P. 1
Bab 10 - Kriging

Bab 10 - Kriging

|Views: 194|Likes:
Published by Fahrul Razi Rustam

More info:

Published by: Fahrul Razi Rustam on Jul 27, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

06/13/2015

pdf

text

original

10.

KRIGING
10.1 PERMASALAHAN

Dari hubungan kadar suatu conto pemboran dengan kadar blok akan diperoleh suatu pencaran sistematis. Disini berarti bahwa conto bor tersebut bukanlah suatu harga estimasi yang paling baik untuk menaksir blok, sehingga diperlukan suatu koreksi. Cara penentuan koreksi ini diberikan oleh Matheron melalui pemboran hargaharga conto dengan bantuan fungsi variogram. Nama cara ini (kriging) diambil dari pakar geostatistik di Afrika Selatan D. G. Krige yang telah memikirkan hal ini untuk pertama kalinya di awal tahun limapuluhan. Korelasi antara kadar-kadar conto pemboran dan kadar sebenarnya suatu blok yang diwakili oleh titik bor tersebut (diperoleh mis. dari hasil penambangan blok tersebut) akan memberikan suatu diagram pencar yang memperhatikan, bahwa sebagian besar pasangan data tersebut terletak di dalam suatu elips seperti yang terlihat pada Gambar 10.1.

Gambar 10.1 Pencaran data antara kadar conto hasil eksplorasi dengan kadar blok penambangan Dalam hal semua hasil analisa conto merupakan estimasi yang benar/cocok/ sesuai terhadap kadar setiap blok yang diwakili conto tersebut, maka pencaran pasangan data tersebut akan membentuk garis regresi A-A’ yang melalui titik nol. Penelitian Krige pada perilaku kadar conto emas memperhatikan bahwa garis regresi tersebut pada kenyataannya lebih mendatar, seperti yang ditujukan oleh garis B-B’ (Gambar 10.2).

Gambar 10.2 Pencaran data antara kadar conto vs. Kadar blok untuk conto emas (kurva B-B’) Ini berarti bahwa simpangan terbentuk secara sistimatik dan conto bor bukan merupakan harga estimasi yang mewakili kadar bijih pada blok. Analisa conto yang terletak di atas harga rata-rata memberikan suatu harga yang lebih besar daripada kadar-kadar blok, jika tidak diberikan koreksi. Harga conto z1 memberikan harga blok Z1’ melalui kurva A-A’ yang lebih besar dari harga sebenarnya Z1 (kurva B-B’). Tetapi sebaliknya analisa-analisa yang terletak di bawah harga rata-rata Z memberikan harga yang di bawah harga-harga blok, conto z2 melalui kurva A-A’ memberikan harga blok Z2’ yang lebih kecil dari harga sebenarnya Z2 (kurva BB’). Koreksi Matheron yang memperhatikan variogram dari analisa data regional, memperlihatkan bahwa estimasi kadar blok tidak hanya dipengaruhi oleh conto yang terletak di dalam blok saja, tetapi juga dipengaruhi oleh conto-conto di sekitarnya yang berdekatan. Koreksi tersebut memberikan : 1. suatu harga estimasi yang lebih baik, 2 2. suatu varians σ K dari estimasi tersebut. Cara perhitungan dengan metode kriging ini kadang-kadang terlalu kompleks untuk suatu komoditi tertentu. Hal ini sangat bermanfaat jika dilakukan pada penentuan cadangan-cadangan yang mineable dengan kadar-kadar di atas cutoff grade. Sebagai contoh hubungan antara harga analisa conto dengan harga analisa blok bijih (harga sebenarnya) yang terpancar membentuk elips (Gambar 3), kemudian tarik garis regresi melalui titik 0 dan titik ( Z , z ), selanjutnya bagi elips tersebut dengan cut-off grade zc = Zc = 5% menjadi empat bagian.

Gambar 10.3 Pencaran data antara kadar conto vs. memperlihatkan kesalahan penambangan Daerah 1 : semua blok dengan kadar > cog sesuai dengan kadar conto > cog ditambang Daerah 2 : semau blok dengan kadar < cog yang sesuai dengan kadar conto < cog tidak ditambang Daerah 3 : semua blok dengan kadar < cog yang karena kesalahan kadar conto > cog yang ditambang Daerah 4 : semua blok dengan kadar > cog yang karena kesalahan kadar conto < cog tidak ditambang

kadar

blok

yang

Jika garis regresi B-B’ yang menunjukkan hubungan antara conto dan kadar blok diplot, maka blok-blok dengan kadar 5% juga akan ditambang walaupun kadar conto kadar 3,5% (Gambar 3b). Daerah 4 pada Gambar 3b yang tidak tertambang karena kesalahan informasi menjadi kecil, sementara itu daerah 3 yang ditambang walaupun berkadar rendah menjadi lebih besar, walaupun demikian secara keseluruhan daerah dengan blok-blok yang mempunyai kadar > cut-off grade (5%) dan ditambang menjadi lebih besar. Berdasarkan analisis variogram, Matheron memberikan koreksi perkiraan kadar pada suatu blok yang tidak hanya dipengaruhi oleh conto di dalam blok saja, tetapi juga pada conto-conto di sekitarnya. Dengan bantuan kriging ini tidak akan ditentukan garis regresi baru yang lebih baik, tetapi metode ini akan mengoreksi kadar-kadar conto (dinaikkan atau diturunkan, sehingga mempersempit elips pencaran data (Gambar 4).

bahwa proses kriging ini memberikan harga-harga pengestimasi kadar-kadar blom terbaik berdasarkan kadar-kadar conto yang sudah dikoreksi. Jumlah conto dan pasangan bloknya pada daerah 3 dan daerah 4 yang menyatakan kadar rendah ditambang atau kadar tinggi tidak ditambang akan berkurang. Royle & Newton (1972) telah menyelidiki bermacam-macam model koreksi dan menghasilkan solusi.4 Perubahan bentuk elips pencaran data akibat koreksi dengan metode kriging Melalui koreksi ini bentuk elips akan lebih kurus/sempit dengan batas-batasnya mendekati garis regresi yang membentuk sudut 45º. Harga perkiraan ini dapat melalui pembobotan kadar z(xi) conto : Z* = ∑ λ i ⋅ z ( x i ) i =1 n Jumlah faktor pembobotan λi dibuat sedemikian rupa sehingga sama dengan satu : ∑λ i =1 n i =1 .2 PERSAMAAN UMUM Misalnya terdapat suatu kumpulan S1 dari n conto dengan volumina yang sama pada suatu tempat xi sebagai harga perkiraan / estimasi terhadap suatu kadar Z dari volume V dipilih Z*. 10.Gambar 10.

Pernyataan bahwa harus diminimumkan ini diartikan bahwa pendekatan parsial ∂Q / ∂ μ dan ∂Q / ∂λi adalah nol.V ) − γ (V .V ) − ∑∑ λi λ j γ (S i . dibuat sedemikian rupa sehingga varians estimasi ini minimum. artinya harga yang diharapkan untuk perbedaan antara Z da Z* adalah nol. yang sudak diketahui bahwa jumlahnya adalah 1. Selanjutnya didapat sistem persamaan linier (kriging system) sebagai berikut : ∑ λ γ (x n j =1 n j i − x j )+ μ = 1 ∫ γ (x − xi )dx VV dan atau ∑ λ j γ (S i .V ) j =1 ∑λ i =1 n i =1 . juga terdapat μ yang juga tidak diketahui. Untuk memilih faktor-faktor pembobotan yang optimal. S j ) + μ = γ (S i . S j ) n n n i =1 i =1 j = 1 Varians estimasi ini adalah suatu fungsi dari faktor-faktor pembobotan λ1 . bahwa harga estimasi adalah without bias. Persyaratan bahwa jumlah λ1 yang tidak diketahui adalah satu. E{Z − Z *} = 0 Dengan memperhatikan faktor-faktor pembobotan akan didapat suatu varians estimasi (lihat persamaan terdahulu pada varians estimasi) Dengan memperhatikan faktor-faktor pembobotan akan didapat suatu varians estimasi (lihat persamaan terdahulu pada varians estimasi) 2 σ E = Var [Z − Z * ] n n 2 n (xi − y )dy − 1 ∫ ∫ γ (x − y )dx dy − ∑∑ λi λ j γ (xi − x j ) = ∑ λi ∫ γ V i =1 V VV V V i =1 i =1 = 2∑ λi γ (S i . dapat didekati dengan pertolongan suatu multiplier lagrange untuk meminimumkan hubungan persamaan berikut ini : 2 Q = σ E − 2μ (∑ λi − 1) ⇒ min Selain dari yang tidak diketahui.Dengan cara ini akan tercapai.

.V ) + μ + ∑ λ j γ (S j .... + λn ⋅ γ (S 1 S n ) + μ = γ (S nV ) λ1 M M M M M M M + λ2 + . + λn ⋅ γ (S 1 S n ) + μ = γ (S jV ) M M M λ1 ⋅ γ (S 1 S 1 ) + λ2 ⋅ γ (S 1 S 2 ) + ... + λn ⋅ γ (S 1 S n ) + μ = γ (S 1V ) λ1 ⋅ γ (S 1 S 1 ) + λ2 ⋅ γ (S 1 S 2 ) + ...V ) n j =1 Keterangan : Persamaan-persamaan yang diberikan dapat juga kemudian digunakan.... Berikut ini diuraikan persamaan untuk menghitung dan yang merupakan konstanta-konstanta yang tidak dikenal : λ1 ⋅ γ (S 1 S 1 ) + λ2 ⋅ γ (S 1 S 2 ) + . Mis. + λ n +μ = 1 . + λ j γ (S 1 S j ) + . + λ j γ (S 1 S j ) + ....Sistem persamaan ini cukup untuk menentukan harga-harga λ1 dan μ yang akan menghasilkan suatu varians minimum. + λ j γ (S 1 S j ) + .. + λ j + .. Varians perkiraan/estimasi (kriging variance) akan diekspresikan melalui persamaan berikut : n 1 1 2 σK = atau ∫ dxV γ (x − y )dy − ∑ λ j V V γ x − x j dx ∫ ∫ VV V j =1 ( ) 2 σ K = −γ (V . γ (x i − x j ) bertindak sebagai harga rata-rata dari γ untuk kumpulan titik-titik Si dan Sj pada posisi xi dan xj.. + λ j γ (S 1 S j ) + .. jika z(xi) pada persamaan unutk perhitungan hargaharga estimasi Z adalah lebih kurang sama dengan harga ratarata dari sejumlah conto-conto yang berdekatan satu sama lain... + λn ⋅ γ (S 1 S n ) + μ = γ (S iV ) M M λ1 ⋅ γ (S 1 S 1 ) + λ2 ⋅ γ (S 1 S 2 ) + .

3 PENGARUH PARAMETER GEOSTATISTIK PADA FAKTOR-FAKTOR PEMBOBOTAN DAN VARIANS ESTIMASI Pengaruh beberapa parameter geostatistik akan diterangkan pada suatu conto perhitungan sederhana sebagai berikut : Diketahui conto x i dengan kadar z( x i ) diambil dengan jarak yang sama (L=20 m) di sepanjang suatu garis. Kadang rata-rata semua conto z = 1. maka akan memberikan suatu matriks berikut ini : ⎡γ (S 1 S 1 ) γ (S 1 S 2 ) ⎢ ⎢γ (S 2 S 1 ) γ (S 2 S ) ⎢ M M ⎢ ⎢ γ (S i S 1 ) γ (S j S 2 ) ⎢ M M ⎢ ⎢γ (S n S 1 ) γ (S n S 2 ) ⎢ 1 1 ⎣ L γ (S 1 S j ) L γ (S 1 S n ) 1⎤ ⎡ λ1 ⎤ ⎡γ (S 1V )⎤ ⎥ ⎢ ⎥ L γ (S 2 S j ) L γ (S 2 S n ) 1⎥ ⎢λ 2 ⎥ ⎢γ (S 2V )⎥ ⎢ ⎥ ⎥ ⎢M⎥ ⎢ M ⎥ M M ⎥ ⎢ ⎥ ⎢ ⎥ L γ (S i S j ) L γ (S j S n ) 1⎥ • ⎢λ j ⎥ = ⎢γ (S jV )⎥ ⎥ ⎢M⎥ ⎢ M ⎥ M M ⎥ ⎢ ⎥ ⎢ ⎥ L γ (S n S j ) L γ (S n S n ) 1⎥ ⎢λ n ⎥ ⎢γ (S nV )⎥ 1 1 0⎥ ⎢ μ ⎥ ⎢ 1 ⎥ L L ⎦ ⎣ ⎦ ⎣ ⎦ Matriks γ (S i S j ) merupakan suatu matriks yang simetris.V )+ t [L ] ⋅ [M ] 10. Variogram (model Matheron) pada data tersebut mempunyai parameter sebagai berikut : . Sistem persamaan tersebut diatas dapat dituliskan sebagai berikut : [K ] ⋅ [L ] = [M ] Persamaam ini akan diselesaikan terhadap L untuk mendapatkan λ1 dan sehingga diperoleh persamaan : [L ] = [K ]−1 ⋅ [M ] Untuk varians kriging dapat dituliskan : 2 σ K = −γ (V .0 .Dengan memperhatikan bahwa γ (S i S j ) = y (S j S i ) .

x3 atau jika dipengaruhi oleh semua titik-titik conto disekitarnya.C0 = 0 . maka akan diperhatikan jika hanya dipengaruhi oleh suatu titik x 1 (dirinya sendiri). pada titik x1 ) Untuk melihat bagaimana pengaruh conto-conto di sekitarnya serta pengaruh nugget variance. atau dipengaruhi oleh tiga titik x 1 . S j ) + μ = γ (S i .124 ⇒ μ = 0 .0 C = 1. x 2 .0 a = 60 m Akan dihitung faktor-faktor bobot. varians estimasi (varians kriging).3.1 SISTEM KRIGING DENGAN MEMPERHATIKAN HANYA SATU CONTO ∑ λ j γ (S i . dan standar deviasi relatif untuk kadar z* suatu potongan garis sepanjang L (mis. 10.124 [ 2] = 0 + 1 X (10 ) 60 Dengan memasukkan parameter-parameter tersebut pada persamaan umum kriging akan memberikan : 1 ⋅ 0 + μ = 0 .124 . L ) n j =1 ∑λ j =1 n j =1 untuk n = 1 maka λ1 = 1 γ (S 1 S 1 ) = 0 γ (S 1 L ) = C0 + Cγ (pf) = C0 + C X L = 0.

165 μ = 0 .0 λ1 ⋅ γ (S 2 S1 ) + λ2 ⋅ γ (S 2 S 2 ) + λ3 ⋅ γ (S 2 S3 ) + μ = γ (S 2 L) λ1 ⋅ γ (S1 S1 ) + λ2 ⋅ γ (S1 S 2 ) + λ3 ⋅ γ (S1 S 3 ) + μ = γ (S1 L) γ (S 1 S 1 ) = γ (S 2 S 2 ) = γ (S 3 S 3 ) = 0 γ (S1 S 2 ) = γ (S1 S 3 ) = C0 + C ⋅ γ (x1 − x2 ) γ (x1 − x 2 ) = γ L a = γ 20 60 = γ (0 .124 = 0 .333) = 0 .124 + 0 .3.124 2 σ K = −0 .333) = 0.481 γ (S 2 S3 ) = γ (S3 S 2 ) = C0 + C ⋅ γ (x2 − x3 ) ( ) ( ) .0 dan C = 1.165 + 0 .083 2 σK Standar deviasi relatif : σ K = z ⋅ 100% = 29% 10.124 = 0 .Untuk varians krigingnya berlaku rumus : 2 σ K = −γ (L . L ) + μ + ∑ λ j γ (S j .124 λ1 γ (S 1 L ) = 1* 0 . L) = C0 + C ⋅ F (L) = 0 + 1⋅ F L ( a ) = F (20 60 ) = F (0.2 SISTEM KRIGING DENGAN MEMPERHATIKAN TIGA CONTO Sistem Kriging λ1 ⋅ γ (S 3 S1 ) + λ2 ⋅ γ (S 3 S 2 ) + λ3 ⋅ γ (S 3 S 3 ) + μ = γ (S 3 L) + λ2 + λ3 +μ = 1 λ1 Untuk L = 20 m maka : a = 60 m C0=0. L ) n j =1 γ (L.

359 2 60 X L = X 10 = X (0 .477 λ 1 ⋅ 0 .12 [1] (1 − 2 λ 2 )0 .167 ) = 0 .01 .00 ) ( ( ) ( L = X 30 ) ) [1] [2 ] [3 ] [4 ] [2] − [3] λ 2 = λ3 ______________________________________ λ1 + 2λ2 = 1.481 + μ = 0 .000 + λ 3 ⋅ 0 .962 λ 2 + 0 .851 + μ = 0 .851 + λ 3 ⋅ 0 .000 ______________________________________ 0 + 0 .000 λ1 = 1.124 μ = 0 .851 λ 2 + 0 .481 − 0 .5 ) = 0 .γ (x 2 − x3 ) = γ 2 L a = γ 40 60 = γ (0 .359 − 10 ⋅ 0 .12 dan μ = 0 .481 λ2 ) + μ = 0 .124 − 0 .851 λ 2 + 0 .851 γ (S 1 L ) = C0 + C ⋅ X L 2 = 0 .962 λ2 ______________________________________ 0 .000 + λ 2 ⋅ 0 .124 − 0 .481 + 0 .124 λ 1 ⋅ 0 .124 γ (S 2 L) = γ (S 3 L) = C0 + C ⋅ X (L' ) ( ) ( ) ( ) ( seperti pada a) (L + L 2 )⋅ X (L + L 2 ) − (L 2 )⋅ X (L 2 ) X (L' ) = ⇒ X L+L = X (0 .124 X (L' ) = = 0 .962 λ 2 ) = 0 .124 2 60 30 ⋅ 0 .851 λ 3 + 0 = 0 .481 + λ 2 ⋅ 0 .851 λ 2 + (0 .667 ) = 0 .477 λ 2 = 0 .477 20 Sehingga sistem kriging menjadi : λ 1 ⋅ 0 .481 + λ 2 ⋅ 0 .962 λ 2 = 0 .124 − 0 .000 + μ = 0 .000 − 2λ2 ______________________________________ [4] 2(0 .477 λ1 + λ2 + λ3 + 0 = 1.481 + λ 3 ⋅ 0 .477 [2] ______________________________________ λ 1 = 0 .76 λ2 = λ3 = 0 .

477 + 0 .851] = 0 .053 2 σK Standar deviasi relatif : σ * 100% = 23% z ______________________________________ 2 K = Z* = λ1 .76 * z (x1 ) + 0 .124 + 0 . L ) + μ + ∑ λ j γ (S j . L ) n j =1 γ (L .12 * z (x3 ) Faktor bobot λ 2 dan λ3 mempunyai harga yang sama.12 ⋅ 0 . sesuai dengan posisi titik 2 dan 3 yang simetri terhadap titik 1 (berjarak L).667 ) = 0 .124 ∑ λ γ (S .208 = 0 .481 γ (S 2 S 2 ) = 1 2 [C0 + C ⋅ γ (2 L )] γ 40 60 = γ (0 . Berdasarkan posisi titik-titik yang simetri ini.477 ______________________________________ = 1 [0 + 1 ⋅ 0 . maka persamaan sistem kriging dapat lebih disederhanakan sebagai berikut : ⎡ z ( x ) + z ( x3 ) ⎤ Z* = λ1 ⋅ z ( xi ) + λ2 ⋅ ⎢ 2 ⎥ { ⎣ 42 S1 14 244 ⎦ 3 S2 Sistem kriging λ1 ⋅ γ (S 2 S 1 ) + λ 2 ⋅ γ (S 2 S 2 ) + μ = γ (S 2 L ) λ1 + λ2 + 0 = 1.165 μ = 0 .165 + 0 .01 + 0 .76 ⋅ 0 . L ) = 0 .12 * z (x2 ) + 0 .208 n j =1 j j 2 σ K = −0 .000 γ (S 1 S 1 ) = 0 λ 1 ⋅ γ (S 1 S 1 ) + λ 2 ⋅ γ (S 1 S 2 ) + μ = γ (S 1 L ) seperti sebelumnya γ (S 1 L ) = 0 .2 σ K = −γ (L . L ) = 0 .477 = 0 .851 ( ) .12 ⋅ 0 .425 2 γ (S 2 S 1 ) = γ (S 1 S 2 ) = 0 .124 γ (S 2 L ) = 0 .

053 seperti sebelumnya 10. F(h) dianggap sama dengan 1.01 ______________________________________ 2 σ K = −0 .425 + μ = 0 .24 ⋅ 0 .0. Semua conto rata-rata ini mempunyai jarak yang cukup jauh dari letak x1 .3 SISTEM KRIGING DENGAN MEMPERHATIKAN SEMUA CONTO Akan digunakan tiga conto seperti pada 10.481 γ (S 2 S 2 ) = 0 . demikian hingga γ (h ) dan semua fungsi bantu X(h).000 ______________________________________ λ2 = 0 . x3 dan potongan L.λ 1 ⋅ 0 .24(λ2 = 0 .477 λ1 + λ2 + 0 = 1.165+0.01 + 0 .124 λ 1 ⋅ 0 .477 = -0.76 μ = 0 .3.01+0.208 2 σ K = 0 .12) λ 1 = 0 .3.76 ⋅ 0 .481 + λ 2 ⋅ 0 .000 λ1 ⋅ γ (S1 S1 ) + λ2 ⋅ γ (S1 S 2 ) + λ3 ⋅ γ (S1 S 3 ) + μ = γ (S1 L) γ (S 1 S 1 ) = 0 γ (S 1 S 2 ) = γ (S 2 S 1 ) = 0 . ⎡ z ( x ) + z ( x3 ) ⎤ Z* = λ1 ⋅ z ( xi ) + λ2 ⋅ ⎢ 2 z ⎥ + λ3 ⋅ { { 2 ⎣ 4 244 ⎦ S3 S1 1 4 3 S2 Sistem kriging λ1 ⋅ γ (S 2 S1 ) + λ2 ⋅ γ (S 2 S 2 ) + λ3 ⋅ γ (S 2 S3 ) + μ = γ (S 2 L) λ1 ⋅ γ (S 2 S1 ) + λ2 ⋅ γ (S 2 S 2 ) + λ3 ⋅ γ (S3 S3 ) + μ = γ (S3 L) λ1 + λ2 + λ3 + 0 = 1.165 + 0 .425 . semua sisa conto lainnya dikelompokkan menjadi satu conto dengan harga rata-ratanya z .3. x 2 .000 + λ 2 ⋅ 0 .481 + μ = 0 .124 + 0 .12 & λ3 = 0 .

481 λ 1 + 0 .116 λ1 +0.734 [1]-[2] ______________________________________ 0.000 + μ = 0 .116 λ 2 = 0 . sehingga kadar rata-rata semua γ (x1 − x j ) adalah 1 (satu).000 [4] λ3 = 0 .00 ( ) ( ) λ1 ⋅ 0 .000 + μ = 1.481λ 2 + 0 .0) = 1.635 . γ (S 1 L ) = 0 .477 λ1 ⋅ 1.0 ) = L = 7 ⋅ 0.000 = −0 .124 γ (S 2 L ) = 0 .056 λ 2 + 0 .000 + λ2 ⋅ 0 .84 − 6 ⋅ 0.0) = 1.477 γ (S 3 L) = C0 + C ⋅ X (L' ) ≅ 1.266 − 1.116λ2 ______________________________________ → μ = 0 .000 + 0 .266 − 1.000 + λ2 ⋅ 1.000 + μ = 0 .000 + λ2 λ1 [1] [2] [3] [4] ______________________________________ − 0 .224 0 .000 [3] λ2 = 0 .γ (S1 S 3 ) = γ (S 3 S1 ) = C0 + C ⋅ γ (1.481 + λ3 ⋅ 1.353 λ 1 = 0 .000 + λ3 ⋅ 1.0 Conto-conto yang tergabung dalam S3 terletak terpencar jauh di luar ( jarak > a).142 = 0 .124 λ1 ⋅ 0 .0 γ (S3 S3 ) = C0 + C = 1.000 + λ3 + 0 = 1. diambil conto-conto dengan jarak 6L = 120 m (L + 6 L) ⋅ X (L + 6 L) − (6 L) ⋅ X (6 L) X (L' ) = L 7 L ⋅ X 140 − 6 L ⋅ X 120 60 60 = 7 ⋅ X (2 .734+ λ2 + λ3 = 1.481 + λ2 ⋅ 0 .000 ______________________________________ 0 .116 λ 2 + 0 .00 Sebagai contoh perhitungan .0 γ (S 2 S3 ) = γ (S3 S 2 ) = C0 + C ⋅ γ (1.333 ) − 6 ⋅ X (2 .425 + λ3 ⋅ 1.124 λ1 + λ2 + λ3 = 1.82 = 0.96 ≅ 1.

3.576 + λ3 ⋅ 1.31 + 1.094 0 .4 PENGARUH NUGGET VARIANCE C0 ≠ 0 Dengan memperhatikan semua conto seperti pada 10.000 + λ2 ⋅ 0 .481 = 0 .781 + λ3 ⋅ 1.244 ⋅ 0 .3 γ (S 3 S 3 ) = 0 .781 1 γ (S 2 S 2 ) = (0 .3 + μ = 0 .226 − 1.851) = 0 .016 ⋅ 1.116 λ 2 + 0 .3 ___________________________________________ λ1 ⋅ 0 .0 [1] [2] [3] [4] .31 + 1.0 = 1.0 = 1.760 ⋅ 0.0 = 1.3 γ (S 1 L ) = 0 .3 C0 = 0 .576 2 γ (S 3 S1 ) = 0 .3 γ (S 1 S 1 ) = 0 γ (S 1 S 2 ) = 0 .3 + 0 .477 = 0 .116λ2 = 0 .3 + 1.016 ∑ λ γ (S .760 λ3 = 0 .3 + λ3 ⋅ 1. Di sini tidak terjadi perbaikan faktor bobot dan juga tidak ada perbaikan varians estimasi.053 (seperti sebelumnya) Kedua conto z ( x 2 ) dan z ( x3 ) bersifat memagari pengaruh conto-conto yang terletak di sebelah luarnya.777 λ1 ⋅ 1.781 + λ2 ⋅ 0 .016 (karena kecil diabaikan) ______________________________________ 2 σ K = −γ (L .424 λ1 ⋅ 0 .424 γ (S 2 L ) = 0 .3.λ 1 = 0 .3 + μ = 0 .3 + 0 .3 C = 1.107 0 .477 = 0 .3 + λ2 ⋅ 1.124 = 0. L ) n j =1 γ (L .31 + 0 . L ) = 0 . 10.0 a = 60 m z = 1.734 = 0 .000 = 0 .217 n j =1 j j 2 σ K = 0 .165 μ = 0 .31 + 1.777 γ (S 3 L) = 0. L ) = 0 .124 = 0 .0 = 1. L ) + μ + ∑ λ j γ (S j .3 + 0 .0 γ (S 3 S 2 ) = 0.000 0.3 λ1 + λ2 + λ3 + 0 = 1.3 + μ = 1.

0 − 0 .452 = 0 .3 [4] [3] λ1 + λ2 + λ3 = 1 μ = 0 .0 λ2 = 0 .205 λ 2 + 0 + 0 = − 0 .229 0.452 [1]-[2] ___________________________________________ ___________________________________________ 0 .424 0 .452 + λ2 + λ3 = 1.652 2 σ K = −0 .652 = 0 .3λ1 + 1.205 λ 2 + 0 .3λ2 + 1.288 λ2 = = 0 .781 λ 2 + 1.262 λ 2 ) = 0 .424 0 .262λ1 + 0 .3 ⋅ (λ1 + λ2 + λ3 ) + μ = 1.187 σ K = 0 .465 + 0 .548 − 1.3 1.335 ⋅ 0. L ) = 0 .300 = 0 .3 + 0 .3 (0 .163 + ∑ λ γ (S n j =1 j j .781 = 0 .260 0 .262 λ 2 + 0 .00 + 0 .540 ⋅ 0.548 − 1.353 ) / 0 .125 ___________________________________________ 2 σ K = −γ (L .540 λ3 = 1.262 λ 2 + 0 .262λ3 ___________________________________________ 1.125 ⋅ 1.3λ3 + μ = 0 .3λ3 + μ = 1.860 λ 1 = 0 .424 = 0.187 / 1.540 = 0 . L ) + μ + ∑ λ j γ (S j . L ) n j =1 [1] γ (L .781 λ 1 + 0 .335 − 0 .0 ___________________________________________ 0 .465 0 .___________________________________________ − 0 .165 = 0 .335 0 .777 = 0.353 λ 1 = (0 .781λ2 + 1.0 ⋅ 100 % = 43% ___________________________________________ . L ) = 0 .

38 62% 0.5 0. pengaruh conto-conto yang terletak di luar tidak dapat lagi diabaikan.466 2 σ K = 0 .193 μ = 0 .0 1 conto 0.05 23% Semua conto 0.34 0.0 3 conto 0.76 0.0 0.25 50% λ3 2 σK 0.12 0.Dengan kehadiran varians nugget.12 0.5 1.76 0.341 σ K = 43 % λ3 = 0 .3.5 RINGKASAN C0 λ1 λ2 0.3 1.08 29% 0.248 λ 2 = 0 .22 0.05 23% 0.0 1.54 0.000 10.0 0.0 0.3 0.25 0.58 76% σK .02 0.19 43% 0. Effek screen pada conto berikutnya berkurang akibat adanya varians nugget.5 akan terlihat pengaruhnya lebih baik lagi : λ 1 = 0 .47 0.34 0.12 0. Jika varians nugget dinaikkan lagi menjadi C0 = 0 .

5 CONTOH KRIGING PADA SUATU GRID YANG TERATUR Perhitungan dilakukan terhadap suatu blok pada endapan bahan galian yang sudah diketahui mempunyai variogram model Matheron dengan : C0=0. Target utamanya adalah menghindari kesalahan sistematis dalam estimasi yang terlalu besar atau terlalu kecil (over estimate atau under estimate) dalam menaksir cadangan. Efek screen ini akan terjadi. Conto-conto yang terletak jauh dari blok dapat diikutsertakan dalam estimasi ini melalui harga rata-ratanya. metode ini memanfaatkan penggunaan informasi yang ada sebaik-baiknya.V ) (hubungan antara data dan volume). sehingga didapatkan estimasi linier yang paling baik untuk harga yang sebenarnya. Dalam banyak hal hanya conto-conto di dalam blok dan di sekitar blok memberikan estimasi dan mempunyai suatu faktor bobot masing-masing nol. Faktor bobot dipilih sedemikian rupa sehingga diperoleh varians estimasi yang minimum. semua conto mempunyai bobot yang sama.10.0 . 10. Hal ini sangat penting pada perkiraan cadangan untuk pemilihan blok apakah layak tambang atau tidak. Efect nugget ini menurunkan efek screen. • Hubungan geometri relatif antar data yang mencakup hal penaksiran dan penaksiran volume melalui γ sebagai γ (S i . S j ) (hubungan antar data) dan sebagai γ (Si . Untuk efek nugget yang besar.0 C=1.4 SIFAT-SIFAT CARA KRIGING Melalui metode kriging diperoleh harga penaksir terbaik berdasarkan informasi yang ada pada suatu endapan bahan galian. jika tidak ada nugget effect atau kecil sekali ε = C0 / C .0 a= 60 m z = 1. Seperti yang telah dijelaskan. Sehingga Kriging memperhatikan : • Struktur dan korelasi spasial variabel melalui suatu fungsi γ (h ) . maka sistem kriging akan memberikan data yang simetri. Dalam hal ini jangkauan radius conto yang pertama atau kedua pertama akan tidak mempengaruhi (tersaring). Jika variogram isotrop dan pola data teratur.

500 ⎜ ⎟ 2⎝ ⎝ 60 ⎠ ⎠ ⎛ 20 2 + 30 2 ⎞ ⎟ = γ (0 .638 − ⋅ 0 . S 2 ) = ⎜ C0 + C ⋅ γ ⎜ ⎜ 1⎛ 2⎝ ⎛ 30 15 ⎞ ⎛ 10 15 ⎞ 3 ⋅ Q⎜ . R) = C0 + C ⋅ Q(R' ) γ (S 2 .793 γ (S 2 .5 ⋅ 0 .241 = 0 . ⎟ = 0 .Blok berbentuk bujur sangkar berukuran 20 m x 30 m dengan 4 conto disekelilingnya dan 1 conto di tengah-tengah blok.5 ⋅ 1. S 3 ) = C0 + C ⋅ γ ⎜ ⎟ = 0 . R ) γ (S 1 .517 2 2 .481 ⎝ 60 ⎠ ⎛ 30 ⎞ γ (S 1 .426 ⎟ ⎝ 60 ⎠ ⎠ 1⎛ ⎛ 60 ⎞ ⎞ γ (S 3 .601) = 0 . Berdasarkan kesimetrian letak conto terhadap blok. ⎟ ⎝ 60 60 ⎠ ⎝ 60 60 ⎠ Q (R' ) = 2 3 1 = ⋅ 0 . R ) = C0 + C ⋅ Q⎜ . S 3 ) = ⎜ C0 + C ⋅ γ ⎜ ⎟ ⎟ = 0 . S 3 ) = C 0 + C ⋅ γ ⎜ ⎜ ⎟ 60 ⎝ ⎠ ⎛ 20 ⎞ γ (S 1 .688 ⎝ 60 ⎠ ⎛ 10 15 ⎞ γ (S 1 .000 = 0 . S j ) + μ = γ (S i .241 ⎝ 60 60 ⎠ γ (S 2 . ⎟ − 1 ⋅ Q⎜ . S 1 ) = 0 ⎛ 40 ⎞ ⎞ ⎟ ⎟ = 0 . maka persamaan penaksiran kadar dapat dikelompokkan sebagai berikut : z (x4 ) + z (x5 ) z ( x1 ) + z ( x 2 ) + λ3 ⋅ 14243 42 4 14 244 42 3 S2 S3 z* = λ1 ⋅ z (x1 ) + λ 2 ⋅ { S1 ∑λ j =1 3 j ⋅ γ (S i . S 2 ) = C0 + C ⋅ γ ⎜ ⎟ = 0 .852 = 0 .

26 ⋅ 0 .320 + 0.481 + λ2 ⋅ 0 .158 ⎜ ⎟ 2 σK j =1 σ E = 40 % ___________________________________________ ⎝ 60 60 ⎠ Secara umum cara kriging untuk blok dengan grid teratur ini tidak hanya memperhatikan 4 conto/blok di sekitarnya tetapi 8 blok.688 + μ = 0 .000 λ1 ___________________________________________ penyelesaian empat persamaan dengan empat variabel λ1 = 0 .17 μ = 0 .320 ⎝ 60 60 ⎠ Sistem kriging : λ1 ⋅ 0 .067 Standar deviasi relatif : σ K = ⋅ 100% = 26% z ___________________________________________ 2 Bandingkan dengan : σ E ( 2 ) = σ E ⎛ 30 .683 + λ2 + λ3 +0 =1.793 + λ3 ⋅ 0 .320 + 0 . R) = C0 + C ⋅ Q(R' ' ) ⎛ 45 10 ⎞ ⎛ 15 10 ⎞ 3 ⋅ Q⎜ .241 λ1 ⋅ 0 .057 ⋅ 0 .517 + 0 . R ) = C0 + C ⋅ F ⎜ .241 + 0 . ⎟ ⎝ 60 60 ⎠ ⎝ 60 60 ⎠ Q (R' ' ) = 2 3 1 = ⋅ 0 .426 + λ3 ⋅ 0 .241 = 0 .517 λ1 ⋅ 0 .17 ⋅ 0 .083 ) = − 0. 20 ⎞ = 0 .387 = 0.536 − ⋅ 0 .688 + λ2 ⋅ 0 .481 + λ3 ⋅ 0 .500 + μ = 0 . R ) = − 0 . R ) + μ + ∑ λ j γ (S j . ⎟ − 1 ⋅ Q⎜ .γ (S 3 .57 λ 2 = 0 . .00 2 σ K = −γ (R .683 2 2 ⎛ 30 20 ⎞ γ (R .000 + λ2 ⋅ 0 . ⎟ = 0 .793 + μ = 0 .26 n λ3 = 0 .00 + (0 .

Catatan : Sistem persamaan tersebut. maka sistem persamaannya harus disesuaikan lagi karena sistem pembobotannya sudah berbeda. harus dihitung 4 faktor bobot yaitu untuk 4 conto bor yang mengitari setiap blok. . Untuk dapat melakukan kriging pada 66 blok dengan grid teratur. semakin sedikit conto yang ikut dalam proses semakin besar harga varians ini. dengan syarat konfigurasi conto dan bloknya sama. Untuk suatu efek nugget yang besar ε = C0 / C perlu diperhatikan satu kelompok conto yang mengitari blok di cincin luarnya lagi.•8 •4 •7 •2 •1 •3 •9 •5 •6 Kadar yang diestimasi untuk blok di tengah-tengah (blok 1) adalah : ⎛ z ( x ) + z ( x5 ) ⎞ ⎛ z ( x ) + z ( x3 ) ⎞ Z* = λ1 ⋅ z ( x1 ) + λ2 ⋅ ⎜ 2 ⎟+ ⎟ + λ3 ⋅ ⎜ 4 2 2 ⎝ ⎠ ⎝ ⎠ ⎛ z (x ) + z ( x7 ) + z ( x6 ) + z (x7 ) ⎞ λ4 ⋅ ⎜ 6 ⎟ + λ5 ⋅ z 2 ⎝ ⎠ Dalam hal ini akan terdapat 6 sistem persamaan linier untuk menentukan bobot λi ( μ = 0 seperti yang sudah dijelaskan terlebih dahulu). atau ada satu-dua conto terletak di sekitar 8 conto yang akan digunakan untuk menaksir blok. Varians estimasi untuk tiap blok akan berbeda. Jika conto terletak di dalam blok yang akan ditaksir. yaitu pembobotan tiap conto melalui λi berlaku juga untuk semua blok-blok yang akan ditaksir.

10. dan seluruh endapan diwakili oleh satu kelompok S3 = 1 conto (kadar rata-rata = z ). yang dikelilingi 8 blok di sekitarnya A yaitu kelompok S2 = m conto. sistem persamaannya masih dapat digunakan tetapi dengan memodifikasi untuk tiap blok. yang karena suatu hal tidak terletak di tengah-tengah blok (random stratified grid). Terdapat satu kelompok S1 = n conto di tengah-tengah blok R. maka hubungan γ yang biasanya berlaku antar titik digantikan dengan hubungan γ dengan bidang yang ditaksir. maka harga estimasi adalah : z* = λ1 ⋅ z1 + λ2 ⋅ z 2 + λ3 ⋅ z Blok 1 = blok Blok 2-9 = aureol Seluruh endapan R / S1 / n conto dengan z1 A / S2 / m conto dengan z2 V / S3 z (aureol = blok-blok yang mengelilingi blok yang akan ditaksir R) Sistem kriging : λ1 ⋅ γ (S3 S1 ) + λ2 ⋅ γ (S 3 S 2 ) + λ3 ⋅ γ (S 3 S 3 ) + μ = γ (S 3 R) + λ2 + λ3 = 1. .6 CONTOH KRIGING PADA GRID YANG TIDAK TERATUR Kadar z* suatu blok selayaknya ditaksir dari kadar conto blok tersebut dan kadarkadar dari conto di sekitar blok yang akan diestimasi. dan kadar kelompok S2 = z2.Untuk conto dengan penyebaran yang tidak teratur. Jika kadar kelompok S1 = z1. mis.0 λ1 λ1 ⋅ γ (S 2 S1 ) + λ2 ⋅ γ (S 2 S 2 ) + λ3 ⋅ γ (S 2 S 3 ) + μ = γ (S 2 R) λ1 ⋅ γ (S1 S1 ) + λ2 ⋅ γ (S1 S 2 ) + λ3 ⋅ γ (S1 S3 ) + μ = γ (S1 R) Karena conto-conto dalam blok tidak mempunyai posisi yang teratur.

A) + λ3 ⋅ γ ( A. R) + λ2 ⋅ γ (V .γ (S 1 S1 ) → γ (R . R ) + λ2 ⋅ γ (R . R ) λ1 ⋅ γ ( A. bahwa ekstensi endapan (V) lebih besar dibandingkan dengan range a. A) + λ3 ⋅ K = γ ( A. A) 1 n + λ3 ⋅ K = γ ( R .0 Selain itu perlu diperhatikan juga. R ) + λ2 ⋅ λ1 1 γ ( A.V ) + μ = γ (V . A) = γ ( A. R ) = γ (R . R ) + λ2 ⋅ λ1 + λ2 1 γ ( A. R ) atau γ (S 1 S 2 ) → γ (R . A) Perhitungan hubungan antara bidang di tengah-tengah R (=1) dan aureol A (=2+3+4) : . R ) m λ1 ⋅ γ (V . R) + λ2 + λ3 = 1. A) 1 n λ1 ⋅ γ (R .V ) = C0 + C = K dan dengan demikian μ = 0 . seperti yang ditunjukkan pada dua contoh berikut ini : a) γ (R . seperti yang sudah dijelaskan pada penurunan fungsi bantu F.0 Hubungan γ antar bidang yang digunakan untuk menyelesaikan persamaan tersebut dapat diperoleh secara numerik melalui integrasi.V ) = γ (V . A) + λ3 ⋅ γ (RV ) + μ = γ (R1 R ) 1 n λ1 ⋅ γ ( A.V ) = γ (V .V ) + μ = γ ( A. Sistem persamaan kriging disederhanakan menjadi : λ1 ⋅ γ (R . R ) + λ2 ⋅ γ (R . Penentuan dapat juga diperoleh melalui tabel fungsi bantu F. R ) m + λ3 = 1. sehingga γ (V . A) + λ3 ⋅ γ (V .

l) – 32F(2h.Untuk mempermudah. A) = 4F(2h. A) = 64 .F(h.l) – 8F(h. hubungan antara bidang 1 dengan bidang 2 adalah F12.2l)] γ ( A.8F13 . dst Sehingga didapat : F11 + F12 + F22 + F21 + F33 + F34 + F44 + F43 + + + + F13 F24 F31 F42 + + + + F14 F23 F32 F41 = 16F Hubungan yang sama dan sebangun tersebut ditulis berulang-ulang dan dapat disederhanakan sebagai berikut : 4F11 + 4F12 + 4F13 + 4F41 = 16F F11 + F12 + F13 + F41 = 4F Yang dicari adalah hubungan antara bidang 1 dengan 2+3+4 : F12 + F13 + F14 = 4F .2l) – 8F(2h.F(h.4F12 . hubungan antara bidang 1 dengan bidang 1 diekspresikan dalam F11. A) = 81F . A) Dengan jalan yang sama hubungan antara bidang 2 sampai dengan 9 dapat dicari : 81F = 9F11+12F12+16F13+12F14+6F26+6F39+8F25+8F38+4F37 setelah dikelompokkan diperoleh : 64 γ ( A.4F14 1 [81F(3h.F11 .2l) .3l) .F11 γ (R .l) b) γ ( A.

9 Pada Gambar 10.23 a = 240 ft z = 4.99 4.0 2.25 8. Pada setiap blok diambil satu conto (random stratified grid). 1971) Diketahui suatu potongan (slice) endapan bahan galian yang dibagi dalam blok berukuran 100 x 100 ft (Gambar 10.27 % Untuk mengoreksi harga-harga conto dengan memperhatikan kadar-kadar blok di sekitarnya perlu dilakukan kriging.9 2.80 %² ε = 0.Contoh melakukan kriging pada suatu endapan bahan galian (Royle. Harga taksiran : z* = λ1 ⋅ z1 + λ2 ⋅ z 2 + λ3 ⋅ z 3 dengan λ3 = 1 − λ1 − λ2 z 1 = kadar conto di tengah-tengah z 2 = kadar rata-rata conto 5 s/d 8 (blok di sekitarnya) z3 = z = kadar rata-rata conto seluruh endapan Varians dari harga perkiraan ini tergantung dari jumlah conto yang diikutkan pada estimasi ini : Conto di tengah 1 1 1 0 aureol 8 7 6 6 varians 3.43 Simpangan baku 1.50 %² C0 = 3.68 3. Perhitungan dilakukan jika pada aureol minimum terdapat 5 conto.1 2.5 terlihat harga conto (angka dengan font besar) dan di bawahnya harga yang sudah dikriging (angka dengan font kecil italic) .5). Dari conto tersebut diperoleh variogram yang dengan model Matheron memberikan parameter berikut ini : C = 16.

00 0.5000 0. 19.5037 STANDAR DEVIASI = 2. 17.5000 97. 20.50 VARIANS = 5.5000 . KELAS 1 2 3 4 5 6 7 8 9 .56 69.23 7.0 2 N = 85 MAKSIMUM = 26.00 20.67 16. BATAS FREKUENSI FREKUENSI FREKUENSI ATAS RELATIF KUMULATIF 31. BATAS FREKUENSI FREKUENSI FREKUENSI ATAS RELATIF KUMULATIF 2.72 15.5000 71. 7. 16.24 VARIANS = 14.0000 100.5000 98. 12.5000 100.5000 98.00 0.5000 1.00 0.5000 15.5000 1. KELAS 1 2 3 4 5 6 7 8 9 10 11 12 Histogram kadar conto setelah dikriging : MINIMUM Y = 1.23 88.00 100.29 13.51 KADAR RATA-RATA Y = 4.0000 7.0000 97.44 12.12 7.28 100.00 NO.8258 SKEWNESS = 2.40 KADAR RATA-RATA Y = 4. 25.Histogram kadar conto asli : MINIMUM Y = 0.00 100.06 15.00 0. 5. 52. 0. 0.53 3.3460 SKEWNESS = 1.76 31.0903 JUMLAH KELAS = 12 INTERVAL = 2.00 34.82 0. 22.97 97.76 27.06 6. 8.0452 JUMLAH KELAS = 12 INTERVAL = 2.00 22. 30.8204 KURTOSIS = 15.0000 0.00 0.0000 0.76 40.0000 98.5000 13.8352 KURTOSIS = 8. 0.57 N = 78 MAKSIMUM = 15. 2.00 0.00 98. 15.0000 87. 27.0000 98.46 10.67 5.5000 94.65 3.82 0.0000 NO.5000 .6369 STANDAR DEVIASI = 3.00 1.65 0.18 1.28 98.82 1.0000 41.72 17. 1. 1. 10.18 1.82 0.

18 0.00 100.0000 0. 0.00 1. 0.00 . 0.5000 30.10 11 12 25.0000 27.00 100.00 100.

Gambar 10.5 Blok yang telah dikriging .

Jika ditentukan cut-off grade adalah 3. Berapa dari 78 blok yang telah dikriging mempunyai kadar conto asli > 3% ? 2.00%. Beri tanda blok yang mempunyai kadar yang dikriging > 3% ? . maka hanya blok yang dikriging dari total blok 88. Berapa dari 78 blok yang telah dikriging mempunyai kadar yang telah dikriging > 3% ? 3. Ditanyakan : 1.Berdasarkan susunan masing-masing blok dan batasan kriging bahwa di sekitarnya minimum harus ada 5 conto.

6 memperlihatkan sifat varians estimasi dan harga-harga yang ditaksir Z* kaitannya dengan jumlah titik bor N untuk 2 pola pemboran yang berbeda.Endapan yang sama dihitung lagi dengan cara kriging dengan anggapan. 2 Varians estimasi ( σ K ) lebih rendah dari sebelumnya. bahwa semua titik bor terletak tepat di tengah-tengah grid. Terlihat bahwa 5 sampai 6 titik bor untuk estimasi dalam hal ini sudah cukup baik. Hasil proses kriging ini dapat dilihat pada Gambar 10. akan diperoleh harga-harga yang berbeda. 6 Pengaruh pola dan jumlah conto pada varians kriging dan harga rata-rata . Tergantung dari susunan/ pola pemboran dan jumlh N titik bor yang digunakan untuk estimasi. Gambar 10. Gambar 10.7.

7 Blok yang telah dikriging dengan maks. 6 conto .Gambar 10. 9 dan min.

Terdapat berbagai metode untuk masalah ini.7 KRIGING TITIK Titik-titik pengambilan conto umumnya tidak terdistribusi teratur.0 λ1 ⋅ γ (x2 x1 ) + λ2 ⋅ γ ( x2 x2 ) + λ3 ⋅ γ (x2 x3 ) + μ = γ (x2 x0 ) λ1 ⋅ γ (x1 x1 ) + λ2 ⋅ γ (x1 x2 ) + λ3 ⋅ γ ( x1 x3 ) + μ = γ ( x1 x0 ) γ (x1 x2 ) = γ (x2 x1 ) = C0 + C ⋅ γ (x1 − x2 ) γ (x2 x3 ) = γ (x3 x2 ) = C0 + C ⋅ γ (x2 − x3 ) γ (x1 x3 ) = γ (x3 x1 ) = C0 + C ⋅ γ (x1 − x3 ) ‫ס‬ X1 ‫ס‬ X2 • X0 γ (x2 x0 ) = C0 + C ⋅ γ (x2 − x0 ) γ (x3 x0 ) = C0 + C ⋅ γ (x3 − x0 ) γ (x1 x0 ) = C0 + C ⋅ γ (x1 − x0 ) ‫ס‬ X3 Penentuan varians estimasi disederhanakan melalui persamaan berikut : 2 σ K = μ + ∑ λ j γ (x j − x0 ) n j =1 . Dari diskusi cara penaksiran telah diketahui. atau ID3). sehingga untuk pembuatan peta isoline perlu dilakukan interpolasi membentuk suatu grid yang teratur. IDS. Dalam hal ini hanya digunakan variogram saja. bahwa kriging memberikan harga penaksiran melalui titik yang paling baik dan terpercaya.0 λ1 γ (x1 x1 ) = γ (x2 x2 ) = γ (x3 x3 ) = 0. ID. di antaranya adalah NNP (nearest neighboring polygon) dan IDW (inverse distance weighted. Untuk tiga titik xi yang digunakan untuk menaksir titik keempat x0 di peroleh sistem persamaan sebagai berikut : λ1 ⋅ γ (x3 x1 ) + λ2 ⋅ γ (x3 x2 ) + λ3 ⋅ γ (x3 x3 ) + μ = γ (x3 x0 ) + λ2 + λ3 = 1. karena hanya hubungan antar titik conto saja yang perlu diperhatikan. Untuk menyelesaikan masalah ini dapat digunakan sistem persamaan kriging yang sebelumnya telah digunakan.10.

Hal ini perlu diterangkan pada suatu contoh yang sederhana sebagai berikut : Suatu endapan dengan model Matheron mempunyai C0 = 0 dimisalkan terdapat tiga titik : x1 x3 x2 I-------------------I--------------------I 20 m 20 m x0 C =1. sehingga pada titik ini z * ( x0 ) = z( xi ) .481 + λ2 ⋅ 0 .481 ⎝ 60 ⎠ γ (x3 x0 ) = γ (x0 x0 ) = 0.0 λ1 ___________________________________________ Jawab : λ3 = 1 2 σK = 0 λ1 = λ 2 − μ = 0 ___________________________________________ .Metode ini mempunyai sifat.481 + μ = 0 .481 λ1 ⋅ 0 .0 + λ2 ⋅ 0 .0 + μ = 0 .481 λ 1 ⋅0 .0 a = 60m γ (x1 x1 ) = γ (x2 x2 ) = γ (x3 x3 ) = 0.0 + λ3 ⋅ 0 .852 ⎝ 60 ⎠ ⎛ 20 ⎞ γ (x1 x3 ) = γ (x3 x1 ) = C0 + C ⋅ γ (x1 − x3 ) = γ ⎜ ⎟ = 0 .0 + λ2 + λ3 = 1.852 + λ3 ⋅ 0 .481 + λ3 ⋅ 0 .481 ⎝ 60 ⎠ ⎛ 20 ⎞ γ (x2 x3 ) = γ ( x3 x2 ) = C0 + C ⋅ γ ( x2 − x3 ) = γ ⎜ ⎟ = 0 . bahwa proses estimasi memberikan suatu titik xi = x0 .481 + μ = 0 .852 + λ2 ⋅ 0 .0 ⎛ 40 ⎞ ⎟ = 0 .0 ___________________________________________ γ (x1 x 2 ) = γ (x2 x1 ) = C0 + C ⋅ γ (x1 − x2 ) = γ ⎜ λ1 ⋅ 0 .

dan kriging (a) variogram linier data curah hujan di Wadi Kadjemur (c) kontur dihitung berdasarkan polinomil pangkat dua (d) kontur dihitung melalui proses kriging titik .8 Perbandingan antara Pembuatan kontur hasil Interpolasi manual. polinomial.Contoh kriging titik dari Delfiner & Delhomme (1973) (b) titik pengukuran curah hujan dalam mm kontur dibuat berdasarkan interpolasi dan digambarkan secara manual Gambar 10.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->