PRAKTIKUM GEOSTATISTIK
DIAJUKAN OLEH :
GARY PURBAYA
R1D121041
Segala puji bagi Allah SWT yang telah memberikan rahmat dan karunia
kepada penulis, sehingga penulis dapat menyelesaikan laporan lengkap mata
kuliah Geostatistik yang berjudul “Laporan Lengkap Praktikum Geologi Struktur”
dengan baik. Shalawat serta salam tercurah kepada nabi besar Rasulullah SAW
mengantarkan manusia dari zaman kebodohan ke jalan yang terang - benderang
seperti saat ini. Penyusunan laporan ini untuk memenuhi syarat melulusi mata
kuliah Geostatistik.
Penulis menyadari bahwa laporan ini masih jauh dari sempurna karena
terbatasnya pengalaman dan pengetahuan yang dimiliki penulis. Oleh karena itu,
penulis mengharapkan segala bentuk saran serta masukan dan kritik yang
membangun dari berbagai pihak. Semoga laporan ini dapat bermanfaat bagi para
pembaca dan semua pihak khususnya dalam bidang pertambangan.
Penulis,
ii
Halaman Pengesahan
Laporan Lengkap
Praktikum Geostatistik
Diajukan Oleh :
Gary Purbaya
R1D119053
iii
ii
DAFTAR ISI
KATA PENGANTAR ii
HALAMAN PERSETUJUAN iii
DAFTAR ISI iv
DAFTAR GAMBAR vi
DAFTAR TABEL ix
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 13
BAB III 14
iii
METODE STUDI PRAKTIKUM 21
3.1 Waktu dan Lokasi Studi Praktikum 21
3.2 Jenis Studi Praktikum 21
3.3 Bahan atau Materi Studi Praktikum 21
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 30
4.1.1 Pembuatan Database 31
4.1.2 Geological Modeling 33
4.2 Analisis Statistik Dasar 35
4.2.1 Analisis Statistik Dasar Zona Limonit 36
4.2.2 Analisis Statistik Dasar Zona Saprolit 37
4.2.3 Analisis Statistik Dasar Zona Bedrock 39
4.3 Analisis Geostatistik 41
4.2.3 Analisis Geostatistik Zona Limonit 41
4.2.3 Analisis Geostatistik Zona Saprolit 44
4.2.3 Analisis Geostatistik Zona Bedrock 47
4.4 Estimasi Sumberdaya 50
4.4.1 Estimasi Sumberdaya Menggunakan Metode
Inverse Distance Weight (IDW) 50
4.4.2 Estimasi Sumberdaya Menggunakan Metode
Nearest Neighbor Point (NNP) 54
4.4.3 Estimasi Sumberdaya Menggunakan Metode
Ordinary Kriging (OK) 57
4.5 Penentuan Nilai Eror Dengan Menggunakan RMSE 60
4.6 Estimasi Cadangan 62
BAB V 65
PENUTUP 65
5.1 Kesimpulan 65
iv
5.2 Saran 65
DAFTAR PUSTAKA 66
DAFTAR GAMBAR
v
Gambar 4. 21 Major Axis Zona Saprolit 45
Gambar 4. 22 Semi-Major Axis Zona Saprolit 46
Gambar 4. 23 Minor Axis Zona Saprolit 46
Gambar 4. 24 Primary Variogram map zona bedrock 47
Gambar 4. 25 Secondary Variogram map zona bedrock 48
Gambar 4. 26 Major Axis Zona Bedrock 48
Gambar 4. 27 Semi-Major Axis Zona Saprolit 49
Gambar 4. 28 Minor Axis Zona Saprolit 49
Gambar 4. 29 Sebaran Kadar Ni Pada Zona Limonit Metode IDW 51
Gambar 4. 30 Sebaran Kadar Ni Pada Zona Limonit Metode IDW 51
Gambar 4. 31 Sebaran Kadar Ni Pada Zona Saprolit Metode IDW 52
Gambar 4. 32 Sebaran Kadar Fe Pada Zona Saprolit Metode IDW 52
Gambar 4. 33 Sebaran Kadar Ni Pada Zona Bedrock Metode IDW 53
Gambar 4. 34 Sebaran Kadar Fe Pada Zona Bedrock Metode IDW 53
Gambar 4. 35 Sebaran Kadar Ni Pada Zona Limonit Metode NNP 54
Gambar 4. 36 Sebaran Kadar Fe Pada Zona Limonit Metode NNP 54
Gambar 4. 37 Sebaran Kadar Ni Pada Zona Saprolit Metode NNP 55
Gambar 4. 38 Sebaran Kadar Fe Pada Zona Saprolit Metode NNP 55
Gambar 4. 39 Sebaran Kadar Ni Pada Zona Bedrock Metode NNP 56
Gambar 4. 40 Sebaran Kadar Fe Pada Zona Bedrock Metode NNP 56
Gambar 4. 41 Sebaran Kadar Ni Pada Zona Limonit Metode OK 57
Gambar 4. 42 Sebaran Kadar Fe Pada Zona Limonit Metode OK 57
Gambar 4. 43 Sebaran Kadar Ni Pada Zona Saprolit Metode OK 58
Gambar 4. 44 Sebaran Kadar Fe Pada Zona Saprolit Metode OK 58
Gambar 4. 45 Sebaran Kadar Ni Pada Zona Bedrock Metode OK 59
Gambar 4. 46 Sebaran Kadar Fe Pada Zona Bedrock Metode OK 59
Gambar 4. 47 Kurva Data Testing Estimasi Metode IDW 60
Gambar 4. 48 Kurva Data Testing Estimasi Metode NNP 61
Gambar 4. 49 Kurva Data Testing Estimasi Metode OK 61
Gambar 4. 50 Sebaran cadangan Metode IDW 62
Gambar 4. 51 Sebaran cadangan Metode NNP 63
vi
Gambar 4. 52 Sebaran cadangan Metode OK 63
vii
DAFTAR TABEL
viii
BAB I
PENDAHULUAN
1
1.2 Batasan Masalah
Nikel laterit terbentuk dari pelapukan batuan ultrabasa oleh air tanah,
mengalami proses pengkayaan di zona supergen. Ketebalan dan kadar endapan di
tiap-tiap titik studi ternyata tidak sama (bervariasi), diketahui dari hasil
pengeboran. Dengan demikian diperlukan uji metode untuk mengetahui metode
manakah yang lebih mendekati dalam proses pemodelan dan perhitungan
cadangannya. Studi ini dilakukan untuk mendapatkan metode yang memiliki
ketelitian yang lebih baik berdasarkan perbandingan beberapa metode
perhitungan. Dalam studi ini, metode yang digunakan dibatasi hanya tiga metode
yaitu : Nearest Neighbourhood Point (NNP), Inverse Distance Weight (IDW) dan
Ordinary Kriging (OK).
2
BAB II
TINJAUAN PUSTAKA
3
semakin tipis, sebaliknya semakin rendah tingkat persen kelerengan maka
semakin tebal tingkat ketebalan lateritnya. Hal ini dikarenakan pada daerah yang
datar atau landai maka akan mengakibatkan air yang berada di atas permukaan
akan bergerak perlahan – lahan sehingga akan mempunyai kesempatan penetrasi
lebih dalam hingga ke bawah permukaan. Pada daerah yang tingkat
kelerangannya besar secara teoritis jumlah air yang meluncur akan lebih banyak
dibandingkan jumlah air yang meresap sehingga dapat menyebabkan pelapukan
yang kurang intensif. (Hasria dkk., 2019)
Profil endapan nikel laterit terbagi atas 3 yaitu :
4
pelapukan tersebut
5
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.
6
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.
7
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.
9
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.
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:
∑Xi (1)
X̄ = 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:
∑Xi− X̄ (2)
S2 = 𝑛−1
Keterangan:
10
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:
𝑆
CV =
X̄ (4)
Keterangan:
CV : Coefficient of
variation
S = Simpangan baku
X̄ = Rata-rata
11
Tabel 2 1 Tabel Dasar Pemilihan Metode Estimasi
Geometri Rumit
Deskripsi Endapan yang Endapan yang memiliki
Endapan dengan
Endapan memiliki lipatan lipatan dan patahan yang
varians tinggi,
dan patahan sangat tidak beraturan
memiliki bentuk ore
yang sangat serta dikontrol dengan
yang rumit.
tidak beraturan mineralisasi.
Contoh · Talc · Tungsten skarns · Archean gold
Endapan deposits
· Gypsum (folding/faulting) · Roll-front
(terdeformasi) uranium
· Base metal skarns
(erratic shape)
· Copper porphyry
combined with
local
skarns or replacement.
Metode Metode cross- Metode cross- sectional Estimasi sangat
Estimasi sectional dengan dengan inputan rinci sulit. Ukuran, bentuk
mendeskripsikan untuk menggambarkan dan grade tidak bisa
secara detail struktur geologi dan diprediksi Metode
struktur geologi zona bijih. Metode cross- sectional,
geostatistika mungkin area- outliine,
tepat tapi sulit indikator kriging
diimplementasikan berlaku. Kesalahan
dengan geometris secara 50% sampai 100%
kompleks. tidak biasa.
13
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.
14
BAB III
METODE STUDI PRAKTIKUM
15
22
23
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 6.6.2. 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.
25
regresi linear tersebut. Setelah itu digunakan persamaan (5), untuk mencari nilai
prediksi dari variabel dependennya dan persamaan (8) untuk mencari RMSE dari
tiap metode estimasi. Kemudian melihat data yang errornya paling kecil dari
metode IDW, NNP dan OK untuk menjadi data hasil estimasi sumberdaya dan
cadangan.
26
3.6 Diagram Alir Penelitian Studi Praktikum
Adapun diagram alir pada penelitian sebagai berikut:
Mulai
Studi Literatur
Pengumpulan Data
A
Data Sekunder
1) Data spreed shet logging bor
2) Data topografi lokasi studi
3) Data citra satelit lokasi studi
4) Nilai densitas lokasi studi
5) Nilai COG lokasi studi
Pengolahan Data
1. Pemrosesan Data Topografi
2. Membuat Database Geology
3. Membuat Geological Modelling
4. Membuat Komposite Data berdasarkan Persaman (5)
5. Melakukan Analisis Statistik Dasar dan Analisis Geostatistik
6. Membuatan Blok Model disertai constraint dan attribute-nya
7. Estimasi menggunakan metode Inverse Distance Weight (IDW),
Nearest Neighbour Point (NNP) dan Ordinary Kriging (OK) dengan
bantuan software Surpac 6.6.2
8. Melakukan Cross Validation dan Regresi linier menggunakan
persamaann (9) dan (10)
9. Mencari nilai prediksi dengan persamaan (11) dan mencari RMSE
menggunakan persamaan (12)
27
A
Analisis
Mengestimasi seumberdaya dan cadangan dari logging bor
dengan menggunakan metode Inverse Distance Weight
(IDW), Nearest Neighbour Point (NNP) dan Ordinary
Kriging (OK) dengan bantuan software surpac 6.6.2
kemudian menentukan nilai error dari setiap metode estimasi
Hasil
Bentuk sebaran dan jumlah sumberdaya dan
cadangan metode Inverse Distance Weight (IDW),
Nearest Neighbour Point (NNP) dan Ordinary
Kriging (OK)
Selesai
28
BAB IV
HASIL DAN PEMBAHASAN
Dari data citra satelit daerah sekitar titik bor sebagian wilayah dalam
keadaan virgin dan sebagian wilayah sudah dalam keadaan terbuka. Wilayah
dalam keadaan telah terbuka menunjukan bahwa daerah titik bor terindikasi
prospek untuk dilaksanakan proses penambangan. Maka dari itu perlu dilakukan
proses estimasi sumberdaya dan cadangan.
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
30
4.1.1 Pembuatan Database
Data assay adalah data yang menggambarkan atau menampilkan data
kandungan unsur pada sebuah logging bor. Data ini berisikan identitas lubang bor
atau yang biasanya disebut sebagai hole id, identitas sampel atau sample id,
kedalaman awal, kedalaman akhir dan juga kadar – kadar unsur ni dan fe
Tabel 4.1 Data Assay
Data collar adalah data yang menampilkan atau menggambarkan letak dan
kedalaman dari suatu logging bor. Data ini berisikan identitas lubang bor atau
hole id, letak dari logging bor atau koordinat titik bor ( x, y, z atau elevasi) serta
kedalaman dari logging bor tersebut
Tabel 4 2 Data Collar
31
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
32
Dari hasil analisis struktur, litologi dan morfologi sehingga lokasi studi memiliki
pengkayaan nikel yang sangat baik. Sehingga dengan jarak antar titik bor 25 meter
dapat dikategorikan menjadi cadangan.
33
dilakukan pemodelan dan analisis bentuk geometri sebaran endapan nikel laterit
pada lokasi studi menggunakan software surpac v.6.6.2 sehingga didapatkan total
volume sebesar 446.768 m3 dengan jumlah volume untuk lapisan limonit sebesar
20.747 m3, luas bukaan 45.932m2. Sedangkan jumlah volume untuk lapisan
saprolit (ore) adalah 295.932 m3 luas bukaan 45.932 m2. Model 3D sebaran
endapan nikel laterit pada lokasi studi dapat dilihat pada gambar dibawah ini.
34
Gambar 4. 6 Solid Model Zona Bedrock
35
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
36
Dari analisis terhadap 122 data komposit kadar Ni zona Limonit,
didapatkan beberapa parameter statistic dari kadar Ni limonit. Rata-rata kadar Ni
limonit adalah sebesar 1,01% dan median sebesar 0,95%. Sebaran data kadar Ni
limonit cenderung normal namun dengan skewness positif sebesar 0,67. Varians
data terhitung sebesar 0,03 dan Koefisien variansi dengan nilai sebesar 0,19. Dari
analisis terhadap 122 data komposit kadar Fe zona Limonit, didapatkan beberapa
parameter statistic dari kadar Fe limonit. Rata-rata kadar Fe limonit adalah sebesar
38,18% dan median sebesar 39,38%. Sebaran data kadar Fe limonit cenderung
normal namun dengan skewness negatif sebesar -4,12. Varians data terhitung
sebesar 25,51 dan Koefisien variansi dengan nilai sebesar 0,13. Hasil analisis
statistik dasar terhadap kadar Ni dan Fe zona limonit dapat dilihat pada tabel
berikut.
Tabel 4.5 Hasil Analisis Statistik Dasar Kadar Ni dan Fe Zona Limonit
Variabel Ni Fe
Number of samples 122 122
Minimum value 0.38 5.93
Maximum value 1.72 43.71
Mean 1.01 38.18
Median 0.95 39.38
Geometric Mean 0.98 37.48
Variance 0.03 25.51
Standard Deviation 0.19 5.05
Coefficient of variation 0.19 0.13
Skewness 0.67 -4.12
Kurtosis 4.27 25.21
37
Gambar 4. 10 Histogram Kadar Ni Saprolit
38
Tabel 4.6 Hasil Analisis Statistik Dasar Kadar Ni dan Fe Zona Saprolit
Variabel Ni Fe
Number of samples 483 483
Minimum value 0.29 6.76
Maximum value 2.84 41.9
Mean 1.34 19.70
Median 1.31 18.65
Geometric Mean 1.25 18.42
Variance 0.21 49.03
Standard Deviation 0.46 7.00
Coefficient of variation 0.34 0.35
Skewness 0.35 0.48
Kurtosis 3.04 2.91
39
Gambar 4. 13 Histogram Kadar Fe Bedrock
Dari analisis terhadap 214 data komposit kadar Ni zona bedrock,
didapatkan beberapa parameter statistic dari kadar Ni bedrock. Rata-rata kadar Ni
bedrock adalah sebesar 0,45% dan median sebesar 0,36%. Sebaran data kadar Ni
limonit cenderung normal namun dengan skewness positif sebesar 2,11. Varians
data terhitung sebesar 0,05 dan Koefisien variansi dengan nilai sebesar 0,54. Dari
analisis terhadap 214 data komposit kadar Fe zona bedrock, didapatkan beberapa
parameter statistic dari kadar Fe bedrock. Rata-rata kadar Fe bedrock adalah
sebesar 7,74% dan median sebesar 7,020%. Sebaran data kadar Fe bedrock
cenderung normal dengan skewness positif sebesar 3,70. Varians data terhitung
sebesar 6,11 dan Koefisien variansi dengan nilai sebesar 0,31. Hasil analisis
statistik dasar terhadap kadar Ni dan Fe zona bedrock dapat dilihat pada tabel
berikut.
Tabel 4.7 Hasil Analisis Statistik Dasar Kadar Ni dan Fe Zona Bedrock
Variabel Ni Fe
Number of samples 214 214
Minimum value 0.21 5.85
Maximum value 1.69 23.46
Mean 0.45 7.74
Median 0.36 7.020
Geometric Mean 0.40 7.49
Variance 0.05 6.11
Standard Deviation 0.24 2.47
Coefficient of variation 0.54 0.31
Skewness 2.11 3.70
Kurtosis 8.76 19.58
40
4.3 Analisis Geostatistik
41
Gambar 4. 15 Secondary Variogram map zona limonit
Untuk parameter anisotropy ellipsoid dapat dilihat pada gambar berikut
42
Gambar 4. 17 Semi-Major Axis Zona Limonit
43
Tabel 4.8 Nilai Parameter Hasil Analisis Geostatistik Zona Limonit
Angles Of Rotation Of Th Major Axis Nilai
Bearing 22.15
Dip Angle 0.46
Titl Angle 21.99
Anisotropy Factors Nilai
Semi-Major Axis 1
Minor Axis 1
Other Interpolation Parameters Nilai
Max Search Distance Of Major Axis 30,6
Max Vertical Search Distance 1
Max Number Of Samples Used Per Block 25
Min Number Of Samples Used Per Block 3
44
Gambar 4. 20 Secondary Variogram map zona saprolit
Untuk parameter anisotropy ellipsoid dapat dilihat pada gambar berikut.
45
Gambar 4. 22 Semi-Major Axis Zona Saprolit
46
Tabel 4.9 Nilai Parameter Hasil Analisis Geostatistik Zona Saprolit
Angles Of Rotation Of Th Major Axis Nilai
Bearing 337.40
Dip Angle -0.40
Titl Angle 67.73
Anisotropy Factors Nilai
Semi-Major Axis 1
Minor Axis 1
Other Interpolation Parameters Nilai
Max Search Distance Of Major Axis 32,6
Max Vertical Search Distance 1
Max Number Of Samples Used Per Block 25
Min Number Of Samples Used Per Block 3
47
Gambar 4. 25 Secondary Variogram map zona bedrock
Untuk parameter anisotropy ellipsoid dapat dilihat pada gambar berikut
48
Gambar 4. 27 Semi-Major Axis Zona Saprolit
49
Tabel 4.10 Nilai Parameter Hasil Analisis Geostatistik Zona Bedrock
Angles Of Rotation Of Th Major Axis Nilai
Bearing 338.10
Dip Angle -0.73
Titl Angle 23.46
Anisotropy Factors Nilai
Semi-Major Axis 1
Minor Axis 1
Other Interpolation Parameters Nilai
Max Search Distance Of Major Axis 32,6
Max Vertical Search Distance 1
Max Number Of Samples Used Per Block 25
Min Number Of Samples Used Per Block 3
50
Range Kadar Ni (%)
0,00 -> 0,50
0,51 -> 1,00
1,01 -> 1,50
1,51 -> 2,00
>2,0
51
Hasil estimasi untuk zona saprolit dapat dilihat pada gambar berikut.
52
Hasil estimasi untuk zona bedrock dapat dilihat pada gambar berikut.
53
4.4.2 Estimasi Sumberdaya Menggunakan Metode Nearest Neighbor Point
(NNP)
Penaksiran kadar bijih nikel pada setiap zona litologi terhadap blok model
yang dibuat menggunakan metode nearest neighbor point memiliki keberagaman
kadar setelah dilakukan estimasi. Hasil estimasi untuk zona limonit dapat dilihat
pada gambar berikut.
54
Hasil estimasi untuk zona saprolit dapat dilihat pada gambar berikut.
55
Hasil estimasi untuk zona bedrock dapat dilihat pada gambar berikut.
56
4.4.3 Estimasi Sumberdaya Menggunakan Metode Ordinary Kriging (OK)
Penaksiran kadar bijih nikel pada setiap zona litologi terhadap blok model
yang dibuat menggunakan metode ordinary kriging memiliki keberagaman kadar
setelah dilakukan estimasi. Hasil estimasi untuk zona limonit dapat dilihat pada
gambar berikut.
57
Hasil estimasi untuk zona saprolit dapat dilihat pada gambar berikut.
58
Hasil estimasi untuk zona bedrock dapat dilihat pada gambar berikut.
59
Perbandingan hasil estimasi sumberdaya menggunakan metode inverse distance
weight, nearest neighbor point dan ordinary kriging dapat dilihat pada tabel
berikut.
Tabel 4.14 Perbandingan Hasil Estimasi Sumberdaya Metode IDW, NNP & OK
2
Estimasi Ni IDW
1.5
0.5
0
0 0.5 1 1.5 2 2.5
Komposite Ni
y = 0.8127x - 0.038
R² = 0.4002
Data Testing Linear (Data Testing)
60
Dari kurva tersebut dapat diketahui bahwa nilai variabel a untuk metode
IDW adalah 0,038 dan juga nilai variabel b yaitu 0,813 sehingga untuk mencari
nilai prediksi dari variabel terikat dengan menggunakan regresi linier adalah y =
0,813x
+ 0,038
2
1.5
1
0.5
0
0 0.5 1 1.5 2 2.5
Komposite Ni
y = 0.9372x + 0.0662
R² = 0.8155 Data Testing Linear (Data Testing)
2
Estimasi Ni OK
1.5
0.5
0
0 0.5 1 1.5 2 2.5
Komposite Ni
y = 0.7671x + 0.0113
R² = 0.3725 Data Testing Linear (Data Testing)
61
Kemudian pada metode OK nilai variabel a adalah 0,0113 dan b adalah
0,7671, sehingga rumus unuk mencari nilai prediksi dengan regresi linier adalah y
= 0,0113x + 0,77
Selisih dari data testing dengan regresi linier adalah error dari tiap data,
dapat diketahui nilai error tiap estimasi. Nilai regresi linear dan RMSE hasil
estimasi dengan menggunakan Metode IDW, NNP dan OK dapat dilihat pada tael
berikut :
Hasil estimasi cadangan dengan cut off grade sebesar 1,2 % Ni dengan metode
Nearest Neighbor Point (NNP)
62
Range Kadar Ni (%)
0,00 -> 0,50
0,51 -> 1,00
1,01 -> 1,50
1,51 -> 2,00
>2,0
63
Tabel 4.16 Perbandingan Hasil Estimasi Cadangan Metode IDW, NNP & OK
Hasil Estimasi
Total Total
Metode Litologi Kadar Kadar
Volume Tonase Volume Tonase
Ni (%) Fe (%)
Limonit 3,875.00 6,006.25 1.27 39.17
IDW Saprolit 168,125.00 269,000.00 1.51 21.09 172,000.00 275,006.25
Bedrock - - - -
Limonit 11,425.00 17,708.75 0.65 20.52
NNP Saprolit 180,700.00 289,120.00 1.3 18.09 192,125.00 306,828.75
Bedrock - - - -
Limonit 3,725.00 5,773.75 1.26 39.23
OK Saprolit 172,775.00 276,440.00 1.48 21.06 176,500.00 282,213.75
Bedrock - - - -
64
BAB V
PENUTUP
5.1 Kesimpulan
5.2 Saran
Saran yang dapat disampaikan penulis adalah agar dapat dilakukan
perhitungan dengan menggunakan metode yang lain atau membandingkan metode
IDW dengan metode estimasi yang lainnya
65
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
Frank, B., Michael, H., Dean, O., Dmitry, P., Denis, S., & Serik, U. (2014).
Micromine Training Block Modelling (B. Frank (ed.)).
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.
Hasria, Anshari, E., & Rezky, T. B. (2019). Pengaruh Batuan Dasar dan
Geomorfologi Terhadap Laterisasi dan Penyebaran Kadar Ni dan Fe Pada
Endapan Nikel laterit PT . Tambang Bumi Sulawesi , Desa Pongkalaero ,
Kabupaten Bombana , Sulawesi Tenggara. Jurnal Geografi Aplikasi Dan
Teknologi, 3(1), 47–58.
Hernandi, D., Rosana, M. F., & Haryanto, A. D. (2017). Domain Geologi Sebagai
Dasar Pemodelan Estimasi Sumberdaya Nikel Laterit Perbukitan Zahwah,
Sorowako, Kabupaten Luwu Timur, Provinsi Sulawesi Selatan. Bulletin of
Scientific Contribution, 15(2), 111–122.
https://www.researchgate.net/profile/Mega_Rosana/publication/325168959_
DOMAIN_GEOLOGI_SEBAGAI_DASAR_PEMODELAN_ESTIMASI_S
UMBERDAYA_NIKEL_LATERIT_PERBUKITAN_ZAHWAH_SOROW
AKO_KABUPATEN_LUWU_TIMUR_PROVINSI_SULAWESI_SELAT
AN/links/5afbc1b2458515c00b6e5c2d/DOMAIN
Lintjewas, L., Setiawan, I., & Kausar, A. Al. (2019). Profil Endapan Nikel Laterit
di Daerah Palangga, Provinsi Sulawesi Tenggara. RISET Geologi Dan
Pertambangan, 29(1), 91.
https://doi.org/10.14203/risetgeotam2019.v29.970
Respatti, E., Goejantoro, R., Wahyuningsih, S., Program, M., Statistika, S.,
Program, S. P., & Unmul, F. (2014). Perbandingan Metode Ordinary
Kriging dan Inverse Distance Weighted untuk Estimasi Elevasi Pada Data
Topografi (Studi Kasus: Topografi Wilayah FMIPA Universitas
Mulawarman) Comparison of Ordinary Kriging and Inverse Distance
Weighted Methods for Estimation. Jurnal EKSPONENSIAL, 5(2), 163–170.
Rinawan, F., Nugroho, H., & Wibawa, R. (2014). Pemodelan Tiga Dimensi (3D)
Potensi Laterit Nikel Studi Kasus: Pulau Pakal, Halmahera Timur, Maluku
Utara. Jurnal Itenas Rekayasa, 18(1), 218860.
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.
49