LP Ma 4 PTT 072

2.
4 ESTIMASI SUMBERDAYA DAN

CADANGAN
LAPORAN PRAKTIKUM
ESTIMASI SUMBERDAYA DAN CADANGAN
ASFIKAR
09320200072
PRAKTIKUM PERENCANAAN TAMBANG TERBUKA

PROGRAM STUDI TEKNIK PERTAMBANGAN
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS MUSLIM INDONESIA
MAKASSAR
2023
LABORATORIUM PERENCANAAN TAMBANG TERBUKA
BAB I
PENDAHULUAN
1.1 Latar Belakang
Pertambangan menurut undang-undang nomor 3 tahun 2020 tentang

pertambangan mineral dan batubara adalah sebagian atau seluruh tahapan kegiatan
dalam rangka penelitian, pengelolaan dan pengusahaan mineral atau batubara yang
meliputi penyelidikan umum, eksplorasi, studi kelayakan, konstruksi,
penambangan, pengolahan dan pemurnian, pengangkutan dan penjualan, serta
kegiatan pascatambang. Berdasarkan hal tersebut kegiatan eksplorasi tidak luput
dari proses penambangan. Salah satu upaya untuk mencapai hal tersebut diperlukan
suatu perkiraan mengenai keberadaan bahan galian yang dikenal dengan istilah
estimasi sumberdaya. Estimasi sumberdaya berperan penting dalam menentukan
jumlah dan kemudahan pada eksplorasi secara komersial dari suatu endapan
(Batawen U, 2021).
Estimasi sumberdaya yang baik dan akurat serta sesuai dengan
keberadaannya di lapangan akan sangat menentukan investasi dalam usaha
pertambangan, penentuan kerja produksi, cara penambangan yang dilakukan,
bahkan dalam memperkirakan waktu yang dibutuhkan oleh perusahaan dalam
melaksanakan usaha penambangan. Hal ini diterapkan pada berbagai komoditi
tambang di Indonesia termasuk diantaranya nikel. Nikel merupakan unsur logam
dengan simbol Ni dalam tabel periodik unsur yang resisten terhadap air dan proses
korosi serta apabila di reaksikan dengan unsur logam lainnya dapat membentuk baja
tahan karat sehingga banyak dimanfaatkan dalam berbagai bidang kehidupan
terutama dalam bidang industri. Seiring dengan meningkatnya penggunaan nikel
terdapat pula kendala saat ini, di mana semakin berkurangnya sumberdaya nikel
tidak diimbangi dengan sifatnya yang tidak dapat 2 diperbaharui. Oleh sebab itu
diperlukan salah satu cara untuk menyelidiki sumberdaya nikel yang lebih banyak
agar dapat memaksimalkan produksi nikel secara akurat, efektif, dan efisien
(Batawen U, 2021).
Pada praktikum kali ini, kita menggunakan software surpac untuk
menghitung sumberdaya nikel laterit yang menggunakan bantuan ilmu statistik
CHIKA ANIDYA AULIA ASFIKAR

09320200072
Estimasi Sumberdaya Dan Cadangan - 93
dasar. Surpac merupakan salah satu perangkat lunak yang dapat digunakan untuk
membuat pemodelan geologi dan lain sebagainya (Dina, 2023).
1.2 Maksud dan Tujuan
1.2.1 Maksud
Maksud dari praktikum ini yaitu mengetahui pembuatan block model dan
perhitungan sumberdaya menggunakan Surpac 6.6.2.
1.2.2 Tujuan
a. Mampu membuat dan memahami domain dan statistik dasar;
b. Mampu membuat dan memahami konsep variogram dan modelling
variogram.
1.3 Alat dan Bahan
1.3.1 Alat
a. Laptop;
b. Mouse;
c. Stop kontak;
d. Software Surpac 6.6.2;
e. Alat tulis menulis.
1.3.2 Bahan
a. Kertas HVS A4;
b. Tugas Pendahuluan.

09320200072
BAB II
TINJAUAN PUSTAKA
2.1 Sumberdaya Mineral
Sumberdaya mineral adalah suatu konsentrasi atau keterjadian dari material

yang memiliki nilai ekonomi pada atau di atas kerak bumi, dengan bentuk, kualitas
dan kuantitas tertentu yang memiliki keprospekan yang beralasan untuk pada
akhirnya dapat diekstraksi secara ekonomis. Lokasi, kuantitas, kadar, karakteristik
geologi dan kemenerusan dari sumberdaya mineral harus diketahui, diestimasi atau
diintepretasikan berdasar bukti-bukti dan pengetahuan geologi yang spesifik.
Sumberdaya mineral dikelompokkan lagi berdasar tingkat keyakinan geologinya,
kedalam kategori tereka, tertunjuk, dan terukur. Gambar 2.1 memperlihatkan
hubungan antara hasil eksplorasi, sumberdaya mineral dan cadangan bijih. Lokasi,
kuantitas, kadar, karakteristik geologi dan kemenerusan dari sumberdaya mineral
harus diketahui, diestimasi atau diintepretasikan berdasar bukti-bukti dan
pengetahuan geologi yang spesifik.
Klasifikasi sumberdaya terdiri dari SNI dan KCNI
Gambar 2.1 Hubungan antara hasil eksplorasi, sumberdaya mineral dan cadangan
bijih

09320200072
2.1.1 Sumberdaya mineral tereka

Sumberdaya mineral tereka merupakan bagian dari sumberdaya di mana
tonase, kadar, dan kandungan mineral dapat diestimasi dengan tingkat kepercayaan
rendah. Hal ini direka dan diasumsikan dari adanya bukti geologi, tetapi tidak
diverifikasi kemenerusan geologi dan/atau kadarnya. Hal ini hanya berdasarkan dari
informasi yang diperoleh melalui teknik yang memadai dari lokasi mineralisasi
seperti singkapan, paritan uji, sumuran uji, dan lubang bor tetapi kualitas dan tingkat
kepercayaannya terbatas atau tidak jelas.
2.1.2 Sumberdaya mineral tertunjuk
Sumberdaya mineral tertunjuk merupakan bagian dari sumberdaya mineral di
mana tonase, densitas, bentuk, karakteristik fisik, kadar, dan kandungan mineral
dapat diestimasi dengan tingkat kepercayaan yang wajar. Hal ini didasarkan pada
hasil eksplorasi, dan informasi pengambilan dan pengujian conto yang didapatkan
melalui teknik yang tepat dari lokasi-lokasi mineralisasi seperti singkapan, paritan
uji, sumuran uji, terowongan uji dan lubang bor. Lokasi pengambilan data masih
terlalu jarang atau spasinya belum tepat untuk memastikan kemenerusan geologi
dan/atau kadar, tetapi secara meruang cukup untuk mengasumsikan kemenerusan
endapan tersebut.
2.1.3 Sumberdaya Mineral Terukur
Sumberdaya mineral terukur merupakan bagian dari sumberdaya mineral
dimana tonase, densitas, bentuk, karakteristik fisik, kadar, dan kandungan mineral
dapat diestimasi dengan tingkat kepercayaan yang tinggi. Hal ini didasarkan pada
hasil eksplorasi rinci dan terpercaya, dan informasi mengenai pengambilan dan
pengujian conto yang diperoleh dengan teknik yang tepat dari lokasi-lokasi
mineralisasi seperti singkapan, paritan uji, sumuran uji, terowongan uji dan lubang
bor. Lokasi informasi pada kategori ini secara meruang adalah cukup rapat untuk
memastikan kemenerusan geologi dan kadar. Bila merujuk pada pada
pengklasifikasian sumberdaya dan cadangan mineral yang dilakukan oleh U.S.
Geological Survey (USGS, 1980), terdapat perbedaan system pengklasifikasian pada
pembagian jenis cadangan walaupun pada klasifikasi sumberdaya tidak mengalami
perbedaan.

09320200072
Adapun pembagian sumberdaya menurut USGS adalah sebagai berikut:

a. Sumberdaya terukur
Sumberdaya mineral terukur merupakan kuantitas yang dihitung dari dimensi
yang terungkap dalam singkapan, parit, atau lubang bor, kadar dan kualitas
dihitung dari hasil sampling yang detail. Situs untuk inspeksi, pengambilan
sampel dan pengukuran diberi jarak begitu dekat agar karakter geologis dapat
terdefinisi dengan baik sehingga ukuran, bentuk, kedalaman, dan kandungan
mineral dari sumberdaya dapat dihitung dengan baik.
b. Sumberdaya Tertunjuk
Sumberdaya tertunjuk adalah kuantitas dan kadar serta kualitas dihitung dari
informasi serupa dengan yang digunakan untuk sumberdaya terukur. Akan
tetapi area untuk inspeksi, pengambilan sampel dan pengukuran lebih jauh
terpisah atau diberi jarak yang kurang memadai. Tingkat kepastian yang
diperoleh lebih rendah daripada sumberdaya terukur, namun cukup tinggi
untuk mengasumsikan kontinuitas antara titik pengamatan.
c. Sumberdaya Tereka
Sumberdaya tereka adalah perkiraan yang didasarkan pada kontinuitas yang
diasumsikan di luar sumberdaya terindikasi yang memiliki bukti geologis.
Sumberdaya tereka dapat didukung atau tidak didukung oleh sampel atau
pengukuran.
2.2 Estimasi Sumberdaya
Secara umum, penentuan volume deposit pada kawasan yang telah dilakukan
pemboran dapat dilakukan proses estimasi. Kadar dan atribut yang lain perlu
diperhatikan saat proses estimasi berlangsung. Keadaan geologi yang bervariasi
mengakibatkan estimasi sulit untuk dilakukan. Sehingga, perlu digunakan beberapa
jenis dari metode estimasi yang dirancang untuk tujuan yang berbeda-beda.
Estimasi sumberdaya membutuhkan pertimbangan detail sejumlah masalah
kritis. Secara keseluruhan masalah terkait sedemikian rupa sehingga kualitas sumber
dapat merepresentasekan daya standar perkiraan dari suatu perusahaan. Ketika salah
satu faktornya tidak diperhatikan maka akan mempengaruhi hasil perkiraan

09320200072
sumberdaya yang dilakukan. Kualitas perkiraan sumber daya mineral tergantung

pada data yang tersedia dan kompleksitas geologi. Namun, perkiraan sumber daya
juga sangat kuat bergantung pada keseluruhan keterampilan teknis dan pengalaman
staf tambang, bagaimana masalah yang dihadapi diselesaikan, tingkat perhatian
terhadap detail pada setiap tahap, pengungkapan terbuka asumsi dasar beserta
pembenarannya, dan kualitas dokumentasi untuk setiap langkah. Kualitas estimasi
sumberdaya secara langsung bergantung pada kualitas pengumpulan data dan
prosedur penanganannya. Konsep kualitas data digunakan secara pragmatis. Dimana
konsepnya yaitu data (sampel) dari volume tertentu akan dikumpulkan dan
digunakan untuk memprediksi tonase dan kadar elemen yang dianalisis. Keputusan
dibuat berdasarkan pengetahuan geologis dan analisis statistik diterapkan dalam
hubungannya dengan informasi teknis lainnya. Oleh karena itu, basis numerik untuk
analisis harus berkualitas. Hal ini penting dilakukan karena sebagian kecil dari
deposit mineral diambil sampelnya.
Hal lainnya yang perlu diperhatikan adalah bahwa sampel yang diambil dari
volume endapan harus representatif. Representatif artinya pengambilan sampel dan
penganalisaan proses yang digunakan untuk mendapatkan hasil sampel dalam nilai
itu secara statistik mirip dengan yang lain serta dapat ambil dari volume yang sama.
Oleh karena itu, nilai sampel dipertimbangkan untuk menjadi representasi yang adil
dari nilai sebenarnya dari volume sampel batuan. Representasi dalam arti spasial
menyiratkan bahwa sampel telah diambil kira-kira grid sampling biasa atau kuasi-
reguler, sehingga setiap sampel mewakili volume atau area serupa di dalam tubuh
bijih yang diinginkan. Ini sering tidak terjadi dan beberapa koreksi akan terjadi yg
dibutuhkan. Jika sampel tidak representatif, maka terjadi kesalahan akan
diperkenalkan yang akan membiaskan perkiraan sumber daya pada tahap akhir.
2.3 Endapan Nikel Laterit
Istilah laterit yang berasal dari Bahasa latin, later (batu bata), pertama kali di
definisikan oleh Buchanan (1807) untuk mendeskripsikan lempung yang mengeras di
India. Saat itu informasi bahwa lempung yang mengeras tersebut mengandung
konsentrasi besi yang tinggi. Laterit juga dikenal sebagai tanah yang kaya akan
sesquixide, tanah merah yang dekat permukaan ataupun berada di permukaan tanah

09320200072
dan beberapa definisi lain secara mineralogi (Schellman, 1986). Endapan nikel
sekunder atau biasa disebut endapan nikel laterit merupakan suatu endapan yang
terbentuk karena adanya proses konsentrasi mineral-mineral berharga yang
mengandung nikel yang berasal dari pelapukan batuan asal (host rock) oleh gaya-
gaya eksogen, seperti pelapukan (weathering) akibat sinar matahari, curah hujan dan
lain-lain. Hasil pelapukan tersebut mengalami transportasi, pemisahan (sorting) dan
akhirnya endapan ini mengalami proses laterisasi yang umumnya terjadi di daerah
beriklim tropis. Oleh karena itu tipe endapan nikel laterit cukup berlimpah di
Indonesia.
2.3.1 Proses pembentukan endapan nikel
Nikel laterit sangat bergantung pada proses pelapukan, baik secara fisik
maupun kimiawi. Pelapukan kimiawi dari batuan induk yang berupa batuan ultrabasa
terjadi dengan melepaskan unsur-unsur yang sangat mudah terlarut, seperti
magnesium (Mg), kalsium (Ca), dan silika (Si) serta konsentrat-konsentrat dari
unsur-unsur yang paling sedikit terlarut seperti Besi (Fe), Nikel (Ni), Mangan (Mn),
Kobal (Co), Zeng (Zn), Yodium (Y), Krom (Cr), Aluminium (Al), dan lainnya.
Sementara pelapukan mekanik/fisik dari batuan induk terjadi akibat adanya
mekanisme rekahan dan patahan yang meningkatkan wilayah yang terdedah ke
permukaan sehingga mendukung terjadinya pelapukan kimiawi.
Transportasi mineral atau unsur terjadi melalui proses pelindian (leaching).
Proses pelindian unsur-unsur hasil pelapukan dari tubuh batuan atau bijih melalui
media air. Proses ini sangat dipengaruhi oleh pH, reaksi reduksi oksidasi, material
organik yang terlarut, dan aktivitas mikrobiologi di lingkungannya.
Sumber utama air ialah air hujan yang terinfiltrasi ke dalam tanah atau air
rebesan dari sumber air dan air tanah. Air tersebut kemudian meresap hingga zona
batas antara limonit dan saprolite, kemudian transportasi larutan terjadi secara lateral.
Proses ini melepaskan unsur kalsium (Ca) dan magnesium (Mg) dalam larutan dan
silika (Si) yang cenderung membentuk system koloid dari partikel-partikel silika
yang sangat halus sehingga memungkinkan terjadinya pembentukan mineral-mineral
baru. Unsur-unsur Ca dan Mg yang terlarut sebagai bikarbonat terbawa ke bawah
sampai batas pelapukan dan mengendap sebagai dolomit (CaMg (CO3)2) dan
magnesit (MgCO3) yang mengisi rekahan-rekahan pada batuan induk. Urat-urat

09320200072
tersebut dikenal sebagai batas petunjuk antara zona pelapukan dan zona batuan segar
yang disebut dengan istilah akar pelapukan (root of weathering).
Fluktuasi muka air tanah yang berlangsung secara kontinu akan melarutkan
unsur-unsur Mg dan Si yang terdapat pada bongkah-bongkah batuan asal di zona
saprolit sehingga memungkinkan penetrasi air tanah yang lebih dalam. Dalam hal ini
zona saprolit semakin bertambah dalam, demikian pula dengan ikatan-ikatan yang
mengandung oksida MgO sekitar 30-50% berat dan SiO2 antara 35-40% berat yang
masih terkandung pada bongkah-bongkah dalam zona saprolit akan ikut terlindih
bersama-sama dengan aliran air tanah. Dengan demikian, zona saprolit mengalami
perubahan pada bagian atas menjadi zona limonit.
Sebagian unsur tinggal pada tempatnya dan sebagian lain turun bersama
larutan. Hal ini terjadi akibat mobilitas setiap unsur yang berbeda-beda. Unsur-
sunsur Fe, Ni dan Co membentuk konsentrasi residu dan konsentrasi celah pada zona
saprolite. Batuan asal ultrabasa pada daerah tersebut di impregnasi oleh Ni melalui
larutan yang mengandung Ni sehingga kadar Ni dapat mengikat mencapai 7% berat.
Fe yang terkandung dalam larutan teroksidasi dan mengendap sebagai ferrihidroksida
(Fe(OH)3 membentuk mineral-mineral seperti goetit dan hematit yang berada dekat
dengan permukaan. Bersama mineral-mineral tersebut unsur Co ikut serta dalam
jumlah yang relatif kecil. Secara vertikal, semakin ke bawah menuju bed rock, unsur
Fe dan Co mengalami penurunan kadar. Sementara itu, unsur Ni terakumulasi dan
terkonsentrasi pada zona saprolit dalam mineral garnierit. Proses konsentrasi ini
dapat berbentuk residual maupun supergen enrichment.
2.3.2 Profil endapan nikel laterit
Profil endapan nikel laterit secara umum dapat dibedakan dengan analisis
profil dari atas ke bawah yaitu:
a. Iron cap (Ferric Crust)
Iron cap merupakan lapisan teratas dalam profil endapan nikel laterit dan
berfungsi untuk melindungi lapisan di bawahnya dari bahaya erosi. Lapisan
ini dikenal pula sebagai zona tudung besi (ferriginous duricrust) karena
mengandung konsentrasi besi yang tinggi.
b. Limonit
Bagian ini dibagi menjadi dua lapisan karena terdapat perbedaan kandungan

09320200072
konsentrasi besi. Lapisan bagian atas disebut limonistik sebab walaupun

relatif kaya akan oksida besi, lapisan ini tercampur dengan tanah penutup (top
soil). Sementara lapisan bagian bawah sangat kaya dengan oksida besi.
Pengayaan (enrichment) tersebut terjadi akibat proses pelindihan pada
pembentukan zona saprolite. Zona limonit merupakan hasil lapukan lebih
lanjut dari batuan beku ultramafic yang didominasi oleh oksida besi, goetit,
dan magnetit. Ketebalan lapisan limonit berkisar antara 8 – 15 m sehingga
sering disebut overburden.
c. Saprolit
Zona saprolit merupakan zona yang kaya akan nikel sebagai hasil pelapukan
dari batuan asal masih terlihat, dari ukuran kerikil hingga bongkah.
Komposisi utamanya antara lain besi oksida, serpentin <0,4% magnesit, dan
kuarsa. Zona saprolit memiliki ketebalan rata-rata antara 5-18 meter.
Biasanya ditemui rekahan-rekahan yang berisi magnesit (MgCO3), serpentin,
onyx (SiO2), dan garnierite. Zona saprolit dapat dibagi menjadi dua, yaitu
(Irwandi, 2018):
1. Sub soft-saprolit, mengandung fragmen berukuran bongkah kurang dari
25%.
2. Sub hard-saprolit, mengandung fragmen berukuran bongkah lebih dari
50%.
d. Bed rock/Unweathered parent rock
Zona ini disebut pula dalam istilah protholith, yaitu batuan asal yang terletak
pada daerah paling dasar dari profil suatu endapan nikel laterit. Zona ini
berupa 15 batuan ultrabasa, antara lain harzburgit, peridotit, atau dunit
dengan ukuran bongkahan yang besar, lebih dari 75 cm. Umumnya tidak
ditemukan-mineral ekonomis pada zona ini.
Ketebalan endapan laterit umumnya berkisar dari 10 sampai 40 meter dalam
berbagai kasus, serta mengandung lebih dari 1% Ni dan kurang dari 0,15%. British
Geological Survey (2009) menyatakan kadar kobalt yang ekonomis dalam endapan
laterit berkisar antara 0,05-0,15%. Adapun lapisan limonit cenderung mengandung
kadar kobalt yang lebih tinggi, sedangkan saprolit mengandung kadar nikel yang

09320200072
lebih tinggi.
2.4 Geostatistik
Geostatistik adalah cabang statistik yang berfokus pada kumpulan data spasial
atau spasial. Awalnya dikembangkan untuk memprediksi distribusi probabilitas nilai
bijih untuk operasi penambangan, saat ini diterapkan dalam berbagai disiplin ilmu
termasuk geologi perminyakan, hidrogeologi, hidrologi, meteorologi, oseanografi,
geokimia, geometris, geografi, kehutanan, pengendalian lingkungan, ekologi lanskap,
sains, dan pertanian.
Geostatistik juga merupakan salah satu metode statistik yang dalam
implikasinya di dunia pertambangan digunakan untuk menentukan parameter-
parameter dalam melakukan proses estimasi sumberdaya. Sifat khusus dari data
spasial ini adalah ketakbebasan dan keheterogenan. Ketakbebasan disebabkan oleh
adanya perhitungan galat pengamatan dan hasil yang diteliti dalam satu titik
ditentukan oleh titik yang lainnya dalam sistem dan keheterogenan disebabkan
adanya perbedaan wilayah.
2.5 Metode Estimasi Ordinary Kriging
Metode Kriging adalah estimasi stochastic yang mirip dengan Inverse

Distance Weighted (IDW) dimana menggunakan kombinasi linear dari weight untuk
memperkirakan nilai diantara sampel data (Ctech Development Corporation, 2004).
Istilah kriging dicadangkan untuk estimasi menggunakan data dari atribut yang sama
seperti yang diperkirakan. Misalnya, file nilai kadar emas tanpa sampel z (u)
diperkirakan berdekatan dengan nilai kadar emas.
Co-kriging adalah metode estimasi serupa menggunakan data yang ditentukan
pada atribut yang berbeda. Misalnya, kadar emas z (u) diperkirakan dari kombinasi
sampel emas dan nilai kadar tembaga. Harus ada korelasi spasial antara variabel
primer dan variabel sekunder yang dapat disimpulkan. Seperti halnya saat
mempertimbangkan satu variabel, ada tiga varian dasar dari co-kriging yaitu simple
co-kriging (SCK), ordinary co-kriging (OCK), dan co-kriging dengan model tren
(CKT). Secara konseptual metode 18 co-kriging sama seperti metode kriging akan
tetapi ada variabel tambahan yang digunakan dalam melakukan proses estimasi yakni

09320200072
pertimbangan variabel lainnya.

Metode ini diketemukan oleh D.L. Krige untuk memperkirakan nilai dari
bahan tambang. Asumsi dari metode ini adalah jarak dan orientasi antara sampel data
menunjukkan korelasi spasial yang penting dalam hasil interpolasi ESRI, 1996).
Metode Kriging sangat banyak menggunakan sistem komputer dalam perhitungan.
Kecepatan perhitungan tergantung dari banyaknya sampel data yang digunakan dan
cakupan dari wilayah yang diperhitungkan. Tidak seperti metode IDW, Kriging
memberikan ukuran error dan confidence. Metode ini menggunakan semivariogram
yang merepresentasikan perbedaan spasial dan nilai diantara semua pasangan sampel
data. Semivariogram juga menunjukkan bobot (weight) yang digunakan dalam
interpolasi. Semivariogram dihitung berdasarkan sampel semivariogram dengan
jarak h, beda nilai z dan jumlah sampel data n. Tahapan dalam menggunakan metode
ini adalah analisa statistik dari sampel data, pemodelan variogram, membuat hasil
interpolasi dan menganalisa nilai variance. Metode ini sangat tepat digunakan bila
kita mengetahui korelasi spasial jarak dan orientasi dari data. Oleh sebab itu, metode
ini sering digunakan dalam bidang ketanahan dan geologi. Kelemahan dari metode
ini adalah tidak dapat menampilkan puncak, lembah atau nilai yang berubah drastis
dalam jarak yang dekat.
2.6 Metode Estimasi IDW (Inverse distance weighting)
Beberapa metode interpolasi telah dikembangkan dalam perangkat lunak

(software), diantaranya adalah metode Inverse distance weighting (IDW) dan metode
geostatistik kriging. Dalam dunia pertambangan dan eksplorasi metode interpolasi
digunakan dalam penaksiran kadar suatu mineral berharga atau elemen-elemen lain
pada lokasi-lokasi yang tidak tersampel atau tidak mempunyai data.
Pada kegiatan eksplorasi laterit nikel terutama pada tahapan prospeksi dan
eksplorasi pendahuluan metode interpolasi IDW sering digunakan karena dalam
proses perhitungannya metode ini lebih sederhana dan lebih mudah difahami, tidak
seperti metode geostatistik kriging yang memerlukan tahapan pemodelan variogram
sebelum proses perhitungan kriging itu sendiri. Selain itu metode kriging
memerlukan data yang lebih banyak dibandingkan untuk metode IDW. Menurut
Voltz dan Webster (1990) untuk mendapatkan model variogram yang stabil

09320200072
memerlukan 100 sampai 150 data, sedangkan metode IDW memerlukan minimal 14
data bila sebaran data cukup mewakili (Yasrebi dkk, 2009).
Beberapa penelitian mengenai hubungan antara parameter statistik dengan
performa suatu metode interpolasi menunjukkan hasil yang tidak konsisten.
Kravchenko dan Bullock (1999), Robinson dan Metternicht (2006) melaporkan
bahwa hasil interpolasi pada data soil properties dengan nilai skewness tinggi (>2,5)
lebih akurat menggunakan metode IDW dengan power 4 dan data dengan nilai
skewness rendah (1) hasil interpolasi IDW power 1 akan lebih baik. Sementara
Kravchenco dan Bullock (1999) melaporkan bahwa tidak ada korelasi yang
signifikan antara nilai CV dengan nilai power yang digunakan pada metode IDW.
Metode IDW secara langsung mengimplementasikan asumsi bahwa sesuatu
yang saling berdekatan akan lebih serupa dibandingkan dengan yang saling
beijauhan. Untuk menaksir sebuah nilai di setiap lokasi yang tidak di ukur, IDW
akan menggunakan nilai-nilai ukuran yang mengitari lokasi yang akan ditaksir
tersebut. Pada metode IDW, diasumsikan bahwa tingkat korelasi dan kemiripan
antara titik yang ditaksir dengan data penaksir adalah proporsional terhadap jarak.
Bobot akan berubah secara linier, sebagai fungsi seper jarak, sesuai dengan jaraknya
terhadap data penaksir (Almasi dkk., 2014).
Bobot ini tidak dipengaruhi oleh posisi atau letak dari data penaksir dengan
data penaksir yang lain. Faktor penting yang dapat mempengaruhi hasil penaksiran
antara lain adalah actor power dan radius disekitar (neighboring radius) atau jumlah
data penaksir (Almasi dkk, 2014). Menurut Isaak dan Srivastava (1989) actor utama
yang mempengaruhi keakuratan hasil penaksiran adalah nilai parameter power. Nilai
parameter power yang umum digunakan adalah: 1, 2, 3, 4 dan 5 (Yasrebi dkk, 2009).
Kerugian dari metode IDW adalah nilai hasil interpolasi terbatas pada nilai
yang ada pada data sampel. Pengaruh dari data sampel terhadap hasil interpolasi
disebut sebagi isotropic. Dengan kata lain, karena metode ini menggunakan rata-rata
dari data sampel sehingga nilainya tidak bisa lebih kecil dari minimum atau lebih
besar dari data sampel. Jadi, puncak bukit atau lembah terdalam tidak dapat
ditampilkan dari hasil interpolasi model ini (Watson & Philip, 1985). Untuk
mendapatkan hasil yang baik, sampel data yang digunakan harus rapat yang

09320200072
berhubungan dengan variasi lokal. Jika sampelnya agak jarang dan tidak merata,
hasilnya kemungkinan besar tidak sesuai dengan yang diinginkan.
BAB III
PROSEDUR PERCOBAAN
3.1 Pembuatan Composite Data
1. Pertama-tama membuka software surpac lalu klik kanan folder tempat

menyimpan database, selanjutnya pilih set as work directory.
Gambar 3.1 Sat as work directory

09320200072
2. Kemudian plih databse, lalu extract kemudian sample data.
Gambar 3.2 Extract sample data
Gambar 3.3 Sampel Extract

09320200072
3. Klik kanan pada file sample extract di navigator lalu pilih edit, akan muncul
kotak dialog data sample extract.
Gambar 3.4 Kotak dialog data sample extract

4. Setelah muncul kotak dialog maka minimize kemudian pilih database lalu
composite kemudian pilih downhole.
Gambar 3.5 Composite Downhole

09320200072
Gambar 3.6 Kotak dialog Composite Downhole

5. Lalu pilih display kemudian hide strings lalu pilih in a layer.
Gambar 3.7 Hide Strings

09320200072
Gambar 3.8 Apply

6. Kemudian pilih display lalu point setelah itu pilih markers.
Gambar 3.9 Point Markers

09320200072
Gambar 3.10 Draw Markers
Gambar 3.11 Tampilan draw markers

09320200072
7. Setelah itu, pilih Display point description values, maka akan muncul kotak
dialog drawing lalu apply. Kemudian reset graphics.
Gambar 3.12 Display point description values
Gambar 3.13 Tampilan draw desc

09320200072
8. Kemudian pilih database, lalu analysis. Setelah itu, pilih basic statistics
window. Secara otomatis akan muncul kotak dialog basic statistics window.
Gambar 3.14 Basic Statistics Window

9. Setelah muncul kotak dialog basic statistics window¸ maka pilih file
kemudian load data from string files.
Gambar 3.15 Load data from string files

09320200072
Gambar 3.16 Basic statistics
Gambar 3.17 Tampilan Ni Composite

09320200072
Gambar 3.18 Tampilan Fe Composite

10. Setelah itu, klik display kemudian normal distribution curve.
Gambar 3.19 Normal distribution curve

09320200072
Gambar 3.20 Hasil normal distribution curve

11. Setelah itu, klik Kembali display lalu pilih Display/hide graphed values.
Gambar 3.21 Display/hide graphed values

09320200072
Gambar 3.21 Hasil Display/hide graphed values

12. Kemudian pilih display lalu klik XY Scatter diagram.
Gambar 3.22 XY Scatter diagram

09320200072
Gambar 3.23 XY Plot Apply
Gambar 3.24 Tampilan Fe comp Vs Ni Comp

09320200072
13. Setelah itu, pilih statistics lalu klik report.
Gambar 3.25 Statistics Report
Gambar 3.26 Statistics Report Apply

09320200072
Gambar 3.27 Data hasil report statistics

14. Kemudian kembali ke halaman kerja awal pada surpac, lalu pilih file tools
kemudian string maths untuk membuat data komposit cut.

09320200072
Gambar 3.28 String maths
Gambar 3.29 String Maths Apply
Gambar 3.30 Sample Composite Cut

09320200072
15. Setelah data komposit cut dibuat, maka kembali ke kotak dialog basic
statistics. Kemudian pilih file lalu klik load data from string files.
Gambar 3.31 Load data from string files

09320200072
Gambar 3.32 Basic statistics apply
16. Lalu pilih statistics kemudian report.
Gambar 3.33 Report Data Komposit Cut

09320200072
Gambar 3.34 Report Data Komposit Cut Apply
3.2 Pembuatan Variogram
1. Setelah data komposit cut di report, kemudian kembali ke halaman kerja awal
pada surpac. Lalu pilih Database kemudian Analysis, lalu Variogram
modelling window maka otomatis akan muncul tampilan kotak dialog
Variogram modelling.
Gambar 3.35 Variogram modelling window

09320200072
2. Setelah muncul tampilan variogram modelling, pilih variogram map lalu new
variogram map.
Gambar 3.36 New variogram map

09320200072
Gambar 3.37 Variogram map calculation
Gambar 3.38 Tampilan variogram map calculation

09320200072
3. Setelah muncul variogram map, maka klik kanan pada grafik lalu pilih tile
windows. Kemudian cari grafik yang paling hampir mirip dengan model
grafik pada umumnya.
Gambar 3.39 Tile windows

09320200072
Gambar 3.40 Tampilan tile windows

4. Setelah didapatkan grafik yang sesuai maka klik kalan lalu pilih tab windows.
Lalu muncul tampilan seperti pada gambar.
Gambar 3.41 Grafik
5. Pilih variogram lalu klik model

09320200072
Gambar 3.42 Variogram model
Gambar 3.43 Tampilan variogram model

09320200072
6. Setelah itu pilih file lalu save, kemudian klik experimental variogram and
model.
Gambar 3.44 Experimental variogram and model
Gambar 3.45 Apply save variogram

09320200072
7. Lalu pilih variogram kemudian klik report.
Gambar 3.46 Variogram report
Gambar 3.47 Variogram model apply

09320200072
8. Lalu pilih variogram map. Kemudian klik select direction of maximum continuity.
Gambar 3.48 Select direction of maximum continuity
Gambar 3.49 Angle

09320200072
9. Setelah itu, pilih variogram map. Kemudian klik secondary variogram map.
Lalu klik kanan pada grafik dan tile windows.
Gambar 3.50 Secondary variogram map

10. Setelah tile windows, kemudian cari grafik yang paling hampir mirip dengan
model grafik pada umumnya. Lalu tab windows.
Gambar 3.51 Tab windows

09320200072
11. Setelah tab windows maka akan muncul grafik yang dipilih, lalu klik file
kemudian open dan pilih variogram model.
Gambar 3.52 Save variogram model
Gambar 3.53 Save variogram model apply

09320200072
Gambar 3.54 Hasil variogram model

12. Lalu pilih file kemudian save dan klik variogram model
Gambar 3.55 Save variogram model

09320200072
Gambar 3.56 Save variogram modelling

13. Kemudian pilih variogram map lalu select direction of maximum continuity.
Setelah itu apply.
Gambar 3.57 Select direction of maximum continuty

09320200072
Gambar 3.58 Angle 90

14. Setelah itu klik variogram map, kemudian klik extract variograms along
axes. Kemudian tile windows.
Gambar 3.59 Extract variogram along axes

09320200072
Gambar 3.60 Tab windows
Gambar 3.61 Tampilan tab windows

09320200072
15. Kemudian pilih file lalu open. Setelah itu, variogram model.
Gambar 3.61 Variogram model open
Gambar 3.62 Recall a variogram model apply

09320200072
Gambar 3.63 Semi major

16. Kemudian klik variogram map, lalu klik create anisotropy ellipsoid report.
Lalu apply.
Gambar 3.64 Create anisotropy ellipsoid report

09320200072
Gambar 3.65 Anisotropy ellipsoid report

17. Setelah itu, pilih variogram map. Lalu klik ellipsoid visualiser.
Gambar 3.66 Ellipsoid visualiser

09320200072
Gambar 3.67 Tampilan ellipsoid visualiser

18. Setelah apply ellipsoid visualiser, maka kembali ke halaman kerja surpac
awal, Lalu masukkan ellipsoid visualiser string dan drillhole ke dalam lembar
kerja.
Gambar 3.68 Tampilan ellipsoid visualiser

09320200072
3.3 Pembuatan Block Model
1. Setelah ellipsoid visualiser string dan drillhole dimasukkan ke lembar kerja,

klik block model lalu pilih block model dan new.
Gambar 3.69 Select model apply
Gambar 3.70 Creating new block model definition

09320200072
2. Setelah apply, pilih kembali block model, lalu klik block model dan pilih
new/open.
Gambar 3.71 Block model new/open
Gambar 3.72 Model confirmation

09320200072
3. Setelah itu, klik gambar block model di navigasi bawah, lalu display.
Gambar 3.73 Block model display
Gambar 3.74 Draw block model apply

09320200072
Gambar 3.75 Tampilan block model

4. Kemudian pilih block model, lalu attributes dan new
Gambar 3.76 Block model attributes

09320200072
Gambar 3.77 Add attributes

5. Lalu pilih identify block values. Kemudian apply.
Gambar 3.78 Identify block

09320200072
Gambar 3.79 Block attributes

6. Kemudian pilih block model, lalu constraints dan klik new graphical
constraints.
Gambar 3.80 New graphical constraints

09320200072
Gambar 3.81 Enter constraints
Gambar 3.82 Tampilan constraints

09320200072
3.4 Estimasi
3.4.1 Estimasi Metode Inverse Distance Weight (IDW)

1. Setelah pembuatan constraints, lalu pilih block model. Kemudian klik
estimation dan inverse distance.
Gambar 3.83 Estimation inverse distance
Gambar 3.84 Data source specifications

09320200072
Gambar 3.85 Search parameters
Gambar 3.86 Inverse distance parameters

09320200072
2. Kemudian klik block model lalu constraints. Setelah itu klik new graphical
constraint.
Gambar 3.86 Inverse distance parameters
Gambar 3.87 Enter constraints apply

09320200072
Gambar 3.88 Tampilan constraints
Gambar 3.89 Tampilan constrainst topo

09320200072
3.4.2 Estimasi Metode Ordinary Kriging (OK)

1. Setelah estimasi menggunakan metode inverse distance weight selanjutnya
ordinary kriging. Klik block model lalu estimation dan ordinary kriging.
Gambar 3.90 Ordinary kriging
Gambar 3.91 Estimation attributes

09320200072
Gambar 3.92 Data source specification
Gambar 3.93 Search parameters

09320200072
Gambar 3.94 Kriging parameters
Gambar 3.95 Apply

09320200072
2. Setelah itu, klik block model lalu pilih constraints. Kemudian new graphical
constraints.
Gambar 3.96 Constraints new graphical constraints
Gambar 3.97 Enter constraints apply

09320200072
3. Kemudian klik block model. Lalu block model, setelah itu report.
Gambar 3.98 Report NiOk
Gambar 3.99 Block model report format file

09320200072
Gambar 3.100 Block model report
Gambar 3.101 Enter contraints

09320200072
4. Setelah itu, klik block model. Lalu block model dan report.
Gambar 3.102 Report block model
Gambar 3.103 Report Ni id

09320200072
Gambar 3.104 Report Ni Ok
Gambar 3.105 Block model report apply

09320200072
BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil
Gambar 4.1 Block Model

09320200072
Gambar 4.2 Sumberdaya
Gambar 4.3 Constraint Ni Ok
Tabel 4.1 Report Ni Metode Inverse Distance Weight (IDW)

Ni id Volume Tonnes Ni Id
1.5 -> 1.6 226550 373808 1.54
1.6 -> 1.7 167650 276623 1.64

09320200072
1.7 -> 1.8 132350 218378 1.74

1.8 -> 1.9 65400 107910 1.85
1.9 -> 2.0 57900 95535 1.94
2.0 -> 5.0 47050 77633 2.06
Grand Total 696900 1149885 1.7
Tabel 4.2 Report Ni Metode Ordinary Kriging (OK)

Ni id Volume Tonnes Ni Id
1.5 -> 1.6 360250 594413 1.54
1.6 -> 1.7 184200 303930 1.64
1.7 -> 1.8 69750 115088 1.74
1.8 -> 1.9 23050 38033 1.84
1.9 -> 2.0 8450 13943 1.94
2.0 -> 5.0 3950 6518 2.04
Grand Total 649650 1071923 1.61
Grafik 4.1 Estimasi Ni IDW dan Ni OK
4.2 Pembahasan
4.2.1 Block Model

Untuk mendapatkan block model pada zona laterit ini terlebih dahulu kita
harus memvalidasi variogram model yang telah kita dapatkan primary variogram
dan secondary variogram sebelumnya. Data-data yang kita butuhkan untuk membuat
block model ini yaitu solid laterit dan komposit laterit yang sudah kita cut yang
selanjutnya kita olah dengan menggunakan toolbar yang ada pada Surpac 6.6.2.

09320200072
4.2.2 Estimesi Inverse Distance Weight

Inverse Distance Weighting (IDW) adalah salah satu metode interpolasi untuk
menaksir suatu nilai pada lokasi yang tidak tersampel berdasarkan data disekitarnya.
Metode ini sering digunakan dalam kegiatan eksplorasi karena dalam proses
perhitungannya lebih sederhana dan mudah diPahami.
4.2.3 Estimesi Ordinary Kriging
Kriging merupakan interpolasi yang berdasar pada regresi terhadap nilai 𝑧
dari data sampel di sekitar lokasi, dan berbobot sesuai nilai kovarians spasial.
Kriging merupakan suatu metode analisis data geostatistika yang digunakan untuk
menduga besarnya nilai yang mewakili suatu titik yang tidak tersampel berdasarkan
titik tersampel yang berada di sekitarnya.
BAB V
PENUTUP
5.1 Kesimpulan
Domain merupakan area 2D atau 3D dimana data-data tersebut saling

berhubugan. Tujuan dari domain ini untuk meyakinkan bahwa data-data yang kita
miliki telah diklasifikasi dengan tepat ke dalam suatu domain yang homogen.
Pencampuran data dari domain yang berbeda atau tidak diklasifikasikan dengan tepat
dapat menyebabkan kesalahan dalam melakukan estimasi. Sedangkan untuk statistik
dasari digunakan untuk menganalisis serta menampilkan kurva histogram dari unsur
atau senyawa yang ada di dalam tabel database assay.
Variogram adalah ukuran dari variansi yang menggambarkan karakteristik
variabel di antara dua kuantitas (sampel) dari data yang diamati atau data hasil
pengukurang di lapangan yang terpisah jarak. Variogram dalam geostatistik
berfungsi untuk menunjukkan korelasi spatial antara data yang diukur. Sebuah model
matematika harus disesuaikan pada variogram, sebelum variogram dapat dipakai
dalam estimasi. Variogram yang dipilih harus memenuhi suatu kondisi tertentu.
Kekeliruan dalam memilih variogram dapat menyebabkan terjadinya variansi negatif.
5.2 Saran
5.2.1 Saran Untuk Laboratorium

09320200072
Sebaiknya laboratorium menyediakan rak sepatu untuk praktikan agar sepatu

praktikan dapat tersimpan dengan rapi dan teratur.
5.2.2 Saran Untuk Asisten
Agar asisten tetap mempertahankan kebijakannya kepada praktikan sehingga
praktikan tidak merasa takut/tertekan untuk menyampaikan alasan tidak datang
asistensi.
DAFTAR PUSTAKA
Almasi, A., Jalalia, A., Toomanian, N., 2014, Using OK and IDW Methods For
Prediction The Spatial Variability Of A Horizon Depth and OM in Soils of
Shahrekord, Iran. Journal of Environment and Earth Science, Vol.4, No 15.
Batawen U, 2021. Estimasi Sumberdaya Terukur Endapan Bijih Nikel Laterit
Menggunakan Metode Geostatistik (Ordinary Co-Kriging). Program Studi
Teknik Pertambangan. Universitas Hasanuddin. Makassar.
Dina Zulkarnaen, 2023. Laboratorium Perencanaan Tambang Terbuka. Fakultas
Teknologi Industri Program Studi Teknik Pertambangan Universitas Muslim
Indonesia. Makassar.
Gatot H, 2008. Akurasi Metode IDW dan Kriging Untuk Interpolasi Sebaran
Sedimen Tersuspensi. Forum Geografi, Vol. 22, No. 1, Juli 2008: 97 – 110.
Peneliti SIG di Bakosurtanal
Purnomo H, 2018. Aplikasi Metode Interpolasi Inverse Distance Weighting Dalam
Penaksiran Sumberdaya Laterit Nikel. Jurnal Ilmiah Bidang Teknologi,
ANGKASA. Volume X, Nomor 1, Mei 2018. Sekolah Tinggi Teknologi
Nasional. Yogyakarta.
Yasrebi, J., Saffari, M., Fathi, H., Karimian, N., Moazallahi, M and Gazni, R., 2009,
Evaluation and Comparison Of Ordinary Kriging and Inverse Distance
Weighting Method For Prediction Of Spatial Variability Of Some Soil
Chemical Parameters. Research Journal of Biological Science 4(1): 93-102.

09320200072

LP Ma 4 PTT 072

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

LP Ma 4 PTT 072

Diunggah oleh

Hak Cipta:

Format Tersedia

2.

4 ESTIMASI SUMBERDAYA DAN

PRAKTIKUM PERENCANAAN TAMBANG TERBUKA

1.1 Latar Belakang

Pertambangan menurut undang-undang nomor 3 tahun 2020 tentang

CHIKA ANIDYA AULIA ASFIKAR

1.3 Alat dan Bahan

CHIKA ANIDYA AULIA ASFIKAR

2.1 Sumberdaya Mineral

Sumberdaya mineral adalah suatu konsentrasi atau keterjadian dari material

CHIKA ANIDYA AULIA ASFIKAR

2.1.1 Sumberdaya mineral tereka

CHIKA ANIDYA AULIA ASFIKAR

Adapun pembagian sumberdaya menurut USGS adalah sebagai berikut:

2.2 Estimasi Sumberdaya

CHIKA ANIDYA AULIA ASFIKAR

sumberdaya yang dilakukan. Kualitas perkiraan sumber daya mineral tergantung

2.3 Endapan Nikel Laterit

CHIKA ANIDYA AULIA ASFIKAR

CHIKA ANIDYA AULIA ASFIKAR

CHIKA ANIDYA AULIA ASFIKAR

konsentrasi besi. Lapisan bagian atas disebut limonistik sebab walaupun

CHIKA ANIDYA AULIA ASFIKAR

2.5 Metode Estimasi Ordinary Kriging

Metode Kriging adalah estimasi stochastic yang mirip dengan Inverse

CHIKA ANIDYA AULIA ASFIKAR

pertimbangan variabel lainnya.

2.6 Metode Estimasi IDW (Inverse distance weighting)

Beberapa metode interpolasi telah dikembangkan dalam perangkat lunak

CHIKA ANIDYA AULIA ASFIKAR

CHIKA ANIDYA AULIA ASFIKAR

3.1 Pembuatan Composite Data

1. Pertama-tama membuka software surpac lalu klik kanan folder tempat

Gambar 3.1 Sat as work directory

CHIKA ANIDYA AULIA ASFIKAR

2. Kemudian plih databse, lalu extract kemudian sample data.

Gambar 3.2 Extract sample data

Gambar 3.3 Sampel Extract

CHIKA ANIDYA AULIA ASFIKAR

Gambar 3.4 Kotak dialog data sample extract

Gambar 3.5 Composite Downhole

CHIKA ANIDYA AULIA ASFIKAR

Gambar 3.6 Kotak dialog Composite Downhole

Gambar 3.7 Hide Strings

CHIKA ANIDYA AULIA ASFIKAR

Gambar 3.8 Apply

Gambar 3.9 Point Markers

CHIKA ANIDYA AULIA ASFIKAR

Gambar 3.10 Draw Markers

Gambar 3.11 Tampilan draw markers

CHIKA ANIDYA AULIA ASFIKAR

Gambar 3.12 Display point description values

Gambar 3.13 Tampilan draw desc

CHIKA ANIDYA AULIA ASFIKAR

Gambar 3.14 Basic Statistics Window

Gambar 3.15 Load data from string files

CHIKA ANIDYA AULIA ASFIKAR

Gambar 3.16 Basic statistics

Gambar 3.17 Tampilan Ni Composite

CHIKA ANIDYA AULIA ASFIKAR

Gambar 3.18 Tampilan Fe Composite

Gambar 3.19 Normal distribution curve

CHIKA ANIDYA AULIA ASFIKAR