You are on page 1of 19

Hubungan Spasial :

Estimasi dan Model

Pengenalan

Estimasi adalah proses memperoleh sebuah nilai data terbaik dari sebuah properti reservoir di lokasi belum tersampel.

Pengenalan • Estimasi adalah proses memperoleh sebuah nilai data terbaik dari sebuah properti reservoir di lokasi

Pengenalan

Stationeritas

Kesimpulan statistik konvensional untuk menggambarkan hubungan spasial

Covariance Koefisien Korelasi

Mengestimasi variogram Memodelkan variogram

Stasioneritas

Stasioneritas dalam time series adalah tidak adanya pertumbuhan atau penurunan data, dengan kata lain data tetap konstan sepanjang waktu pengamatan.

Menurut Santoso (2009: 38), stasioneritas adalah keadaan rata-ratanya tidak berubah seiring dengan berubahnya waktu, dengan kata lain, data berada di sekitar nilai rata- rata dan variansi yang konstan.

f [ ( u
f [
( u

] = fungsi dari variabel acak ) dan ( u + L )= dua lokasi dari variabel a

Hubungan Spasial

Hubungan spasial digunakan untuk menghubungkan data lokasi berdekatan.

Menggunakan:

Kovarian Koefisien Korelasi Variogram

Menghitung atau mengukur perbedaan nilai pada lag distance.

Hubungan Spasial

Kovarian

Hubungan Spasial • Kovarian n (L)= jumlah pasangan dalam jarak vektor L x (u i )

n (L)= jumlah pasangan dalam jarak vektor L x (ui) dan x (ui + L) = nilai variabel di lokasi n = total jumlah sampel

Hubungan Spasial • Kovarian n (L)= jumlah pasangan dalam jarak vektor L x (u i )

Coal 1

Tabel disamping memberikan fungsi data porositas pada kedalaman sumur vertikal. Estimasikan nilai kovarian sebagai fungsi lag distance.

Coal 1 • Tabel disamping memberikan fungsi data porositas pada kedalaman sumur vertikal. Estimasikan nilai kovarian

Coal 1

Hitung mean

Coal 1 • Hitung mean

Coal 1

Karena data diambil dalam satu arah (vertikal), kita tidak perlu khawatir tentang arah. Untuk lag distance 1.0 ft, maka ada 6 pasang.

Coal 1 • Karena data diambil dalam satu arah (vertikal), kita tidak perlu khawatir tentang arah.

Hubungan Spasial

Koefisien Korelasi

Koefisien korelasi juga dapat digunakan untuk menggambarkan hubungan spasial.

Hubungan Spasial • Koefisien Korelasi • Koefisien korelasi juga dapat digunakan untuk menggambarkan hubungan spasial. =
Hubungan Spasial • Koefisien Korelasi • Koefisien korelasi juga dapat digunakan untuk menggambarkan hubungan spasial. =

= kovarian

Hubungan Spasial • Koefisien Korelasi • Koefisien korelasi juga dapat digunakan untuk menggambarkan hubungan spasial. =

= varian

atau

Hubungan Spasial • Koefisien Korelasi • Koefisien korelasi juga dapat digunakan untuk menggambarkan hubungan spasial. =

Coal 2

Dengan menggunakan data yang sama dengan coal 1, hitung koefisien korelasi sebagai fungsi lag distance.

Coal 2 • Dengan menggunakan data yang sama dengan coal 1, hitung koefisien korelasi sebagai fungsi

Coal 2

Nilai kovarian sudah dihitung pada coal 1. Maka, koefisien korelasi pada L = 1, adalah

Coal 2 • Nilai kovarian sudah dihitung pada coal 1. Maka, koefisien korelasi pada L =

Maka, seterusnya

Coal 2 • Nilai kovarian sudah dihitung pada coal 1. Maka, koefisien korelasi pada L =

Variogram

Variogram adalah teknik geostatistik yang paling umum digunakan untuk menggambarkan hubungan spasial.

Variogram juga mengukur perbedaan atau lag distance

Contoh variogram dalam kehidupan sehari-hari:

Lantai yang rata Tanjakan jalan Tangga Bukit

Variogram

Secara matematik, variogram ditulis:

Variogram • Secara matematik, variogram ditulis: = jumlah pasangan pada lag distance = nilai data pada

= jumlah pasangan pada lag distance

= nilai data pada loka

Variogram • Secara matematik, variogram ditulis: = jumlah pasangan pada lag distance = nilai data pada

Coal 3

Dengan menggunakan data yang sama dengan coal 1, hitung variogram sebagai fungsi lag distance.

Coal 3 • Dengan menggunakan data yang sama dengan coal 1, hitung variogram sebagai fungsi lag

Coal 3

Seperti pada kovarian, untuk L = 1ft, ada 6 pasang. Maka,

Coal 3 • Seperti pada kovarian, untuk L = 1ft, ada 6 pasang. Maka, Untuk L

Untuk L = 3ft, ada 4 pasang

tuk L = 2ft, ada 5 pasang

Coal 3 • Seperti pada kovarian, untuk L = 1ft, ada 6 pasang. Maka, Untuk L

Coal 3

Variogram

Penghitungan eksperimen variogram

1D

(h=1) = [1/2(16)][(5-6) 2 +(6-5) 2 +(5-7) 2 +(7- Porosity Values 8) 2 +(8-8) 2 +
(h=1)
= [1/2(16)][(5-6) 2 +(6-5) 2 +(5-7) 2 +(7-
Porosity Values
8) 2 +(8-8) 2 +
5
(8-6) 2 +(6-9) 2 +(9-9) 2 +(6-5) 2 +(5-6) 2 +
6
(8-7) 2 +(8-8) 2 +(6-8) 2 +9-6) 2 +(9-9) 2 ]
5
= [1/32][40]
7
8
= 1.25
8
6
9
h
9
(h=3) = [1/2(12)][(5-7) 2 +(6-8) 2 +(5-8) 2 +(7-6) 2 +
(8-9) 2 +(8-9) 2 +(7-5) 2 +(8-6) 2 +(8-5) 2 +

(6-7) 2 +(9-8) 2 +(9-8) 2 ]

= [1/24][40]

18

Tugas Variogram

Hitung variogram dari data porositas yang diberikan dibawah.

Depth

Porosity (%)

  • 1000.00 2.00

  • 1001.00 3.00

  • 1002.00 2.00

  • 1003.00 4.00

Tugas Variogram • Hitung variogram dari data porositas yang diberikan dibawah. Depth Porosity (%) 1000.00 2.00

Teamwork is

Encouraged!

  • 1004.00 3.00

  • 1005.00 5.00

  • 1006.00 4.00

  • 1007.00 4.00

  • 1008.00 4.00

  • 1009.00 2.00

  • 1010.00 5.00

  • 1011.00 4.00

  • 1012.00 3.00

  • 1013.00 7.00

  • 1014.00 9.00

  • 1015.00 11.00

  • 1016.00 13.00

  • 1017.00 11.00

  • 1018.00 12.00

  • 1019.00 14.00

  • 1020.00 16.00

  • 1021.00 17.00

  • 1022.00 15.00

  • 1023.00 16.00

  • 1024.00 12.00

  • 1025.00 7.00

  • 1026.00 4.00

  • 1027.00 3.00

  • 1028.00 4.00