Sumberdaya (resources) baik itu mineral dan batubara, menurut Standar Nasional
Indonesia (SNI) merupakan endapan yang diharapkan dapat dimanfaatkan secara
nyata. Estimasi sumberdaya adalah estimasi potensi dari endapan mineral bijih
yang terletak di permukan bumi untuk mengetahui apakah endapan tersebut layak
untuk dilanjutkan ke proses selanjutnya, yaitu perhitungan cadangan.
VALIDASI
PEMODELAN GEOLOGI
VARIOGRAM
Kriteria keyakinan geologi didasarkan pada tahap eksplorasi yang meliputi survei
tinjau, prospeksi, eksplorasi umum dan eksplorasi rinci. Kriteria kelayakan
tambang didasarkan pada factor – factor ekonomi, teknologi,
peraturan/perundang-undangan, lingkungan dan sosial.
Ada yang menyebutkan pula bahwa Cadangan (reserve) adalah endapan mineral
yang telah diketahui ukuran, bentuk, sebaran, kuantitas dan kualitasnya dan yang
secara ekonomis, teknis, hukum, lingkungan dan soisal dapat ditambang pada saat
perhitungan dilakukan.
1.4.2.1. Klasifikasi Cadangan Mineral
Klasifikasi Cadangan mineral ada dua yaitu :
1. Cadangan mineral terbukti (Probable minerals reserves)
Merupakan bagian dari sumber daya mineral terukur yang dapat ditambang
secara ekonomis, setelah terdapat kepastian terhadap faktor pengubah terkait
yang dipertimbangkan.
2. Cadangan mineral terkira. (Proved minerals reserves)
Merupakan bagian dari sumber daya mineral tertunjuk yang dapat ditambang
secara ekonomis setelah semua faktor pengubah yang relevan
dipertimbangkan. Cadangan mineral terkira juga bisa diartikan sebagai bagian
dari sumber daya mineral terukur yang dapat ditambang secara ekonomis,
namun hasil penilaian terhadap faktor pengubah menunjukkan bahwa terdapat
ketidakpastian pada salah satu atau lebih dari faktor pengubah tersebut.
Gambar 1.2
Metode Nearest Neighbour Point
1.5.1.2. Inverse Distance Weighted
Inverse Distance Weight merupakan salah satu metode interpolasi untuk menaksir
suatu nilai pada lokasi yang tidak tersampel berdasarkan data disekitarnya.
Metode ini sering digunakan dalam kegiatan eksplorasi karena dalam proses
perhitungannya lebih sederhana dan mudah dipahami. Dalam metode IDW, setiap
titik data dikaitkan dengan bobot yang ditentukan berdasarkan jaraknya dari titik
yang akan diestimasi. Bobot kemudian digunakan untuk menghitung nilai yang
akan diestimasi pada titik tersebut.
dimana,
si,si : lokasi untuk estimasi dan salah satu lokasi dari data yang berdekatan,
dinyatakan dengan i
m(s) : nilai ekspektasi dari Z(s)
m(si) : nilai ekspektasi dari Z(si)
λi : faktor bobot
n : banyaknya data sampel yang digunakan untuk estimasi.
Z (s) diperlakukan sebagai bidang acak dengan suatu komponen trend,
m(s) dan komponen sisa atau error e(s) = (Z)(s)-m(s). Estimasi kriging
yang bersifat sisa pada s sebagai penjumlahan berbobot dari sisa data
disekitarnya. Nilai λi diperoleh dari kovariansi atau semivariogram, dengan
diperlukan komponen karakteristik sisa (Bohling, 2005).
σ2=var [Ẑ(s)-(Z)(s)]
Tiga pokok dalam estimasi kriging yang bergantung pada model dengan
sifat acak yaitu simple kriging, ordinary kriging, dan universal kriging
(Bohling, 2005; Goovaerts, 1998).
1. Simple Kriging (SK)
Simple kriging merupakan metode kriging dengan asumsi bahwa rata-rata
(mean) dari populasi telah diketahui dan bernilai konstan. Pengolahan dari
metode simple kriging adalah dengan cara data spasial yang akan diduga
dipartisi menjadi beberapa bagian.
2. Ordinary Kriging (OK)
Ordinary kriging merupakan metode yang diasumsikan rata-rata (mean) dari
populasi tidak diketahui, dan pada data spasial tersebut tidak mengandung
trend. Selain tidak mengandung trend, data yang digunakan juga tidak
mengandung pencilan.
3. Universal Kriging (UK)
Universal kriging merupakan metode kriging yang dapat diaplikasikan pada
data spasial yang mengandung trend atau data yang tidak stasioner.
Dalam pemodelan geologi secara komputer memerlukan basis data assay maupun
yang bersih, sehingga dalam pemodelan geologi dan topografi perlu dilakukan
pengecekan yang berulang. Hasil dari pemodelan geologi dapat digunakan untuk
langkah, yaitu:
a. Analisis awal, berisi data geologi pada daerah penelitian.
b. Interpretasi data
c. Pemodelan struktur yang menggambarkan batas batuan.
Data yang dibuthkan dalam pemodelan geologi :
Terdapat beberapa data yang dibutuhkan dalam pemodelan geologi, yaitu
1. Data Topografi
Data ini berguna untuk mengetahui level dari bahan galian yang akan
dimodelkan serta kondisi medan yang akan dilalui jika penambangan
dilakukan
2. Data Geologi
Data geologi berguna untuk mengetahui keadaan geologi seperti struktur
geologi, tipe batuan, kekuatan batuan dan lain sebagainya
3. Data Logbor
Data logbor digunakan sebagai data tambahan untuk korelasi data litologi
4. Data Assay
Data assay yang berisi informasi mengenai kadar pada tiap-tiap interval
kedalaman tertentu sesuai dengan analisis kadar yang dilakukan.
5. Data eksplorasi rinci
Data pemetaan
Data pemboran (litologi)
Data survey topografi
Data hasil analisis laboratorium (Uji Kualitas)
6. Data survey tambang (untuk batubara)
Data thickness atau pinchout
Data survey roof
Data survey floor
2. Buat new project dengan cara klik project pilih new , masukkan nama dan
7. Lakukan analisis statistik dengan cara klik stats, pilih histogram kemudian
lakukan analisis data assay keseluruhan, pilih data field nikel (Ni), untuk
graph limits pada minimum dan maximum klik calculate.
10. Selanjutnya membuat data base dengan klik drillhole > new > new drillhole
database, masukkan data collar kemudian memasukkan interval field data
assay, limonit, saprolit, komposit saprolit dan limonit serta data geologinya.
12. Pada hole name centang show hole name, pada top label pilih location >
centre, pada depth centang show hole depth, pada collar pilih hole di colour
field dan symbol field , untuk symbol set kita sesuaikan dengan yang
diinginkan, dan pada downhole, pierce points, dan performance dapat
dikosongkan (opsional) kemudian klik ok. Akan diperoleh hasil titik bor.
17. Selanjutnya
klik interactive new
DTM , kemudian
untuk output
wireframe kita pilih DTM
dan isi nama
kemudian klik ok. Lakukan hal yang sama untuk membuat wireframe pada
bottom limonit dan saprolit
kriging, sebelum itu membuat semi variogram terlebih dahulu, dengan klik
variograms pada tab menu stats dan pada input data masukkan file komposit
limonit dan isi data fields.
21. Pada semi variogram directions isi azimuth angle per kelipatan 5, tolerance
22.5, plunge dan lain-nya.
22. Lakukan pada 3 arah yang berbeda pada semi variogram directions.
23. Setelah membuat variograms kemudian klik search ellipsoid, buat baru data
search pada search definition pilih ellipsoidal dan isi parameter, kemudian
pada ellipsoid properties pilih geostatistical.
25. Pada bagian output centang semua kolom kecuali pada kolom write sectors
dan selanjutnya klik run
26. Lakukan run yang ke-dua kali agar diperoleh data yang terisi lengkap
31. Untuk memperoleh kriging standard deviasi gunakan rumus akar dari kriging
varians dan untuk memperoleh nilai RKSD gunakan rumus 1.96 x
(KR_STDEV/kadar Ni).
33. Tahap selanjutnya klik histogram kembali dan input data dari data ordinary
kriging dan IDW yang telah dibuat.
35. Pada micromine tambahkan klasifikasi pada modify structure dan copy and
paste klasifikasi pada micromine.
Hasil IDW
1.10. Pembahasan
1.11. Kesimpulan
1.12. Hasil Akhir Estimasi Sumberdaya Mineral