Modul Regresi Linier Sederhana. Fakultas Matematika

Dan Ilmu Pengetahuan Alam Universitas Udayana, 1–10.

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.