Scribd
Unggah
52 tayangan20 halaman

Pemahaman Semivariogram dalam Geostatistik

Pertemuan ini membahas tentang variogram dan semivariogram, yang merupakan alat utama dalam geostatistika untuk menganalisis variasi spasial suatu variabel regional. Variogram digunakan untuk mengukur variansi antara nilai variabel pada dua lokasi sebagai fungsi jarak dan arah antara kedua lokasi tersebut. Semivariogram didefinisikan sebagai setengah variansi rata-rata perbedaan kuadrat antara pasangan observasi pada jarak tertentu. Berbagai model semivari

Diunggah oleh

Mizan Alkhair
Hak Cipta
© All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PPT, PDF, TXT atau baca online di Scribd
52 tayangan20 halaman

Pemahaman Semivariogram dalam Geostatistik

Pertemuan ini membahas tentang variogram dan semivariogram, yang merupakan alat utama dalam geostatistika untuk menganalisis variasi spasial suatu variabel regional. Variogram digunakan untuk mengukur variansi antara nilai variabel pada dua lokasi sebagai fungsi jarak dan arah antara kedua lokasi tersebut. Semivariogram didefinisikan sebagai setengah variansi rata-rata perbedaan kuadrat antara pasangan observasi pada jarak tertentu. Berbagai model semivari

Diunggah oleh

Mizan Alkhair
Hak Cipta
© All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PPT, PDF, TXT atau baca online di Scribd

PERTEMUAN 2

PRAKTIK GEOSTATISTIK

SEMIVARIOGRAM

MUHAMMAD TRI ADITYA, S.T., M.T. Prodi Teknik Pertambangan


Fakultas Sains dan Teknologi
UIN Syarif Hidayatullah Jakarta
Quiz
1. Apa yang dimaksud dengan Median ?
2. Apa yang dimaksud dengan Kuartil ?
3. Tuliskan rumus Standard Deviasi !
4. Tuliskan rumus Koefisien Variansi !
5. Sebutkan Tema Pembahasan Pertemuan 1?

Catatan : Waktu pengerjaan 8 Menit (Sudah Termasuk Pengiriman


Jawaban) Foto jawaban dan kirim lewat WA ke Nomer 0823-9564-8706
Pemaparan Tugas Masing-
Masing Kelompok 5 Menit
Pendahuluan
Geostatistik dipakai untuk data regionalis, artinya data t ersebut
satu dengan lainnya berpengaruh.
Statistik : Peubah Acak (Random Variable)
Geostatistik : Peubah Terregional (Regionalized Variable).
Variogram adalah perbedaan rata-rata antara dua titik conto
dgn jarak tertentu. Perbedaan tersebut 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
2 x 13
ɣ(2) = ppm2
4+1+4+1+4+0+4+4+1+16+16+4+1
26 = 60/26 = 2,31ppm2
=
(1+1+1+1+4+4+0+25+0+36+1) / (2x12) = 75/24 = 3,13 ppm2
ɣ(4) = (9+0+9+1+1+16+0+1+4+25) / (2x11) = 75/22 = 3,41 ppm2
ɣ(6) =(4+4+9+9+4+1+25+1+1+1) / (2x10) = 59/20 = 2,95 ppm2
ɣ(8) =
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.ppm2 2 2,31
8
4 3,37
7 6 3,54
6 8 4,62
Sill S2 104,96
5 124,64
Varians
4 14 6,05
populasi
166,22
3 186,25
2 208,07
Co a 225,00
1 265,70
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 . . . .
. .
. . .
. . . . . . . . . .
h

. . . . . .
. ../2. . . .
. Δh

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.%)2
80
70
60
C 50 C = Sill = S2
40
30 Arah 00
160m
20 205m Arah 900
215m Arah 1350
10
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 = Sill = S2
C
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
104,96
Co (h) 124,64
0 (2/3)a 14 6,05
166,22
186,25
208,07
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
PERSIAPKAN DIRI, PEKAN DEPAN KITA
AKAN MENGOLAH DATA UNTUK
SEMIVARIOGRAM

TUGAS
1. Pelajari dan Fahami Materi Semivariogram. (Search di
Internet atau Buku)
2. Cari dan review Jurnal Internasional yang membahas
tentang Variogram dan Semivariogram.
TERIMA KASIH

Common questions

Didukung oleh AI

Nugget variance refers to the value where the semivariogram intercepts the y-axis, indicating variability occurring at very small distances. Sill represents the total variance where the plot levels out, and range is the distance at which the semivariogram reaches the sill and spatial correlation ceases .

A logarithmic variogram model would be preferable in situations where the data exhibit continuous and long-range dependence with no apparent sill, making it suitable for describing phenomena that do not reach spatial homogeneity at a particular distance, unlike spherical models which are used when there's a defined range .

Angle and distance classes determine the grouping of data points in the semivariogram analysis. They help to categorize points based on their relative positions in the search area, defined by angle classes (θ+α/2) and distance classes (h+Δh), ensuring consistent distance measurement .

The steps include: 1) calculating experimental variogram values for different distances, 2) plotting these values in a semivariogram plot, 3) applying regression or theoretical models to fit the empirical data, and 4) determining semivariogram parameters like nugget, sill, and range .

Models without a sill, such as the linear, logarithmic, or parabolic models, do not exhibit a levelling off of variance at any range. In contrast, models with a sill, like spherical, exponential, or Gaussian models, show variance reaching a plateau at the range, indicating a limit to spatial correlation .

The Gaussian model is characterized by a smooth, continuous curve close to the origin. This denotes strong spatial autocorrelation, providing smooth interpolations and predictions but may mask abrupt changes in spatial data, making it suitable for continuous datasets but less so for data with sharp transitions .

A variogram is mathematically defined as the expectation of the squared difference between values at two points, formulated as γ(h) = 1/2N(h) Σ[z(xi) - z(xi+h)]². Here, 'h' represents the separation distance between the two points being compared .

The range is the distance over which data points are spatially correlated, i.e., beyond this distance, points are considered independent of each other. Experimentally, it is determined by plotting the semivariogram and identifying the distance at which the plot levels off to reach the sill .

Nugget, sill, and range inform the degree of spatial variability and correlation in a dataset, guiding how closely data points influence each other over distance. This guides sampling density, grid choice, and resource extraction strategies, optimizing resource evaluation accuracy .

Geostatistics is used for analyzing regionalized data, meaning that the data points are spatially dependent and the values at different locations can affect one another .

Anda mungkin juga menyukai