ACARA I

PENDAHULUAN

1.1. PERKEMBANGAN GEOSTATISTIK

Perkembangan ilmu geostatistika dimulai pada tahun 1910-an. Pada era tersebut
metode statistika telah digunakan untuk menganalisis data geologi. Sebenarnya
pengertian geostatistika yang dikenal sekarang ini bermula dari penelitian H.S. Sichel
pada akhir tahun 1940. Ketika itu Sichel mempelajari nilai-nilai contoh yang memiliki
distribusi log-normal di suatu tambang emas Witwatersrand di Afrika Selatan (Amstrong,
1998).
Pada tahun 1951 Daniel Krige seorang peneliti dari Afrika Selatan, melalui berbagai
penelitian di tambang emas Witwatersrand, menyimpulkan bahwa contoh-contoh yang
diambil secara berdekatan mempunyai nilai yang lebih mirip dibandingkan dengan
contoh-contoh yang diambil pada jarak yang lebih jauh. Observasi ini merupakan dasar
dari ilmu statistika spasial. Konsep ini berlawanan dengan konsep statistika klasik yang
berkembang pada saat itu.
Pada era 1960-an dikembangkan suatu model untuk menyatakan kemiripan antar nilai
contoh sebagai fungsi dari jarak antar contoh yaitu model variogram. Teori tersebut
dikembangkan oleh Matheron dkk melalui tinjauan matematika yang didasarkan pada
penelitian empiris yang dilakukan oleh Krige. Matheron menggunakan istilah kriging
untuk menghormati Krige sebagai perintis penggunaan ilmu geostatistika dan evaluasi
cebakan mineral. Matheron mendirikan Centre de Geostatistiques di Fontainebleau
Perancis. Sejumlah peneliti yang berasal dari berbagai penjuru dunia di-training untuk
mempelajari dan mengembangkan teori geostatistika. Geostatistika dalam kerangka
teoritis maupun aplikasi kemudian berkembang sangat pesat.

1.2 Statistik Dasar

Statistik merupakan ilmu yang membahas metode-metode ilmiah untuk
pengorganisasian, penyajian, analisis, dan pengumpulan data. Fungsi analisis statistik
dalam tulisan ini adalah untuk menjelaskan korelasi dan kecenderungan data sebelum
memilih metode penaksiran yang sesuai terutama untuk cebakan dengan variabilitas
kadar yang tinggi. Dari hasil analisis statistik diharapkan diperoleh pola penyebaran suatu
data mineralisasi.

Pengetahuan dasar-dasar statistik sudah merupakan keharusan untuk dipahami supaya

kita mampu memahami geostatistik dengan lebih baik. Pemahaman dasar yang terpenting
adalah pemahaman bahwa nilai parameter petrofisik tertentu misalnya porositas,
permeabilitas dan lain-lain merupakan variabel acak dengan nilai dan probabilitas
tertentu.

Berikut beberapa pengertian statistik univarian dan bivarian:

● Mean

Arithmetic mean secara matematis dapat diformulasikan sebagai berikut:

∑𝑛𝑖=1 𝑥𝑖
𝑥=
𝑛
Di samping itu, adapula geometric mean yang merupakan akar n dari perkalian
semua n obervasi

● Varians

Varians dari suatu populasi dianalisis dengan menggunakan persamaan:

∑𝑛𝑖=1 (𝑥𝑖 − 𝜇)2

𝜎2 =
𝑛
Dari formulasi di atas dapat disimpulkan bahwa varians merupakan rata-rata
deviasi suatu populasi terhadap mean. Atau jika dihitung dari sampel:
2
2
∑𝑛𝑖=1 (𝑥𝑖 − 𝑥)
𝑠 =
𝑛−1
Variansi juga dapat dinyatakan dalam bentuk:

𝑆𝑆
𝑠2 =
𝑛−1
● Standar deviasi

Standar deviasi dan varians merupakan contoh ukuran statistik/parameter

populasi yang memiliki karakteristik penyebaran atau dispersi terhadap mean.
 𝑠 = √𝑠 2
Nilai standar deviasi yang kecil menunjukkan bahwa observasi terkumpul (ter-
klaster) dengan sangat kuat sekitar nilai pusat (mean/median/modus). Sebaliknya
jika nilainya besar, maka menunjukkan data yang tersebar (ter-scatter).

● Median

𝑀 = 𝑥𝑛+1 untuk n ganjil

2

𝑀 = 𝑥𝑛+𝑛+1 untuk n genap

2 2
2

● Nilai maksimum dan minimum

● Modus

Adalah nilai atau kejadian yang muncul dengan frekuensi terbanyak.

● Kovarians

Definisi kovarians mirip dengan varians. Bedanya kovarians digunakan untuk

analisis dua sekuens data yang berbeda.

∑𝑛𝑖=1 (𝑥𝑖 − 𝑥) (𝑦𝑖 − 𝑦)

𝑐𝑜𝑣𝑋𝑌 =
𝑛−1
Kovarians tidak terlalu memiliki arti fisis yang signifikan, tetapi dari nilai
kovarians dapat dihitung korelasi yang memliki arti dan pengertian yang sangat
signifikan dalam analisis data sekuens.

● Korelasi

Korelasi secara matematis dinyatakan sebagai berikut:

𝑐𝑜𝑣𝑋𝑌
𝑟𝑥𝑦 =
𝑠𝑥 𝑠𝑦

sx dan sy masing - masing adalah standar deviasi sampel / data sekuen x dan y.
Korelasi memiliki nilai maksimum 1 dan nilai minimum -1. Dari dua sekuen yang
memiliki korelasi 1 berarti bahwa kedua sekuen ini memiliki hubungan yang
sempurna dan berbanding lurus. Jika bernilai -1, kedua data sekuen memiliki
 hubungan yang sempurna tetapi saling berlawanan. Dan jika nilainya 0, maka
kedua data sekuen ini tidak saling berhubungan atau saling independen.

1.3 Histogram
Histogram adalah sebuah diagram yang mengambil sekumpulan pengukuran dan
menggambarkan banyaknya pengukuran (frekuensi) yang terdapat dalam masing-masing
interval. Histogram juga merupakan pendekatan untuk probability density function (pdf).

1.4 Fungsi Densitas

Untuk sebuah variabel acak yang kontinu X, probability density function (pdf)-nya adalah
fungsi yang memenuhi seperti persamaan di bawah ini:

Cumulative distribution function (cdf) dari suatu variabel acak yang kontinu X adalah:

Dari sejumlah model distribusi (distribusi uniform, normal, binomial, poisson, dan lain-
lain) yang sering digunakan dalam keteknikan untuk menyatakan distribusi variabel acak
adalah distribusi normal atau disebut juga distribusi Gauss. Suatu variabel acak normal
(model distribusi normal) memiliki fungsi distribusi densitas:

Dengan µ adalah mean dan σ2 adalah varians. Probabilitas kumulatif yang penting dari
distribusi normal ini diperlihatkan pada gambar 1.1. Besarnya suatu probabilitas
kumulatif variabel acak tertentu dan bentuk fungsi distribusi normal dipengaruhi oleh µ
dan σ2-nya. Oleh karena akan sangat banyak kemungkinan µ dan σ2 pada setiap kasus
keteknikan (atau apapun) yang dihadapi, maka akan dibutuhkan tabel probabilitas
distribusi normal yang banyak pula. Untuk menyederhanakan permasalahan ini, maka
distribusi normal dari berbagai nilai µ dan σ2 distandarisasikan ke distribusi normal
standar yang memiliki µ = 0 dan σ2 = 1