PERBANDINGAN VARIANSI KRIGING DENGAN 3 MODEL

VARIOGRAM (SPHERICAL, GAUSSIAN, EKSPONENSIAL)

Desyana Ghafarunnisa

Mahasiswa Magister Teknik Pertambangan, UPN “Veteran” Yogyakarta

desyana.ghafar21@[Link]

Abstrak
Perhitungan sumberdaya berperan penting menentukan jumlah kualitas dan kemudahan
dalam eksplorasi secara komersial dengan metode estimasi yang sesuai dengan kondisi
geologi, genesa, dan mineralisasi. Metode geostatistika banyak dikembangkan untuk
penaksiran kadar bijih. Pada penelitian digunakan 3 model variogram yaitu model
spherical, model gaussian, dan model eksponensial. Penelitian ini bertujuan untuk
menentukan model yang terbaik dilihat dari nilai variansi krigingnya. Pada penelitian ini
diperoleh hasil variansi kriging dari model spherical yaitu 3,45, variansi kriging dari model
gaussian yaitu 5,333, dan variansi kriging dari model eksponensial yaitu 2,51. Sedangkan
taksiran kadarnya adalah 6,27 ppm. Hasil terbaik adalah model eksponensial karena nilai
variansi krigingnya paling kecil. Semakin kecil nilai variansi krigingnya maka semakin
baik dan akurat penaksirannya.
Kata Kunci : geostatistika, model variogram, variansi kriging
PENDAHULUAN

Pemodelan geologi endapan mineral dan perhitungan cadangan merupakan hal

yang tidak dapat dipisahkan dalam proses penambangan sumber daya mineral.
Perhitungan cadangan dijadikan dasar evaluasi keekonomisan suatu endapan
mineral. Perhitungan sumber daya dan cadangan ini dibagi menjadi dua elemen
yaitu volume dan kadar. Hubungan kadar suatu conto pemboran dengan kadar blok
akan diperoleh suatu pencaran sistematis. Berarti bahwa conto bor tersebut
bukanlah suatu harga estimasi yang paling baik untuk menaksir blok, sehingga
diperlukan suatu koreksi, (Asy’ari 2012).
Metode Krigging adalah estimasi stochastic yang mirip dengan Inverse Distance
Weighted (IDW) dimana menggunakan kombinasi linear dari weight untuk
memperkirakan nilai diantara sampel data. Metode ini diketemukan oleh D.L. Krige
untuk memperkirakan nilai dari bahan tambang. Asumsi dari metode ini adalah
jarak dan orientasi antara sampel data menunjukkan korelasi spasial yang penting
dalam hasil interpolasi. Metode Krigging sangat banyak menggunakan sistem
komputer dalam perhitungan. Kecepatan perhitungan tergantung dari banyaknya
sampel data yang digunakan dan cakupan dari wilayah yang diperhitungkan
(Pramono, 2008).
Pada penelitian ini terdapat sebuah konfigurasi di mana jarak Z1, Z2 dan Z3
terhadap titik yang ditaksir (Z0) sama yaitu 100 m. Namun akan dihitung variansi
krigingnya dengan 3 jenis model yaitu model spherical, model gaussian, dan model
eksponensial. Oleh karena itu, penelitian ini bertujuan untuk menentukan jenis
model yang terbaik dilihat dari hasil variansi krigging pada konfigurasi tersebut.
METODE
Variogram eksperimental dihitung dari data sampel untuk menghitung variansi
dispersi dan variansi estimasi. Tidak semua fungsi dapat menggunakan model
variogram karena variansi dispersi dan variansi estimasi yang dihitung berdasarkan
variogram harus bernilai positif. Model variogram yang umum digunakan adalah
sebagai berikut :
a. Model Variogram Spherical
Model variogram spherical merupakan model variogram yang paling sering
digunakan. Model tersebut diberikan pada persamaan berikut :
3h h3
ɣ(h) = Co + C[2a − ] h<a
2a3

ɣ(h) = 𝐶𝑜 + 𝐶 h≥a
ɣ(0) = 0 h=0
keterangan :
a : range variogram
h : jarak
Co + C : sill

Nilai sill merupakan nilai maksimum variogram dan umumnya sama dengan
variansi data yang digunakan untuk menghitung variogram. Nugget (Co)
merupakan nilai pada jarak yang pendek terjadi variansi yang besar dan
dianggap sebagai komponen acak. Nilai C adalah selisih dari nilai sill dan
Nugget.

b. Model Variogram Gaussian

2
ɣ(h) = Co + C[1 − ekp(− ha2 )
Dengan h adalah jarak tertentu dalam arah umum yang memisahkan dua titik
sembarang, Co + C > 0 dan a > 0 adalah dua parameter model ini. Karena fungsi
kovarian menjadi asimtotik, maka range a yang merupakan jarak untuk korelasi
0,05 adalah a = 7a/4. Kemiringan tangensial pada titik awal adalah horizontal.
c. Model Variogram Exponensial
Model lain yang umum digunakan adalah model eksponensial. Model ini seperti
halnya model variogram digunakan untuk model variogram yang mempunyai
struktur transisi. Persamaan untuk model eksponensial adalah sebagai berikut :
ɣ(h) = Co + C[1 − eha ] h<a
ɣ(0) = 0
Dengan parameternya adalah ragame Co + C > 0 dan panjang (atau integral
scale), e > 0, serta h adalah jarak tertentu dalam arah umum yang memisahkan
dua titik seberang. Model variogram eksponensial mendekati sill asimtotik dan
nilai sill mempunyai jarak 3a.

HASIL
Perhitungan Ordinary Kriging
Kasus

8 ppm

Gambar 1. Blok I
Tahapan Perhitungan adalah sebagai berikut :
Hitung kovariansi antar titik sampel.
γ(h)  h>0
γ(h)  h≤a
γ(h)  h>a

1. Model Spherical
3ℎ ℎ3
(h) = C0 + C [( ) − ( )] untuk h ≤ 300 m
2𝑎 2𝑎3
(h) =4 untuk h > 300 m
γ(h) =0 untuk h= 0

C(h) = C(0) - γ(h)

C(1,1) = C(2,2) = C(3,3)
= C(0) - 0
= 4,0 – 0,0 = 4,0

C(1,2) = C(2,1) = C(1,3) = C(3,1) = C(2,3) = C (3,2)

= C (173)
3.173 1733
= 0 + 4 [(2.300) − (2.3003)]
519 5177717
= 0 + 4 [( )−( )]
600 54000000

= 0 + 4 (0,865 – 0,095)
= 0 + 3,08
= 3,08

Kovariansi antara titik sampel dan titik yang ditaksir

C(1,0) = C (2,0) = C (3,0)
Untuk nilai h = 100
3.100 1003
C (100) = 0 + 4 [(2.300) − (2.3003)]
300 1000000
= 0 + 4 [(600) − (216000000)]

= 0 + 4 (0,5 – 0,004629)
= 0 + 1,98
= 1,98
Elemen matrik
[𝐴] [𝑋] = [𝐵]
Jadi,
[𝐶𝑖𝑗 ] = C1.1 C1.2 C1.3 1
C2.1 C2.2 C2.3 1
C3.1 C3.2 C3.3 1
1 1 1 0
C1.0 1,98
[𝐶𝑖0 ] = C2.0 = 1,98
C3.0 1,98
1 1

4 3,08 3,08 1 w1 1,98

3,08 4 3,08 1 w2 = 1,98
3,08 3,08 4 1 w3 1,98
1 1 1 0 μ 1
Keterangan : [𝐴] = Matrik kovariansi antar sampel/data (Cij)
[𝑋] = Matrik bobot
[𝐵] = Matrik kovariansi antara titik yang ditaksir dari sampel/data
(Ci0)

Perhitungan invers matrik dengan menggunakan excel adalah sebagai berikut :

[𝐴] [𝑋] = [𝐵]
[𝑋] = [𝐴]-1 [𝐵]
Maka,
4 3,08 3,08 1 w1 1,98
3,08 4 3,08 1 w2 = 1,98
3,08 3,08 4 1 w3 1,98
1 1 1 0 μ 1
 w1 4 3,08 3,08 1 1,98
w2 3,08 4 3,08 1 1,98
w3 = 3,08 3,08 4 1 1,98
 1 1 1 0 1

Dengan menggunakan rumus MINVERSE didapat nilai:

w1 0,725 -0,362 -0,362 0,333 1,98
w2 -0,362 0,725 -0,362 0,333 1,98
w3 = -0,362 -0,362 0,725 0,333 1,98
 0,333 0,333 0,333 -3,38 1

Untuk mencari nilai w1, maka nilai baris A-1 dikali dengan kolom B sehingga
didapatkan hasil w1, w2, w3 dan  adalah sebagai berikut:

w1 0,33
w2 0,33
w3 = 0,33
 -1,40667

Variansi kriging model spherical

𝜎2 OK = C(0) – [ Σ(wi Cij) + μ]
= 4 + ((0,33.1,98) +(0,33.1,98) + (0,33.1,98) -1,40667)
= 4 + (0,6534 + 0,6534 + 0,6534 -1,40667)
= 4 – 0,55
= 3,45

2. Model Gaussian
ℎ2
(h) = C0 + C [1 – exp (− 𝑎2 )] untuk h ≤ 300 m
(h) =4 untuk h > 300 m
γ(h) =0 untuk h= 0

C(h) = C(0) - γ(h)

C(1,1) = C(2,2) = C(3,3)
 = C(0) - 0
= 4,0 – 0,0 = 4,0

C(1,2) = C(2,1) = C(1,3) = C(3,1) = C(2,3) = C (3,2)

= C (173)
1732
= 0 + 4 [1 – exp (− 3002)]
299292
= 0 + 4 [1 – exp (− 900002 )]

= 0 + 4 (1 – exp (-0,332))
= 0 + 4 (1 – 0,717)
= 1,13

Kovariansi antara titik sampel dan titik yang ditaksir

C(1,0) = C (2,0) = C (3,0)
Untuk nilai h = 100
1002
C (100) = 0 + 4 [1 – exp (− 3002)]
100002
= 0 + 4 [1 – exp (− 900002 )]

= 0 + 4 (1 – exp (-0,1))
= 0 + 4 (1 – 0,9048)
= 0,38
Elemen matrik
[𝐴] [𝑋] = [𝐵]
Jadi,
[𝐶𝑖𝑗 ] = C1.1 C1.2 C1.3 1
C2.1 C2.2 C2.3 1
C3.1 C3.2 C3.3 1
1 1 1 0
C1.0 0,38
[𝐶𝑖0 ] = C2.0 = 0,38
C3.0 0,38
1 1
 4 1,13 1,13 1 w1 0,38
1,13 4 1,13 1 w2 = 0,38
1,13 1,13 4 1 w3 0,38
1 1 1 0 μ 1
Keterangan : [𝐴] = Matrik kovariansi antar sampel/data (Cij)
[𝑋] = Matrik bobot
[𝐵] = Matrik kovariansi antara titik yang ditaksir dari sampel/data
(Ci0)
Perhitungan invers matrik dengan menggunakan excel adalah sebagai berikut :
[𝐴] [𝑋] = [𝐵]
[𝑋] = [𝐴]-1 [𝐵]
Maka,
4 1,13 1,13 1 w1 0,38
1,13 4 1,13 1 w2 = 0,38
1,13 1,13 4 1 w3 0,38
1 1 1 0 μ 1
w1 4 1,13 1,13 1 0,38
w2 1,13 4 1,13 1 0,38
w3 = 1,13 1,13 4 1 0,38
 1 1 1 0 1

Dengan menggunakan rumus MINVERSE didapat nilai:

w1 0,232 -0,116 -0,116 0,333 0,38
w2 -0,116 0,232 -0,116 0,333 0,38
w3 = -0,116 -0,116 0,232 0,333 0,38
 0,333 0,333 0,333 -2,087 1

Untuk mencari nilai w1, maka nilai baris A-1 dikali dengan kolom B sehingga
didapatkan hasil w1, w2, w3 dan  adalah sebagai berikut:
 w1 0,33
w2 0,33
w3 = 0,33
 -1,71

Variansi kriging model gaussian

𝜎2 OK = C(0) – [ Σ(wi Cij) + μ]
= 4 + ((0,33.0,38) +(0,33.0,38) + (0,33.0,38) -1,71)
= 4 + (0,1254 + 0,1254 + 0,1254 -1,71)
= 4 + 1,333
= 5,333

3. Model Eksponensial
3ℎ
(h) = C0 + C [1 – exp (− )] untuk h ≤ 300 m
𝑎
(h) = 4 untuk h > 300 m
γ(h) = 0 untuk h= 0

C(h) = C(0) - γ(h)

C(1,1) = C(2,2) = C(3,3)
= C(0) - 0
= 4,0 – 0,0 = 4,0

C(1,2) = C(2,1) = C(1,3) = C(3,1) = C(2,3) = C (3,2)

= C (173)
3.173
= 0 + 4 [1 – exp (− 300
)]
519
= 0 + 4 [1 – exp (− 300)]

= 0 + 4 (1 – exp (-1,73))
= 0 + 4 (1 – 0,177)
= 3,29

Kovariansi antara titik sampel dan titik yang ditaksir

C(1,0) = C (2,0) = C (3,0)
Untuk nilai h = 100
 3.100
C (100) = 0 + 4 [1 – exp (− 300
)]
300
= 0 + 4 [1 – exp (− 300)]

= 0 + 4 (1 – exp (-1))
= 0 + 4 (1 – 0,3678)
= 2,52
Elemen matrik
[𝐴] [𝑋] = [𝐵]
Jadi,
[𝐶𝑖𝑗 ] = C1.1 C1.2 C1.3 1
C2.1 C2.2 C2.3 1
C3.1 C3.2 C3.3 1
1 1 1 0
C1.0 2,52
[𝐶𝑖0 ] = C2.0 = 2,52
C3.0 2,52
1 1

4 3,29 3,29 1 w1 2,52

3,29 4 3,29 1 w2 = 2,52
3,29 3,29 4 1 w3 2,52
1 1 1 0 μ 1
Keterangan : [𝐴] = Matrik kovariansi antar sampel/data (Cij)
[𝑋] = Matrik bobot
[𝐵] = Matrik kovariansi antara titik yang ditaksir dari sampel/data
(Ci0)
Perhitungan invers matrik dengan menggunakan excel adalah sebagai berikut :
[𝐴] [𝑋] = [𝐵]
[𝑋] = [𝐴]-1 [𝐵]
Maka,
4 3,29 3,29 1 w1 2,52
3,29 4 3,29 1 w2 = 2,52
3,29 3,29 4 1 w3 2,52
1 1 1 0 μ 1
w1 4 3,29 3,29 1 2,52
w2 3,29 4 3,29 1 2,52
w3 = 3,29 3,29 4 1 2,52
 1 1 1 0 1

Dengan menggunakan rumus MINVERSE didapat nilai:

w1 0,939 -0,469 -0,469 0,333 2,52
w2 -0,469 0,939 -0,469 0,333 2,52
w3 = -0,469 -0,469 0,939 0,333 2,52
 0,333 0,333 0,333 -3,526 1

Untuk mencari nilai w1, maka nilai baris A-1 dikali dengan kolom B sehingga
didapatkan hasil w1, w2, w3 dan  adalah sebagai berikut:

w1 0,33
w2 0,33
w3 = 0,33
 -1

Variansi kriging model eksponensial

𝜎2 OK = C(0) – [ Σ(wi Cij) + μ]
= 4 + ((0,33.0,52) +(0,33.0,52) + (0,33.0,52) -1)
= 4 + (0,1716 + 0,1716 + 0,1716 -1)
= 4 + 1,49
= 2,51
Hitung Taksiran Kadar di Titik Ẑ0

̂ = ∑𝑁
𝑍𝑜 𝑖 𝑊𝑖. 𝑍𝑖

= (0,33 x 8) + (0,33 x 8) + (0,33 x 3)

= 6,27 ppm

PEMBAHASAN
Sebuah konfigurasi dengan jarak Z1, Z2 dan Z3 terhadap titik yang ditaksir (Z0)
sama yang dihitung dengan 3 rumus model menghasilkan nilai variansi kriging
yang berbeda-beda. Hasil variansi kriging pada penelitian ini ada 3 yaitu pada
model spherical 3,45, pada model Gaussian 5,333, sedangkan variansi kriging yang
paling baik adalah pada model eksponensial yaitu 2,51. Semakin kecil variansi
krigingnya maka semakin baik karena penaksiran akan lebih akurat. Sedangkan
untuk taksiran kadarnya adalah 6,27 ppm.
KESIMPULAN
Pada penelitian ini model yang terbaik untuk konfigurasi tersebut adalah model
eksponensial karena memiliki nilai variansi kriging yang paling kecil. Varians
adalah nilai simpangan, maka semakin kecil nilainya akan semakin baik dan lebih
akurat penaksirannya.
DAFTAR PUSTAKA
Asy’ari, Muhammad Amril. (2012). Geologi dan Estimasi Sumberdaya Nikel
Laterit dengan Metode IDW (Inverse Distance Weight) dan Kriging pada
Daerah Bahodopi Kabupaten Morowali Provinsi Sulawesi Tengah. Jurnal
INTEKNA Tahun XII No.1
Pramono, Gatot. 2008. Akurasi Metode Idw Dan Kriging Untuk Interpolasi Sebaran
Sedimen Tersuspensi Di Maros, Sulawesi Selatan. Forum Geografi, Vol. 22,
No. 1, Juli 2008: 145-158.
Puspita, Wira. 2013. Analisis Data Geostatistik Menggunakan Metode Ordinary
Kriging. Bandung: Universitas Pendidikan Indonesia. [Link].
Waterman, S. 2010. Aplikasi Block Kriging Untuk Penaksiran Kuantitas Dan
Kualitas Cebakan Batubara (Application of Block Kriging for Estimation of
Quantity and Quality Coal Seam). Prosiding TPT XIX Perhapi 2010. ISBN:
978-979-8826-19-1, Hal. 26-35.
Waterman, S.2008. Aplikasi Ordinary Kriging Pada Permodelan 3D Endapan
Nikel. Seminar Nasional Kebumian 2008. UPN ‘Veterab’ Yogyakarta. 7
Agustus 2008.