KULIAH MINGGU KE-2

SEMIVARIOGRAM
Geostatistik dipakai untuk data regionalis, artinya data tsb
satu dgn lainnya berpengaruh.
Statitik : Peubah Acak (Random Variable)
Geostatistik: Peubah Terregional (Regionalized Variable).
Variogram adalah perbedaan rata-rata antara dua titik conto
dgn jarak tertentu. Perbedaan tsb kemungkinannya <0 atau
>0. Agar perbedaan selalu >0 maka dibuat kuadrat.
Delfiner mendefinisikan bhw perbedaan kuadrat diasumsikan
sbg ekspektasi [z(xi) – z(xi+h)] shg definisi variogram menjadi:
2 ɣ(h) = var [z(xi) – z(xi+h)] 2 ɣ(h) = variogram
Var = varians
Dari fungsi tersebut dapat didefinisikan semivariogram
sebagai berikut:
n 2
 [z(xi) – z(xi+h)]
i=1
ɣ(h) =
2N(h)

ɣ(h) = (semi) Variogram untuk arah tertentu dan jarak h

h = 1d, 2d, 3d, 4d (d = jarak antar conto) nd=lag
z(xi) = harga (data) pada titik xi
z(xi+h)= data pada titik yang berjarak h dari xi
N(h) = jumlah pasangan data
 Contoh data kadar emas (ppm) di sepanjang urat dengan
jarak pengambilan conto (d) setiap 2 m :

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

Lokasi 1 2 3 4 5 6 7 8 9 10 11 12 13 14

(7-9)2+(9-8)2+(8-10)2+(10-9)2+(9-11)2+.......+(12-10)2+(10-11)2
ɣ(2) = 2 x 13
ppm2

4+1+4+1+4+0+4+4+1+16+16+4+1 = 60/26 = 2,31ppm2

=
26
ɣ(4) = (1+1+1+1+4+4+0+25+0+36+1) / (2x12) = 75/24 = 3,13 ppm2
ɣ(6) = (9+0+9+1+1+16+0+1+4+25) / (2x11) = 75/22 = 3,41 ppm2
ɣ(8) = (4+4+9+9+4+1+25+1+1+1) / (2x10) = 59/20 = 2,95 ppm2
ɣ(26)= (16) / (2x1) = 8 ppm2
 Harga 7 9 8 10 9 11 11 13 11 12 16 12 10 11 ppm
Urutkan 7 8 9 9 10 10 11 11 11 11 12 12 13 16 ppm
Mean = 10,71 ppm Modus = 11 ppm Median = 11 ppm
S2 = 4,98 ppm2 S = 2,23 ppm Co = 1,2 a = 12,6 Sill = 4,98 ppm2

SEMIVARIOGRAM EKSPERIMENTAL
ɣ(h) 9
h ɣ(h)
m.ppm28 2 2,31
4 3,37
7
6 3,54
6 8 4,62
Sill 5 S2 10 4,96
12 4,64
Varians
4 14 6,05
populasi
16 6,22
3
18 6,25
2 20 8,07
Co a 22 5,00
1
26 5,70
0 (h) m 26 7,25
2/3a
0 2 4 6 8 10 12 14 16 18 20 22 24 26
David (1977) Pengambilan conto yang tidak reguler, perlu toleransi shg
muncul angle classes (+α/2) dan distance classes (h+Δh).
Jadi semua titik conto yang berada pada search area yang didefinisikan
dengan angle classes (+α/2) dan distance classes (h+Δh) akan dianggap
sebagai titik-titik conto yang berjarak h dari titik Xo pada arah tersebut.

ANGLE & DISTANCE CLASSES

Search area

/2

/2

Xo
 ARAH PERHITUNGAN SEMIVARIOGRAM

40 42 42 43 . 42 43 44 46 44 43

38 49 43 41 42 43 44 46 48 46 45

38 38 41 40 42 44 46 48 52 48 46

49 49 42 . 44 46 48 52 53 52 50

40 40 43 42 43 46 50 52 54 50 46

42 42 44 43 44 45 47 48 54 52 48

44 46 48 46 45 42 44 45 46 44 42

46 48 52 48 46 44 42 43 43 42 40

48 52 53 52 50 48 44 42 40 40 38

50 52 54 50 46 42 40 38 37 36 36

48 48 54 52 48 42 40 38 37 36 35
 PENGGAMBARAN SEMIVARIOGRAM
1. Rekapitulasi hasil perhitungan 3 arah
2. Ploting ɣ(h) vs (h)
3. Regresi linier beberapa titik awal
4. Pilih model teoritis yang sesuai
5. Tentukan Parameter semivariogram C, Co dan a
ɣ(h) 90
(m.%)280

70
60
C 50 C = Sill = S2
40
30
160m Arah 00
20 Arah 900
205m
10 215m Arah 1350

Co 0 (h) m
0 25 50 75 100 125 150 175 200 225 250 275 300 325
 MODEL TEORITIS SEMIVARIOGRAM

Dipengaruhi oleh:
1. Perilaku variogram dekat titik awal. Ada tidaknya nugget variance
dapat dikenali dgn ekstrapolasi ɣ(h) memotong sumbu tegak (h=0)
2. Kehadiran sill, pada awalnya varians statistik dari data dapat
dianggap sebagai sill.
3. Kehadiran anisotropi, Struktur bersarang dll.

Berdasarkan hadir tidaknya sill dan range, semivariogram dibagi:

1. Model Tanpa Sill : a. Model Linier
b. Model Logaritmik atau de Wijsian
c. Model Parabolic
2. Model Dengan Sill : a. Model Sferis (Model Matheron)
b. Model Eksponensial (Model Formery)
c. Model Gaussian (Model Parabolik)
 MODEL SFERIS (MODEL MATHERON)

Berdasarkan hadir tidaknya sill dan range, semivariogram dibagi:

1. Model Tanpa Sill : a. Model Linier
b. Model Logaritmik atau de Wijsian
2. Model Dengan Sill : a. Model Sferis (Model Matheron)
b. Model Eksponensial (Model Formery)
c. Model Gaussian (Model Parabolik)
ɣ(h)
Arah 900
(m.%)2 Arah 00
60 Arah 1350
C C = Sill = S2
50
40
30 160m
20 185m
210m
10
Co (h) m
00 25 50 75 100 125 150 175 200 225 250 275 300 325
MODEL TEORITIS VARIOGRAM TANPA SILL
MODEL LINIER

ɣ(h) = p h

p adalah konstanta yang ditetapkan dan 0<<2 jika =2

maka akan menjadi model parabolik

Model Linier
ɣ(h)

(h)
0 1
MODEL LOGARITMIK ATAU DE WIJSIAN

ɣ(h) = 3  log h + B

B = Co + 3  (3/2 – log 1)
 adalah konstanta yang ditetapkan
1 adalah panjang ekivalen conto
ɣ(h)

   (h)
2 3 45 log
 MODEL PARABOLIK

ɣ(h) = (1/2)a2.h2

ɣ(h)

  
1 2 3 (h)
 MODEL TEORITIS VARIOGRAM DENGAN SILL
MODEL SFERIS (MODEL MATHERON)

Berperilaku linier dekat titik awal

3 h 1 h
ɣ(h) = C  2 a - 2 ( a )3  + Co h<a
ɣ(h) = C + Co h>a
Garis tangensial variogram memotong sill di (2/3)a
ɣ(h)
Model Sferis

C C = Sill = S2
h ɣ(h)
2 2,31
a 4 3,37
6 3,54
8 4,62
10 4,96
Co (h) 12 4,64
0 (2/3)a 14 6,05
16 6,22
18 6,25
20 8,07
 MODEL EKSPONENSIAL (MODEL FORMERY)

Berperilaku linier dekat titik awal

- h
ɣ(h) = C 1 - e a
 + Co
A = range, merupakan absis dari titik potong antara garis
tangensial variogram dengan sill (C)
ɣ(h)
Model Eksponensial

C C = Sill = S2

3a

Co (h) m
0 a 3a
 MODEL PARABOLIK (MODEL GAUSSIAN)

Berperilaku linier dekat titik awal

- (h ) 2
ɣ(h) = C 1 - e a  + Co
Kemiringan tangensial pada titik awal adalah horizontal

ɣ(h)

Model Parabolik
C C = Sill = S2

Co (h) m
0 a