BELAJ

SINAU

VERSION 01

Presented:
by PR/AD
 DATABASE

Dalam pembuatan database, yang perlu diperhatikan adalah elemen-

elemen yang akan dipergunakan untuk keperluan pengolahan data
Dalam pengolahan data dalam memperoleh estimasi, data yang sangat
dibutuhkan meliputi data collar, topography dan data drilling/pengeboran.
Data drilling terlebih dahulu dilakukan define layer dan validasi
keseluruhan data.
 DATABASE DALAM BENTUK *.CSV

Nb: Dalam contoh di atas, data geology dan data assay digabungkan menjadi satu (geo_assay)
 Pembuatan Database SURPAC

1 4

3 5
 Import Database SURPAC

1
4

5
3

Untuk no columm, sesuaikan dengan no kolom pada data *.csv. Load type terdapat insert, update,
dan insert/update. Sesuaikan dengan kebutuhan, apakah akan dilakukan pemasukan data baru ataukah
meng-update data baru
 Menampilkan Database di display SURPAC

1 2

Pada bagian ini, kita mencoba menampilkan database

dan menampilan label, pattern dari data bor (gb.2) dan
4 menampilkan costumise dalam bentuk warna (gb3&4)
sesuai dengan class masing-masing
1 5

2 6

7
4
 COMPOSITE

Merupakan tahapan dalam pembuatan data dari database drilling menjadi

data string (*.str)
Dalam hal ini, akan dilakukan pemisahan data antara layer geologi,
misalnya layer limonite, saprolite, boulder, maupun bedrock berdasarkan
definisi validasi dari database.
Hal ini dilakukan untuk analisis tahapan selanjutnya.
 Membuat Data Composite SURPAC

1 3

4
 Merubah nilai string SURPAC

3
1

2
5
SURFACE DTM

Drag masuk drillhole yg telah dilakukan extract

Rubah string dengan menggunakan tools
Renumber
Lakukan digitasi pada point bagian tepi, lalu
lakukan expand segmen
Lakukan digitasi pada point bagian tepi, lalu
lakukan expand segmen.
 2
1

Expand batas pada data collar

yang akan dibuat sebagai peta topo
 CLIP DTM

Dalam melakukan pemotongan terhadap data DTM, hal yang perlu

diperhatikan adalah data pemotong (segmen) harus berada dalam data
DTM dan tidak ada yang keluar dalam area tersebut. Apabila batas
pemotong ada yang keluar dari data DTM, maka akan menimbulkan error
dan tidak dapat terpotong.
 2 Terlebih dahulu, click pada
1 bagian DTM terlebih dahulu,
lalu batas acuan untuk
melakukan pemotongan object.

4
3

Nb: File .dtm yang akan dilakukan pemotongan harus dalam keadaan aktif. Pemotongan file .dtm
akan gagal apabila kondisi layer .dtm tidak dalam keadaan aktif
 DIGITIZE LAYER

Pembuatan data digitasi berdasarkan data layer geologi,dilakukan sesuai

dari domain yang ada. Dalam pembuatan data digitasi, menggunakan
parameter data topografi yang ada, untuk membantu dalam melakukan
interpretasi geologi.
Tahapan data digitasi, menggunakan bantuan define section untuk melihat
korelasi antar titik bor.
1

2 Dalam melakukan digitasi, harus diperhatikan

hubungan antar titik bor. Untuk menutup
section, gunakan tools end section mode.
Dan pada awal setiap melakukan digitasi,
akhiri dengan tools close the current segmen
for digitising.
 Apabila seluruh digitasi batas antar layer telah dibuat, maka dari hasil
digitasi buat menjadi sebuah DTM.
Lakukan pemotongan data DTM berdasarkan batas yang telah di buat.
Hal ini agar seluruh data nanti membunyai batas yang sama.
Lakukan perbaikan layer geologi dengan memperbaiki data string yang
Batas layer DTM ini (DTM batas layer geologi) nantinya yang akan
dibuat untuk membuat block model.
 CUT OFF GRADE

Peran cutoff ini sangat penting mengingat hal ini untuk menghindari over
estimate dalam melakukan perhitungan cadangan.
Dalam melakukan perhitungan nilai cutoff, dengan mengetahui nilai mean
dan standart deviasi dari data.
Perhitungan nilai pada surpac, nilai mean dan standart deviasi dapat
diketahui dengan melakukan analisis statistik data.
Untuk menentukan nilai cutoff, dengan menggunakan nilai Confidence
Interval (CI)

95% CI = mean + (1.96 x standart deviation)

 Pada langkah pertama, buka terlebih dahulu basic statistics.

Load from data string, masukkan

sting hasil composite yang telah
dibuat.
 Selanjutnya buat report statistik data tersebut.
 Nilai mean dan standart
deviation dipergunakan untuk
memperoleh nilai confidence
interval (CI) yang akan
dijadikan parameter untuk
melakukan cutoff.
 Selanjutnya, dilakukan topcut untuk data yang berada pada outliers (nilai
yang mempunya perbedaan yang signifikan).

iif(d1>3.51658808,3.51658808,d1) mempunyai pengertian apabila d1 (Ni

mempunyai nilai lebih dari 3.51658808, maka nilai 3.51658808, selebihnya
sama dengan nilai d1 (nilai Ni))
 BLOCK MODEL
Block model merupakan bentuk database spasial yang memberikan
fasilitas untuk pemodelan 3-D.
Pada dasarnya, block model merupakan bentuk 3-D yang tersusun dari
kombinasi beberapa block yang tersusun dalam sebuah bentuk 3-D.
Terlebih dahulu, dalam membuat block model, harus mempunyai block
dasar yang nantinya akan di buat menjadi constrain-constrain baru.
Selanjutnya, dalam membuat lapisan geologi, baik lapisan limonit dan
saprolit, dapat menggunakan data batas layer yang telah dibuat DTM
untuk dari hasil digitasi.
 Terlebih dahulu dalam membuat block model, terlebih dahulu diketahui
batas block, latitude minimum dan maksimum, longitude minimum dan
maksimum, dan elevasi minimum dan maksimum.
Selanjutnya dari data di atas, dijadikan parameter untuk membuat
kerangka (dasar) block model.
 Untuk mengetahui batas untuk pembuatan dasar block model, kita
menggunakan batas pengerjaan untuk mengetahui batas latitude dan
longitude, sedangkan untuk batas elevasi, untuk bagian minimum, bisa
digunakan DTM batas layer saprolit bagian bawah, sedang bagian atas bisa
kita menggunakan batas topografi.
Drag terlebih dahulu data batas, kemudian ikuti langkah berikut:

Catatan: untuk elevasi, gunakan

DTM topografi dan batas bawah
layer saprolite
 1 2

Catatan: pada pembuatan dasar block

model, lakukan penambahan area
(extand) pada block model untuk
menghindari adanya data yang berada
di luar area. Untuk nilai User block
size, menggunakan nilai jarak spasi
drilling. Atau apabila perangkat
memenuhi standary, sub block bisa
diberikan nilai yang lebih kecil.
Untuk memunculkan hasil dasar yang telah di buat, menggunakan
display.
 CONTRAIN

Constraints merupakan kombinasi dari data spasial dan

object, yang digunakan untuk mengontrol informasi dari
masing-masing block.
Dalam membuat constraints, kita menggunakan data-data
DTM untuk memperoleh hasil constraints, baik limonit
maupun saprolit.
Untuk membuat constraints, ikuti langkah sebagai berikut:
 Above (centang) apabila data berada di atas batas (pembatas
bawah) dan hilangkan centang apabila data berada di bawah
batas (pembatas atas)
 ATTRIBUTE BM
Untuk membuat atribut, terlebih dahulu list data yang akan dimasukkan ke
dalam constrain, selanjutnya baru buat atributnya:
Langkah membuat atribut sebagai berikut:

Untuk type, gunakan pilihan INTEGRER apabila merupakan data karakter,

dan pilih real apabila merupakan data value.
 Sedangkan data yang sudah mempunyai nilai pada setiap constrain, bisa
dimasukkan secara langsung.

1
2

Untuk data constraints ini, 3

masukkan pada data constrain
layer saprolite.
 Untuk melihat data yang berada pada masing-masing block, bisa lakukan
dengan melihat isi atribute.

Selanjutnya click pada block yang

ingin dilihat atribut dari block
tersebut.
 Untuk menampilkan warna pada data attibut pada constrainst, maka dapat
dilakukan pengaturan :

2
METODE ESTIMASI BLOCK MODEL
 NN METHODS
1 3

2 4
 2
1

3
1 2

Nilai Inverse Distance Power dan

descretisation berhubungan terhadap
pengaruh nilai terhadap titik bor yang
lain. Sebaiknya mencari nila disesuaikan
dengan hasil block terhadap model
lokasi. Sebaiknya dilakukan beberapa
percobaan terhadap nilai ini, sehingga
memperoleh nilai yang cocok.
 VARIOGRAM
2
1

Load data from string file 3

 Pada variogram modeling
ini, kita berusaha
mendapatkan model
grafik yang bagus. Hal ini
dilakukan untuk
menghasilkan data nya
pada akhirnya
mempunyai data yang di
haluskan dengan
pendekatan kriging
Selanjutnya variogram
report untuk
memunculkan dan
menyimpan nilai
variogram yang telah
diperoleh / dipilih.
Semakin tinggi nilai range,
maka semakin bagus.
 Selanjutnya masuk pada variogram map
Setelah memperoleh grafik yang cukup
bagus, selanjutnya menuju ke secondary
visiogram. Selanjutnya apabila telah
diperoleh grafik yang bagus pada data
secondery variogram, dilanjutkan ke
extract yang tombol berada di sebelah
kanan secondary map
Primary variogram map
Untuk nilai direction of
maximum continuitas,
arahkan ke sudut yang
diperoleh dan
menampilkan grafik
variogram yang telah
dipilih.
Secondary variogram map
 Extract experimental variogram map
Pada bagian ini, kita akan memilih antara variogram yang cocok, yang
berkorelasi baik antara major, semi-major, dan minor.
Pada tahap ini, akan keluar informasi mengenai orientasi (bearing, plung, dip)
dan anisotropi rasio (major/semi-major, major/minor)
Simpan experimental variogram dan variogram model
Buat variogram report dan anisotropi ellipsoid report
 Nilai yang diisi merupakan nilai yang
diperoleh dari variogram map diatas.
Meliputi nilai bearing, plung, dip, semi-
mayor, minor. Untuk nilai field,
merupakan field Ni tersimpan pada saat
composite.
 Open -> data variogram yang di simpan
pada saat menyelesaikan variogram map.
Secara otomatis, nilai nugget, sill, dan
range akan terpanggil apabila memanggil
data variogram yang telah tersimpan

Hasil dari variogram map, nilai kriging dan perbandingan nilai kriging dan
residual dimunculkan dalam bentuk grafik dan scatter diagram. Untuk
melihat hubungan nilai kriging dan nilai defference, bisa dengan
membuka scatter diagram, dan memunculkan dalam bentuk scatter
diagram seperti berikut.

Untuk hasil nilai yang bagus adalah yang mendekati grafik normal
histogram, sedangkan grafik scatter yang nilai terakumulasi dan berada
pada pendekatan nilai 0
 ORDINARY KRIGGING
METHODS
Pada pengolahan data dalam menghitung estimasi dengan menggunakan
metode Ordinary Kriging, maka pengolahan data terpisah antara nilai Ni dan
Nilai Fe, sehingga dalam satu layer geologi (mis. Saprolit) memiliki 2 data
string masing-masing.
Sehingga perbedaan dalam menghitung estimasi nantinya, maka untuk
Ordinary Kriging di lakukan masing-masing antara Ni dan Fe, berbeda halnya
dengan Nearest Neighbor dan Invers Distance yang secara langsung dapat
dimasukkan antara nilai Ni dan Fe.
1 2

3 Pada string file location, buka file string

composite yang telah di validasi dengan
menggunakan variogram. Sedangkan
pada D-Field, merupakan tempat dimana
waktu composite (Ni pada composite di
simpan pada field D1)
 5
4

Nilai merupakan hasil dari variogram map yang

telah di simpan dan dilakukan reporting
 CARA PERTAMA

Munculkan attribut block

Lakukan section terhadap
lobang bor.
Langkah kedua, lakukan
analisis antar holes, apakah
block telah sesuai dengan
penyebaran terhadap nilai
data bor.
CARA KEDUA
Buka terlebih dahulu basic statistik, selanjutnya load block
Tampilkan nilai Ni dan Fe.
 Pada gambar di atas, pada constrains type pilihlah
constrain dan masukkan layer saprolite.
Selanjytnya pilih block dan arahkan ke Ni yang
mau di jadikan Cut Of Grade dan nilai Cut Of Grade.
Pada fungsinya, pilih lebih besar. Save constrains
dengan nama yang diinginkan agar constrain layer
geologi tidak terganti (replace) dengan constrains
yang akan dibuat.
 Pembuatan report hasil block modeling dapat dilakukan dengan cara
mengeluarkan nilai dari masing-masing setiap block yang telah diperoleh
dari masing-masing block.
Reporting dari masing-masing block yang telah dibagi/dimodel
berdasarkan Cut Of Grade nilai %Ni.
 2
1

3
4

5
Setelah dilakukan rename, lakukan langkah sebagai
berikut:
Renumber string menjadi poin
Buatlah file menjadi sebuah DTM
PENCERAHAN
Hal-hal yang dipertimbangkan dalam perhitungan ordinary Krigging :
Modeling variogram merupakan salah satu pekerjaan yang membutuhkan
keberanian untuk setiap estimator. Harus adanya pemahaman geologi secara
mendasar.

Parameter parameter penting dalam permodelan variogram adalah:

Nugget effect: menggambarkan perbedaan antara sampel pada saat jarak
hampir 0. Nilai ini menggambarkan tingkat kesalahan yang bisa disebabkan oleh
faktor manusia atau sistem yang salah.
Total sill: menggambarkan total variasi data alamiah secara keseluruhan. Total
sill ini sama dengan varians populasi yang akan diestimasi.
Range: adalah jarak yang menggambarkan hubungan satu sampel secara
keseluruhan. Pada saat sampel terpisah dengan jarak diluar range makan data
tersebut tidak memiliki hubungan secara spasial. Namun untuk sampel yang
terisah dengan jarak yang kurang dari range, menggambarkan masih adanya
korelasi.
Contoh model variogram

Estimasi terhadap unknown value

 Asumsi dasar untuk kriging adalah:
Variogram dan parameter estimasi dapat digunakan di
semua blok dalam suatu domain
Perbedaan antara nilai sampel ditentukan hanya dari
orientasi relatif spasial
Stasioner: nilai kadar dan varian disekitar kadar serupa
dalam domain (tidak ada kadar ekstrem dan tidak ada tren
kadar pada data)
Hal hal yang perlu diperhatikan:
Sekurang kurangnya rata rata eror keseluruhan antara
nilai estimasi dan nilai aktual harus minimum, jadi rata
rata (perbedaan antara estimasi dan nilai real)2 harus lebih
kecil sebagai alat estimasi daripada estimator linear
Estimasi harus tidak bias, jadi jumlah bobot harus sama
dengan 1.
 Dampak terhadap parameter estimasi

Estimasi kriging dikontrol dari parameter estimasi. Parameter model variogram

diinterpretasikan dari data selama studi variogram sementara area pengaruh di
optimisasi selama studi estimasi kriging.
Efek estimasi beberapa parameter kunci diringkas pada tabel dan gambar dibawah
Statistik dasar pada domain data berguna sebagai pedoman dalam pemilihan metode estimasi
yang paling akurat.

Saya caplok dari literaturnya : Penerapan statistik dalam menentukan metode

estimasi
Misklasifikasi adalah kekeliruan dalam penentuan antara bijih dan sampah. Kemungkinan terjadi karena
kekurangan pahaman atau tidak diperhitungkannya volum varians yang bisa menimbulkan misklasifikaso. Hala
lainnya seperti kualitas estimasi yang buruk akan menghasilkan misklasifikasi tersebut. Ada empat
kemungkinan pada saat blok yang ditambang

Hubungan antara nilai

estimasi dan aktual

Keterangan:
Kuadran I : Blok diestimasi dibawah cut-off grade padahal secara aktual diatas cut-off
Kuadran II : Blok diestimasi diatas cut-off dan secara aktual diatas cut-off
Kuadran III : Blok diestimasi diatas cut-off grade padahal secara aktual dibawah cut-off
Kuadran IV : Blok diestimasi dibawah cut-off grade dan secara aktual dibawah cut-off
 Selamat mencoba :
Tidak ada kata sulit,jika kita berusaha.manusia hidup
mengikuti kehidupan,hanya usaha dan kerja keras yang bisa
membuat manusia berkembang
SAYA DULU BODOH,TETAPI SEKARANG SAYA BISA
DIPERTIMBANGKAN.
TERUSLAH BERMIMPI DAN BERHENTILAH MENGELUH KARNA
HIDUP UNTUK MENJADI LEBIH BAIK DARI SEBELUMNYA

BY,

PR VERSION 01
TO BE CONTINUE>>>

081392771100