Upload
ulfa-riani
View
28
Download
9
Embed Size (px)
DESCRIPTION
laporan tugas
Citation preview
GEOSTATISTICAL MODELLING
Tugas Pemodelan dan Evaluasi Cadangan
Oleh :
Kelompok 8
Mairia Ulfa Khatimmah 1204108010035
Ulfa Riani 1204108010062
Muhammad Dicka Andrian 12041080100
Dosen Pembimbing : Mulkal Razali, M. Sc
PROGRAM STUDI TEKNIK PERTAMBANGAN FAKULTAS TEKNIK
UNIVERSITAS SYIAH KUALA
BANDA ACEH
2015
KATA PENGANTAR
Puji dan syukur bagi Allah SWT karena berkat rahmat dan karunia-Nya
penulis dapat menyelesaikan tugas laporan “ geostatistical modelling“. Laporan
ini diajukan sebagai syarat untuk melengkapi tugas pemodelan dan evaluasi
cadangan.
Dalam penulisan laporan ini penulis telah banyak mendapat bantuan serta
bimbingan dari berbagai pihak. Oleh karena itu pada kesempatan ini penulis ingin
menyampaikan penghargaan, rasa hormat dan ucapan terima kasih kepada Bapak
Mulkal Razali, M. Sc yang telah meluangkan waktunya untuk membimbing
penulis sehingga dapat menyelesaikan laporan ini.
Penulis berharap penyusunan laporan ini dapat bermanfaat bagi penulis
sendiri dan juga bagi para pembaca. Dengan disusunnya laporan ini diharapkan
dapat menjadi bahan belajar untuk pengembangan ilmu, serta menjadi inspirasi
untuk menciptakan karya yang lebih baik lagi kedepannya. penulis menyadari
bahwa dalam pembuatan laporan ini masih jauh dari sempurna untuk itu penulis
menerima saran dan kritik yang bersifat membangun demi perbaikan kearah
kesempurnaan. Akhir kata penulis sampaikan terimakasih.
Banda Aceh, April 2015
Penulis
i
DAFTAR ISI
KATA PENGANTAR..............................................................................................i
DAFTAR ISI............................................................................................................ii
BAB I PENDAHULUAN........................................................................................1
1.1 Latar Belakang....................................................................................1
1.2 Tujuan Penulisan.................................................................................2
BAB II PEMBAHASAN.........................................................................................3
2.1 Prediksi Sebaran Bijih Besi.................................................................3
2.2 Prediksi Standar Kesalahan.................................................................9
2.3 Blok Prediksi Sebaran Bijih Besi.....................................................13
BAB III PENUTUP................................................................................................15
3.1 Kesimpulan.......................................................................................15
3.2 Saran.................................................................................................16
ii
BAB I
PENDAHULUAN
1.1 Latar Belakang
Salah satu tahapan dari operasi pertambangan adalah pengambilan cadangan
mineral maupun batubara yang terdapat di dalam bumi. Namun, sebelum
dilakukannya pengambilan cadangan tersebut perlu dilakukan evaluasi dan
pemodelan cadangan terlebih dahulu agar perusahaan dapat mencapai suatu target
produksi tertentu dan tidak mengalami kerugian. Pemodelan cadangan harus
dibuat berdasarkan data faktual yang telah diolah secara objektif dan dapat
mencerminkan secara tepat kondisi geologi, karakteristik serta sifat endapan.
Pemodelan cadangan sangat penting untuk dilakukan karena tujuan utama
kita adalah untuk mengambil cadangan, sehingga perlu diketahui secara pasti
kuantitas serta kualitas dari cadangan yang akan kita ambil. Dengan adanya
pemodelan cadangan ini maka kita dapat memilih metode penambangan serta
pengolahan mineral yang sesuai dan ekonomis. Dalam tugas ini kami harus
melakukan pemodelan sebaran kandungan bijih besi (fe) dengan metode
geostatistical modeling.
Geostatistik merupakan suatu jembatan antara statistik dan GIS. Analisis
geostatistik merupakan teknik geostatistik yang terfokus pada variable spasial,
yaitu hubungan antara variable yang diukur pada titik tertentu dengan variable
yang sama diukur pada titik dengan jarak tertentu dari titik pertama. Proses yang
dilakukan dalam analisis geostatistik adalah meregister seluruh data,
mengeksplorasi data, membuat model, melakukan diagnostic dan membandingkan
model. Tujuan dari pemodelan pada industri pertambangan adalah tentu saja untuk
membuat model dari mineral ataupun batubara. Model ini sangat berguna untuk
mendapatkan perseujuan dari pemerintah dalam hal ini pemerintah akan juga
mempertimbangkan aspek ekonomi berdasarkan model yang dibuat. Secara
mendasar, ada dua macam metode yang didasarkan pada variogram dan
covariance yang tersedia yaitu untuk pemetaan dan estimasi, variogram dapat
digunakan untuk menginterpolasi antara titik data (kriging). Sedangkan untuk
1
mengkarakterisasi suatu ketidaktentuan pada estimasi (volume minyakbumi, kadar
di atas cut-off, resiko polusi), variogram yang sama juga dapat digunakan.
Adapun langkah-langkah analisa geostatistik adalah meliputi eksplorasi
data, pembuatan model, melakukan diagnostic dan membandingkan model.
eksplorasi data perlu untuk dilakukan agar kita mendapatkan pemahaman pada
data yang menyeluruh agar dapat kita lakukan analisis. Pada mulanya geostatistik
merupakan sinonim dari “kriging”. Tetapi kemudian dalam perkembangannya
juga meliputi metode deterministic. Metode deterministik tidak memiliki
penilaian untuk kesalahan prediksi, tidak ada asumsi untuk data sedangkan
metode kriging memiliki penilaian untuk kesalahan prediksi dan mengasumsikan
data dari proses stokastik. Peta yang dihasilkan dapat berupa peta prediksi (peta
interpolasi), peta standar eror, peta Quantile, peta probability.
Sebelum menghasilkan hasil akhir harus kita ketahui dahulu seberapa
bagusnya prediksi nilai di tempat yang tidak memiliki data real. Dalam pemodelan
geologi khususnya pemodelan reservoir, model yang baik akan memiliki satu
kualitas yang sederhana yaitu: harus menyediakan prediksi yang baik dari perilaku
reservoir untuk merespon keadaan (Tyson and Math, 2009). Untuk prediksi yang
baik harus memiliki prediksi mean eror yang mendekati nol, RMS (root-mean-
square) yang lebih kecil lebih baik. Apabila estimasi rata – rata standar eror
dibandingkan dengan prediksi eror RMS sama maka prediksi bagus, apabila <1
maka overestimate dan apabila >1 maka underestimate.
Selain itu, dalam pemodelan geostatistik beberapa model yang dihasilkan
dari beberapa perlakuan harus dibandingkan untuk melihat mana yang lebih baik.
Penggunaan cross validation statistic sangat membantu dalam pembandingan ini.
Aturan – aturan dasar sebelumnya untuk prediksi yang baik masih digunakan juga
untuk pembandingan model.
Dalam tugas ini kami melakuka Pemodelan cadangan dengan
menggunakan geostatistical analyst yang terdapat pada software arcgis.
Geostatistical analyst sangat bergantung pada model semivariogram dan metode
kriging yang dipakai. Setiap model semivariogram akan menghasilkan error yang
berbeda-beda, sehingga harus dipilih model semivariogram yang paing cocok
berdasarkan hasil error terkecil. Geostatistical analyst akan menghasilkan
beberapa macam peta diantaranya peta prediksi sebaran bijih, peta quantile, dan
peta prediksi standar error.
1.2 Tujuan
1. Mengetahui cara membuat peta sebaran bijih dengan metode interpolasi
kriging dan model semivariogram yang paling sesuai.
2. Mengetahui cara membuat peta prediksi standar error.
3. Mengetahui cara membuat peta blok prediksi sebaran bijih besi.
BAB II
PEMBAHASAN
2.1 Prediksi Sebaran Bijih Besi
Untuk mendapatkan peta prediksi sebaran bijih besi maka berikut merupakan
langkah-langkah yang dilakukan, yaitu :
1. Buka program Arcmap .
Dan akan muncul seperti gambar dibawah ini.
2. Setelah program terbuka, kemudian klik add data ( ) untuk menambahkan
dataset yang digunakan untuk membuat peta prediksi sebaran bijih besi.
Kemudian pilih object/file dan setalah itu klik add.
3. Setelah data berhasil ditambahkan, untuk melihat distribusi data apakah data
bersifat normal atau tidak maka
4. Klik kanan pada data set di layer pilih display XY Data.
5. Sesuaikan X dengan x(m) dan Y dengan y(m) klik edit untuk menambahkan kordinat pada data set.
6. Kemudian pilih Select.
7. Kemudian pilih Projected Coordinate System dan setelah itu klik Add.
8. Kemudian pilih UTM lalu klik Add.
10. Kemudian pilih WGS 1984 UTM Zone 46N.prj klik Add.
11. Kemudian akan muncul seperti gambar dibawah ini. Setelah itu klik apply Ok.
12. Dan akan muncul seperti gambar dibawah ini, setelah itu klik Ok.
13. Dan setelah semua langkah-langkah diatas akan muncul titik-titik sebaran
Bijih Besi seperti yang terlihat pada gambar dibawah ini.
2.2 Prediksi Standar Kesalahan
Berikut merupakan langkah-langkah yang dilakukan untuk mendapatkan peta
prediksi standar kesalahan pada dataset yang diinginkan dengan menganalisis nilai
error pada metode yang aan digunakan, yaitu :
1. Setelah mendapatkan peta sebaran bijih besi maka kemudian Klik Geostatistical Analysist pilih Geostatistical Wizard.
2. Dan akan muncul seperti pada gambar dibawah ini. Kemudian pilih Metode Kriging. Dan sesuaikan kolom attribute dengan fe%, X field x(m), dan Y field y(m) pilih Next.
3. Pada Metode geostatistical pilih Simple kriging Prediction maps klik Next.
4. Karena kita menggunakan Semivariogram maka pilih semivariogram Selanjutnya pilih Metode spherical ( pilih metode sesuai yang di inginkan, tiap metode berbeda erornya) Pilih Next.
5. Pada Tahap ini kita memilih standar include 5 dan 2, kalau sudah terisi
langsung saja klik next.
6. Kemudian setalah itu akan muncul gambar seperti dibawah ini dan tertera
nilai error yang ingin kita ketahui klik finish.
Note : Kami akan menggunakan 4 metode sesudah spherical tadi untuk melihat
perbandingan nilai errornya. Nilai error yang paling kecil maka metode
tersebut yang akan di gunakan. Untuk langkah-langkahnya ulangi dari langkah
1-20.
7. Ini merupakan metode yang akan digunakan karena memiliki nilai error
yang paling kecil. Pilih save untuk menyimpannya pilih Ok.
8. Berikut merupakan peta prediksi standar kesalahan.
2.3 Blok Prediksi Sebaran Bijih Besi
Untuk mendapat peta blok prediksi sebara bijih besi yang diinginkan maka
lakukan langkah-langkah sebagai berikut :
1. Klik kanan Pada Simple Kriging di Layer pilih data klik export to Raster.
2. Untuk cell size (ukuran Blok) bebas. Di sini kami memilih 3 lalu output raster pilih lokasi yang di inginkan klik Ok.
3. Setelah itu maka akan tampil seperti gamabr dibawah ini.