Galaxy, Shaffer

ESTIMASI VOLUME BAUKSIT DENGAN MENGGUNAKAN
METODE ORDINARY KRIGING PADA PT ANTAM

UNIT BISNIS PERTAMBANGAN BAUKSIT
KALIMANTAN BARAT SITE TAYAN
Nouval Omar Batistuta

H1071191036
SKRIPSI
PROGRAM STUDI GEOFISIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
ALAM UNIVERSITAS TANJUNGPURA
PONTIANAK
2023
Tanggung Jawab Yuridis Material Pada

H1071191036
Disetujui Oleh,
Pembimbing 1 Pembimbing 2
Zulfian, S.Si., M.Si. Radhitya Perdhana, S.Si., M.Sc.

NIP 198812142020121005 NIP 198911142019031011
Disahkan Oleh
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Tanjungpura
Dr. Gusrizal, S.Si., M.Si.

NIP 197910252005011002
ii
DAPERTEMEN PENDIDIKAN NASIONAL
UNIVERSITAS TANJUNGPURA
FAKULATAS MATEMATIKA DAN ILMU PENGETAHUAN
ALAM
PONTIANAK
TIM PENGUJI SKRIPSI

NAMA / NIP TIM GOLONGAN / TANDA
PENGUJI JABATAN TANGAN
Zulfian, S.Si., M.Si.
NIP 198812142020121005 Ketua III B/ Asisten Ahli
Radhitya Perdhana, S.Si.,
M.Sc. Sekretaris III B/ Tenaga
NIP 198911142019031011 Pengajar
Muliadi, S.Si., M.Si.
NIP 197005101999031003 Anggota III C/ Lektor
Yuris Sutanto, S.Si., M.Sc.
NIP 199008272022031008 Anggota III B/ Tenaga
Pengajar
Berdasarkan Surat Keputusan Dekan Fakultas Matematika dan Ilmu

Pengetahuan Alam Universitas Tanjungpura Pontianak
Nomor :
Tanggal :
Tanggal Lulus : .. ..... 2023
iii
Abstrak
Provinsi Kalimantan Barat merupakan wilayah penghasil bauksit terbesar di

Indonesia. Salah satu perusahan tambang bauksit yang ada di Kalimantan Barat
adalah PT Antam Unit Bisnis Pertambangan Bauksit Kalimantan Barat. Dalam
penambangan bauksit, perhitungan sumberdaya merupakan suatu langkah yang
penting untuk menilai cadangan mineral bauksit pada suatu wilayah penambangan,
salah satu metode yang dapat digunakan untuk mengestimasi volume bauksit adalah
metode kriging. Penelitian ini menggunakan metode ordinary kriging berdasarkan
data Test pit sebanyak 829 data. Pengolahan data dilakukan dengan menggunakan
perangkat lunak Saga GIS dan Qgis. Dalam melakukan interpolasi ordinary
kriging, model yang digunakan adalah semivariogram exponential dengan nilai
nugget sebesar 1.25, nilai sill sebesar 3.28 dan nilai range sebesar 447.5. Hasil
volume bauksit yang didapatkan adalah sebesar 2,242,097.02 m3 dengan tonase
sebanyak 4.461.773 ton.
Kata kunci : Bauksit, Ordinary Kriging, Estimasi Volume
iv
Abstract
West Kalimantan Province is the largest bauxite-producing region in Indonesia.
One of the bauxite mining companies in West Kalimantan is PT Antam West
Kalimantan Bauxite Mining Business Unit. In bauxite mining, resource calculation
is an important step to assess bauxite mineral reserves in a mining area, one method
that can be used to estimate bauxite volume is the kriging method. This study uses
the ordinary kriging method based on 829 test put data. Data processing was
carried out using Saga GIS and Qgis software. In performing ordinary kriging
interpolation, the model used is an exponential semivariogram with a nugget value
of 1.25, a sill value of 3.28, and a range value of 447.5. The resulting bauxite
volume is 2,242,097.02 m3 with a tonnage of 4,461,773 tonnes.
Keywords: Bauxite, Ordinary Kriging, Estimate Volume
v
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Allah SWT karena atas Rahmat
dan Karunia-Nya penulias dapat menyelesaikan penelitian dan penulisan skripsi
yang berjudul “ESTIMASI VOLUME BAUKSIT DENGAN MENGGUNAKAN
METODE ORDINARY KRIGING PADA PT ANTAM UNIT BISNIS
PERTAMBANGAN BAUSKIT KALIMANTAN BARAT SITE TAYAN ” ini
dapat terselesaikan dengan baik. Adapun Penulisan skripsi ini bertujuan untuk
memenuhi salah satu syarat memperoleh gelar Sarjana sains (S.Si) bagi mahasiswa
strata satu (S1) di program studi Geofisika Fakultas Matematikan dan Ilmu
Pengetahuan Alam Universitas Tanjungpura. Penulis menyadari bahwa skirpsi ini
masih jauh dari kata sempurna, sehingga besar harapan dari penulis untuk
mendapatkan kritik dan saran yang bersifat membangun dalam memperbaiki segala
bentuk kekurangannya.
Dalam penyusunan skripsi ini tidak terlepas dari bantuan, bimbingan serta
dukungan dari berbagai pihak. Oleh karena itu dalam kesempatan ini penulis
dengan senang hati menyampaikan banyak terima kasih kepada:
Teristimewa kepada kedua orang tua penulis, yakni Bapak Lilik Prasetya Budi,
S.Si., M.Se. dan Ibu Mukayati yang selalu memberi motivasi, mendoakan dan
pengorbanan yang begitu besar kepada penulis, sehingga dapat menyelesaikan
skripsi ini.
1. Bapak Dr. Gusrizal, S.Si., M.Si., selaku Dekan Fakultas Matematika dan
Ilmu Pengetahuan Alam Universitas Tanjungpura yang telah mengesahkan
skripsi ini.
2. Bapak Dr. Bintoro Siswo Nugroho, S.Si., M.Si., selaku ketua Jurusan Fisika
Fakultas Matematika dan Ilmu Pengetahuan Alam Univeristas Tanjungpura.
3. Bapak Dr. Yoga Satria Putra, S.Si., M.Si., selaku ketua Prodi Geofisika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Tanjungpura.
4. Bapak Zulfian, S.Si., M.Si., selaku dosen pembimbing I yang telah ikhlas
dan sabar dalam membimbing dan selalu memberikan arahan serta
vi
semangat baik dalam penulisan maupun dalam pengolahan data hingga
penulisan skirpsi dan publikasi jurnal ini bisa terselesaikan
5. Bapak Radhitya Perdhana, S.Si,. M.Sc., selaku pembimbing II yang telah
sabar dalam membimbing penulis dalam pengolahan data serta masukan
untuk menyelesaikan skirpsi ini.
6. Bapak Muliadi, S.Si., M.Si. dan Bapak Yuris Sutanto, S.Si., M.Sc., selaku
dosen penguji yang telah banyak memberikan kritik dan saran demi
kebaikan dan kemajuan skripsi ini.
7. Kepada Marjuki, S.Si., Tifanny Budi Murti, Muhammad Ghaza Eka Putra
yang telah membantu penulis dalam percetakkan selama pengerjaan skripsi
ini.
8. Kepada seluruh sahabat-sahabat Geofisika Angkatan 2019 (Orion) yang
telah memberikan masukan, dorongan dan semangat kepada penulis dalam
menyelesaikan skripsi ini.
Akhirnya, penulis mengucapkan ribuan terima kasih kepada semua pihak Semoga
Tuhan yang maha Esa memberikan balasan yang berlimpah, Amin.
Pontianak, Juni 2023

NIM. H1071191036
vii
DAFTAR ISI
Abstrak ............................................................................................................iv
KATA PENGANTAR .....................................................................................vi
DAFTAR ISI ................................................................................................ viii
DAFTAR GAMBAR ........................................................................................x
DAFTAR TABEL............................................................................................xi
DAFTAR LAMPIRAN.................................................................................. xii
BAB I ................................................................................................................1
PENDAHULUAN .............................................................................................1
1.1 Latar Belakang .................................................................................1
1.2 Rumusan Masalah ............................................................................2
1.3 Tujuan Penelitian .............................................................................2
1.4 Manfaat Penelitian ...........................................................................3
1.5 Batasan Masalah ..............................................................................3
BAB II ..............................................................................................................4
Tinjauan Pustaka .............................................................................................4
2.1 Geologi Daerah Penelitian ................................................................4
2.2 Bauksit Laterit..................................................................................4
2.3 Metode Test Pit ................................................................................7
2.4 Data Spasial .....................................................................................8
2.5 Geostatistika ....................................................................................9
2.6 Variogram ...................................................................................... 11
2.7 Semivariogram Eksperimental ........................................................ 13
2.8 Semivarogram Teoritis ................................................................... 13
2.9 Kriging…............................................................................... ……16
2.10 Ordinary Kriging ........................................................................... 18
2.11 Evaluasi Model dan Estimasi .......................................................... 21
BAB III ........................................................................................................... 22
METODOLOGI PENELITIAN ..................................................................... 22
3.1 Lokasi Penelitian ............................................................................ 22
3.2 Peta Sebaran Titik Test Pit.............................................................. 22
3.3 Peralatan dan Bahan ....................................................................... 23
3.4 Tahapan Pengolahan Data............................................................... 23
3.5 Diagram Alir Penelitian .................................................................. 24
viii
BAB IV ........................................................................................................... 26
HASIL DAN PEMBAHASAN........................................................................ 26
4.1 Analisis Statistik Univarian ............................................................ 26
4.2 Analisis Semivariogram.................................................................. 28
4.3 Validasi Model Semivariogram....................................................... 30
4.4 Analisis Ordinary Kriging Dalam 2D.............................................. 31
4.5 Hasil Model 3D dengan Menggunakan Odinary Kriging ................. 32
4.6 Estimasi Volume Bauksit................................................................ 34
BAB V............................................................................................................. 36
KESIMPULAN DAN SARAN........................................................................ 36
5.1 Kesimpulan .................................................................................... 36
5.2 Saran ............................................................................................. 36
DAFTAR PUSTAKA ..................................................................................... 37
LAMPIRAN ................................................................................................... 41
ix
DAFTAR GAMBAR
Gambar 2. 1 Peta geologi lembar Sanggau, Kalimantan skala 1:100.00 ............... 4
Gambar 2. 2 Zona lapisan Endapan Bauksit Laterit (Shaffer, 1975). .................... 7
Gambar 2. 3 Hubungan antara semivariogram dan kovarian Faturrachman, (2018)
....................................................................................................................... 12
Gambar 2. 4 Variogram dan nilai nugget, sill dan range (Fathurrachman, 2018) 15
Gambar 2. 5 Variogram teoritis model spherical, exponential, dan gaussian
(Bohling, 2005) ............................................................................................... 16
Gambar 3. 1 Peta sebaran titik test pit pada lokasi penelitian ............................. 22
Gambar 3. 2 Diagram alir penelitian ................................................................ 25
Gambar 4. 1 Histogram ketebalan bauksit ........................................................ 27
Gambar 4. 2 Grafik model semivariogram spherical ......................................... 28
Gambar 4. 3 Grafik model semivariogram exponential ..................................... 29
Gambar 4. 4 Grafik model semivariogram gaussian ......................................... 29
Gambar 4. 5 Hasil interpolasi ketebalan bauksit dengan ordinary kriging .......... 31
Gambar 4. 6 Overlay Ketebalan Bauksi dengan elevasi dalam 3D menggunakan
metode ordinary kriging dari arah Selatan ....................................................... 32
Gambar 4. 7 Overlay Ketebalan Bauksi dengan elevasi dalam 3D menggunakan
metode ordinary kriging dari arah Barat .......................................................... 33
Gambar 4. 8 Overlay ketebalan bauksi dengan elevasi dalam 3D menggunakan
metode ordinary kriging dari arah Utara........................................................... 33
metode ordinary Kriging dari arah Timur......................................................... 34
x
DAFTAR TABEL
Tabel 4. 1 Hasil analisis statistik univarian pada data ketebalan bauksit............. 27
Tabel 4. 2 Hasil perhitungan Mean Square Error ............................................. 30
Tabel 4. 3 Nilai RMSE setiap model semivariogram teoritis ............................ 30
Tabel 4. 4 Estimasi volume bauksit pada lokasi penelitian ............................... 35
xi
DAFTAR LAMPIRAN
Lampiran 1 Data inputan untuk Qgis dan Saga Gis ........................................... 41
Lampiran 2 Bauksit Laterit Pada daerah penelitian ........................................... 61
Lampiran 3 Histogram ketebalan bauksit.......................................................... 61
Lampiran 4 Hasil interpolasi ketebalan bauksit dengan ordinary kriging ........... 62
Lampiran 5 Overlay Ketebalan Bauksi dengan elevasi dalam 3D menggunakan
metode ordinary kriging dari arah Selatan ....................................................... 62
Lampiran 6 Peta geologi lembar Sanggau, Kalimantan skala 1:100.00 .............. 63
Lampiran 7 Peta geologi lembar Sanggau, Kalimantan skala 1:250.00 .............. 63
xii
BAB I
PENDAHULUAN
1.1 Latar Belakang
Bauksit merupakan sumber utama dari bahan baku alumunium. Pada umumnya
bauksit terbentuk akibat adanya proses pelapukan kimia yang intens. Hal ini sudah
banyak dijelaskan oleh banyak ahli geologi di dunia (Bogatyrev et al., 2009).
Indonesia merupakan negara yang memiliki kekayan sumberdaya komoditas
berlimpah, salah satunya adalah komoditas bauksit. Dengan memiliki cadangan
bauksit sebesar 8,2 milyar ton, menjadikan Indonesia sebagai negara nomor 6
dengan cadangan bauksit terbesar di dunia (KESDM, 2020).
Menurut data dari laporan peluang investasi bauksit yang terbitkan oleh KESDM
(2020), Provinsi Kalimantan Barat merupakan salah satu wilayah penghasil
komoditas bauksit terbesar di Indonesia, selain emas, bijih besi, zirkon, granit,
kaolin, andesit, batu bara, pasir kuarsa, mangan, timah, dan gambut. Provinsi ini
menampung cadangan bauksit sebanyak 2,2 milyar ton yang tersebar di daerah
Sanggau, Ketapang, dan Mempawah. Salah satu penyebab Kalimantan Barat
menjadi daerah penyebaran bauksit terbesar ialah batuan dasar yang bersifat asam-
Intermediet (Sienit, Diorit, Kuarsa, Granodiorit, dan Nefelin), sehingga
menyebabkan komposisi unsur Alumunium (Al) berumur Pra-tersier berlimpah,
curah hujan yang tinggi dan mekanisme proses pelapukan untuk terjadinya proses
lateritisasi pembentukan endapan dan karakteristik bauksit yang dihasilkan
(Ramadhan et al, 2014).
Dalam penambangan bauksit, perhitungan sumber daya bauksit merupakan
suatu langkah yang penting untuk melihat kelayakan dari suatu galian (Megawati
et al., 2019). Salah satu metode yang dapat digunakan untuk menghitung estimasi
volume bauksit adalah metode kriging. Metode ini merupakan suatu teknik
interpolasi spasial yang digunakan untuk menduga nilai pengubah pada lokasi
tertentu, berdasarkan nilai terboboti dari pengubah yang sama pada lokasi lainnya.
Metode ini terbagi menjadi, ordinary kriging (OK), simple kriging, indicator
kriging, dan co-kriging (Yimit et al., 2011).
1
2
Terdapat beberapa penelitian sebelumnya yang membahas terkait ordinary

kriging, yakni Rustam (2017) terkait penelitiannya tentang Geologi dan Estimasi
Sumberdaya dengan Metode ordinary kriging pada endapan bauksit di Kecamatan
Anjongan dan Toho, Kabupaten Mempawah, Provinsi Kalimantan Barat. Hasil
penelitian menunjukkan bahwa model variogram yang paling sesuai adalah model
variogram spherical. hasil perhitungan sumberdaya bauksit pada lokasi penelitian,
diperoleh 24.701 unit blok serta jumlah volume bauksit sebesar 1.929.766 m3 . Pada
penelitian Winarno (2020) tentang estimasi cadangan endapan bauksit
menggunakan ordinary kriging pada blok Mungguk Ruai PT. Dinamika Sejahtera
Mandiri Kecamatan Toba Kabupaten Sanggau Provinsi Kalimantan barat,
didapatkan hasil estimasi bauskit sebesar 681.885 ton bauksit dengan ukuran blok
50m x 50m dengan nilai standar error rata rata-rata sebesar 0,4397.
Penelitian ini akan menggunakan metode kriging guna mendapatkan jumlah
volume bauksit yang berada pada lapangan B13 PT Antam UBPB Kalimantan
Barat, di mana untuk menyelesaikannya diperlukan permodelan variogram sebelum
proses penaksiran dan memberikan nilai variansi kriging sebagai indeks konfigurasi
data (Yasrebi et al., 2009; Almasi et al., 2014). Harapan untuk kedepannya,
penelitian ini dapat digunakan oleh PT Antam UBPB Kalimantan Barat sebagai
acuan dalam melakukan estimasi cadangan bauksit pada lokasi penambangan baru
kedepannya,
1.2 Rumusan Masalah
Berdasarkan latar belakang di atas terdapat masalah yang dirumuskan, yaitu
bagaimana cara menghitung volume bauksit dengan menggunakan metode kriging
pada lokasi PT Antam UBPB Kalimantan Barat Site Tayan.
1.3 Tujuan Penelitian
Apabila dilihat dari rumusan masalah di atas, maka tujuan penelitian ini adalah
untuk menghitung volume bauksit dengan menggunakan metode kriging pada
lokasi PT Antam UBPB Kalimantan Barat Site Tayan.
3
1.4 Manfaat Penelitian

Manfaat dari penelitian ini adalah untuk mengetahui estimasi volume bauksit
yang ada di lokasi penambangan PT Antam UBPB Kalimantan Barat sehingga
kedepannya dapat digunakan kembali apabila ingin membuka lokasi penambangan
bauksti di lokasi lain.
1.5 Batasan Masalah
Terdapat beberapa Batasan masalah pada penelitian ini, yaitu sebagai berikut:
1. Penelitian ini dilakukan di Kawasan penambangan bauksit PT UBPB
Kalimantan Barat yang terletak di kecamatan Tayan, Kabupaten Sanggau,
Provinsi Kalimantan Barat.
2. Tidak terdapat data assay atau kadar, dikarenakan termasuk rahasia
perusahaan, sehingga dalam mengestimasikan volume nantinya tidak
terdapat kandungan mineral seperti Besi (Fe), Alumina (Al) dan (Ti) serta
arah sebarannya pada lokasi penelitian.
BAB II
Tinjauan Pustaka
2.1 Geologi Daerah Penelitian
Gambar 2. 1 Peta geologi lembar Sanggau, Kalimantan skala 1:100.00
Gambar 2.1 menunjukkan peta geologi lembar Sanggau, Berdasarkan peta

geologi lembar Sanggau, daerah ini didominasi oleh Tonalit Sepauk yang terdiri
dari granidiorit hornblendebiotit kelabu muda, tonalit dan beberapa diorit, granit.
Selain itu terdapat Endapan Aluvium Sungai bawah, dan formasi Malihan Pinoh
yang tersusun oleh kuarsit, sekis, amfibolit, genes dan migmatit (Williams and
Harahap, 1987).
2.2 Bauksit Laterit
Bauksit terbentuk akibat hasil dari suatu pelapukan kimia yang terakumulasi
dari suatu batuan yang mengandung alumunium silikat (Jensen and Bateman, n.d,
2015). Akibat dari pelapukan tersebut akan menyebabkan mineral silikat berpindah
dan selanjutnya besi juga akan terpindahkan sebagian, lalu terjadi penambahan air,
alumunium, titanium dan ferrioksida sehingga terkosentrasi dalam suatu endapan
4
5
bijih. Ketika proses ini terus berlangsung dalam waktu yang cukup dan terhindar
dari erosi, maka endapan lateritik akan terbentuk (Afandi, 2019; Setiawan et al.,
2019).
Proses laterisasi bauksit pada umumnya terdiri beberapa tahapan, yakni
pelarutan, transportasi, dan pengendapan kembali mineral (Valeton, 1972). Dalam
kasus ini maka faktor yang terpenting pada pelarutan adalah pH, kelarutan, dan
kestabilan mineral (Shafferr, 1975). Pada proses transportasi dan pengendapan
kembali mineral terdapat beberapa faktor, yaitu iklim, topografi, morfologi, dan
mobilitas unsur. Setelah pelapukan terjadi, maka hasilnya akan ditransportasikan
oleh air tanah atau air hujan yang kemudian akan diendapkan kembali. Terdapat
faktor yang perlu dilihat apabila ingin proses laterisasi berjalan dengan baik, di
mana proses ini terjadi pada permukaan tanah landai dengan kemiringan tertentu,
keadaan morfologoi dan topografi yang cenderung miring (Ramadhan et al, 2014).
2.2.1 Proses Pembentukan Bauksit
Dalam proses pembentukan bauksit, menurut Valeton (1972) terdapat
beberapa syarat, yaitu:
1. Wilayah tersebut memiliki iklim tropis atau sub-tropis dengan curah
hujan yang tinggi
2. Memiliki batuan dengan persentase kandungan alumunium yang banyak
dalam kondisi pelapukan yang sesuai. Contoh batuan tersebut adalah
Granidorit, Basaltic, Nephenite, Syenite, Gibsit, dll.
3. Memiliki periode yang cukup dalam hal cuaca, yakni seimbang antara
musim hujan dengan musim panas.
4. Wilayah tersebut harus memiliki topografi yang bergelombang rendah
5. Terdapat bahan reaksi yang melimpah termasuk presipitasi yang berguna
untuk melapukkan silikat dan pelarutan silikat pada kondisi pH tertentu
2.2.2 Bentuk Endapan Bauksit

Bauksit laterit yang ada di Kalimantan merupakan endapan sekunder berupa
Residual dan Alluvial (Ramadhan et al, 2014). Berdasarkan posisi
6
depositnya, bauksit dapat diklasifikasikan kedalam empat tipe (Valeton,

1972), yaitu:
1. Bauksit Residu
Endapan bauksit yang berasosiasi dengan kemiringan lereng menengah
hingga hampir datar dengan batuan pembawa adalah nephelin sienit.
Kemiringan permukaan bauksit lebih dari 5° sampai batas yang umum 25°,
pada batuan nepheline, syenit dan bagian bawah bertekstur granitik.
2. Bauksit Koluvial.
Deposit ini diselubungi oleh Sienit, Nephelin, dan Kaolinit. Terletak di
bawah lempung sehingga termasuk swamp bauxite dengan tekstur pisolitik
yang masih jelas terlihat dan terletak di daerah lembah.
3. Bauksit Alluvial
Jenis ini pada umumnya menutupi bauksit boulder dengan konglomerat
kasar, terutama dari lempung karbonat dan pasir.
4. Bauksit Laterit
Endapan bauksit yang umumnya terbentuk dari suatu pelapukan kimia
dari batuan yang mengandung alumunium silikat, di mana endapan laterit
terbentuk akibat proses laterisasi.
2.2.3 Zona Endapan Bauksit
Terdapat beberapa zona lapisan pada endapan bauksit laterit, yaitu tanah
penutup, Pilostic, Nodular Ironstone, dan Zona Lempung
7
Gambar 2. 2 Zona Lapisan Endapan Bauksit Laterit (Shaffer, 1975).

Dari Gambar 2.2 terlihat bahwa kadar alumina terbanyak terletak pada
Upper Nodules sampai dengan dengan Lower Nodules, bagian ini masuk
pada Zona Pisolitic di mana kadar aluminanya di atas 45%. Zona inilah yang
nantinya akan ditambang. Untuk zona lainnya yang memiliki kadar alumina
rendah akan di buang menjadi overburden dan waste (Shaffer, 1975).
2.3 Metode Test Pit
Metode ini biasanya digunakan untuk mengetahui variasi endapan ataupun
kadar secara vertikal dengan cara mengambil sampel dalam jumlah yang banyak
8
pada endapan laterit (Afandi, 2019). Dalam pengambilan sampel yang memiliki
ukuran kecil, biasanya dilakukan dengan channel sampling pada dinding test pit.
Test pit yang digunakan oleh PT Antam UBPB Kalimantan Barat
menggunakan dimensi channel 120 cm x 80 cm dan maksimum kedalaman adalah
10 meter dengan minimal ketebalan ore satu meter. Apabila ketebalan ore yang
didapat kurang dari satu meter, maka disebut sebagi test pit kosong.Penggalian dari
satu lubang dinyatakan berhenti, Ketika sudah mencapai zona clay atau kong,
boulder batu atau batuan dasar.
2.4 Data Spasial
Spasial di ambil dari kata space yang memiliki arti ruang dan kata spasial
yang artinya bersifat keruangan. Data spasial merupakan data yang disajikan dalam
posisi geografis dari suatu objek, di mana memiliki keterkaitan dengan lokasi,
bentuk dan hubungan diantaranya dalam ruang bumi. Data spasial dapat berupa data
diskrit atau kontinu serta dapat juga memiliki lokasi spasial beraturan maupun tidak
beraturan (Alfiana, 2010). Data diskrit merupakan data yang didapatkan melalui
perhitungan dan bukan pecahan atau rata-rata. Sedangkan data kontinu adalah data
yang memiliki nilai yang terletak di dalam suatu interval. Data tipe ini juga
memiliki lokasi spasial yang beraturan dan lokasi tidak beraturan. Perbedaan dua
lokasi tersebut dilihat dari jarak antara lokasi yang berdekatan.
Data spasial terbagi menjadi tiga, yaitu data geostatistika, data area, dan pola
titik. Terdapat dua bagian penting yang dapat membedakan data spasial dengan data
lainnya, yakni informasi lokal dan informasi deskriptif (Puntodewo et al., 2003).
Data spasial mengandung beberapa informasi lokal yang memiliki hubungan
dengan suatu koordinat baik koordinat geografi (lintang dan bujur) maupun
koordinat XYZ, termasuk diantaranya informasi proyeksi dan datum. Data spasial
merupakan salah satu model data tidak bebas, karena data ini dikumpulkan melalui
lokasi berbeda yang mengindikasikan ketergantungan antara pengukuran data dan
lokasi (Cressie, 1993).
9
2.5 Geostatistika
Analisa deret waktu merupakan salah satu bagian yang dipertimbangkan dan
dijelaskan dengan metode stokastik. Metode ini diperluas serta dikembangkan lebih
lanjut untuk menganalisis variabilitas spasial yang membentuk disiplin ilmu, yakni
geostatistika (Bárdossy, 1997). Kata geostatistika terdiri dari dua bagian, yakni geo
dan statistika yang memiliki kemiripan dengan geofisika atau geokimia. Cara kerja
geostatistika adalah dengan berdasarkan parameter yang dihasilkan fitting
variogram eksperimental dengan variogram teori (Amri et al., 2018).
Metode geostatistika yang paling sering digunakan adalah metode ordinary
kriging, di mana terdapat dua tahapan dalam menggunakan metode ini, yaitu
menghitung variogram atau semivariogram dan melakukan penaksiran lokasi yang
tidak tersampel (Conoras and Tabaika, 2019). Dalam analisis data geostatistika,
stasioneritas dibagi menjadi tiga, yaitu strictly stationery, second-order stationary,
dan instrinsic stationary (Cressie, 1993). Nilai rata-rata, ragam dan kovarian akan
bergantung pada jarak yang memisahkan antar kedua titik (Webster, 2007).
Stasioneritas menjadi asumsi yang wajib terpenuhi pada metode ordinary
kriging. Dalam menguji stasioneritas dapat diidentifikasikan dengan cara
melakukan pemosisian data secara 2D terhadap koordinatnya masing-masing,
antara data terhadap koordinat latitude dan kordinat longitude. Salah satu cara lain
untuk mengidentifikasi kestasioneritasan adalah dengan cara memplotkan data
kedalam grafik 3D untuk melihat gradasi warna dari data sehingga dapat dilihat
kecenderungan atau trend dari data tersebut (Laksana, 2010).
2.6.1 Strict Stationarity
Variabel random 𝑍(𝑠) dapat dikatakan strict stationary apabila fungsi
distribusi kumulatif dari (𝑍1 (𝑠1 ), 𝑍2 (𝑠2 ), … , 𝑍𝑘 ( 𝑠𝑡 )) dan
(𝑍1 (𝑠1+ℎ ), 𝑍2 (𝑠2+ℎ ), … , 𝑍𝑘 ( 𝑠𝑡+ℎ )) sama untuk sembarang nilai h (Montero
et al., 2015), dengan h merupakan suatu konstanta dan 𝑠𝑖 adalah lokasi
pengamatan. Hal ini dapat dijelaskan melalui persamaan (2.1) sebagai
berikut :
𝐹(𝑍1 (𝑠1 ), 𝑍2 (𝑠2 ), … , 𝑍𝑘 ( 𝑠𝑛 )) = 𝐹(𝑍1 (𝑠1+ℎ ), 𝑍2 (𝑠2+ℎ ), … , 𝑍𝑘 ( 𝑠𝑛+ℎ )) (2.1)

10
2.6.2 Second Order Stationarity

Pada Second Order Stationary atau stasioneritas lemah dikenal sebagai
covariance stationarity (LeMay, 1995). Dalam Second order stationarity
diasumsikan bahwa untuk memenuhi keadaan stasioner diperlukan nilai
ekspektasi dari suatu data, serta nilai ini harus tetap konstan yang mana tidak
bergantung pada lokasi. Hal ini dapat dijelaskan pada persamaan (2.2) dan
(2.3):
𝐸[𝑍(𝑠𝑖 )] = µ(𝑠) = µ (2.2)
𝐸[𝑍(𝑠𝑖 ) − 𝑍(𝑠𝑗 )] = 0 (2.3)
Nilai rata -rata µ konstan pada setiap lokasi s sehingga nilai rata-rata µ (𝑠1 )
dan µ(𝑠2 ) dapat digantikan dengan µ (Fischer and Getis, 2010). Selain itu,
second order stationary juga mengasumsikan seandainya terdapat dua titik
pengamatan 𝑠𝑖 dan 𝑠𝑗 , maka nilai kovarian kedua titik tersebut akan
bergantung pada jarak dan bukan pada lokasi, sehingga hal ini berlaku untuk
masing-masing titik yang terpisah pada lag h = 𝑠𝑖 = 𝑠𝑗 , hal ini dapat
dijelaaskan pada persamaan (2.4):
(𝐶(𝑍, 𝑍(𝑠 + ℎ)) = 𝐸[{𝑍(𝑠) − µ}{𝑍(𝑠 + ℎ) − µ}] (2.4)
2.6.3 Instrinsic Statonarity

Suatu variabel random dikatakan intrinsic Stationarity apabila memenuhi
persamaan berikut (LeMay, 1995) :
𝐸[𝑍(𝑠 + ℎ)] = 0 (2.5)
𝑉𝑎𝑟[𝑍(𝑠 + ℎ) − 𝑍(𝑠)] = 2𝛾(ℎ) (2.6)

11
2.6 Variogram
Variogram adalah alat dasar geostatistik yang digunakan untuk
mengkuantifikasi korelasi antar sampel (Gingga, 2019). Dalam pengertian lain,
variogram merupakan vektor yang dapat mengkuantifikasi derajat kesamaan antara
dua sampel yang dipisahkan oleh suatu jarak (Isaaks and Srivastava, 1989).
Hipotesis yang digunakan untuk menentukan variogram terdapat pada sifat intrinsic
stationarity. Di mana nilai rata-rata akan berubang seiring dengan perbedaan lokasi
dan kemudian nilai variansi juga akan berubah seiring dengan semakin luasnya
daerah pengamatan (Fischer and Getis, 2010). Maka dari itu, nilai kovarian tidak
bisa ditemukan karena nilai rata-rata µ tidak diketahui. Meskipun nilai rata-rata
tidak konstan, namun akan tetap memiliki perbedaan pada setiap perubahan jarak
sehingga menyebabkan nilai ekspektasi menjadi 0. Nilai kovarian pada titik yang
sama dapat dilihat dalam persamaan (2.7) – (2.8) :
𝐶(ℎ) = 𝐸 [{𝑍(𝑠) − µ}{ 𝑍(𝑠 + ℎ) − µ}] (2.7)
𝐶(0) = 𝜎 2 (2.8)
Terdapat hubungan antara kovarian dengan variogram, hal ini dapat ditunjukkan
pada persamaan (2.9) sebagai berikut:
2𝛾(ℎ) = 𝑣𝑎𝑟 (𝑍(𝑠 + ℎ) − 𝑍(𝑠) (2.9)
. Adapun kovariansi dapat ditulis sebagai berikut:
𝛾(ℎ) = 𝜎 2 − 𝐶𝑜𝑣(ℎ) (2.10)
karena pada persamaan (2.13), 𝜎 2 = C(0), maka diperoleh,
𝛾(ℎ) = 𝐶(0) − 𝐶(ℎ) (2.13)

12
Korelasi, kovarian dan semivariogram memiliki hubungan terkait bentuk dari kurva
korelasi yang mirip dengan bentuk kurva fungsi kovarian serta bentuk kurva
semivariogram akan terlihan seperti bentuk kurva kovarian yang di balik (Bohling,
2005). Hal ini dapat dilihat pada Gambar 2.3.
Gambar 2. 3 Hubungan antara Semivariogram dan kovarian Faturrachman, (2018)

Karakteristik struktur mineralisasi endapan mineral dapat berbeda untuk arah
yang berbeda. Parameter variogram akan berubah lebih cepat pada arah vertikal
dibandingkan dengan arah horizontal (Waterman, 2017).
13
2.7 Semivariogram Eksperimental

Semivariogram adalah perangkat dasar dari geostatistika yang memiliki fungsi
untuk menggambarkan, memodelkan serta menghitung autokorelasi spasial antar
data dari suatu variable dan berfungsi sebagai suatu varians (Gaetan and Guyon,
2010). Semivariogram eksperimental didapat dari data yang diamati melalui hasil
pengukuran yang kemudian diplot sebagai fungsi dari jarak. Semivariogram jenis
ini biasa disebut juga dengan semivariogram empirik.
Komplikasi dalam semivariogram empirik adalah ketika perhitungan titik
hingga ribuan dan terlihatnya pola. Untuk mempersingkat pengelompokan
semivariogram berdasarkan jarak dan arah biasanya akan dilakukan proses
binning). Adapun semivariogram empirik dapat ditulis sebagaimana dalam
persamaan (2.14) sebagai berikut (Webster, 2007):
𝑁(ℎ) (2.14)
1
𝛾(ℎ) = ∑ [ 𝑍(𝑠𝑖 + ℎ) − 𝑍(𝑠𝑖 )]2
2𝑛(ℎ)
𝑖=1
Dengan,
𝛾(ℎ) : Nilai variogram dengan jarak h

𝑁(ℎ) : jumlah pasangan titik yang mempunyai jarak h
𝑍(𝑠𝑖 ) : nilai pengamatan pada titik 𝑠𝑖
𝑍(𝑠𝑖+ℎ ) : nilai pengamatan pada titik (𝑠𝑖+ℎ )
2.8 Semivarogram Teoritis

Ketika pembentukan model semivariogram eksperimental sudah dilakukan,
selanjutnya model ini harus dicocokkan dengan semivariogram teoritis yang
memiliki bentuk kurva paling mendekati dengan semivariogram eksperimental.
Untuk mendapatkan hubungan antara kedua semivariogram tersebut adalah dengan
melakukan analisis struktural. Analisis ini dilakukan untuk mendapatkan nugget
effect (𝐶0 ), sill dan range (a) yang selanjutnya digunakan sebagai parameter atau
acuan dalam penaksiran metode geostatistika, adapun penjelasannya ditulis sebagai
berikut (Isaaks and Srivastava, 1989):
14
1. Nugget effect (𝐶0 )

Nugget effect merupakan kondisi Ketika nilai variogram pada h = 0 adalah
0. Ada beberapa faktor seperti kesalahan dalam penggambilan sampel dan
variabilitas yang tinggi pada jarak yang sangat dekat dapat menyebabkan nilai
sampel yang dipisahkan pada jarak yang sangat berdekatan dapat sangat
berbeda (Isaaks and Srivastava, 1989). Nugget effect memiliki pengaruh
terhadap keseragaman nilai bobot sampel yang besar sehingga menghasilkan
bobot yang hamper sama pada semua sampel, akibatnya hasil kriging sama
dengan rata- rata biasa (Bargawa, 1999). Terdapat hubungan positif antara
rasio nugget effect dengan sill dan variansi estimasi, apabila nilai rasio nugget
effect terhadap sill semakin besar, maka nilai variansi estimasi juga menjadi
besar (Oliver and Webster, 2014).
2. Sill
Sill merupakan kondisi stabil variogram yang mencapai range-nya (Isaaks
and Srivastava, 1989). Sill terdiri dari dua bagian, yaitu nugget effect (jarak
antara titik nol hingga titik awal semivariogram) dan partial sill (nilai sill
dikurang dengan nugget effect). Sill = nugget effect + partial sill
Sill = 𝐶0 + 𝐶
3. Range
Range merupakan jarak di mana variogram mencapai puncak atau
mencapai masa stabil (Isaaks and Srivastava, 1989). Dalam grafik variogram,
range dilambangkan dengan simbol ”a”, yaitu jarak antara sumbu horizontal
mulai dari titik nol sampai titik proyeksi perubahan variogram miring menuju
datar
15
Gambar 2. 4 Variogram dan nilai nugget, sill dan range (Fathurrachman, 2018)
Terdapat tiga jenis model variogram yang secara umum digunakan dalam
analisis struktural, yaitu:
1. Model Semivariogran Spherical yang didefinisikan sebagai berikut :
3ℎ ℎ 3 (2.15)
𝐶 +𝐶[ −( ) ], ℎ≤𝑎
𝛾(ℎ) = { 0 2𝑎 2𝑎
𝐶 + 𝐶0 ℎ>𝑎
2. Model Semivariogram Exponential

Pada model ini terjadi peningkatan dalam semivariogram yang sangat
curam mencapai nilai sill secara asimtotik. Model ini didefinisikan dengan
persamaan berikut:
ℎ (2.16)
𝛾(ℎ) = 𝐶 [1 − exp (− )] + 𝐶0 , ℎ>0
𝑎
3. Model Semivariogram Gaussian

Model Gaussian merupakan bentuk kuadrat dari eksponensial sehingga
dapat menghasilkan parabolik jarak dekat. Model ini didefinisikan dengan
persamaan berikut :
ℎ (2.17)
𝛾(ℎ) = 𝐶 [1 − exp (− ) 2 ] + 𝐶0 , ℎ>0
𝑎
16
Di mana:
h = jarak lokasi antar sampel
𝐶0 + 𝐶 = sill, yaitu nilai semivariogram pada saat tidak terjadi
peningkatan
𝑎 = range, yaitu jarak pada saat nilai variogram mencapai sill
Gambar 2. 5 Variogram teoritis model spherical, exponential, dan gaussian

(Bohling, 2005)
2.9 Kriging
Istilah Kriging diambil dari sorang ahli yang bernama D.G Krige, di mana dia
pertama kali menggunakan korelasi spasial dan estimator yang tidak bias
(Matheron, 1963). Metode ini menggunakan kombinasi linear dari pembobot untuk
memprediksi nilai antara sampel data (Hadi, 2013). Kriging merupakan metode
yang meminimumkan mean squared error pada pendugaan spasial. Hal ini
membuat kriging dapat menghasilkan estimasi linear yang tidak bias dan optimal
untuk titik data yang tidak diketahui berdasarkan data pengamatan untuk variabel-
variabel dalam rentang tertentu dan karakteristik semivariogram (Li et al., 2022).
17
Metode kriging merupakan metode geostatistika dengan memanfaatkan nilai

yang telah diketahui serta variogram untuk memperkirakan nilai pada lokasi yang
belum tersampel. Metode ini memberikan hasil estimasi yang bersifat BLUE ( Best
Linear Unbiased Estiimator). Terdapat beberapa faktor yang menjadi pertimbangan
pada metode ini, yaitu banyaknya sampel, posisi sampel, jarak antar sampel dengan
titik yang akan diestimasikan guna menghasilkan akurasi estimasi yang sesuai
(Fathurrachman, 2018).
Data sampel pada ilmu kebumian umumnya di ambil pada lokasi yang tidak
berturan. Dengan kata lain, metode ini dapat digunakan untuk melakukan
pengestimasian besarnya nilai karakteristik ẑ pada titik yang tidak tersampel dari
hasil informasi karakteristik titik tersampel pada daerah disekitarnya dengan
mempertimbangkan korelasi spasial yang ada di dalam data tersebut (Alfiana,
2010). Menurut Bohling (2005) dalam mencari estimator kriging dapat dituliskan
sebagai berikut:
Ẑ(𝑠) = ∑𝑛𝛼=1 𝜆𝛼 [𝑍(𝑠𝛼) – m(𝑠𝛼) ] (2.18)
Dengan,
𝑠,𝑠𝑎 : vektor lokasi untuk estimasi dan salah satu dari data yang berdekatan akan
dinyatakan sebagai 𝛼
𝑍(𝑠𝑖 ) : nilai pada lokasi tersampel
𝜆𝛼 (𝑠) : Nilai 𝑍(𝑠𝛼) untuk estimasi lokasi 𝑢. Nilai 𝑍(𝑠𝛼) yang sama akan
memiliki nilai yang berbeda untuk estimasi pada lokasi berbeda
n : Banyaknya data sampel yang digunakan untuk estimasi
Estimator kriging Ẑ(𝑠) dianggap sebagai bidang acak dengan suatu komponen
trend, m(u) dan komponen sisa atau eror, 𝑒(s) = Z(s) – m(s). sisa dari estimasi
kriging pada s dianggap sebagai penilaian penjumlahan dari sisa data disekitarnya.
Variabel 𝜆 diperoleh melalui kovariansi atau semivariogram serta perlu komponen
18
karakteristik sisa. 𝜆 dapat meminimalkan variansi pada estimator, sehingga dapat

dinyatakan sebagai berikut:
Apabila data spasial tidak mengandung trend, tidak memiliki outlier dan mean
tidak diketahui, maka metode yang cocok untuk digunakann adalah ordinary
kriging (Hao et al., 2020). Ketika terdapat trend dalam suatu data spasial maka
metode yang digunakan adalah universal kriging (Suma Fridayani et al., 2012).
2.10 Ordinary Kriging
Ordinary kriging Dalam prakteknya untuk memprediksi kriging sederhana
tidak benar- benar dapat diterapkan karena membutuhkan informasi tentang µ dan
C(h) (Cressie, 1993). Maka dari itu metode ordinary kriging digunakan, karena
berbeda dengan metode kriging ataupun metode kriging sederhana, di mana metode
ini tidak perlu mangasumsikan nilai dari mean dan kovarian. Metode ordinary
kriging merupakan salah satu metode pada teknik kriging yang sering diaplikasikan
dalam geostatistika. Metode ini memiliki tujuan untuk memprediksi nilai dari
variabel acak Z(x) pada lokasi tidak tersampel 𝑥0 dari suatu wilayah geografis
(Oliver and Webster, 2014). Dalam metode ordinary kriging, 𝑚(𝑢) merupakan
mean dari Z(u), yakni 𝑚(𝑢) =𝐸(𝑍(𝑢) ) = µ.
Menurut Cressie (1993), ordinary kriging dapat ditentukan melalui persamaan
(2.19) sebagai berikut:
𝑛
(2.19)
Ẑ(𝑠) = ∑ 𝜆𝛼 𝑍(𝑠𝑖 )
𝛼=1
Di mana:
Ẑ(𝑠) : nilai pendugaan pada lokasi tidak tersampel
𝜆𝛼 : koefisien bobot dari Z(s)
n : banyaknya data sampel yang digunakan untuk estimasi
Menurut Wintolo (2019) Jumlah koefisien yang harus diestimasi pada

persamaan normal kriging dapat dilihat pada persamaan (2.20)
19
𝜆1 𝜆1 (2.20)
𝜆2 𝜆2
: :
𝚲= 𝑎𝑡𝑎𝑢
: :
𝜆𝑘 𝜆𝑘
[𝜇] [−𝜇]
menjadi:
𝐶𝑜𝑣(𝑠𝑖 , 𝑠0 ) 𝐶𝑜𝑣(𝑠𝑖 , 𝑠0 ) … 𝐶𝑜𝑣(𝑠𝑖 , 𝑠0 ) 1 (2.21)

𝐶𝑜𝑣(𝑠0 , 𝑠2 ) 𝐶𝑜𝑣(𝑠0 , 𝑠2 ) … 𝐶𝑜𝑣(𝑠0 , 𝑠2 ) 1
𝓦= … … … … …
𝐶𝑜𝑣(𝑠0 , 𝑠𝑘 ) 𝐶𝑜𝑣(𝑠0 , 𝑠𝑘 ) … 𝐶𝑜𝑣(𝑠0 , 𝑠𝑘 ) 1
[ 1 1 … 1 0]
𝛾(𝑠1 , 𝑠1 ) 𝛾(𝑠1 , 𝑠2 ) … 𝛾(𝑠1 , 𝑠𝑘 ) 1
𝛾(𝑠2 , 𝑠1 ) 𝛾(𝑠2 , 𝑠2 ) … 𝛾(𝑠2 , 𝑠𝑘 ) 1
… … … … …
𝜆(𝑠𝑘 , 𝑠1 ) 𝜆(𝑠𝑘 , 𝑠2 ) … 𝜆(𝑠𝑘 , 𝑠𝑘 ) 1
[ 1 1 … 1 0]
Atau
𝐶𝑜𝑣(𝑠𝑖 , 𝑠0 ) 𝛾(𝑠0 , 𝑠1 ) (2.22)

𝐶𝑜𝑣(𝑠0 , 𝑠2 ) 𝛾(𝑠0 , 𝑠2 )
𝐁 = … 𝑎𝑡𝑎𝑢 …
𝐶𝑜𝑣(𝑠0 , 𝑠𝑘 ) 𝛾(𝑠0 , 𝑠𝑘 )
[ 1 ] [ 1 ]
Elemen W dan B diturunkan dari fungsi covarian atau model semivariogram.

Selain itu diperlukan vektor observasi k disekitar lokasi s0 dengan estimasi Z(si )
dari variabel teregional yang dikehendaki. Vektor dapat dilihat pada persamaan
(2.23):
20
𝑍(𝑠1 ) (2.23)
𝑍(𝑠2 )
𝐘= …
𝑍(𝑠𝑘 )
[ 0 ]
Penulisan persamaan (2.20) sampai dengan (2.22) dapat digantikan dengan rumus
matriks, hal ini dapat dilihat pada persamaan (2.24):
𝚲𝐖 = 𝑩 (2.24)
Dalam mendapatkan estimasi bobot pada ordinary kriging diperlukan inversi

matriks pada persamaan (2.24), sehingga menghasilkan matriks inversi yang dapat
dilihat pada persamaan (2.25):
𝚲 = 𝑾−𝟏 𝑩 (2.25)
Varian estimasi kriging biasa dapat dilihat pada persamaan (2.26):
−𝟏
Ẑ(𝒔𝟎 ) = 𝒀′ 𝚲 = 𝐘′𝑾 𝑩 (2.26)
Menurut (Isaaks and Srivastava, 1989), ordinary kriging akan menghasilkan

penduga yang tidak bias (unbiased estimator). Berdasarkan persamaan (2.27)
didapat persmaan (2.44) sebagai berikut:
𝐸(Ẑ(𝑠) = 𝐸(𝑍(𝑠)) (2.27)
dapat disimpulkan bahwa ordinary kriging menghasilkan pendugaan tidak bias

(unbiased).
21
2.11 Evaluasi Model dan Estimasi

Cross validation atau validasi silang digunakan untuk menguji asumsi
kesesuaian model variogram serta menguji data spasial yang digunakan
(Wackenagel, 2003). Dalam pengaplikasiannya, cross validation tidak
membuktikan kebenaran dari suatu model variogram yang digunakan, namun hanya
membuktikan model tersebut tidak terlalu salah.
Root Square Mean Error digunakan untuk melihat nilai kesalahan dan
merupakan nilai selisih rata-rata antara data terukur dan data terestimasi (Galaxy et
al., 2022). Hasil estimasi dapat dikatakan akurat apabila nilai Mean Error medekati
nol dan nilai Root Mean Square Error sekecil mungkin. Mean Error dapat
didefinisikan dalam persamaan (2.28):
1 𝑛
(2.28)
𝑀𝐸 = ∑ (𝑍(𝑠𝑖 ) − Ẑ(𝑠𝑖 ))
𝑛 𝑖=1
Sedangkan untuk Root Square Mean Error dapat dilihat pada persamaan (2.29)
sebagai berikut:
𝑛 (2.29)
1 2
𝑅𝑀𝑆𝐸 = √ ∑ (𝑍(𝑠𝑖 ) − Ẑ(𝑠𝑖 ))
𝑛 𝑖=1
Dengan
Ẑ(𝒔𝒊 ) = nilai estimasi pada titik ke – i

𝑍(𝑠𝑖 ) = nilai pengukuran pada titik ke – i
n = jumlah prediksi
Berdasarkan hasil nilai RMSE, maka semakin besar nilai RMSE yang dihasilkan
akan mengindikasikan tingkat keakuratan yang rendah dan begitupun
sebaliknya.
BAB III
METODOLOGI PENELITIAN
3.1 Lokasi Penelitian
Data yang digunakan pada penelitian ini merupakan data test pit yang diperoleh
dari PT Antam UBPB Kalimantan Barat pada saat Kerja Praktek dilaksanakan.
Kemudian data ini akan digunakan untuk mengetahui estimasi dari cadangan
bauksit pada salah satu blok penambangan bauksit yang ada di PT Antam UBPB
Kalimantan Barat.
3.2 Peta Sebaran Titik Test Pit
Penelitian ini menggunakan data dari PT Antam UBPB Kalimantan Barat. Peta
sebaran titik test pit yang digunakan disajikan pada Gambar 3.1.
Gambar 3. 1 Peta sebaran titik test pit pada lokasi penelitian

Gambar 3.1 menunjukkan peta sebaran titik test pit pada lokasi penelitian di PT
Antam UBPB Kalimantan Barat, di mana terdapat 828 titik test pit pada lokasi
penelitian yang akan digunakan untuk melakukan proses kriging guna mendapatkan
estimasi volume pada lokasi penambangan tersebut.
22
23
3.3 Peralatan dan Bahan

No. Peralatan dan Bahan Kegunaan
Peralatan untuk menjalankan perangkat lunak

1 Laptop
(software) pengolahan data test pit
Perangkat lunak (software) untuk mengolah
2 Saga GIS
Data test pit
Perangkat lunak (software) untuk
3 QGIS menginterpolasikan data test pit
4 Data Test pit Data pendukung
5 Data Ketebalan Bauksit Data pendukung
3.4 Tahapan Pengolahan Data

Pengolahan data dilakukan pertama kali dengan membuat basis data, di mana
basis data terdiri dari data collar, data survey, data lithologi, data ketebalan bauksit
dan data jarak antara setiap titik test pit. Setelah itu melakukan perhitungan
semivariogram eksperimental dan fitting semivariogram teoritis dengan
membandingkan nilai mean square error (MSE), lalu dipilih model semivariogram
teoritis dengan nilai MSE terkecil untuk digunakan pada analisis selanjutnya.
Melakukan validasi silang untuk mengetahui semivariogram yang digunakan
merupakan model terbaik dengan nilai root mean square (RMSE) yang paling kecil
dari model lain, setelah mengetahui model terbaik yang akan digunakan, maka
selanjutnya menghitung variansi kriging untuk mendapatkan nilai estimasi
sumberdaya bauksit dengan metode ordinary kriging.
24
3.5 Diagram Alir Penelitian

Penelitian ini dapat di gambarkan sebagai berikut dalam diagram alir pada
Gambar 3.2.
25
Gambar 3. 2 Diagram Alir Penelitian

BAB IV
HASIL DAN PEMBAHASAN
4.1 Analisis Statistik Univarian
Berdasarkan hasil perhitungan statistik univarian pada Tabel 4.1 dari data test
pit dengan jumlah 829 data, didaparkan nilai st.deviasi sebesar 1,71 ,di mana angka
ini cukup besar. Hal ini menunjukkan bahwa penyebaran sampel data cenderung
terdistribusi secara normal dengan nilai koefien variansinya bernilai > 0,78. Apabila
koefisien variasi memiiki nilai lebih dari satu, dapat disimpulkan bahwaterdapat
beberapa nilai data yang tinggi sehingga dapat berdampak signifikan pada estimasi
nantinya (Isaaks dan Srivastava, 1989). Selanjutnya untuk nilai skewness positif
menandakan bahwa nilai tengah (median) lebih besar daripada nilai rata-rata
(mean) sehingga penyebaran data cenderung lebih banyak pada data yang memiliki
nilai rendah. Penyebaran data yang mendekati bentuk simetris dan rerata (mean)
disebabkan oleh nilai skewness yang mendekati nol.
Penggunaan dari analisis ini adalah untuk melihat kecenderungan data
ketebalan bauksit yang dipakai, apakah sudah mewakili populasi pada daerah
penelitian. Adapun penyebaran data ketebalan bauksit yang digunakan dapat dilihat
pada Gambar 4.1.
26
27
200
J 180
u 160
m 140
l 120
a
100
h
80
D 60
a 40
t 20
a 0
Tebal Bauksit
Gambar 4. 1 Histogram ketebalan bauksit

Pada Gambar 4.1, dapat dilihat bahwa data tidak mengandung sebuah trend,
sehingga dapat dikatakan bahwa tidak ada pencilan (outlier) sehingga data ini dapat
digunakan untuk proses selanjutnya, yakni analisis semivariogram. Hasil analisis
statistik ketebalan bauksit pada lokasi penelirian dapat dilihat pada Tabel 4.1.
Tabel 4. 1 Hasil analisis statistik univarian pada data ketebalan bauksit
Parameter Komposit
Minimum 0.4
Maximum 8
Mean 3,7
Median 3,6
Variansi 2,9
Standar Deviasi 1,71
CV 0,78
Skewness 0,3
Kortusis 2,2
Jumlah Data 828
28
4.2 Analisis Semivariogram

Setelah proses analisis statistik selesai dan data ketebalan bauksit tidak
mengandung pencilan, maka proses selanjutnya adalah menganalisis
semivariogram untuk digunakan dalam tahap ordinary kriging nantinya. Dalam
membuat model semivariogram spherical, exponential, dan gaussian akan
menggunakan bantuan software Saga GIS.
4.2.1 Hasil semvariogram model spherical
Dalam mencari nilai dari semivariogram model spherical diperlukan
penggunaan persamaan (2.15). Gafik model spherical dapat dilihat pada
Gambar 4.2.
Semivariogram
Eksperimental
Semivariogram
Spherical
Gambar 4. 2 Grafik model semivariogram spherical

Berdasarkan Gambar 4.2, didapatkan variogram model spherical yang
ditunjukkan oleh garis biru. Variogram model ini memiliki nilai nugget
sebesar 1,57 ,nilai sill sebesar 3,24 dan nilai range sebesar 432.
4.2.2 Hasil Model Exponential
Nilai dari semivariogram model ini didapatkan dengan menggunakan
persamaan (2.16). Gafik model exponential dapat dilihat pada Gambar 4.3.
29
Semivariogram
Eksperimental
Semivariogram
Eksponential
Gambar 4. 3 Grafik model semivariogram exponential

Berdasarkan Gambar 4.3 didapatkan variogram model exponential yang
sebesar 1,25 ,nilai sill sebesar 3,28 dan nilai range sebesar 447,5.
4.2.3 Hasil Model Gaussian
Cara untuk menentukan nilai dari model ini adalah dengan menggunakan
persamaan (2.17). Grafik hasil semivariogram model gaussiam dapat dilihat
pada Gambar 4.4.
Semivariogram
Eksperimental
Semivariogram
Gaussian
Gambar 4. 4 Grafik model semivariogram gaussian

30
Berdasarkan gambar (4.4) didapatkan variogram model gaussian yang

sebesar 1,93 ,nilai sill sebesar 3,37 dan nilai range sebesar 297,1.
4.3 Validasi Model Semivariogram

Setelah semua model semivariogram teoritis didapat, Langkah selanjutnya
adalah melakukan uji kecocokkan model untuk memvalidasi tingkat kecocokkan
model semivariogram teoritis yang digunakan berdasarkan semivariogram
eksperimental. Langkah pertama yang perlu dilakukan adalah menentuan mean
square error dengan menggunakan persamaan (2.28). Hasil perhitungan mean
square error dapat dilihat pada Tabel 4.2.
Tabel 4. 2 Hasil perhitungan MSE
Model Semivariogram Nilai MSE
Spherical 1,84
Exponential 1,80
Gaussian 1,96
Setelah nilai mean square error dari ketiga model sudah didapatkan, maka
Langkah selanjutnya adalah menentukan nilai root mean square error dengan
menggunakan persamaan (2.29). Hasil validasi yang didapatkan berupa nilai RMSE
dari masing-masing model semivariogram teoritis yang selanjutnya akan
dibandingkan malalui nilai RMSE terkecil. Nilai RMSE dapat dilihat pada Tabel
4.3.
Tabel 4. 3 Nilai RMSE setiap model semivariogram teoritis
Model Semivariogram Nilai RMSE
Spherical 1,35
Exponential 1,34
Gaussian 1,4
31
Berdasarkan hasil perhitungan RMSE pada Tabel 4.3, dapat dilihat bahwa nilai
RMSE terkecil terdapat pada model semivariogram exponential dengan nilai
sebesar 1,34. Maka dari itu model ini akan digunakan pada tahap selanjutnya untuk
proses interpolasi ordinary kriging.
4.4 Analisis Ordinary Kriging Dalam 2D
Setelah menentukan model semivariogram terbaik yang akan digunakan,
langkah berikutnya adalah menggunakan model semivariogram tersebut dalam
melakukan analisis ordinary kriging dengan menggunakan blok 100 x 100.
Penaksiran dengan ordinary kriging dilakukan dengan metode point kriging.
Metode ini merupakan teknik penaksiran yang menaksir nilai suatu titik
berdasarkan pada nilai titik contoh disekitarnya, sehingga titik yang ditaksir
tersebut akan memiliki satu nilai estimasi (Adnyano, 2021). menggunakan.
Interpolasi kriging 2D dapat dilihat pada gambar (4.6).
Gambar 4. 5 Hasil Interpolasi ketebalan bauksit dengan ordinary kriging

Apabila dilihat pada Gambar 4.5, tebal bauksit terendah sampai dengan
tertinggi dapat dibedakan melalui visualisasi dari skala warna hitam menuju putih
berdasarkan hasil interpolasi ketebalan bauksit dengan menggunakan metode
32
ordinary kriging. Berdasarkan kontur pada Gambar 4.5 diketahui bauksit yang
memiliki ketebalan rendah terletak pada lembah bukit dan rata rata bauksit yang
memiliki ukuran tebal berada di lereng landai dan lereng curam.
4.5 Hasil Model 3D dengan Menggunakan Odinary Kriging
Tahapan ini digunakan untuk memvisualisasikan hasil prediksi ordinary
kriging 2D ke dalam 3D untuk melihat hubungan antara tingkat ketebalan bauksit dengan
elevasi. hasil Prediksi Ordinary kriging 3D dapat dilihat pada Gambar 4.7 sampai Gambar
4.10.

metode ordinary kriging dari arah Selatan
33

metode ordinary kriging dari arah Barat

metode ordinary kriging dari arah Utara
34
Gambar 4. 9 Overlay Ketebalan Bauksi dengan Elevasi Dalam 3D Menggunakan

Metode Ordinary Kriging Dari Arah Timur
Gambar 4.7 sampai Gambar 4.9 menunjukkan bahwa bauksit tersebar merata
pada lokasi penambangan dengan variasi ketebalan yang berbeda-beda. Selain itu
ketebalan bauksit tidak dipengaruhi oleh nilai elevasi, hal ini dapat dilihat pada
Gambar 4.7 sampai Gambar 4.9, bahwa bauksit yang memiliki ketebalan tinggi
terletak pada lereng yang curam sehingga dapat dinyatakan bahwa ketebalan
bauksit tidak berbanding lurus dengan nilai elevasi bukit, melainkan dengan
kemiringan dari suatu bukit. Semakin curam kelerengan suatu bukit, maka bauksit
tersebut akan semakin tebal.
Pada Gambar 4.7 sampai Gambar 4.9 juga memperjelas bahwa sebaran nilai
pada titik tidak tersempel tersebar di arah Selatan dan sedikit di Utara. Karena titik
tidak tersampel yang ingin diestimasi berjarak cukup jauh dari titik yang tersempel,
menyebabkan hasil interpolasi pada titik tidak tersempel memiliki nilai estimasi
yang rendah, sehingga menyebabkan nilai estimasi tebal bauksitnya rendah
4.6 Estimasi Volume Bauksit
Perhitungan volume bauksit merupakan tahapan akhir yang sangat penting
dalam kegiatan estimasi atau pemodelan sumberdaya bahan galian. Setelah
35
melakukan interpolasi dengan metode ordinary kriging, selanjutnya adalah

menghitung estimasi volume bauksit pada lokasi penelitian. Hasil perhitungan
volume bauksit dapat dilihat pada tabel (4.4) berikut:
Tabel 4. 4 Estimasi volume bauksit pada lokasi penelitian
Luas Area ( m2 ) Volume (m3 )
653.658,25 2.242.097,02
Tabel 4.4 menunjukkan hasil estimasi volume bauksit pada lokasi penelitian di PT
Antam UBPB Kalimantan Barat didapat sebesar 2.242.097,02 m3 dengan luas area
penambangan seluas 653.658,25 m2 .
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil dan pembahassan mengenai penerapan metode ordinary
kriging pada data ketebalan bauksit, maka dapat ditarik kesimpulan sebagai berikut:
1. Metode ordinary kriging merupakan salah satu analisis yang digunakan untuk
mengestimasi cadangan hasil tambang. Metode ini digunakan pada kasus data
sampel ketebalan bauksit yang tidak memiliki trend tertentu.
2. Model semivariogram terbaik yang digunakan adalah model exponential,
dikarenakan model ini memiliki nilai RMSE terkecil dibandingkan dengan
model lainnya.
3. Berdasarkan hasil pediksi ordinary kriging pada salah satu blok
penambangan di PT Antam UBPB Kalimantan Barat menunjukkan bahwa
estimasi volume bauksit yang didaptkan sebanyak 2,242,097.02 m3 dengan
luas area penambangan sebesar 653.658,25 m2 .
5.2 Saran
Berdasarkan penelitian yang telah dilakukan, terdapat beberapa saran yang
dapat diberikan demi penyempurnaan hasil penelitian sebagai berikut:
1. Pada penelitian selanjutnya, disarankan untuk menambahkan Borehole agar
dapat ditambah variasi estimasi lainnya seperti top soil , overburden, dan
clay beserta sayatan setiap lapisannya
2. Perlu ditambahkan data kadar agar dapat menambahkan variasi dari estimasi
kadar, arah sebarannya serta kualitas dari kandungan bauksit pada salah satu
lokasi penambangan PT Antam UBPB Kalimantan Barat.
36
DAFTAR PUSTAKA
Afandi, I.H., 2019, Perbandingan Sampling dengan Metode Test Pit dan
Pengeboran pada Endapan Bauksit PT. Prima Abadi Mineral Kabupaten
Ketapang Provinsi Kalimantan Barat, J. Simetrik, 9 (1), 164.
Alfiana, A.N., 2010, Metode Ordinary Kriging Pada Geostatistika, Univ. Negeri
Yogyakarta. Jogjakarta.
Almasi, A., Jalalia, A., and Toomanian, N., 2014, Using OK and IDW methods for
prediction the spatial variability of a horizon depth and OM in soils of
Shahrekord, Iran, J. Environ. Earth Sci., 4 (15), 17–27.
Amri, N.A., Hartono, and Siri, H.T., 2018, Kriging by partition: Case of Ciurug
Quartz Gold Vein, IOP Conf. Ser. Earth Environ. Sci., 212 (1).
Bárdossy, A., 1997, Introduction to Geostatistics, Germany, Institute of Hydraulic
Enginering University of Stutgart.
Bargawa, W.S., 1999, Aplikasi Kriging Indikator dalam Pemodelan Urat Bijih
Emas Cikidang Jawa Barat.
Bogatyrev, B.A., Zhukov, V. V, and Tsekhovsky, Y.G., 2009, Formation conditions
and regularities of the distribution of large and superlarge bauxite deposits,
Lithol. Miner. Resour., 44 (2), 135–151.
Bohling, G., 2005, Introduction To Geostatistics And Variogram Analysis, Assist.
Sci. Kansas Geol. Surv.
Conoras, W.A.K. and Tabaika, M., 2019, Pemodelan dan Estimasi Sumberdaya
Nikel Laterit Site Pulau Pakal PT. ANTAM (Persero) Tbk Ubp Nickel Maluku
Utara Menggunakan Metode Inverse Distance Weight dan Ordinary Kriging,
DINTEK, 12 (1), 19–28.
Cressie, N., 1993, Statistics for spatial data, Danvers, Sons, John Wiley &.
Fathurrachman, B., 2018, Penerapan Metode Interpolasi Spasial Universal Kriging
Menggunakan Semivariogram Spherical Dan Pentaspherical (Studi Pada Data
Curah Hujan Bulan Maret 2017 di Malang Raya).
Fischer, M.M. and Getis, A., 2010, Handbook of applied spatial analysis: software
tools, methods and applications, Springer.
Gaetan, C. and Guyon, X., 2010, Spatial Statistics and Modeling, Springer New
York Dordrecht Heidelberg London.
37
38
Galaxy, R., Purnomo, H., Prastowo, R., and Sidiq, H., 2022, Estimasi Sumberdaya
Nikel Laterit Menggunakan Metode Inverse Distance Weighting Nearest
Neighbour Point dan Ordinary Kriging Pada Blok X Kec Petasia Kab
Morowali Utara Provinsi Sulawesi Tengah, Inst. Teknol. Nas. Yogyakarta, 70–
76.
Gingga, F., 2019, Analisis penaksiran sumberdaya bauksit menggunakan metode
geostatistik di kabupaten ketapang provinsi kalimantan barat tesis,
Yogyakarta.
Hadi, B.S., 2013, Metode Interpolasi Dalam Studi Geografi (Ulasan Singkat dan
Contoh Aplikasinya), Geomedia, 11 (2), 231–240.
Hao, T., Zhong, L., Zhu, T., Zhang, X., Wang, X., and Zhang, L., 2020, A new
prediction method of reservoir porosity based on improved Kriging
interpolation, J. Phys. Conf. Ser., 1707 (1).
Isaaks, E.H. and Srivastava, R.M., 1989, An Introduction to Applied Geostatistics,
New York: Oxford Univ.
Jensen, M.L. and Bateman, A.M., 2015, Economic Mineral Deposits.
KESDM, K.E. dan S.D.M.R.I., 2020, Peluang Investasi Bauksit di Indonesia, 1–37.
Laksana, E.A., 2010, Analisis Data Geostatistika, Univ. Negeri Yogyakarta.
LeMay, N.E., 1995, Variogram Modeling and Estimation, Denver, Colo, University
of Colorado Denver.
Li, Y., Baorong, Z., Xiaohong, X., and Zijun, L., 2022, Application of a
semivariogram based on a deep neural network to Ordinary Kriging
interpolation of elevation data, PLoS One, 17 (4 April), 1–12.
Matheron, G., 1963, Principles of geostatistics, Econ. Geol., 58 (8), 1246–1266.
Megawati, E., Purwoko, B., and Syafrianto, M.K., 2019, Perhitungan Sumberdaya
Bauksit Dengan Block Model Menggunakan Estimasi Inverse Distance
Weighting Pada Blok X Pt . Pusaka Jaman Raja Kabupaten Ketapang
Kalimantan Barat, 1 (1), 186-194 ISSN: 1412-3576.
Montero, J.-M., Fernández-Avilés, G., and Mateu, J., 2015, Spatial and spatio-
temporal geostatistical modeling and kriging, John Wiley & Sons.
Oliver, M.A. and Webster, R., 2014, A tutorial guide to geostatistics: Computing
and modelling variograms and kriging, Catena, 113, 56–69.
Puntodewo, A., Dewi, S., and Tarigan, J., 2003, Sistem informasi geografis untuk
pengelolaan sumberdaya alam, CIFOR.
Ramadhan, F.R., Aribowo, Y., Widiarso, D.A., and Betraz, A., 2014, Geologi,
Karakteristik dan Genesa Endapan Laterit Bauksit PT. Antam (Persero) Tbk,
Unit Geomin, Daerah Kenco, Kabupaten Landak, Provinsi Kalimantan Barat,
39
Geol. Eng., 6 (1), 1–14.

Rustam, M., 2017, Geologi dan Estimasi Sumberdaya dengan Metode Ordinary
Kriging pada Endapan Bauksit di Kecamatan Anjongan dan Toho, Kabupaten
Mempawah, Provinsi Kalimantan Barat, ReTII.
Setiawan, A.R., Muchsin, A.M., and Guntoro, D., 2019, Rancangan Teknis
Penambangan Bijih Bauksit pada Wilayah Bukit D PT Kalbar Bumi Perkasa
Kecamatan Tayan Hilir Kabupaten Sanggau Provinsi Kalimantan Barat, 4.
Shaffer, J.W., 1975, Bauxite raw materials. In: Industrial Minerals and Rocks
(Nonmetallic other than Fuels). Amer Inst Mining Metall Petroleum
Engineering. Inc.
Suma Fridayani, N.M., Nila Kencana, I.P.E., and Sukarsa, K.G., 2012,
Perbandingan Interpolasi Spasial Dengan Metode Ordinary Kriging Dan
Robust Kriging Pada Data Spasial Berpencilan (Studi Kasus: Curah Hujan di
Kabupaten Karangasem), E-Jurnal Mat., 1 (1), 68–74.
Valeton, I., 1972, Bauxite, Development in Soil Science, Amsterdam.
Wackenagel, H., 2003, Multivariate Geostatistics: An Introduction with
Applications., New York, Springer- Verlag Berlin Heidelberg GmbH.
Waterman, S., 2017, Geostatistik, Edisi Kedua, Prodi Teknik Pertambangan, UPN
Veteran Yogyakarta.
Webster, R. and M.O., 2007, Geostatistics for Environmental Scientists Second
Edition, Hoboken, John Wiley & Sons.
Williams, P.R. and Harahap, B.H., 1987, Preliminary geochemical and age data
from postsubduction intrusive rocks, northwest Borneo, Aust. J. Earth Sci., 34
(4), 405–415.
Winarno, E., Dwinagara, B., and Dijulianto, S., 2020, Estimasi Cadangan Endapan
Bauksit Menggunakan Metode Ordinary Kriging Pada Blok Mungguk Ruai
PT. Dinamika Sejahtera Mandiri Kecamatan Toba Kabupaten Sanggau
Provinsi Kalimantan Barat, J. Teknol. Pertamb. UPN" Veteran" Yogyakarta,
6 (1), 100–108.
Wintolo, D., 2019, Pengantar Statistik dan Geostatistik, Yogyakarta, Gajah Mada
University Press.
Wulansari, D., 2016, Karakteristik Bauksit dan Penentuan Kandungan Mineralogi
dengan Metode Semi-Kuantitatif di Kawasan Tambang Tayan, Kalimantan
Barat.
Yasrebi, J., Saffari, M., Fathi, H., Karimian, N., Moazallahi, M., and Gazni, R.,
2009, Evaluation and comparison of ordinary kriging and inverse distance
weighting methods for prediction of spatial variability of some soil chemical
parameters., Res. J. Biol. Sci., 4 (1), 93–102.
40
Yimit, H., Eziz, M., Mamat, M., and Tohti, G., 2011, Variations in groundwater
levels and salinity in the Ili River Irrigation Area, Xinjiang, northwest China:
a geostatistical approach, Int. J. Sustain. Dev. World Ecol., 18 (1), 55–64.
41
LAMPIRAN
Lampiran 1 Data inputan ke dalam Qgis dan Saga Gis
No X Y Z ORE
13-100 405972 9991910 43.15 4.6
13-101 405998 9991909 40.10962 5.2
13-102 406020 9991910 35.645 3.6
13-103 406045 9991910 30.75964 5.4
13-104 406071 9991910 27.00292 6.5
13-105 406096 9991910 22.62472 3.7
13-106 406122 9991910 15.71197 3.9
13-107 405750 9991882 12.00118 2.6
13-108 405774 9991883 14.565 2.3
13-109 405799 9991884 16.83118 1.9
13-011 405948 9992080 11.35303 1
13-110 405824 9991883 19.31473 3.3
13-111 405849 9991882 25.48696 4.7
13-113 405899 9991881 36.79428 4.1
13-114 405922 9991886 40.71566 4.2
13-115 405946 9991885 43.20001 5.1
13-116 405972 9991885 42.44999 3.7
13-117 405997 9991884 39.45405 3.8
13-118 406022 9991883 34.36974 5.2
13-119 406048 9991885 30.54931 5.9
13-120 406073 9991885 25.34217 5.1
13-121 406098 9991884 20.818 4.1
13-122 406123 9991884 14.7222 3.5
13-123 405773 9991861 12.5853 1.9
13-124 405904 9991677 25.29757 3.5
13-125 405878 9991682 19.89187 1.4
13-126 405848 9991859 24.88735 3.6
13-127 405873 9991858 30.77617 3.3
13-128 405898 9991857 36.97322 3.5
13-129 405927 9991858 41.35319 3.1
13-130 405951 9991858 42.79462 3.1
13-131 405977 9991857 41.92756 4.5
13-132 406002 9991857 37.14897 4.1
13-133 406023 9991861 32.64829 4.5
13-134 406048 9991861 27.46284 5
13-135 406073 9991861 22.10436 4.6
13-136 406099 9991861 17.86766 1.8
13-137 405797 9991834 14.19317 1.4
42
13-138 405822 9991834 20.0644 4.4

13-139 405848 9991833 26.0459 3.4
13-140 405874 9991832 31.60979 3.1
13-141 405897 9991832 36.99937 3
13-142 405927 9991834 40.15272 4.1
13-143 405952 9991833 41.04194 4
13-144 405976 9991833 40.0761 4.2
13-145 406002 9991833 34.72148 1.5
13-146 406023 9991837 30.30098 2.5
13-147 406048 9991836 24.89466 3.2
13-148 406073 9991836 19.36384 3.65
13-149 405796 9991808 18.20512 2.7
13-150 405821 9991808 23.88772 5.7
13-151 405846 9991808 28.18027 5.2
13-152 405871 9991807 31.87415 5.1
13-153 405896 9991807 35.06611 4.9
13-154 405921 9991806 38.12784 2.8
13-155 405951 9991807 39.16332 3.8
13-156 405977 9991808 38.81998 3.8
13-157 406002 9991808 33.99741 2
13-158 406027 9991808 28.30318 2.1
13-159 406051 9991808 22.9741 4
13-16 406099 9992083 11.1344 1.7
13-160 406073 9991811 18.50461 0.8
13-161 405771 9991785 13.93119 1.7
13-162 405795 9991785 18.62304 3
13-163 405821 9991784 23.02966 4.1
13-164 405846 9991783 26.2072 4.4
13-165 405871 9991783 29.43886 3.7
13-166 405896 9991782 33.79238 7
13-167 405921 9991782 35.49678 3.4
13-168 405951 9991784 36.48088 2.6
13-169 405975 9991783 35.45133 2.8
13-17 405872 9992056 12.9001 3
13-170 406001 9991782 32.5296 4
13-171 406024.7 9991782 27.75704 2.5
13-172 406050 9991782 22.40994 2.1
13-173 406072 9991787 17.96016 0.8
13-174 405772 9991753 13.67643 1
13-175 405797 9991753 17.13474 3.4
13-176 405813 9991752 19.22969 3.7
13-177 405830 9991757 21.16509 3.1
43
13-178 405855 9991757 23.47508 1.2

13-179 405880 9991757 27.29287 3.3
13-18 405897 9992056 15.09258 3.4
13-180 405904 9991756 29.98718 3.5
13-181 405929 9991755 33.11839 2.1
13-182 405953 9991756 33.54334 5.6
13-183 405978 9991756 33.17233 3
13-184 406003 9991755 31.24286 1.7
13-186 405796 9991728 15.9073 3.1
13-187 405813 9991727 17.65573 2
13-188 405830 9991732 19.74418 3.7
13-189 405854 9991732 20.96334 1.6
13-19 405923 9992061 14.96154 2.8
13-190 405879 9991732 23.46544 2.6
13-191 405904 9991731 26.71657 2.9
13-192 405927 9991731 29.62234 2
13-193 405953 9991731 31.47589 3
13-194 405978 9991731 31.88663 2.5
13-198 405813 9991703 15.13788 1.8
13-199 405829 9991708 16.35766 1.8
13-20 405948 9992060 15.5565 1.5
13-200 405854 9991707 17.68987 2
13-202 405904 9991706 24.82471 2.5
13-203 405928 9991705 29.1664 3.7
13-204 405950 9991706 31.43582 3
13-205 405976 9991706 32.52034 2.6
13-206 406002 9991705 30.04465 2
13-208 405929 9991679 29.02454 2.5
13-209 405951 9991679 32.20599 4.3
13-21 405973 9992060 17.5945 3.5
13-210 405975 9991679 32.68185 2.9
13-211 406001 9991679 31.02211 2.7
13-212 406026 9991678 29.2889 3.1
13-217 406251 9992036 9.159429 1.5
13-218 406272 9992037 9.901177 1.3
13-222 406230 9992010 9.188674 1.6
13-225 406297 9992011 13.12964 1.6
13-227 406353 9992004 14.46554 2
13-230 406250 9991988 13.44508 2
13-231 406272 9991988 14.49562 1.2
13-232 406296 9991987 15.95342 2.7
13-233 406322 9991987 17.27312 2.4
44
13-234 406352 9991979 18.58665 2.6

13-235 406377 9991978 18.03249 1
13-236 406402 9991976 17.84563 2.9
13-237 406427 9991976 15.28108 2.8
13-238 406451 9991979 13.22031 3.4
13-239 406474 9991978 12.08076 3.8
13-240 406499 9991977 10.27636 3
13-241 406524 9991975 9.241557 1.9
13-246 406250 9991962 17.00154 2.9
13-247 406271 9991961 16.92311 3
13-248 406296 9991961 19.02912 3.2
13-249 406321 9991961 20.06292 1.3
13-250 406351 9991954 22.5758 3.3
13-251 406376 9991953 23.26982 2
13-252 406401 9991951 23.34897 2.4
13-253 406426 9991950 21.11879 3.3
13-254 406449 9991954 18.94773 3.2
13-255 406473 9991952 18.07742 3.8
13-256 406498 9991952 15.58991 3.3
13-257 406523 9991950 14.44528 3.9
13-258 406548 9991953 10.83198 1.5
13-259 406573 9991952 9.557366 2
13-26 406099 9992058 13.53988 2
13-260 406599 9991959 7.276428 1
13-261 406202 9991932 14.7453 3.8
13-262 406228 9991933 18.20091 4.1
13-263 406250 9991937 19.75815 3.8
13-264 406272 9991937 21.07041 2.5
13-265 406295 9991936 23.21561 0.8
13-266 406321 9991936 24.41815 1.8
13-267 406351 9991929 28.01224 4.3
13-268 406375 9991928 29.41021 1.4
13-269 406400 9991927 28.10159 2.6
13-27 405846 9992031 13.35597 2.4
13-270 406425 9991925 27.14969 3.4
13-271 406447 9991929 24.86785 2.1
13-272 406472 9991928 23.49272 3.5
13-273 406497 9991927 21.97451 5.6
13-274 406522 9991925 20.23802 5.9
13-275 406547 9991928 16.87325 4.8
13-276 406572 9991927 13.62973 0.4
13-277 406598 9991925 11.02649 0.9
45
13-278 406622 9991924 8.165833 2.1

13-279 406203 9991910 18.59649 4.6
13-28 405871 9992031 16.2921 3.9
13-280 406227 9991910 21.96833 5.1
13-281 406249 9991912 24.81294 6.1
13-282 406270 9991911 27.29697 4.8
13-283 406295 9991911 29.61514 6
13-284 406321 9991910 32.2131 4.2
13-285 406350 9991905 34.00542 7.8
13-286 406374 9991904 34.08617 3
13-287 406402 9991903 33.33447 4.9
13-288 406423 9991901 32.46464 3.2
13-289 406446 9991904 30.81062 4.5
13-29 405897 9992031 19.21836 4.1
13-290 406471 9991903 29.63968 5.9
13-291 406495 9991901 28.42401 4.7
13-292 406520 9991900 26.60124 4.8
13-293 406546 9991903 22.60014 5
13-294 406571 9991903 19.57393 6.5
13-295 406596 9991900 15.71376 2.3
13-297 406177 9991885 17.02139 4.2
13-298 406202 9991885 21.87749 3.4
13-299 406227 9991886 25.84263 4.9
13-30 405922 9992036 19.61061 1.9
13-300 406248 9991886 29.1655 6.6
13-301 406271 9991886 31.73563 5.5
13-302 406295 9991886 34.87644 7.2
13-303 406320 9991886 36.88487 6.32
13-304 406353 9991878 39.79277 5.4
13-305 406377 9991889 36.39231 3.4
13-306 406402 9991876 39.28726 6.1
13-307 406426 9991875 38.49126 5.6
13-308 406445 9991879 36.39695 5.9
13-309 406469 9991878 36.09617 5.5
13-31 405948 9992036 20.76952 4
13-310 406494 9991877 35.39098 5.9
13-311 406519 9991875 33.45377 6
13-312 406553 9991879 26.85994 5.1
13-313 406578 9991878 23.44557 5.4
13-314 406602 9991877 19.81527 4.8
13-315 406628 9991876 15.01375 2
13-316 406152 9991861 15.72422 2.8
46
13-317 406177 9991861 20.40556 3.3

13-318 406202 9991860 25.77396 6.9
13-319 406227 9991861 29.58979 6.3
13-32 405972 9992034 21.58334 1.9
13-320 406250 9991861 31.93752 4.5
13-321 406273 9991862 35.26095 6
13-322 406298 9991861 39.1385 7.6
13-323 406322 9991861 40.07099 6.3
13-324 406351 9991854 42.57283 5.7
13-325 406377 9991853 43.23031 5.1
13-326 406401 9991852 43.66521 5.5
13-327 406426 9991851 44.05783 6.3
13-328 406448 9991855 42.49677 5.9
13-329 406473 9991854 41.88822 7.2
13-330 406498 9991852 41.62579 5.6
13-331 406522 9991851 39.59706 4.1
13-332 406551 9991855 32.48151 3.5
13-333 406577 9991854 27.13485 5.5
13-334 406602 9991853 23.84085 5.1
13-335 406626 9991851 20.07404 3.2
13-336 406648 9991859 14.82251 2
13-337 406152 9991836 18.12043 3
13-338 406176 9991835 23.43329 1.4
13-339 406202 9991837 28.43647 5
13-340 406227 9991836 32.00647 4.8
13-341 406247 9991838 34.22414 5
13-342 406272 9991837 38.46647 5
13-343 406297 9991837 40.65601 5.4
13-344 406323 9991837 43.57082 6.6
13-345 406351 9991828 45.59664 6
13-346 406374 9991827 46.75823 3.7
13-347 406400 9991827 47.37279 6
13-348 406425 9991826 48.27629 6.1
13-349 406447 9991830 47.60943 5.8
13-351 406497 9991827 46.62884 5.3
13-352 406523 9991826 44.53841 6.3
13-353 406550 9991829 38.85244 4.8
13-354 406575 9991828 33.32865 5.6
13-355 406601 9991827 27.96129 3.7
13-356 406626 9991826 23.20266 2.8
13-357 406647 9991833 18.38888 2.8
13-358 406673 9991833 14.03915 1.8
47
13-359 406127 9991812 16.04051 2.7

13-36 406072 9992034 18.10097 1.9
13-361 406177 9991811 26.72931 5
13-363 406227 9991812 33.45569 4.3
13-364 406247 9991813 38.40833 6.6
13-365 406272 9991813 40.93783 1.7
13-367 406322 9991812 43.94043 2.3
13-368 406349 9991803 48.89644 5.7
13-369 406373 9991802 50.44705 6.1
13-37 406099 9992034 15.20362 1.5
13-370 406398 9991801 51.1808 5.2
13-371 406423 9991800 52.66694 6.1
13-372 406446 9991804 51.98037 5.5
13-373 406471 9991804 52.12774 6.7
13-374 406496 9991802 51.04354 6.6
13-375 406521 9991802 48.99279 6.8
13-376 406549 9991804 41.16727 2.4
13-377 406574 9991803 37.54447 5.1
13-378 406600 9991803 31.91467 5.2
13-379 406625 9991802 26.87965 3.5
13-380 406648 9991804 21.7145 3.2
13-381 406671 9991807 16.30623 3.2
13-382 406126 9991784 18.98684 3.9
13-383 406152 9991784 24.87961 5.2
13-384 406177 9991783 30.81316 7.8
13-385 406202 9991784 34.29134 6.3
13-386 406227 9991784 39.76458 5.6
13-387 406246 9991788 41.70397 6
13-388 406273 9991788 45.35701 7.2
13-389 406297 9991787 47.12404 5.8
13-39 405847 9992007 17.23015 2.7
13-390 406323 9991787 47.8999 4.2
13-391 406351 9991777 52.26784 6.2
13-392 406376 9991776 53.41677 6.8
13-393 406400 9991775 54.06002 4.3
13-394 406425 9991775 55.72677 6.7
13-395 406445 9991778 55.52059 5.5
13-396 406470 9991778 55.07237 5.5
13-397 406495 9991777 53.92367 6
13-398 406520 9991777 51.19333 7
13-399 406551 9991778 45.40282 6
13-40 405872 9992007 20.61814 1.1
48
13-400 406576 9991777 39.02399 6

13-401 406600 9991776 33.18755 5.4
13-402 406626 9991776 27.13455 4
13-403 406646 9991782 22.77777 4
13-404 406670 9991781 17.60781 2.1
13-405 406696 9991781 11.87411 4.4
13-406 406103 9991753 17.74121 1.7
13-407 406128 9991753 21.7207 2.9
13-408 406152 9991758 27.82182 6.2
13-409 406176 9991758 33.61137 6.9
13-41 405897 9992006 23.95395 2.4
13-410 406201 9991758 37.87526 6.2
13-411 406226 9991758 42.60091 7.1
13-412 406250 9991762 45.69031 7.7
13-413 406275 9991762 48.43545 4.6
13-414 406300 9991762 50.72971 4.8
13-415 406325 9991761 51.92487 4.4
13-416 406350 9991753 53.14233 3.5
13-417 406375 9991752 55.0257 4.7
13-418 406401 9991751 57.19076 5
13-419 406425 9991750 57.83332 4.2
13-42 405922 9992011 25.83372 3.1
13-420 406450 9991755 56.7515 4
13-421 406476 9991754 56.00984 5.8
13-422 406501 9991753 53.73975 4
13-423 406525 9991753 50.49697 6.1
13-424 406550 9991753 45.29421 6.1
13-425 406575 9991752 38.21573 4
13-426 406600 9991751 32.0161 3.8
13-427 406625 9991751 27.44092 4.3
13-428 406645 9991755 23.66601 2.7
13-429 406670 9991756 18.7662 4.4
13-43 405947 9992011 26.94541 4.8
13-430 406695 9991755 12.54783 3.3
13-431 406102 9991728 18.56737 1.5
13-432 406127 9991728 23.62273 4.6
13-433 406151 9991732 29.05054 6.9
13-434 406175 9991733 35.49151 3.4
13-435 406201 9991732 41.67215 7.1
13-436 406226 9991732 46.79317 7.6
13-437 406249 9991737 49.60691 7.4
13-438 406274 9991737 52.56911 6.8
49
13-439 406299 9991737 53.701 6

13-44 405972 9992010 28.06171 4
13-440 406323 9991736 54.97695 6
13-441 406350 9991727 56.19505 3.6
13-442 406375 9991727 57.40139 5.1
13-443 406400 9991725 58.35 6.5
13-444 406425 9991725 58.4 5
13-445 406450 9991730 57.84041 3.7
13-447 406500 9991729 51.98711 2.1
13-448 406525 9991728 48.62939 4.9
13-449 406550 9991728 43.245 5.5
13-45 405997 9992009 27.78156 4.5
13-450 406574 9991727 37.16726 4.3
13-451 406608 9991727 28.87044 4
13-452 406622 9991727 26.39899 3.1
13-453 406647 9991731 22.53452 3
13-454 406670 9991731 18.13129 2.4
13-455 406694 9991729 14.06019 3.4
13-456 406716 9991729 9.780921 2.8
13-458 406126 9991702 24.03482 3.2
13-459 406151 9991707 30.12324 3.9
13-46 406022 9992009 25.26527 6.4
13-460 406175 9991708 35.98399 3.6
13-461 406200 9991707 42.38318 6
13-462 406225 9991707 48.61388 3.8
13-463 406248 9991712 52.62036 7.2
13-464 406274 9991712 53.9585 6.2
13-465 406298 9991711 55.18825 4.4
13-466 406322 9991711 56.00954 4.4
13-467 406348 9991702 57.04104 6.4
13-468 406374 9991702 56.06816 5.1
13-469 406399 9991700 55.75159 3.7
13-47 406047 9992010 23.37155 3.6
13-470 406424 9991700 54.71541 4.4
13-471 406449 9991704 54.70358 5.9
13-472 406474 9991704 52.61675 6.2
13-473 406499 9991704 48.98696 5.9
13-474 406524 9991703 45.00866 3.6
13-475 406548 9991702 41.01944 7.3
13-476 406573 9991702 34.68528 5.3
13-477 406593 9991704 30.95323 5.7
13-478 406618 9991706 25.85408 3.6
50
13-479 406643 9991706 22.39264 3.6

13-48 406072 9992009 19.78044 2.2
13-480 406668 9991706 18.41167 2.5
13-481 406693 9991706 14.2197 3.5
13-482 406718 9991706 9.506519 2.9
13-484 406151 9991633 30.78768 2.2
13-485 406176 9991683 36.59409 5
13-486 406201 9991682 42.17965 4
13-487 406224 9991681 48.40676 5.1
13-488 406247 9991676 53.79422 7.6
13-489 406273 9991687 54.43299 3.6
13-490 406296 9991674 54.38726 4.1
13-491 406321 9991674 55.2558 5.6
13-492 406346 9991678 55.46553 6.8
13-493 406373 9991677 54.63754 4.9
13-494 406398 9991676 52.97668 7.5
13-495 406423 9991674 51.47744 5.7
13-496 406448 9991675 49.18 3.5
13-497 406474 9991679 48.16312 5.8
13-498 406501 9991672 43.69547 4.5
13-499 406526 9991672 40.36009 2
13-50 405801 9991984 11.85962 2
13-500 406551 9991678 36.81655 6.1
13-501 406572 9991676 33.50216 6.7
13-502 406596 9991679 28.66589 3.7
13-503 406626 9991678 23.76174 1.6
13-504 406646 9991679 20.08383 2.3
13-505 406665 9991682 17.8181 2.5
13-507 406716 9991681 10.36888 1.4
13-508 405809 9991653 14.73514 2
13-509 405834 9991653 16.17856 2
13-51 405826 9991984 16.50949 2
13-510 405856 9991653 19.0128 1.2
13-511 405878 9991653 24.20477 3.1
13-512 405904 9991652 28.49793 4.9
13-513 405928 9991651 31.10587 4.3
13-514 405951 9991654 32.4595 1.9
13-515 405972 9991654 34.96539 3.1
13-516 405997 9991653 33.27731 2.2
13-517 406022 9991653 30.58916 1.1
13-518 406122 9991649 26.10472 2.7
13-519 406150 9991658 29.24747 3.6
51
13-52 405851 9991984 21.39295 2.2

13-520 406175 9991657 34.86942 2.9
13-521 406200 9991656 43.05806 4.3
13-522 406230 9991648 50.75225 2.4
13-523 406246 9991651 53.08591 5.1
13-524 406270 9991648 54.00762 7.4
13-525 406295 9991648 54.07177 5.7
13-526 406321 9991648 53.336 5.3
13-527 406346 9991652 52.91658 5.6
13-528 406372 9991652 50.1558 4.2
13-529 406397 9991651 48.73694 3.8
13-53 405876 9991984 23.98274 1.3
13-530 406422 9991651 46.63512 3.8
13-531 406448 9991650 44.73516 4.6
13-532 406474 9991649 42.60399 7.8
13-533 406499 9991647 38.807 5.2
13-534 406525 9991646 36.36569 3.4
13-535 406550 9991654 33.7498 6.7
13-536 406575 9991653 30.30035 3.9
13-537 406598 9991654 25.51416 1.8
13-538 406625 9991653 22.78808 4
13-539 406651 9991653 19.0969 4
13-540 405901 9991653 15.1423 3.6
13-541 406676 9991652 11.34899 2.9
13-542 406701 9991652 8.392172 3.4
13-543 406725 9991629 20.27477 5.7
13-544 405808 9991628 21.21271 4
13-545 405833 9991628 23.59267 3.1
13-546 405856 9991628 27.21097 3.9
13-547 405878 9991626 30.59651 4.9
13-548 405903 9991626 33.01228 3.6
13-549 405928 9991629 34.35029 3.8
13-55 405949 9991987 30.45219 3.1
13-550 405921 9991628 36.6521 4.85
13-551 405971 9991628 35.26328 2.7
13-553 405996 9991625 29.04584 1.8
13-554 406121 9991633 31.21917 5
13-555 406150 9991632 36.17844 3.3
13-556 406175 9991631 42.30774 4
13-557 406200 9991622 48.83984 4.5
13-558 406224 9991625 51.94178 5
13-559 406245 9991624 52.18751 1.9
52
13-561 406320 9991623 49.92361 4.1

13-560 406270 9991623 50.43431 7
13-562 406295 9991627 48.8305 7.1
13-563 406320 9991627 46.02245 3
13-564 406345 9991627 44.23298 3.4
13-565 406371 9991625 42.29599 5
13-566 406396 9991625 39.16019 4.9
13-568 406422 9991623 35.54262 7.2
13-569 406447 9991622 32.49882 4.4
13-57 406498 9991985 34.26132 6.7
13-570 406525 9991629 31.25381 2.1
13-571 405971 9991629 27.4002 3.9
13-572 406550 9991629 24.34008 3.4
13-573 406575 9991628 20.78596 2.5
13-574 406600 9991628 17.82205 3.6
13-576 406625 9991628 11.02618 3.2
13-577 406650 9991603 23.94489 4.1
13-578 406700 9991603 25.39889 3.2
13-579 405808 9991603 27.75386 4.2
13-58 405833 9991984 32.54567 4.6
13-580 405855 9991602 30.37724 5.4
13-581 405996 9991602 32.60211 3.5
13-582 405877 9991601 33.82682 1.6
13-583 405902 9991604 35.76569 2.1
13-584 405927 9991603 37.64422 2.8
13-585 405949 9991602 38.35548 3.5
13-586 405971 9991602 36.51709 1.1
13-587 405996 9991602 34.22872 0.9
13-589 406021 9991608 34.35175 2.5
13-59 406046 9991983 29.14648 3.9
13-590 406149 9991607 39.08168 5.2
13-591 406021 9991607 44.95463 6.1
13-592 406174 9991597 46.84734 2.8
13-593 406199 9991600 48.74997 5.1
13-594 406223 9991599 48.24844 6.7
13-595 406244 9991599 46.0636 4.9
13-596 406268 9991598 45.11906 7.4
13-597 406294 9991603 43.9039 5.5
13-598 406319 9991601 40.171 3
13-599 406344 9991601 38.81279 6.5
13-60 406370 9991985 25.88145 3.4
13-600 406395 9991600 36.60774 6.9
53
13-601 406046 9991599 34.53072 3.6

13-602 406421 9991599 32.04502 5.5
13-603 406446 9991598 29.96999 5.1
13-604 406472 9991596 28.08457 2.6
13-605 406497 9991603 27.00311 1.8
13-606 406524 9991604 24.31835 3.7
13-607 406549 9991604 21.64876 3.9
13-608 406575 9991604 18.07513 1.3
13-609 406599 9991603 15.68815 1.2
13-610 406650 9991603 12.74775 3.4
13-611 406071 9991579 23.84462 3.8
13-612 406675 9991578 28.85988 4.2
13-613 405807 9991578 31.28479 2.9
13-614 405832 9991577 33.38892 2.9
13-615 405854 9991576 34.47449 3.8
13-616 405877 9991576 37.13522 3.6
13-617 405893 9991578 37.94999 3.9
13-618 405929 9991578 38.1 3.2
13-619 405949 9991578 38.94999 2.9
13-62 405970 9991984 18.95801 3.4
13-620 405995 9991578 37.74904 3.9
13-621 406097 9991577 35.54789 2.6
13-622 406020 9991576 34.79491 2.2
13-623 406045 9991577 38.92837 1.8
13-624 406070 9991582 40.10617 3.1
13-625 406148 9991574 46.30751 7.1
13-626 406173 9991572 45.41966 6.6
13-627 406210 9991575 45.22819 5.3
13-628 406221 9991575 43.12926 4.6
13-629 406243 9991574 41.2403 2
13-630 406293 9991573 37.52719 1.6
13-631 406121 9991578 38.30399 5.3
13-632 406320 9991577 35.84846 5.3
13-633 406344 9991575 32.95697 3.9
13-634 406370 9991576 30.61013 1.9
13-635 406395 9991575 28.3244 4.1
13-636 406420 9991573 26.74789 7
13-637 406448 9991573 24.58966 1.4
13-638 406471 9991571 22.86215 5.8
13-639 406496 9991578 23.13085 3.8
13-64 406523 9991958 14.14776 3.6
13-640 406549 9991579 21.24597 5.9
54
13-641 405804 9991579 17.53696 0.4

13-644 406575 9991703 14.29914 1.6
13-646 406599 9991605 19.42245 4
13-647 405796 9991579 20.48652 4.3
13-648 405782 9991546 20.57102 2.6
13-649 405782 9991547 23.70228 1.9
13-65 405779 9991958 20.15052 3.9
13-650 405804 9991547 26.17566 2.1
13-651 405829 9991547 30.30043 2.8
13-652 405828 9991543 34.08181 3.8
13-653 405853 9991540 36.31499 1.5
13-654 405878 9991547 37.65 3.9
13-655 405902 9991548 38.4 4.9
13-656 405928 9991548 37.8 2.6
13-657 405949 9991548 38.2 3.1
13-658 405975 9991549 37.59999 2.2
13-659 406000 9991548 37.42972 2.2
13-66 406026 9991957 25.32145 3.2
13-660 406052 9991547 37.19702 2.9
13-661 405854 9991545 37.33594 1.1
13-662 406079 9991544 41.26777 2.5
13-663 406109 9991547 41.46541 3.9
13-664 406152 9991548 40.36598 4.1
13-665 406176 9991546 38.31065 2.9
13-666 406206 9991544 37.9972 5.8
13-667 406234 9991544 36.55735 7.7
13-668 406256 9991542 34.05153 6.4
13-669 406281 9991540 31.66289 7.9
13-67 406305 9991957 29.34681 4.6
13-670 406331 9991543 30.22603 8
13-671 405879 9991545 27.06535 4.8
13-672 406355 9991549 26.60426 4.5
13-673 406376 9991551 24.69232 3.3
13-674 406401 9991553 21.6655 2.2
13-675 406427 9991551 19.91434 1.9
13-676 406462 9991550 18.43684 2.9
13-
677R 406503 9991549 16.65944 1.9
13-68 406528 9991956 32.6907 3.7
13-680 406553.2 9991521 18.05838 2.05
13-681 405904 9991521 20.88717 3.2
13-682 405779 9991522 24.08765 2.1
13-683 405804 9991522 28.25466 1.9
55
13-684 405828 9991522 31.68785 2.9

13-685 405853 9991522 34.59581 1.9
13-686 405878 9991523 37.20001 2.4
13-687 405903 9991524 36.50001 2
13-688 405924 9991523 37.25 1.9
13-689 405952 9991523 37.65 2.2
13-69 405975 9991961 35.48608 6.1
13-690 406000 9991524 38.3 2.8
13-691 405924 9991523 38.75 3.2
13-692 406025 9991522 38.35748 2
13-693 406052 9991522 39.35148 2.2
13-694 406078 9991524 39.04308 1.6
13-695 406128 9991525 38.76794 6
13-696 406153 9991524 36.56662 4.3
13-697 406177 9991522 35.09474 5.8
13-698 406201 9991522 33.72803 6.9
13-699 406230 9991519 30.13391 2.5
13-70 406255 9991960 38.5359 4.9
13-700 406280 9991518 28.52828 6.4
13-701 405949 9991518 26.42853 7.2
13-702 406307 9991519 24.47933 5.6
13-703 406329 9991522 22.51821 5.2
13-704 406355 9991524 21.34469 4.5
13-705 406378 9991526 18.26781 1.4
13-706 406403 9991528 15.77313 2.3
13-707 406428 9991526 13.49346 1.9
13-708 406463 9991525 12.43569 1.9
13-709 406502 9991525 13.22262 4.3
13-71 406528 9991959 39.42154 7.3
13-713 406552 9991497 24.68852 1.2
13-714 405974 9991497 29.08876 5.2
13-715 405853 9991498 33.44352 1.6
13-716 405878 9991498 37.60811 1.5
13-717 405903 9991498 37.1 1.2
13-718 405927 9991498 37.44999 1
13-719 405951 9991498 37.5 1.9
13-72 405975 9991959 36.03718 5.9
13-720 406000 9991497 37.15 2.2
13-721 405999 9991497 38.90001 3.9
13-722 406029 9991498 38.99999 4
13-723 406053 9991497 38.05934 2.3
13-724 406078 9991499 37.24002 3.4
56
13-725 406103 9991498 35.58107 3.5

13-726 406130 9991502 34.46063 4.4
13-727 406155 9991502 31.88751 2.9
13-728 406178 9991491 28.616 7.2
13-729 406202 9991490 27.50451 5.8
13-73 406240 9991958 32.67038 5.6
13-730 406254 9991490 25.04154 7.8
13-731 406024 9991488 21.60901 2.6
13-732 406282 9991496 22.16177 7.4
13-733 406305 9991495 19.04698 4
13-734 406329 9991500 18.14091 2.4
13-735 406360 9991499 16.24017 2.2
13-736 406379 9991501 14.72138 2
13-737 406405 9991503 11.72323 2.5
13-738 406430 9991501 9.331209 1.1
13-74 406464 9991962 28.28765 4.8
13-743 406501 9991471 14.83269 1.4
13-746 406049 9991473 37.12503 2
13-747 405806 9991473 37.8 1.7
13-748 405926 9991473 38.30001 2.9
13-749 405951 9991474 38.2 4.4
13-75 405976 9991961 24.55275 4.6
13-750 406001 9991474 37.90001 2.5
13-751 406074 9991474 37.65 1.9
13-754 406026 9991475 35.3038 3.3
13-755 406055 9991471 34.28696 1.9
13-756 406133 9991472 32.15925 1.8
13-757 406152 9991474 29.51673 3.9
13-758 406179 9991465 27.10561 5.9
13-759 406206 9991460 23.99827 5.9
13-76 406227 9991960 20.67683 3.6
13-760 406252 9991453 21.43497 6
13-761 406099 9991453 18.38167 3.9
13-762 406278 9991468 17.34426 3.5
13-763 406300 9991472 16.19122 4.5
13-764 406330 9991471 14.15153 2.5
13-765 406359 9991474 11.68323 1.2
13-766 406381 9991476 9.921244 1.3
13-770 406406 9991445 15.61181 2.2
13-771 406433 9991444 18.37975 1.8
13-772 405780 9991443 21.64054 2
13-773 405805 9991390 29.14197 2.1
57
13-774 405830 9991447 30.42391 3

13-775 405852 9991447 34.93125 3.6
13-776 405880 9991448 39.25001 2.7
13-777 405903 9991449 38.85 5.7
13-778 405926 9991449 38.85 5.7
13-779 405952 9991450 38.15 5.72
13-78 405976 9991933 15.07975 2.1
13-780 406002 9991450 38.1 2
13-781 405803 9991449 38.39999 2.3
13-782 406027 9991447 37.85 1.8
13-783 406053 9991452 37.95 0.7
13-784 406078 9991451 35.17408 2.1
13-785 406098 9991448 32.94241 2.2
13-786 406128 9991444 30.98138 1.7
13-787 406151 9991444 28.35239 2.8
13-789 406175 9991438 22.97738 0.7
13-79 406199 9991933 20.89118 1.4
13-790 406251 9991432 19.58755 1.9
13-791 405828 9991430 17.36449 0.8
13-792 406275 9991428 14.14029 1.9
13-793 406299 9991443 12.0988 1.4
13-798 406325 9991419 19.39138 3.55
13-799 406360 9991418 23.14806 3.3
13-80 405779 9991932 26.72562 4
13-800 405805 9991418 25.62006 1.7
13-801 405853 9991420 29.41217 1
13-802 405829 9991422 33.72173 4.75
13-803 405855 9991422 36.71923 3.8
13-804 405880 9991423 37.49999 2
13-805 405904 9991423 38.2 3.3
13-806 405927 9991424 37.9 2.3
13-807 405952 9991425 37.90001 2.3
13-808 405977 9991425 37.80001 1.4
13-809 406002 9991424 38 2.1
13-81 406027 9991931 31.31427 4.6
13-810 406052 9991423 37.625 1.9
13-811 405878 9991425 36.75 1.5
13-812 406076 9991427 36.34959 2.2
13-813 406100 9991425 33.14415 4.2
13-814 406122 9991421 29.99585 5.2
13-815 406152 9991418 27.77966 5.5
13-816 406173 9991415 24.86498 4.9
58
13-817 406200 9991412 21.50917 1.6

13-82 406223 9991931 36.13523 4.7
13-822 406249 9991399 20.43355 1.7
13-823 405903 9991398 24.73437 1.7
13-824 405778 9991397 26.44512 2.6
13-825 405803 9991397 29.19642 2.34
13-826 405828 9991396 32.41952 3.2
13-827 405853 9991401 35.43296 3
13-828 405879 9991398 36.13196 2.7
13-829 405906 9991397 38.2 3.4
13-83 405932 9991936 39.15303 4.8
13-830 405953 9991399 37.75 2.2
13-831 405924 9991397 38.25 3.1
13-832 405978 9991398 37.495 2.89
13-833 406009 9991398 37.85 3.8
13-834 406030 9991399 37.15 3.4
13-835 406055 9991398 36.15293 1.6
13-836 406079 9991398 34.54169 0.92
13-837 406104 9991397 32.54199 3.7
13-838 406128 9991397 28.13538 3.5
13-839 406154 9991396 26.38916 4.5
13-84 406179 9991935 41.58995 5
13-840 406204 9991396 22.60096 3.7
13-841 405948 9991396 20.17212 3.7
13-842 406228 9991374 18.76978 2.9
13-843 406253 9991373 23.2434 2.1
13-844 405778 9991373 25.0684 4.6
13-845 405803 9991372 26.71857 3.7
13-846 405828 9991371 28.55312 2.6
13-847 405853 9991370 29.0834 1.6
13-848 405878 9991372 34.2414 5.1
13-849 405900 9991372 34.71002 2
13-85 405925 9991934 41.91352 5
13-850 405954 9991374 37.24704 2.9
13-851 405973 9991373 38.11984 6.8
13-852 405979 9991373 37.56176 5.9
13-853 406004 9991373 36.81338 6.3
13-854 406029 9991374 36.60978 5.2
13-855 406054 9991373 34.15183 1.1
13-856 406079 9991373 32.24635 2.1
13-857 406103 9991372 29.68208 2.5
13-858 406128 9991372 26.86196 2.5
59
13-859 406152 9991372 24.56758 3.7

13-86 406178 9991934 39.1368 6.2
13-860 406203 9991371 21.0252 2.5
13-861 405998 9991371 18.17572 0.9
13-862 406227 9991348 18.7511 4.2
13-863 406252 9991347 20.29597 2.87
13-864 405803 9991348 21.94392 2.5
13-865 405828 9991345 22.43714 2
13-866 405853 9991345 23.70404 1.4
13-867 405874 9991347 30.29599 3.5
13-868 405899 9991348 31.19098 1.8
13-869 405930 9991348 34.38904 4
13-87 405955 9991933 34.77877 5.2
13-870 405980 9991350 34.83804 4.4
13-871 406023 9991351 34.46273 2.2
13-872 406005 9991349 33.07899 3.7
13-873 406030 9991349 33.18547 1.8
13-874 406054 9991348 32.01719 1.8
13-875 406078 9991348 29.74831 2.8
13-876 406102 9991348 26.83534 2.9
13-877 406127 9991347 24.09802 1.3
13-878 406152 9991347 22.17498 0.9
13-88 406178 9991939 29.68845 5.1
13-882 406203 9991321 27.75372 1.9
13-884 406049 9991321 29.0817 0.6
13-885 405950 9991321 29.46419 1.7
13-886 406000 9991322 27.40019 1
13-888 406025 9991324 26.98093 2.9
13-89 406053 9991935 26.08055 5.6
13-890 406102 9991323 22.24919 0.7
13-892 406074 9991321 16.86787 0.5
13-895 406152 9991295 26.00533 4.4
13-896 406202 9991296 28.72929 5.5
13-897 405950 9991297 28.81056 3.6
13-898 405975 9991296 27.69346 1.1
13-009 406001 9992081 9.049146 1
13-90 406027 9991932 21.76895 4.1
13-900 406099 9991299 22.5627 1.6
13-901 406077 9991299 21.7489 2.1
13-902 406102 9991298 20.16109 1.7
13-903 406127 9991298 18.9215 2
13-904 406151 9991297 16.99345 2.6
60
13-907 406176 9991274 24.47596 2.5

13-908 405952 9991274 26.84725 5
13-909 405977 9991273 26.79844 4.7
13-91 406002 9991932 14.7716 1.3
13-912 406124 9991274 19.14167 4.1
13-913 406077 9991274 16.35285 1.6
13-92 406102 9991907 13.70722 2.3
13-93 405777 9991907 15.75983 1.2
13-94 405803 9991907 21.66662 1.9
13-95 405828 9991907 27.98356 6
13-96 405853 9991907 34.63068 7.1
13-97 405878 9991907 38.73601 6
13-98 405903 9991911 40.93372 4.9
13-99 405922 9991910 43.35 5.4
14-001 405947 9991341 30.1719 1.4
14-010 405917.5 9991290 23.00355 3.1
14-011 405942.7 9991290 25.95135 2.9
14-012 405967.7 9991291 27.33285 3.3
14-13 405992.8 9991291 28.53128 2.6
14-14 406018.1 9991291 26.61048 4.4
14-16 405842.6 9991265 18.66819 1.4
14-17 405867.6 9991265 20.47762 1.5
14-18 405892.7 9991265 23.13026 1.1
14-19 405917.5 9991265 24.05413 1
14-002 405992.4 9991340 32.95615 3.8
14-21 405967.6 9991265 24.71016 2.1
14-22 405992.5 9991266 26.91357 5.7
14-28 405917.5 9991240 24.53361 0.9
14-003 405942.7 9991316 24.77288 1
14-004 405967.7 9991316 27.77124 1.4
14-005 405992.9 9991316 29.04479 1.7
14-006 405817.7 9991290 14.65 1.8
14-007 405842.7 9991290 14.74978 2.1
14-008 405867.7 9991290 15.8512 2.5
61
Lampiran 2 Bauksit Laterit pada daerah penelitian
Lampiran 3 Histogram ketebalan bauksit
200
F 180
R 160
E 140
K 120
U 100
E 80
N 60
40
S
20
0
TEBAL Bauksit
62
Lampiran 4 Hasil interpolasi ketebalan bauksit dengan ordinary kriging
Lampiran 5 Overlay ketebalan bauksi dengan elevasi dalam 3D menggunakan

metode ordinary kriging dari arah Selatan
63
Lampiran 6 Peta geologi lembar Sanggau, Kalimantan skala 1:100.00
Lampiran 7 Peta geologi lembar Sanggau, Kalimantan skala 1:250.00

Galaxy, Shaffer

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Galaxy, Shaffer

Diunggah oleh

Hak Cipta:

Format Tersedia

ESTIMASI VOLUME BAUKSIT DENGAN MENGGUNAKAN

METODE ORDINARY KRIGING PADA PT ANTAM

Nouval Omar Batistuta

PROGRAM STUDI GEOFISIKA

Tanggung Jawab Yuridis Material Pada

Nouval Omar Batistuta

Zulfian, S.Si., M.Si. Radhitya Perdhana, S.Si., M.Sc.

Dr. Gusrizal, S.Si., M.Si.

TIM PENGUJI SKRIPSI

Berdasarkan Surat Keputusan Dekan Fakultas Matematika dan Ilmu

Tanggal Lulus : .. ..... 2023

Provinsi Kalimantan Barat merupakan wilayah penghasil bauksit terbesar di

Keywords: Bauxite, Ordinary Kriging, Estimate Volume

Pontianak, Juni 2023

Terdapat beberapa penelitian sebelumnya yang membahas terkait ordinary

1.4 Manfaat Penelitian

2.1 Geologi Daerah Penelitian

Gambar 2. 1 Peta geologi lembar Sanggau, Kalimantan skala 1:100.00

Gambar 2.1 menunjukkan peta geologi lembar Sanggau, Berdasarkan peta

2.2.2 Bentuk Endapan Bauksit

depositnya, bauksit dapat diklasifikasikan kedalam empat tipe (Valeton,

Gambar 2. 2 Zona Lapisan Endapan Bauksit Laterit (Shaffer, 1975).

𝐹(𝑍1 (𝑠1 ), 𝑍2 (𝑠2 ), … , 𝑍𝑘 ( 𝑠𝑛 )) = 𝐹(𝑍1 (𝑠1+ℎ ), 𝑍2 (𝑠2+ℎ ), … , 𝑍𝑘 ( 𝑠𝑛+ℎ )) (2.1)

2.6.2 Second Order Stationarity

𝐸[𝑍(𝑠𝑖 )] = µ(𝑠) = µ (2.2)

𝐸[𝑍(𝑠𝑖 ) − 𝑍(𝑠𝑗 )] = 0 (2.3)

(𝐶(𝑍, 𝑍(𝑠 + ℎ)) = 𝐸[{𝑍(𝑠) − µ}{𝑍(𝑠 + ℎ) − µ}] (2.4)

2.6.3 Instrinsic Statonarity

𝐸[𝑍(𝑠 + ℎ)] = 0 (2.5)

𝑉𝑎𝑟[𝑍(𝑠 + ℎ) − 𝑍(𝑠)] = 2𝛾(ℎ) (2.6)

𝐶(ℎ) = 𝐸 [{𝑍(𝑠) − µ}{ 𝑍(𝑠 + ℎ) − µ}] (2.7)

2𝛾(ℎ) = 𝑣𝑎𝑟 (𝑍(𝑠 + ℎ) − 𝑍(𝑠) (2.9)

. Adapun kovariansi dapat ditulis sebagai berikut:

𝛾(ℎ) = 𝜎 2 − 𝐶𝑜𝑣(ℎ) (2.10)

karena pada persamaan (2.13), 𝜎 2 = C(0), maka diperoleh,

𝛾(ℎ) = 𝐶(0) − 𝐶(ℎ) (2.13)

Gambar 2. 3 Hubungan antara Semivariogram dan kovarian Faturrachman, (2018)

2.7 Semivariogram Eksperimental

𝛾(ℎ) : Nilai variogram dengan jarak h

2.8 Semivarogram Teoritis

1. Nugget effect (𝐶0 )

2. Model Semivariogram Exponential

3. Model Semivariogram Gaussian

Gambar 2. 5 Variogram teoritis model spherical, exponential, dan gaussian

Metode kriging merupakan metode geostatistika dengan memanfaatkan nilai

Ẑ(𝑠) = ∑𝑛𝛼=1 𝜆𝛼 [𝑍(𝑠𝛼) – m(𝑠𝛼) ] (2.18)

𝑍(𝑠𝑖 ) : nilai pada lokasi tersampel

𝑍(𝑠𝑖 ) : nilai pada lokasi tersampel

n : Banyaknya data sampel yang digunakan untuk estimasi

karakteristik sisa. 𝜆 dapat meminimalkan variansi pada estimator, sehingga dapat

Ẑ(𝑠) : nilai pendugaan pada lokasi tidak tersampel

𝜆𝛼 : koefisien bobot dari Z(s)

𝑍(𝑠𝑖 ) : nilai pada lokasi tersampel

n : banyaknya data sampel yang digunakan untuk estimasi

Menurut Wintolo (2019) Jumlah koefisien yang harus diestimasi pada

𝐶𝑜𝑣(𝑠𝑖 , 𝑠0 ) 𝐶𝑜𝑣(𝑠𝑖 , 𝑠0 ) … 𝐶𝑜𝑣(𝑠𝑖 , 𝑠0 ) 1 (2.21)

𝐶𝑜𝑣(𝑠𝑖 , 𝑠0 ) 𝛾(𝑠0 , 𝑠1 ) (2.22)

Elemen W dan B diturunkan dari fungsi covarian atau model semivariogram.

Dalam mendapatkan estimasi bobot pada ordinary kriging diperlukan inversi

Varian estimasi kriging biasa dapat dilihat pada persamaan (2.26):

Menurut (Isaaks and Srivastava, 1989), ordinary kriging akan menghasilkan

𝐸(Ẑ(𝑠) = 𝐸(𝑍(𝑠)) (2.27)

dapat disimpulkan bahwa ordinary kriging menghasilkan pendugaan tidak bias