3.

VARIABEL TERREGIONAL DAN

SEMIVARIOGRAM

Suatu variabel dikatakan teregional jika terdistribusi dalam ruang dan biasanya
mencirikan suatu fenomena tertentu, misalnya sebagai kadar logam yang
merupakan karakteristik suatu mineralisasi.

Secara matematik variabel terregional atau f(x) merupakan penyajian atau

realisasi nilai fungsi F(x) yang menempati setiap titik x pada ruang.

Umumnya pada semua endapan, perilaku karakteristik atau struktur variabilitas

dalam ruang dari variabel terregional dapat dilihat / dikenali aspek erratic secara
lokal (adanya zone lebih kaya dibandingkan lainnya). Conto yang diambil pada
zone lebih kaya akan mempunyai nilai rata-rata lebih tinggi dibanding dengan
yang diambil pada zone yang lebih miskin, sehingga nilai variabel terregional f(x)
tergantung pada posisi atau letak dalam ruang x. Tetapi secara umum (rata-rata)
akan menunjukkan aspek terstruktur dengan fungsi tertentu.

3.1. KONSEP FUNGSI ACAK

Variabel acak adalah variabel yang mempunyai nilai numerik tertentu berdasar
distribusi probabilitas tertentu. Variabel yang terkait dengan lubang bor z(x1)
mempunyai lokasi atau posisi pada titik x1. Fungsi acak Z(x) menyatakan
kumpulan semua variabel acak z(x) di dalam endapan atau {Z(x), x ∈ endapan}.
Variabel terregional f(x) dapat dipandang sebagai realisasi variabel acak z(x).

Definisi fungsi acak menyatakan aspek acak dan terstuktur dari suatu variabel
terregional sebagai berikut:

a. Secara lokal pada titik x1,z(x1) adalah variabel acak.

b. Z(x) juga merupakan suatu fungsi acak untuk setiap kumpulan titik-titik x1
dan x1+h, sedangkan variabel acak z(x1) dan z(x1+h) itu sendiri tidak
merupakan fungsi acak. Secara umum z(x1) dan z(x1+h) adalah
independen, tetapi keduanya dihubungkan oleh korelasi struktur letak ruang
dari variabel terregional f(x).
3.2. HIPOTESIS PADA VARIABEL TERREGIONAL
DAN SEMIVARIOGRAM

Karena adanya aspek erractic pada variabel terregional, maka kajian secara
langsung terhadap variabel terregional ini tidak mungkin dapat dilakukan, oleh
karena itu memerlukan beberapa hipotesis.

3.2.1. Ekspektasi Matematik atau Momen Orde ke Satu

Ekspektasi matematik didefinisikan sebagai sifat atau harga yang merupakan
representasi dari suatu populasi. Jika distribusi fungsi acak Z(x) mempunyai
ekspektasi, maka ekspektasi secara umum merupakan fungsi dari x, atau dapat
dinyatakan sebagai berikut:

E {Z(x)} = m(x) ∀x (1)

3.2.2. Momen Orde ke Dua

Tiga buah momen orde ke dua yang dipertimbangkan pada geostatistik adalah :

a. Varians dari Z(x)

Varians didefinisikan sebagai ekspektasi di sekitar m(x),
Var {Z(x)} = E [{Z(x) – m (x)}2] ∀x (2)
Varians secara umum juga merupakan fungsi dari x.

b. Kovarians
Kovarians dari z(x1) dan z(x2) dinyatakan sebagai berikut:
C(x1,x2) = E [{Z(x1) - m(x1) - m(x2)}] (3)
c. Semivariogram
Fungsi semivariogram didefinisikan sebagai varians dari increment atau
perbedaan antara {z(x1) – z(x2)} dan ditulis sebagai berikut:
2γ ( x1 ,x 2 ) = Var{ z ( x1 ) − z ( x 2 ) } (4a)
atau
N
2γ (h ) = ∑ [z ( x i ) − z ( x i = h )] / N (h )
2
(4b)
i =1

N(h) adalah jumlah pasangan data, sedangkan h adalah jarak antara

conto / lag semivariogram.
3.2.3. Hipotesis Stasionaritas
Hipotesis ini muncul dari definisi bahwa fungsi kovarians dan semivariogram
tergantung secara simultan pada dua support titik x1 dan x2. Oleh karena itu,
beberapa realisasi dari kombinasi variabel acak {z(x1), z(x2)} dapat digunakan
untuk menarik kesimpulan statistik.

Di lain pihak, jika fungsi ini hanya tergantung pada jarak di antara dua support
titik, yaitu pada vektor h = x1 - x2 yang memisahkan x1 dan x2, maka penarikan
kesimpulan statistik menjadi mungkin, yaitu setiap pasangan data {z(xk), z(xk’)}
terpisahkan oleh jarak (xk – xk’), sama dengan vektor h, dapat dipandang sebagai
suatu realisasi yang lain dari pasangan variabel acak {z(x1),(z(x2)}.

Secara penalaran menjadi jelas, pada suatu mineralisasi homogen, korelasi yang
ada di antara dua nilai data z(xk) dan z(xk’) tidak tergantung pada posisi di dalam
zone tetapi lebih tergantung pada jarak yang memisahkan mereka.

3.2.4. Stationaritas Orde ke Dua

Sebuah fungsi acak dikatakan mempunyai stationaritas orde ke dua jika :

a. Ekspektasi matematik E {Z(x)} ada dan tidak tergantung pada support

titik x dan dinyatakan sebagai berikut:
E {Z(x)} = m ∀x (5)
b. Setiap pasangan dari variabel acak {z(x), z(x+h)} muncul kovarians dan
tergantung pada jarak h dan dinyatakan sebagai berikut:
C(h) = E [{Z(x+h) – m} · {Z(x) – m}]
= E {Z(x+h) · Z(x)} – m E {Z(x+h)} – E {Z(x)} + m2
= E {Z(x+h) · Z(x)} – m2 – m2 + m2

C(h) = E {Z(x+h) · Z(x)} – m2 ∀x (6)

h menyatakan suatu koordinat vektor (hu, hv, hw) pada ruang 3-D.

Stasionaritas dari kovarians mengandung arti stasionaritas dari varians dan

variogram. Hubungan berikut bisa diturunkan dari definisi di atas :
a. C(0) = E [{Z(x) - m2 ]
C(0) = E {Z(x) ·Z(x)} - m2
Var {Z(x)} = E [{Z(x) – m}2] = C(0) (7)

b. γ (h) = ½ E [{Z(x+h) – Z(x) m}2]

= ½ E [{Z(x+h)·Z(x+h).Z(x+h)} – E [{Z(x+h)·Z(x)} + ½ E {Z(x)·Z(x)}
γ (h) = E {Z(x)·Z(x)} – E{Z(x+h)·Z(x)} = C(0) + m2 – {C(h) + m2}
γ (h) = C(0) – C(h) (8)
3.2.5. Hipotesis Intrinsik
Suatu fungsi acak Z(x) dikatakan menjadi intrinsik jika :

a. Terjadi ekspektasi matematik dan tidak tergantung pada support titik x

E {Z(x)} = m ∀x (9)
b. Untuk semua vektor h, increment {Z(x+h)–Z(x)} mempunyai varians
berhingga yang tidak tergantung pada x,
Var {Z(x+h) – Z(x)} = E [{Z(x+h) - Z(x)}2 = 2 γ (h) ∀x (10)

3.3. BEBERAPA CATATAN PENTING SEMIVARIOGRAM

Berdasarkan hipotesis di atas terdapat beberapa catatan tentang semivariogram.

3.3.1. Stationaritas Semu

Pada praktek, fungsi struktural kovarians atau variogram hanya digunakan untuk
jarak terbatas │h│≤ a. Nilai a didefinisikan sebagai batas, misalnya menyatakan
diameter dari penaksiran. Dua variabel acak z(x) dan z(x+h) tidak dapat
dipandang berasal dari mineralisasi homogen suatu endapan yang sama jika
│h│> a. Pada kasus ini berarti fungsi struktural C(x,x+h) atau γ (x,x+h), tidak
lebih dari stationaritas secara lokal untuk jarak │h│kurang dari batasan a.

3.3.2. Tidak Terdapat Korelasi

Sering dijumpai, bahwa korelasi antara dua variabel acak z(x) dan z(x+h)
menghilang saat jarak h menjadi terlalu besar :

C(h) → 0, jika │h│→ ∞

dan secara praktis, dapat diambil C(h) = 0, pada │h│≥ a. Dalam radius jarak a,
dimana C(h) mempunyai korelasi disebut dengan range, di luar itu, dimana C(h)
dapat dipandang menjadi sama dengan nol merupakan representasi dari
fenomena transisi (perubahan) yang tidak memberikan korelasi pada │h│≥ a.

3.3.3. Sifat Semivariogram

Definisi semivariogram sebagai varians dari increment, mengakibatkan sifat-sifat
sebagai berikut :

γ (0 ) = 0 , γ ( h ) = γ ( −h ) ≥ 0 dan γ ( h ) ≥ γ ( 0 )
Secara umum, tetapi tidak selalu harus, peningkatan h akan menyebabkan rata-
rata kuadrat pada dua variabel acak z(x) dan z(x+h) cenderung meningkat dan
oleh sebab itu γ (h) meningkat dari nilai awal (nol).

3.3.4. Fenomena Transisi

Kurva semivariogram akan naik dan pada jarak tertentu menjadi kurang lebih
stabil di sekeliling suatu nilai batas γ ( ∞ ) yang disebut nilai sill, yang merupakan
apriori variance dari variabel acak.
γ ( ∞ )= Var {Z(x)} = C(0)
Semivariogram yang dicirikan oleh nilai sill dan suatu range disebut model
transisi, dan mencerminkan suatu fungsi acak yang tidak hanya intrinsik tetapi
juga stationaritas orde ke dua.

3.3.5. Zone Pengaruh

Pada suatu fenomena transisi, setiap nilai data dalam fungsi acak Z(x) akan
terkorelasi dengan nilai data lainnya yang terletak pada radius a dari x. Radius a
ini disebut juga range, yang merupakan batas stationaritas semu dari endapan
yang homogen. Adanya korelasi seperti ini menyebabkan pengaruh suatu nilai
terhadap nilai lainnya yang menurun pada jarak ke dua titik yang semakin jauh.
Jadi range menghubungkan pada ide penalaran dari suatu zone pengaruh
variabel acak, yaitu di luar jarak │h│= a, variabel acak z(x) dan z(x+h)
selanjutnya tidak terkorelasi.

3.4. PERHITUNGAN VARIOGRAM

Veriogram dihitung dengan suatu rumus yang sederhana, yaitu perbedaan rata-
rata antara dua titik conto dengan jarak tertentu. Oleh karena itu perbedaan
tersebut kemungkinan berharga < 0 atau > 0, agar perbedaan rata-rata tersebut
selalu berharga > 0, maka perhitungan didasarkan pada perbedaan kuadrat.

Delfiner mendefinisikan bahwa perbedaan kuadrat tersebut diasumsikan sebagai

ekspektasi [Z(xi) – Z(xi+h)], sehingga definisi variogram menjadi :

2g(h) = Var [Z(xi) – Z(xi+h)]

Dimana : 2g(h) = variogram

Var = varians

Dari fungsi tersebut dapat didefinisikan semivariogram sebagai berikut :

 N

∑ [z(x ) − z(x )]
2
i i+h
γ (h ) = i =1

2N( h )

dimana : g(h) = (semi)variogram untuk arah tertentu dari jarak h

h = 1d, 2d, 3d, 4d (d = jarak antar conto)
z(xi) = harga (data) pada titik xi
z(xi+h) = data pada titik yang berjarak h dari xi
N(h) = jumlah pasangan data

Sebagai contoh data kadar emas (dalam ppm) di sepanjang urat dengan jarak
penganbilan conto (d) setiap 2 m :

harga 7 9 8 10 9 11 11 13 11 12 16 12 10 11 10 12 15 ppm
I__I__I___I__I___I___I___I___I___I___I___I___I___I___I___I___I
I I I I I I I I I I I I I I I I I
lokasi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

Nilai Variogramnya adalah:

g(2) =
(7 − 9 )2 + (9 − 8 )2 + (8 − 10 )2 + (10 − 9 )2 + ...... + (10 − 12 )2 + (12 − 15 )2 ppm
2

2 x16

= (4+1+4+1+4+0+4+4+1+16+16+4+1+1+4+9) / 2x16 = 74/32 = 2.31 ppm2

g(4) = (1+1+1+1+4+4+0+1+25+0+36+1+0+1+25) / 2x15 = 101/30 = 3.36 ppm2
g(6) = (9+0+9+1+16+0+1+9+1+4+25+4+4+16) / 2x14 = 99/28 = 3.54 ppm2
g(8) = (4+4+9+9+4+1+25+1+1+1+25+0+16) / 2x13 = 100/26 = 3.85 ppm2
g(10) = (16+4+25+1+9+25+1+9+0+4+16+9) / 2x12 = 119/24 = 4.96 ppm2
g(12) = (16+16+9+4+49+1+1+4+1+0+1) / 2x11 = 102/22 = 4.64 ppm2
g(14) = (25+4+16+25+9+1+0+9+1+9) / 2x10 = 99/20 = 4.95 ppm2
g(16) = (16+9+64+4+1+0+1+1+16) / 2x9 = 112/18 = 6.22 ppm2
g(18) = (25+49+16+0+4+1+1+4) / 2x8 = 100/16 = 6.25 ppm2
g(20) = (81+9+4+1+1+1+16) / 2x7 = 113/14 = 8.07 ppm2
g(22) = (25+1+9+0+9+16) / 2x6 = 60/12 = 5.00 ppm2
g(24) = (9+4+4+4+36) / 2x5 = 57/10 = 5.70 ppm2
 Gambar 3.1: Variogram eksperimental dan varians populasi
(garis mendatar, menunjukkan harga 5.25 ppm2)

Perhitungan di atas dilakukan pada pasangan conto yang harus tepat pada jarak
h dan tepat arah 0°, sedangkan pada prekteknya sering dijumpai pola
pengambilan conto yang tidak reguler, untuk itu perlu diberikan suatu toleransi
untuk kedua variabel tersebut, sehingga menurut David (1977) muncul istilah
angle classes ( θ ± α / 2 ) dan distance classes (h±∆h). Jadi semua titik conto
yang berada pada search area didefinisikan dengan angle classes ( θ ± α / 2 )
dan distance classes (h±∆h) akan dianggap sebagai titik-titik conto yang
berjarak h dari x0 pada arah termaksud (Gambar 3.2).
Gambar 3.2: Arah varioagram ( θ ), search area dengan angle of classes
( θ ± α / 2 ) dan distance classes (h±∆h) menurut David (1977)

Alogaritma perhitungan variogram adalah sebagai berikut :

a. Setiap titik conto mempunyai kesempatan untuk menjadi titik origin (xi).
Titik-titik lainnya dihitung dengan perbedaan kuadratnya [z(xi) - z(xi+h)]2.
Jarak antara titik origin (xi) dan titik lainnya (xi+h) harus berada pada
distance classes (h±∆h). Jika titik xi+h berada di luar daerah distance
classes dan angle classes, maka perbedaan kuadrat tidak dihitung.
Demikian perhitungan ini berulang-ulang di setiap titik xi+h.
b. Selanjutnya dengan prosedur pada butir 1 titik-titik lainnya juga diberi
kesempatan menjadi titik origin xi.
c. Untuk prosedur 1 dan 2 hitung jumlah pasangannya N(h) yang memenuhi
syarat di atas dan juga jumlahnya secara kumulatif semua perbedaan
kuadratnya S[z(xi) - z(xi+h)]2. Dengan rumus di atas, maka dapat dihitung
(semi)variogram untuk jarak pasangan h = id.
d. Variogram untuk jarak pasangan h selanjutnya (2d, 3d, 4d, .... dst)
lakukan kembali dengan prosedur 1 sampai dengan 3. Dengan demikian
akan didapati hasil perhitungan variogram untuk setiap jarak h.
e. Plot grafik variogram dengan sumbu X adalah h sedangkan sumbu Y nya
adalah harga variogram untuk jarak h yang bersangkutan.