Yustina Hong Lawing,S.T,.M.

Si

STATISTIK DASAR : KONSEP DAN APLIKASI

DEFINISI

• Statistik adalah ilmu yang membahas metode-metode ilmiah

untuk pengorganisasian, penyajian, analisis, dan pengumpulan
data.
• Fungsi analisis statistik untuk menjelaskan korelasi dan
kecenderungan data sebelum memilih metode penaksiran yang
sesuai terutama untuk cebakan dengan variabelitas kadar yang
tinggi. Berdasarkan hasil analisis statistik diharapkan diperoleh
pola penyebaran suatu data mineralisasi.
Peubah acak independen & Teorema Central Limit
Peubah acak independen
Pada statistik klasik peubah acak didasarkan asumsi peubah acak independen. Peubah
acak merupakan hasil dari suatu eksperimen.
Contohnya kadar bijih hasil pengeboran inti (DDH) dan hasil dari pelemparan sebuah koin.
Peubah acak dikatakan independen jika probabilitas fungsi densitas dari n peubah acak
bersama-sama memenuhi persamaan
p(xᵢ,….,…xո) = p(x₁). p(x₂)….p(xո)
p(xᵢ) merupakan distribusi marginal dari x₁
Persamaan ini menyatakan probabilitas dua peristiwa sebagai hasil dari probabilitas
individu tiap peristiwa. Jika probabilitas suatu peristiwa mempengaruhi probabilitas
peristiwa yang lain maka peubah acak tersebut tidak independen.
Teorema Central Limit
•  Teorema ini sangat penting dan bermanfaat karena distribusi
peubah acak dapat independen. Mean dari sampel peubah acak
berdistribusi normal. Jika peubah acak independen yang memiliki
mean (μ), dan variansi (σ²) yang sama dinotasikan dengan x₁,
x₂,x₃….xn. Maka dapat dihitung dengan persamaan : = (x₁ +
x₂…+xn)/n=x₁/n+ x₂/n…+xn/n x
x
Mean Galat Baku
(standard error mean)

• Teorema central limit sering digunakan untuk menaksir ketepatan

pada mean sampel, missal merupakan estimasi mean dari
sampel. Berdasarkan teorema central limit diketahui hasil
perhitungan mean berdistribusi normal dengan mean (μ) dan
variansi (σ²/n). Jadi penaksir mean bertambah dengan
meningkatnya ukuran sampel n.
Interval Konfidensi
• 
Interval konfidensi (interval kepercayaan) dalam menaksir dinyatakan dengan batas
kesalahan yang mungkin terjadi. Untuk menghitung mean teorema central limit
suatu interval konfidensi dapat dihitung. Interval umum yang digunakan adalah
interval 95%. X = ± 2S/
Contoh : Jika x =30% Fe, S = 16% Fe, dan n = 16, maka
Interval konvidensi dibawah 95%
= 30% - 2(16)/ = 30 –32/(4)=22
Interval konfidensi diatas 95%
= 30% + 2(16)/ = 30 + 32/(4)=28
Jadi kemungkinan agar interval konvidensi mencapai 95% dari interval diberi
rentang antara 22 - 28
Interval Konfidensi
• 
Teorema central limit dapat digunakan untuk menghitung nomor
sampel yang diperlukan untuk mencapai interval yang diinginkan.
Untuk melakukan ini variansi harus diketahui.Dimulai dengan
membatasi galat yang diinginkan (2S/ dan mencari nilai n. Apabila
95% galat diharapkan menjadi ± 2% Fe, maka :
EB = 2S/ = 2%
2(16)/ = 2, jadi 32 x 2 = 64 , n = 64, jadi n = 8,----- 8 x 16 = 128
OKI diperlukan 128 sampel untuk mencapai ketepatan ± 2% Fe dari
95% interval konfidensi.
Sifat Penaksir Cadangan Bijih
• Cara yang digunakan untuk menaksir kuantitas yang tidak diketahui disebut
penaksir. Penaksir didasarkan pada empiris atau dalil probabilitas dalam statistic.
• Contoh penaksir empiris untuk menaksir cadangan bijih adalah metode poligon
dan metode seperjarak (invers distance weighting,IDW)
• Contoh penaksir yang didasarkan statistik parsial adalah ordinary kriging dan trend
surface analysis. analisis permukaan meliputi pembuatan kontur, slope, aspect,
dan hillshade. Adapun tujuannya adalah untuk mengetahui bentuk permukaan
bumi sehingga diperoleh suatu informasi pola permukaan bumi (fisik).
• Tiap penaksir mempunyai perbedaan yang didasarkan pada asumsi dan
karakteristik. Perlu dipahami tiap karakteristik penaksir sehingga dapat dipilih
penaksir terbaik untuk masalah yang ada.
• Penaksir
  pada sebuah blok dinotasikan Z*(v) dan didefinisikan sebagai
penaksir linier :

Z* (v) = z (xᵢ) dengan

Z* (v) : Nilai estimasi pada daerah a

N : Nomor sampel
z (xᵢ) : Nilai sampel pada xᵢ
λᵢ : Bobot pada contoh i
Definisi ini menggambarkan penaksir linier seperti metode poligon,IDW, dan
kriging.
Sifat-sifat u/ menentukan karakteristik penaksir cadangan bijih :

1.Ketelitian prediksi lokal :

a.Takbias : suatu penaksir yang konsisten menghasilkan estimasi kadar rendah
atau tinggi.
b.Variansi minimum
c.Kondisi takbias
2.Galat pengukuran pada penaksir
3.Kekekaran dan ketahanan
Ketelitian prediksi lokal

• Ketelitian
  prediksi lokal menunjukkan seberapa akurat prediksi penaksir
untuk menaksir nilai tiap blok dalam deposit.
Penaksir takbias mempunyai rata-rata kesalahan sama dengan nol. Jika
z*(v) adalah suatu taksiran dan z(v) adalah nilai blok sebenarnya pada
deposit. Kesalahan penaksir takbias yang diharapkan adalah nol.
E[z(v) - z*(v)] = 0
Syarat suatu penaksir linier takbias adalah jumlah bobot harus sama
dengan satu.
= 1,0
Dari kedua persamaan diperoleh E[z(v) - z (xᵢ )]= 0
• 
Ekspektasi penjumlahan menjadi E[z(v) - E[z (xᵢ )]= 0
Ekspektasi E[z(v) sama dengan mean (m).Berdasarkan batasan bahwa jumlah bobot
sama dengan satu : m - (m)= 0
= 1,0
Sifat penting dari penaksir adalah sifat takbias.
Contoh pada pekerjaan tambang adalah menambang blok demi blok yang kadarnya
ditaksir diatas cut of grade. Kadar yang ditaksir pada blok tersebut seharusnya tak bias.
Taksiran kadar pada blok dibawah COG kemungkinan juga takbias. Suatu penaksir yang
memiliki kriteria ini disebut kondisional takbias.
Contoh suatu penaksir kondisional takbias adalah taksiran terlalu tinggi pada kadar yang
tinggi, dan taksiran terlalu rendah pada kadar yang rendah. Penaksir kondisional takbias
didefenisikan sbb E[z(v)|z*(v) = z] = z
Poligon & Inverse Distance
Weighting (IDW)
Metode Poligon
• Ada dua macam metode poligon Yaitu :
1.Poligon Tradisional (poligon daerah pengaruh)
2.Poligon contoh terdekat (nearest neighbor poligon,NNP)
Poligon daerah pengaruh
• Perhitungan pada metode poligon hanya berdasarkan
daerah pengaruh dan ketebalan overburden serta lapisan
batubara dianggap datar. Daerah pengaruh batubara adalah
daerah yang menyatakan sumberdaya berada pada
klasifikasi sumberdaya terukur, tereka atau terunjuk.
Inverse Distance Weighting (IDW)
• Metode
  Inverse Distance merupakan kombinasi linier atau harga
rerata tertimbang (weighted everage) dari kadar komposit disekitar
blok. Prinsipnya adalah menentukan bobot conto (wᵢ) sebagai fungsi
dari jarak conto terhadap blok yang ditaksir.

Z* = zᵢ

Keterangan :
Z* = kadar yang ditaksir
wᵢ = bobot conto
zᵢ = kadar conto
• Pembobotan Inverse Distance dapat dikelompokkan sbb (berlaku untuk n > 0) :

1.Inverse Distance didefinisikan

2.Inverse Distance square (IDS). Pada pembobotan ini, conto dengan jarak paling dekat
membobot lebih besar.Didefinisikan sbb:
• 

3. Inverse Distance cubec (ID3) mempunyai persamaan sbb :

Dari persamaan ini dapat dilihat bahwa bobot (wᵢ) merupakan fungsi jarak. Kadar komposit
didekat blok memperoleh bobot lebih besar, sedangkan kadar komposit yang jauh dari blok
mempunyai bobot lebih kecil. Pilihan pangkat yang digunakan berpengaruh terhadap hasil taksiran.
Semakin tinggi pangkat ( yang digunakan, maka hasil taksiran akan mendekati metode
poligon contoh terdekat (NNP).
Metode seperjarak hanya memperhitungkan jarak fisik saja dan tidak memperhatikan
konfigurasi data dan memberikan bobot yang sama pada contoh dengan jarak yang sama
walaupun letak contoh terpencar atau mengelompok. Metode seperjarak masih umum
digunakan karena memperhitungkan sifat atau perilaku anisotropic cebakan mineral (space
warping)
Pembobotan Inverse Distance Weighting (IDW)
Gambar menunjukkan Sembilan komposit kadar (%), hanya 5 komposit yang ada dalam jarak pencarian contoh
(search distance) dari titik yang ditaksir Z₀*. Nilai Z₀ menggunakan pangkat dua/seperjarak kuadrat, ID2)
Menaksir nilai Z₀ dengan seperjarak kuadrat,ID2
Latihan:
Posisi data dibawah ini adalah tiga composite data kadar berdasarkan pemboran
bijih besi di daerah desa Tegalrejo Kabupaten Ngebul. Kadar bijih besi dilokasi
adalah sebagai berikut Z₁ = 58% Fe, Z₂ = 67% Fe, dan Z₃ = 69% Fe dengan konfigurasi
data :
a.Taksir nilai dititik Z₀ (gunakan
Pangkat dua atau seperjarak
kuadrat,ID2)
Penyelesaian
•a. 

Z₀ =

Z₀ =

Z₀ = = 88,4%
Kriging Titik (Point Kriging)
Kriging titik merupakan kasus spesial dari kriging blok dengan ukuran blok direduksi ke titik,
sehingga tahapan untuk kriging titik sangat sederhana jika dibandingkan dengan banyak kasus pada
kriging blok. Gambar disamping memperlihatkan dua grid
sampel yang berbeda masing-masing dengan tiga lubang bor.
Nilai titik X₀ akan ditaksir pada masing-masing grid. Diasumsikan
Model variogram adalah variogram transitif yang dideskripsikan
dengan persamaan berikut.
ɣ(h) = 1.0 + 0,01h untuk h ≤ 300 m
ɣ(h) = 4,0 untuk h > 300 m
ɣ(h) = 0,0 untuk h = 0
Kriging Titik (Point Kriging)
Tahapan perhitungan untuk grid pertama (1) adalah sbb :
1. Hitung kovarian antar titik sampel
C(h) = C(0) - ɣ(h)
σ(1,1) = σ(2,2) = σ(3,3) = C(0) = 4,0 – 0,0 = 4,0
σ(1,2) = σ(2,1) = σ(1,3) = σ(3,1) = C(200) = 4,0 – [1,0 + 0,01(200)] = 1,0
σ(2,3) = σ(3,2) = C(20) = 4,0 – [1,0 + 0,01(20)] = 2,8
2. Hitung kovariansi antara titik sampel dan titik yang ditaksir.
σ(1, X₀) = σ(2, X₀) = σ(3, X₀) = C (100) = 4,0 – [1,0 + 0,01(100)] = 2
Latihan:
Coba hitung grid kedua (2) pada gambar dengan cara yang sama.