Teknik Pertambangan, Universitas Muslim Indonesia

Distribusi data
Distribusi data adalah suatu pola penyebaran data
di lapangan pada suatu jarak dan arah tertentu.
Data-data yang dimaksud adalah suatu variabel teregional,
misalnya kadar logam atau ketebalan lapisan batuan.
Kadar logam Ketebalan lapisan batuan

Distribusi data
Pada umumnya data-data dapat:
1. Terdistribusi normal.
2. Tidak terdistribusi normal, (misal: distribusi bimodal).
Contoh: Data-data yang terpotong oleh suatu struktur geologi,
misalnya patahan (sesar).

Distribusi
normal
Distribusi
bimodal

Distribusi data
Ciri-ciri data yang baik untuk pengolahan geostatistik adalah:
1. Data-data tersebut memiliki distribusi normal,
artinya bahwa nilai sebaran datanya dalam batas-batas
yang tidak terlalu berbeda secara eksklusif.
2. Data-data tersebut bersifat stasioner,
artinya bahwa data-data tersebut memiliki hubungan
pada daerah yang relatif sama, misalnya dari segi
mineralisasi, atau dari segi struktur geologi.
Ada kalanya data-data tidak menunjukkan suatu distribusi normal.
Untuk hal ini, maka diperlukan suatu analisis lanjut, di mana
data-data dianalisis secara terpisah.

Distribusi data
Distribusi normal
dan stasioner.
Tidak terdistribusi normal
(terpotong sesar), sehingga
kondisi stasioner terbagi dua.
Tidak stasioner.

Distribusi data
Jadi, apa yang harus kita periksa terhadap data kita sebelum
kita menganalisisnya dengan menggunakan teknik geostatistik ?
Pertama:
Kita periksa stasionaritas
data kita.
Pengetahuan geologi
sangat dibutuhkan.
Jika terdapat dua kondisi stasioner, maka sebaiknya
data kita dipilah menjadi dua bagian.
Kedua:
Kita periksa normalitas
data kita.
Distribusi normal ?
Jika tidak, kita bisa
cek dengan menggunakan
nilai log normalnya.
Jika ada data yg berbeda
secara eksklusif, maka
data tsb dapat kita tdk gunakan.

Distribusi data
Bentuk-bentuk histogram dari karakteristik distribusi:
1. Bentuk dissimetriks.
Menuju ke nilai terkecil (dari kiri ke kanan),
dengan sedikit variasi.
2. Bentuk simetrik.
Nilai terbesar umumnya terletak di tengah,
dengan sedikit variasi.
3. Bentuk dissimetriks.
Menuju ke nilai terbesar (dari kiri ke kanan),
dengan sedikit variasi.

Distribusi data
Bentuk-bentuk histogram juga dapat memperlihatkan
karakteristik penyebaran data:
1. Histogram dengan titik sentral yang memusat
dengan nilai yang tinggi dan data-data lebih
memusat.
2. Histogram dengan titik sentral yang memusat
dengan nilai yang rendah dan data-data yang
lebih homogen.
3. Histogram dengan titik sentral yang memusat
dan data-data lebih terdispersi luas.

Variabel teregional
dan Semivariogram
Suatu variabel yang terdistribusi dalam ruang dikatakan
teregionalisasi dan biasanya mencerminkan fenomena
alamiah tertentu.

Misalnya kadar logam yang merupakan karakteristik suatu
mineralisasi.
Dari pandangan matematik, variabel teregional merupakan
penyajian fungsi f(x) yang menempati setiap titik x dalam
ruang.

Variabel teregional
dan Semivariogram
Kadar unsur tertentu sebagai suatu variabel teregional pada zona mineralisasi

Variabel teregional
dan Semivariogram
Secara umum terhadap semua endapan, conto yang diambil
di zona kaya akan mempunyai nilai rata-rata yang lebih tinggi
dibandingkan conto yang diambil di zona miskin.
Oleh sebab itu
variabel teregional
f(x) tergantung pada
posisi letak ruang x,

tetapi secara umum
variabel teregional
akan menunjukkan
aspek terstruktur
dengan fungsi
tertentu.

Variabel teregional
dan Semivariogram
Jadi kesimpulannya bahwa, suatu variabel yang terikat oleh
ruang dan waktu, atau dikatakan variabel teregional (terdapat di
alam dalam jumlah tertentu, pada tempat tertentu, terbentuk
dalam selisih waktu yang kecil, dan saling mempengaruhi satu
sama lain) maka akan mencirikan suatu fenomena tertentu,
misalnya kadar logam yang merupakan karakteristik suatu
mineralisasi.

Variabel teregional
dan Semivariogram
Jadi suatu unsur atau senyawa dalam mineral yang terpisah
oleh jarak tertentu dapat menggambarkan perbedaan kadarnya
dalam jarak-jarak tertentu.

Perbedaan kadar ini merupakan varians (perbedaan) dan
varians ini dikatakan sebagai fungsi dari jarak.

Ditulis :
Varians = fungsi (delta jarak).

Jadi untuk mengetahui sejauh mana hubungan ruang antara
titik-titik di dalam cebakan mineral tersebut, maka harus
diketahui fungsi strukturalnya yang dicerminkan oleh model
semivariogramnya.

Variabel teregional
dan Semivariogram
Jadi, variogram merupakan suatu fungsi vektor (arah dan
jarak) yang mengkuantifikasikan tingkat kemiripan (juga
variabilitas) antara 2 sampel yang terpisah oleh jarak h.

sehingga :

Semivariogram adalah suatu grafik yang menggambarkan
tentang perilaku suatu variabel yang terdistribusi dalam ruang
dan waktu yang mencirikan suatu fenomena tertentu dari
variabel tersebut.

Variabel teregional
dan Semivariogram
Menetapkan model semivariogram merupakan
langkah awal dalam perhitungan geostatistik,

disusul dengan perhitungan varians dispersi,
varians estimasi, kovariogram geometrik, dan
perhitungan kriging.








Rumus dasar semivariogram dituliskan sebagai berikut :


n
 [ Z(x
i
) – Z (x
i+h
) ]
2

i =1
(h) =
2 x N(h)


Keterangan :
(h) = (Semi)variogram untuk arah tertentu dan jarak h.
h = 1d, 2d, 3d dan seterusnya (d = jarak antar conto).
Z(x
i
) = Harga (data) pada titik x
i.

Z (x
i+1
) = Harga (data) pada titik yang berjarak h dari x
i.

N(h) = Jumlah pasangan data.

Variabel teregional
dan Semivariogram
Sebagai contoh, data kadar emas (dalam ppm) di sepanjang urat
dengan jarak pengambilan conto (d) setiap 2 m :

ppm
7 9 8 10 9 11 11 13 11 12 16 12 10 11 10 12 15


1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17



(7-9)
2
+ (9-8)
2
+ ………………. + (12 – 15 )
2
(2) =
2 x 16


(7-8)
2
+ (9-10)
2
+ ………………. + (10 – 15 )
2
(4) =
2 x 16

dan seterusnya.



2 m
Semivariogram eksperimental
0
1
2
3
4
5
6
7
8
9
0 2 4 6 8 10 12 14 16 18 20 22 24 26
h (meter)
G
a
m
m
a

Variabel teregional
dan Semivariogram
Selesaikan tugas di atas, hitung dan
tulislah dengan tangan,

dan gambarkan
grafiknya dengan komputer !
Tugas: