MAKALAH

“GEOSTATISTIKA”

DISUSUN OLEH :

NAMA : TRI SATYA

LATENDENGAN NIM : G 81122044
MATA KULIAH : GEOSTATISTIKA
DOSEN PENGAMPUH : Ir. JAMIDUN M. T

PROGRAM STUDI TEKNIK

GEOFISIKA JURUSAN FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS TADULAKO

PALU, 2023
 KATA PENGANTAR

Dengan menyebut nama Tuhan yang Maha Pengasih juga Maha Penyayang,
kami panjatkan puji dan syukur kami kepadaNya yang tak henti-hentinya
memberikan kesehatan dan kekuatan sehingga saya dapat menyelesaikan
makalah ini dengan baik dan tepat waktu.

Makalah ini diupayakan semaksimal mungkin serta bantuan dari berbagai

pihak. Sehingga memberikan kelancaran pada setiap prosesnya. Untuk itu
penulis menyampaikan rasa terima kasih yang tak terhingga kepada Bapak
Dosen, yang telah membimbing penulis dan memberi banyak inspirasi pada
karya tulis ini. Penulis juga mengucapkan terima kasih yang sebesar-besarnya
pada Orang Tua dan rekan-rekan yang selalu mendukung keberhasilan makalah
ini.

Makalah yang ditulis ini masih jauh dari kata sempurna, karena keterbatasan
penulis dalam menjabarkan yang lebih dalam makalah ini. namun penulis sudah
berusaha dengan baik. Dan setiap saran dan kritik yang membangun, selalu
penulis harapkan demi kesempurnaan makalah ini. Penulis juga berharap
makalah ini akan memberikan manfaat bagi para pembaca. Demikian laporan
ini dibuat dengan sesunguh sunguhnya kurang dan lebihnya mohon dimaafkan.

Palu, 31 oktober 2023

 BAB I
PENDAHULUAN

1.1 Latar Belakang

Terdapat berbagai metode untuk memperkirakan hubungan spasial dan juga
beberapa prosedur yang digunakan untuk model hubungan spasial sehingga
data dapat dimasukkan ke dalam teknik yang memperkirakan nilai-nilai di
lokasi tanpa sampel. Kumpulan data geosains dibedakan oleh jenis lain dari
sampel dalam satu aspek penting yang menunjukkan hubungan spasial. Dalam
hal sederhana, nilai- nilai yang berdekatan akan terkait satu sama lain.
Hubungan ini menjadi lebih kuat sebagai jarak antara pengurangan nilai-nilai
yang berdekatan dan dalam banyak kasus, menjadi tidak berkorelasi terhadap
jarak tertentu. Jenis informasi kualitatif harus didefinisikan dalam bentuk yang
sesuai yang digunakan untuk memperkirakan nilai di lokasi tanpa sampel.

Suatu hal penting untuk mengasumsikan stasioneritas sebelum memperkirakan

hubungan spasial. Hubungan spasial ini didasarkan pada data sampel yang
diamati, namun data ini digunakan untuk memperkirakan nilai-nilai di lokasi
di mana kita tidak memiliki sampel. Memahami asumsi untuk menentukan
daerah mana yang diperkirakan memiliki hubungan. Beberapa metode ini tidak
dibatasi oleh paradigma geostatistik konvensional dan karena itu,
memungkinkan lebih banyak fleksibilitas dalam menggambarkan hubungan
spasial. Untuk itu perlu diketahui pemahaman lebih lanjut mengenai
geostatistik ini karena terdapat beberapa metode dan aturan dalam pemodelan
dan estimasi pada hubungan spasial seperti pemodelan variogram, estimasi
variogam, batasan dan jenis model yang digunakan dan hal-hal lainnya.

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas, maka permasalahan yang
dapat dirumuskan dalam makalah ini adalah:
1. Bagaimanakah model fungsi acak?
2. Bagaimanakah bentuk hubungan Spasial tersebut ?
1.3 Tujuan
Berdasarkan rumusan masalah diatas, maka tujuan penyusunan
makalah ini adalah:
1. Menjelaskan bagaimana modeel fungsi acak
2. Menjelaskan bentuk hubungan spasial
 BAB II
PEMBAHASAN

2.1 Model Fungsi Random

Telah diperkenalkan konsep dari percobaan acak yang dapat menghasilkan
beberapa kemungkinan, tidak ada yang bisa diprediksi dengan pasti. Bab ini juga
membahas alasan untuk mempertimbangkan pengeboran, serta percobaan acak.

Kita dapat mengembangkan konsep ini untuk memperkirakan nilai-nilai di lokasi

tanpa sampel. Tujuan geostatistik adalah untuk memperkirakan nilai-nilai di
lokasi di mana tidak ada informasi. Kita menggunakan kumpulan sampel data
yang tersedia untuk mengembangkan model-model tertentu dan menggunakan
model-model untuk memprediksi nilai-nilai di lokasi tanpa sampel. Jika kita dapat
mengembangkan model deterministik berdasarkan evolusi atau perubahan pada
reservoir, kita akan dapat memprediksi setiap properti reservoir pada setiap lokasi
dengan pasti. Bagaimanapun, kami tidak memiliki pengetahuan ini, oleh karena
itu, pendekatan kami harus empiris dan terkait dengan ketidakpastian. Meskipun
kita menggunakan semua data sampel yang tersedia dengan cara terbaik,
memperkirakan di lokasi tanpa sampel memiliki ketidakpastian. Untuk
mencerminkan ketidakpastian ini, kita lakukan perkiraan sebagai variabel acak
(dilambangkan dengan huruf besar). Untuk contoh, jika lokasi tanpa sampel
, nilai estimasi dilambangkan sebagai , di mana x adalah variabel.
Di samping nilai-nilai perkiraan, kita memperlakukan nilai-nilai sampel sebagai
variabel acak karena, kita tidak melakukan dengan cara deterministik pada nilai-
nilai sampel. Kurangnya pengetahuan lengkap mengenai kehadiran nilai tertentu
dari variabel di lokasi tertentu membenarkan perlakuan lokasi sampel sebagai
variabel acak. Sampel yang sebenarnya hanya realisasi dari variabel acak.

Dalam menggambarkan kedua data sampel dan nilai-nilai variabel di lokasi tanpa
sampel dalam hal variabel acak, kita menggunakan apa yang disebut model
random-fungsi. Pada kenyataannya, kita mungkin hanya memiliki satu nilai pada
setiap lokasi sampel. Namun dalam arti deterministic, kita tidak tahu, misalnya
mengapa porositas 15 persen diamati di lokasi tertentu. Karena kurangnya
pengetahuan, maka kita perlakukan kedua lokasi sampel dan tanpa sampel dengan
model random-fungsi.
 Kebutuhan stasioneritas, selain asumsi bahwa semua lokasi dijelaskan oleh
variabel acak, kita juga harus mempertimbangkan pembatasan yang terkait
dengan penggunaan data sampel yang tersedia untuk memprediksi nilai-nilai di
lokasi tanpa sampel. Dalam membuat asumsi dari stasioneritas atas wilayah
yang diamati, kami mencoba untuk membuatnya sebisa mungkin restriktif.
Untuk tujuan geostatistik, urutan pertama dan kedua dari stationarities harus
memuaskan. Secara matematis, urutan pertama stasioneritas dapat ditulis sebagai

dimana fungsi dari variabel acak dan dan

menentukan dua lokasi dari variabel acak. Fungsi yang

paling umum digunakan
adalah nilai expexted. Oleh karena itu, dapat ditulis

Artinya, nilai yang diharapkan dari variabel acak di adalah sama dengan nilai

yang diharapkan dari variabel acak lag jarak jauh. Nilai dari dapat
bervariasi dari nol sampai jarak maksimum antara variabel dalam
wilayah yang diamati.

2.2 Spatial Relationship

Dalam bagian ini, kita membahas hubungan spasial yang paling umum digunakan
untuk menggambarkan bagaimana keterkaitan nilai yang berdekatan.

1. Kovarians
Kovarians sebagai cara untuk capture hubungan spasial. Pers 3.7
mendefinisikan kovarians dalam asumsi stasioneritas orde pertama dan
kedua. Dengan definisi tersebut, perkiraan kovarians dpt dihitung seperti
berikut
 dimana n(L) = jumlah pasangan di jarak vektor L: x(ui), dan x(ui + L)
nilai – nilai variabel di lokasi dan ui dan ui + L, masing-masing; dan n =
total jumlah titik sampel.
Istilah kedua di sisi kanan pers 3.8 merupakan rata-rata aritmetik semua
titik data. c(L) = nilai etsimasi berdasarkan data sampel. Pers 3.8 dapat
ditulis sebagai

dimana = rata-rata aritmatik data sampel

2. Correlation Coefficient.
Koefisien korelasi dapat digunakan untuk menggambarkan hubungan
spasial. Gunakan definisi koefisien korelasi untuk menggambarkan
hubungan spasial.

Dimana p(L) = koefisien korelasi pada lag L; C(L)= kovarians;

dan …= standard deviation untuk data di vektor u dan
u+L,masing-masing. Dengan demikian, jika kita membuat
asumsi dari stasioneritas orde kedua, dapat dinyatakan

Oleh karena itu, dapat dinyatakan

Menggantikan pers 3.12 ke dalam pers 3.10 menghasilkan

Menggunakan data sampel, nilai estimasi koefisien korelasi dapat ditulis

sebagai :
 dimana c(0) = varians sampel.

3. Variogram
Variogram umumnya menggunakan teknik geostatistik untuk menggambarkan
hubungan spaasial. Secara matematik, dapat didefinisikan sebagai

Itu merupakan setengah varians dari perbedaan antara dua nilai di L secara
terpisah. Sebelum lebih mendalam, perlu memehami variogram secara
kualitatif. As the definition indicates, nilai variogram adalah nol pada L=0
karena

Karena asumsi data geosains, perbedaan dua nilai meningkat seiring

meningkatmya jarak. Dengan kata lain, varian meningkat sebagaimana jarak
lag meningkat, yang mana kebalikan dari kovarian.
Dengan definisi varian, pers 3.15 dapat dikembangkan menjadi

Namun, asumsi orde pertama stasioneritas memang diharuskan

Dengan demikian, sisi kanan pers 3.17 sama dengan nol.

Dengan definisi kovarian, pers 3.18 menjadi

Lampiran C: rincian derivasi pers 3.19

Seperti yang diharapkan, variogram berkaitan erat dengan kovarians jika
asusmi orde pertama dan kedua stasioneritas digunakan. Variogram
meningkat sebagai penurunan kovarians. Keduanya variogram dan
kovarians capture hubungan spasial. Variogram meningkat sebagai
penurunan jarak lag antara nilai-nilai (hubungan semakin melemah);
kovarians menurun sebagaimana jarak lag antara dua titik meningkat.
Persamaan 3.18 dapat ditulis sebagai

Dimana n(L)= jumlah pasangan pada jarak lag L, x(i) and x(u+L) = nilai
data untuk pasangan ke i di L jarak lag yang terpisah. Aksen di atas y
mengindikasikan bahwa itu merupakan nilai estimasi dalam data sampel.
 BAB III
PENUTUP

3.1 Kesimpulan
Berdasarkan pembahasan tersebut, maka dapat disimpulkan
1. Tujuan geostatistik adalah untuk memperkirakan nilai-nilai di lokasi di
mana tidak ada informasi, yaitu dengan menggunakan kumpulan sampel
data yang tersedia untuk mengembangkan model-model tertentu dan
menggunakan model-model untuk memprediksi nilai-nilai di lokasi tanpa
sampel yang tidak memiliki ketidakpastian. Untuk mencerminkan
ketidakpastian ini, kita lakukan perkiraan sebagai variabel acak.
2. Terdapat beberapa jenis hubungan spasial (spatial relationship) yakni
kovarians, korelasi koefisien, dan variogram.

3.2 Saran
Terdapat beberapa saran dalam pembahasan makalah ini, yaitu
1. Dalam memperkirakan nilai atau parameter yang tidak terdapat pada data
lapangan tidak dapat dilakukan tanpa melakukan suatu metode, sehingga
diperlukan pemahaman yang kuat agar memperoleh nilai yang valid.
2. Pada pemilihan data harus dilakukan secara teliti dengan memperhatikan
seluruh aspek didalamnya.
3. Sebagai seorang engineer harus memahami segala dasar teori, agar pada
saat mempraktekkan didapatkan hasil yang akurat.