Upload
raga-wimala
View
75
Download
4
Embed Size (px)
DESCRIPTION
Teknik Perminyakan & Teknik Reservoir
Citation preview
5/20/2018 Penaksiran Volume
1/86
PENAKSIRAN VOLUME RESERVOIR MINYAK BUMI DENGAN
SIMPLE KRIGINGPADA LAPANGAN MINYAK JATIBARANG
IIF YUSUF WIBISONO
0 3 0 2 0 1 0 2 1 Y
UNIVERSITAS INDONESIA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
DEPARTEMEN MATEMATIKA
DEPOK
2006
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
2/86
PENAKSIRAN VOLUME RESERVOIR MINYAK BUMI DENGAN
SIMPLE KRIGINGPADA LAPANGAN MINYAK JATIBARANG
Skripsi diajukan sebagai salah satu syarat
untuk memperoleh gelar Sarjana Sains
Oleh:
IIF YUSUF WIBISONO
030201021Y
DEPOK
2006
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
3/86
Tanggal lulus Ujian Sidang Sarjana:
Penguji I : Dr. Kiki Ariyanti S
Penguji II : Dr. Dian Lestari
Penguji III : Dra. Siti Nurrohmah, M.Si
SKRIPSI : PENAKSIRAN VOLUME RESERVOIR MINYAK BUMI
DENGAN SIMPLE KRIGINGPADA LAPANGAN MINYAK
JATIBARANG
NAMA : IIF YUSUF WIBISONO
NPM : 030201021Y
SKRIPSI INI TELAH DIPERIKSA DAN DISETUJUI
DEPOK, 22 DESEMBER 2006
Dr. Dian Lestari Dra. Siti Nurrohmah, M.SiPembimbing I Pembimbing II
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
4/86
i
KATA PENGANTAR
Alhamdulillah, segala puji bagi Allah yang telah memberikan tak hingga
dan tak terhitung banyaknya nikmat, sehingga penulis dapat menyelesaikan
skripsi ini.Semoga Sholawat dan salam senantiasa tercurah bagi junjungan kita
Nabi Muhammad SAW, beserta keluarga, sahabat dan orang-orang yang
senantiasa berada dalam kebaikan dan kebenaran sampai akhir zaman.
Pada kesempatan ini penulis ingin mengucapkan terimakasih dan
penghargaan kepada pihak-pihak yang telah berjasa dalam penulisan tugas
akhir ini maupun selama penulis kuliah. Ucapan terimakasih terhatur kepada:
1. Ibu dan Bapak. atas segala kasih sayang, doa, dukungan, kesabaran dan
nasehatnya. Mungkin penghargaan ini masih terlalu kecil dengan kasih
sayang yang telah diberikan kepada penulis.
2. Pembimbing I Skripsi (juga pembimbing akademis), Ibu Dian Lestari.
Pembimbing II Skripsi, Ibu Siti Nurrohmah. Mohon maaf bu jika penulis
sangat merepotkan.
3. Para Dosen Departemen Matematika, yang telah memberikan banyak
pembelajaran selama penulis kuliah.
4. para karyawan departemen matematika yang selalu membantu segala
kegiatan yang ada di departemen.
5. Penghuni rumah kacajendela I no 1. Mbak Ammy, Aan,(terimakasih
dukungannya), Mas Budi (terimakasih tausiyah-tausiyahnya, semoga
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
5/86
ii
penulis tetap istiqomah), mang odos. Serta seluruh keluarga mbah kulon
dan mbah etan.
6. Nia Budi K (penulis nggak tahu gimana cara membalas segala
bantuannya, kalau tau segera beritahu. Terimakasih banyak), Seno, Dani
A (terimakasih sudah mengajari penulis), Anugrah S ITB (terimakasih
nganterin muter-muter ITB), TriHarjuni (terimakasih atas peminjaman
sepatu SIG1), Farah Lestari (atas editannya), Spina sekeluarga
(terimakasih pengetahuan reservoirnya), AlAlkbar Lubis Trisakti
(terimakasih brogeologi minyak buminya). Opit Helmi, Pak Budiyana
Pertamina, Hendy Waskito (terimakasih bos atas MATLABnya), Feni, tuty,
Nyimas (atas pengetahuan residual, dan kestasioneran).
7. Dua anak manusia yang selalu menemani penulis selama kuliah, penemu
CSC, Fuad dan Zilham. Kapan kita gulingkan bola salju CSC?
8. Rekan-rekan angkatan 2002 yang aneh tapi lucu. Ahmad, ani, anugrah,
arif (met berjuang), arisha,desanti, diane, dini,endah, elis (ko jadi
keduluan?), Feni (sambil nunggu tambah aja PAInya), fuad, helmiyati,
hendri lukita, hendi, Ifan A, Mamad, Marlina, melina, nala, naro, nuts,
Nyimas (terimakasih yaa... sms dan pengingatannya, key word :
semangat!!), ojix, opie, tuty, rika(tiga provokator kelas dunia =p), qfandy,
randolf, riri, santoso, sofyan (terimakasih terutama perawatan sepedanya),
syariat (tetap usaha dan doa bro), thamrin (MU bangkrut?), vidya,
wina,winny, yeyen, zilham.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
6/86
iii
9. Rekan-rekan mathers, trio dinu (ruri, nia), danu,sigit, donny, sholeh, panji,
adri, rahmat, ihsan, rendie, hadi,doddy, guntoro, tb, irwanto, valdo,
handika, edi, ajat dan seluruh mahasiswa matematika yang sulit untuk
disebut satu-persatu.
10. Rekan-rekan asisten lab berbagai zaman, adi, TA, onggo, luwice,lenny,
zilham,utie, hendi, gilang, saepul, sofyan, theja, lhuqita.
11. Rekan-rekan hmd 2004, terutama CT, arif, wina, rika, ani, feni, guntoro,
andra.
12. Rekan rekan bpm 2005,fuad, imron, lela, roby, elda, resuli, gatot, sarif,
yuni, eko, bani, sofa, zaki. Kapan kita kedufan?
13. Rekan-rekan humas Bem UI 2005/2006. adri, kevin, akbar, alfi, andra,
awan, ayu, dikha, dwi, farah, icha, iranie (pake E), nitta/mo..., nunu, sapta,
umar, vira, syami, dll. Atas segala dorongan, doa, tausiyah, persaudaraan,
kerjasama, kegilaan, keanehan, kejujuran, dan hal lain yang susa untuk
digambarkan. What a great team?
14. Rekan rekan karang taruna yang telah mengajarkan bagaimana kondisi
masyarakat jakarta.
15. Rekan-rekan lebah creative design, mariska, yusi, diah, dwitya, didit.
Juga sahabat smu, yuni, agus, ade, nasrul, farah. Fredo, tito, leo, ilyas,
umam, suwar dan lainnya.
16. para guru, kak dede, bang jarsan, bang dimas, mas nanang, mas budi.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
7/86
iv
Dan seluruh manusia yang dikenal penulis, baik dalam keadaan senang
maupun susah. Karena dari sanalah penulis mendapatkan banyak
pembelajaran. Maha Suci Allah, tiada kejadian tanpa hikmah.
Semoga tugas akhir ini dapat menjadi suatu yang bermanfaat bagi
siapapun. Mohon maaf atas segala kekurangan. Terimakasih
Penulis
2006
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
8/86
v
ABSTRAK.
Iif yusuf wibisono (030201021Y)
Minyak adalah salah satu bahan galian bumi yang memiliki peranan penting
dalam kehidupan manusia. Pada kasus eksplorasi sering kali ditemukan
permasalahan seberapa banyak cadangan bahan tambang pada suatu lokasi.
Untuk itu dilakukan penaksiran volume reservoir dari beberapa lokasi dengan
menggunakan informasi yang diketahui dari titik lainnya. Penghitungan volume
reservoir dilakukan dengan terlebih dahulu menaksir ketebalan dari reservoir.
Ketebalan reservoir adalah jarak dari batuan reservoir sampai dengan lapisan
penutup reservoir. Dalam menaksir ketebalan reservoir digunakan metode
simple kriging. Metode simple krigingadalah metode kriging dengan asumsi
bahwa mean dari populasi sudah diketahui dan nilainya konstan. Penaksiran
bobot kriging pada tugas akhir ini menggunakan kovariogram isotropi.
Penaksiran ketebalan reservoir dengan metode simple kriging menggunakan
model kovariogram spherical. Informasi volume reservoir diharapkan dapat
menbantu kegiatan eksplorasi minyak terutama dalam kebijakan pembuatan
sumur minyak.
Kata kunci: reservoir; minyak bumi; kovariogram;isotropi,simple kriging;
x + 70 hlm
Bibliografi : 10 (1993-2002)
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
9/86
vi
DAFTAR ISI
HalamanKATA PENGANTAR ............................................................................... i
ABSTRAK .............................................................................................. v
DAFTAR ISI ........................................................................................... vi
DAFTAR GAMBAR ................................................................................ ix
DAFTAR TABEL .................................................................................... x
BAB I. PENDAHULUAN .................................................................... 1
1.1 Latar Belakang Masalah ............................................. 1
1.2 Permasalahan ............................................................. 2
1.3 Tujuan Penulisan ..................... .................................. 2
1.4 Pembatasan Masalah ................................................ 3
1.5 Metode Penelitian ...................................................... 3
1.6 Sistematika Penulisan ................................................. 3
BAB II. KONSEP DAN DEFINISI ....................................................... 4
2.1 Definisi ......................................................................... 4
2.2 Gambaran umum lapangan jatibarang......................... 6
BAB III. METODOLOGI ...................................................................... 8
3.1 Data ............................................................................. 8
3.2 Pengambilan Sampel................................................... 8
3.3 Metode Penaksiran Volume Reservoir ........................ 8
3.4 Metode Kriging............................................................. 9
3.5 Data Spasial................................................................. 11
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
10/86
vii
3.6 Asumsi Stasioner Orde dua dan stasione intrinsik....... 12
3.7 Kovariogram................................................................. 14
3.7.1 Kovariogram eksperimental ......................................... 14
3.7.2 Kovariogram teoritis ..................................................... 15
3.8 Semivariogram............................................................. 18
3.8.1 Semivariogram Eksperimental ..................................... 19
3.8.2 Semivariogram Teoritis ................................................ 19
3.9 Hubungan Semivariogram dengan Kovariogram ......... 23
3.10 Validasi Silang.............................................................. 23
3.11 Metode Simple Kriging................................................ 29
3.11.1 Sifat Unbiaseddan variansi minimum.......................... 30
3.11.2 Variansi taksiran simple kriging.................................... 33
3.11.3 Taksiran blok................................................................ 35
3.12 Penghitungan volume reservoir ................................... 36
BAB IV. ANALISIS DATA..................................................................... 37
4.1 Data ........................................................................... 37
4.2 Permasalahan ............................................................. 38
4.3 Pengolahan Data ......................................................... 38
4.4 Penghitungan volume reservoir .................................. 51
BAB V. KESIMPULAN dan SARAN ................................................... 53
5.1 Kesimpulan ................................................................. 5
5.2 Saran .......................................................................... 5
DAFTAR PUSTAKA ............................................................................... 5
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
11/86
viii
LAMPIRAN ............................................................................................ 54
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
12/86
ix
DAFTAR GAMBAR
Gambar Halaman
2.1 Gambar reservoir minyak bumi 5
3.1 Alur penaksiran metode simple kriging 9
3.2 Plot kovariogram 15
3.3 Plot kovariogram model nugget 15
3.4 Plot kovariogram model spherical 16
3.5 Plot kovariogram model exponensial 17
3.6 Plot semivariogram model nugget effect 20
3.7 Plot semivariogram modelspherical 20
3.8 Plot semivariogram model exponesial 21
4.1 Plot histogram data ketebalan reservoir minyak bumi 32
4.2 Plot lokasi data 34
4.3 Plot Kovariogram Eksperimental 35
4.4 Plot tiga dimensi data ketebalan reservoir 36
4.5 Plot ketebalan dengan sumbu y 36
4.6 Plot ketebalan dengan sumbu x 37
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
13/86
x
DAFTAR TABEL
Tabel Halaman
4.1 TabelData koordinat lokasi titik sampel 31
4.2 Tabel stastitika deskriptif data ketebalan reservoir 32
4.3 Tabel pengujian kenormalan data ketebalan reservoir 33
4.4 Tabel Hasil perhitungan kovariogram eksperimental 35
4.5 Tabel hasil perhitungan dengan model nugget effect 42
4.6 Tabel pengujian kenormalan residual model nugget 43
4.7 Tabel hasil perhitungan model spherical 44
4.8 Tabel pengujian kenormalan residual model spherical 45
4.9 Tabel hasil perhitungan dengan model exponensial 47
4.10 Tabel pengujian kenormalan residual model exponensial 48
4.11 Tabel hasil perhitungan taksiran di 15 titik 49
4.12 Tabel hasil perhitungan volume reservoir 50
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
14/86
1
BAB I
PENDAHULUAN
1.1 LATAR BELAKANG
Minyak adalah salah satu hasil tambang yang memiliki peranan
penting dalam kehidupan manusia. Eksplorasi minyak bumi terus dilakukan
walaupun bahan tambang ini tidak dapat tergantikan. Berbagai usaha
pencarian pun dilakukan, termasuk perluasan ekplorasi dari suatu daerah.
Salah satu permasalahan yang sering kali ditemukan pada saat
pengeksplorasian minyak bumi adalah seberapa banyak cadangan bahan
tambang yang tersedia di suatu lokasi. Karenanya, perhitungan volume
cadangan (reservoir) yang akurat diperlukan untuk menentukan kebijakan
perusahaan.
Untuk mengetahui seberapa besar cadangan minyak bumi yang
tersedia di suatu titik, diperlukan suatu pengeboran dan penelitian di titik
tersebut. Jika pada titik tersebut volume cadangan minyak bumi yang
tersedia sedikit, perlu dilakukan pengeboran di titik lain sampai diperoleh
suatu lokasi dengan cadangan minyak yang cukup memadai. Hal ini tentunya
memakan biaya yang tidak sedikit. Padahal cadangan minyak yang ingin
diketahui bukan hanya di satu titik, melainkan di banyak titik sehingga biaya
yang harus dikeluarkan semakin besar. Untuk mengatasi hal ini dilakukan
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
15/86
2
penaksiran volume reservoir dari beberapa lokasi dengan menggunakan
informasi yang diketahui dari titik lainnya. Penaksiran ini merupakan aplikasi
geostatistik dalam pertambangan.
Geostatistik adalah ilmu yang merupakan gabungan antara geologi,
teknik, matematika, dan statistika (Cressie, 1993). Geostatistik biasa
digunakan untuk memodelkan data spasial dan akan menghasilkan estimasi
yang cukup akurat. Pada geostatistik, data yang digunakan adalah data
spasial, yaitu data yang mengandung informasi mengenai koordinat lokasi.
Metode Geostatisik yang akan digunakan dalam tugas akhir ini adalah
metode Simple Kriging. Metode Simple Krigingadalah metode Kriging
dengan asumsi bahwa mean dari populasi sudah diketahui dan nilainya
konstan.
1.2 PERMASALAHAN
Permasalahan yang ingin dikemukakan di dalam tugas akhir ini adalah
bagaimana mengetahui volume reservoir minyak bumi dengan biaya, waktu
dan tenaga yang tidak terlalu besar.
1.3 TUJUAN PENULISAN
Tujuan dari penulisan tugas akhir ini adalah mengestimasi volume
reservoir dari beberapa lokasi lapangan minyak di Jatibarang.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
16/86
3
1.4 PEMBATASAN MASALAH
Pada tugas akhir ini, metode Simple Kriging digunakan untuk
melakukan taksiran titik dengan kovariogramnya adalah kovariogram isotropik.
1.5 METODE PENELITIAN
Data yang digunakan pada tugas akhir adalah data spasial. Terdiri dari
data koordinat bawah permukaan (Northing, Easting), dan data ketebalan
reservoir minyak pada titik yang dijadikan sampel. Sampel yang digunakan
dalam tugas akhir ini diambil dengan cara acak. Sampel diambil sebanyak 25
data lokasi dari sebanyak 83 lokasi lainnya. Karena batuan reservoir minyak
bumi terdiri dari rongga-rongga yang menyambung antar lokasi maka metode
penaksiran yang digunakan pada tugas akhir ini adalah metode Simple
Kriging. Analisa data menggunakan software microsoft excel, fortran90,
wingslib90, surfer, dan matlab7.
1.6 SISTEMATIKA PENULISAN
Penulisan pada tugas akhir ini dibagi menjadi lima bab
Bab I Berisikan latar belakang, permasalahan, tujuan penulisan,
pembatasan masalah, metode penelitian dan sistematika
penulisan.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
17/86
4
Bab II Membahas mengenai konsep dan definisi dari reservoir minyak
bumi, dan gambaran umum lapangan minyak Jatibarang.
Bab III Membahas data dan metodologi penelititan yang digunakan
dalam tugas akhir ini. Penjelasan terdiri dari pembahasan data,
struktur spasial, metode penaksiran reservoir dengan simpel
kriging, dan penghitungan volume reservoir dalam blok.
Bab IV Membahas analisa data
Bab V Berisikan kesimpulan dan saran untuk tugas akhir ini
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
18/86
5
BAB II
KONSEP DAN DEFINISI
Pada bab ini akan dibahas mengenai konsep dan definisi dari reservoir
minyak bumi, dan gambaran umum lapangan minyak Jatibarang.
2.1 DEFINISI
Dalam tugas akhir ini terdapat beberapa istilah yang perlu mendapat
penjelasan sebagai berikut:
Definisi 2.1
Minyak bumi (petroleoum: petro=batu, leoum=minyak), merupakan campuran
molekul karbon dan hidrogen yang terbentuk dari sedimen sisa-sisa hewan
dan tumbuh-tumbuhan yang terperangkap selama jutaan tahun. Akibat
kombinasi efek temperatur dan tekanan di dalam kerak bumi maka
terbentuklah reservoir-reservoir minyak dan gas yang berada jauh di bawah
permukaan tanah.
Definisi 2.2
Reservoir adalah bagian kerak bumi yang mengandung minyak bumi dan
terletak di bawah permukaan tanah.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
19/86
6
Unsur-unsur reservoir:
- Batuan reservoir
Adalah wadah yang terisi dan dijenuhi minyak bumi. Berbentuk
lapisan batuan yang berongga (porous).
- Lapisan penutup
Adalah lapisan yang tidak tembus minyak (permeable) yang
terdapat diatas reservoir dan menghalang-halangi minyak bumi
keluar dari reservoir.
Ruang penyimpanan minyak dalam reservoir berupa rongga-rongga
atau pori-pori yang terdapat pada butiran mineral. Pada hakekatnya setiap
batuan dapat bertindak sebagai batuan reservoir asalkan bebatuan tersebut
memiliki kemampuan untuk dapat menyimpan serta melepaskan minyak.
Ketebalan reservoir adalah jarak dari batuan reservoir sampai dengan lapisan
penutup reservoir. Pada tugas akhir ini reservoir diasumsikan berbentuk
balok-balok yang memiliki permukaan rata tetapi memiliki ketebalan yang
berbeda.
Gambar 2.1gambar reservoir
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
20/86
7
Definisi 2.3
Lapangan adalah suatu daerah yang mengandung akumulasi
hidrokarbon dan telah dikembangkan dengan pengeboran-pengeboran yang
menghasilkan minyak atau gas bumi. Lapangan dapat disebut pula sebagai
suatu area yang terdiri dari satu atau lebih reservoir.
Definisi 2.4
Cekungan adalah bagian dari kerak bumi yang berbentuk cekung dan
lebih rendah dari sekitarnya dimana batuan sedimen dapat terakumulasi.
Definisi 2.5
Batuan sedimen adalah batuan yang terbentuk sebagai hasil erosi air,
angin, es dan diendapkan kembali pada tempat yang lebih rendah
(cekungan). Batuan sedimen terdiri dari fragmen batuan, mineral, sisa-sisa
binatang atau tumbuhan, hasil evaporitisasi garam dan lain-lain.
2.2 GAMBARAN UMUM LAPANGAN MINYAK JATIBARANG
Berdasarkan karakteristiknya, minyak bumi dari lapangan migas Jawa
Barat digolongkan menjadi 2 jenis. Yaitu jenis minyak Jatibarang yaitu minyak
yang dihasilkan dari lapangan onshore. Kemudian jenis yang lain adalah jenis
minyak Arjuna untuk minyak yang dihasilkan dari lapangan offshore.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
21/86
8
Unsur petroleum cekungan Jawa Barat laut terdiri dari
- Batuan induk: lempung endapan danau formasi Jatibarang,
lempung formasi Talangakar,dan batu gamping formasi Baturaja
- Reservoir: material vulkanik formasi Jatibarang, batu pasir formasi
Talangakar, batugamping formasi Baturaja, dan batugamping
formasi Parigi.
Cekungan Jawa Barat laut merupakan bagian utara dari mandala paparan
yang tersusun dari beberapa formasi. Formasi-formasi tersebut diurutkan dari
usia yang lebih tua ke usia yang lebih muda sebagai berikut; Jatibarang,
Cibulakan (Talangakar dan Baturaja), Parigi dan Cisubuh.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
22/86
9
BAB III
METODOLOGI
Bab ini akan membahas data serta metodologi penelitian yang
digunakan dalam tugas akhir ini. Penjelasan terdiri dari pembahasan data,
pengambilan sampel, data spasial, metode penaksiran ketebalan reservoir
dengan Simple Kriging, validasi silang dan penghitungan volume reservoir
dalam blok.
3.1 DATA
Data merupakan data reservoir lapangan minyak Jatibarang. Data
terdiri dari data koordinat bawah permukaan (Northing, Easting), dan data
ketebalan reservoir minyak pada titik yang dijadikan sampel.
3.2 PENGAMBILAN SAMPEL
Sampel yang digunakan dalam tugas akhir ini diambil dengan cara
acak. Sampel diambil sebanyak 25 data lokasi dari sebanyak 83 lokasi
lainnya.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
23/86
10
3.3 METODE PENAKSIRAN VOLUME RESERVOIR
Penaksiran volume reservoir dilakukan dengan beberapa tahap.
Tahap pertama adalah menentukan ukuran blok, dalam hal ini blok berbentuk
persegi panjang. Pembuatan blok diusahakan agar setiap blok hanya
terdapat satu titik sampel. Tahap kedua adalah menentukan ketebalan
reservoir dalam blok. Pada tugas akhir ini penaksiran ketebalan reservoir
dilakukan dengan metode penaksiran Simple Kriging.Kemudian dengan
menggunakan metode penghitungan cadangan, volume reservoir dihitung
dengan rumus V = A x l, dimana Aadalah luas blok dan ladalah tebal
reservoir, dengan asumsi bahwa reservoir berbentuk balok-balok dengan
permukaan yang rata. Berikut ini adalah pembahasan metode penaksiran
Kriging.
3.4 METODE KRIGING
Metode Kriging adalah metode penaksiran yang sering digunakan
dalam bidang pertambangan. Metode ini digunakan untuk menginterpolasi
suatu nilai kandungan mineral berdasarkan nilai-nilai yang diketahui.
Misalkan akan diestimasi karakeristik Zpada suatu lokasi yang tidak terukur
berdasarkan informasi dari titik-titik yang terukur karakteristiknya. Hal ini
dapat dilakukan dengan membentuk kombinasi linear dari titik-titik yang telah
diketahui informasinya Z1,Z2,..., Zn. Yaitu dengan membentuk i ii
Z Z= .
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
24/86
11
Pada tugas akhir ini metode kriging yang digunakan adalah metode simple
kriging.Secara ringkas alur metode simple kriging adalah sebagai berikut.
Peubah teregional Z
dengan nilai pada
lokasi siadalah z(s
i)
, i= 1,2,3,,n
start
Asumsi data s tasioner
orde dua
Asumsi mean diket ahui
Tidak dapat
menggunakan simple
kriging
Penaksiran simple kriging dengankovariogram
membentuk kombinasi linear dari z(s1), z (s2), . ..z (sn) untuk m enaksir nilai
Z pada titik yang tidak tersampel s0
0 1 1 2 2( ) ( ) ( ) ... ( )n nZ s z s z s z s = + + +
Membentuk persamaan simple kriging dengan menggunakansemivariogram yang valid
Didapatkan nilai
1 2, ,..., n
Menghitung0
( )Z s
Menghitung variansi dari taksiran
stop
Tidak terpenuhi
terpenuhi
terpenuhi
Menggunakan
ordinary kriging
Tidak
terpenuhi
Gambar 3.1alur penaksiran metode simple kriging
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
25/86
12
Kriging adalah metode estimasi yang diupayakan menghasilkan
taksiran yang bersifat BLUE (Best Linear Unbiased Estimator). Masalah yang
dapat diselesaikan dengan kriging adalah mencari estimasi linear terbaik dari
titik atau blok yang tidak diketahui berdasarkan data-data spasial yang
diketahui. Data spasial adalah suatu hasil pengukuran yang memuat
informasi mengenai lokasi dari pengukuran.
3.5 DATA SPASIAL
Data spasial adalah suatu pengukuran yang memuat informasi
mengenai lokasi atau koordinat dari pengukuran. Variabel teregional Z(s)
adalah variabel yang terdistribusi di dalam ruang dan menujukkan adanya
korelasi spasial. Nilai data di lokasi s yaitu z(s) disebut realisasi dari variabel
random Z(s). Kumpulan variabel teregional Z(s) disebut fungsi random. Agar
dapat melakukan penaksiran variabel teregional dengan metode simple
kriging, data spasial harus memenuhi asumsi stasioner orde dua atau
stasioner intrinsik. Subbab berikut akan menjelaskan asumsi stasioner orde
dua dan stasioner intrinsik
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
26/86
13
3.6 ASUMSI STASIONER ORDE DUA DAN STASIONER INTRINSIC
Misalkan Ds R adalh lokasi data spasial pada ruang dimensi D dan
z(s) adalah nilai pengukuran pada lokasi s. Kumpulan dari variabel teregional
Z(s), { }( ) : DZ s s R disebut proses spasial.
Pada pengamatan lapangan terhadap proses spasial seringkali
ditemukan variabilitas nilai yang besar. Hipothesis stasioner diperlukan untuk
mengamati fenomena tersebut. Proses spasial { }( ) : DZ s s R disebut
memenuhi asumsi stasioner orde dua apabila distribusi dari Z(s) invarian
terhadap translasi. Artinya untuk setiap penambahan jarak sebesar h,
distribusi dari Z(s1), Z(s2),..., Z(sn) sama dengan distribusi Z(s1+h), Z(s2+h),...,
Z(sn+h) . Apabila hanya dua momen pertama dari Z(s) yaitu mean dan
variansi yang memenuhi sifat ini, maka kondisi ini dinamakan stasioner orde
dua. Sebuah fungsi random disebut stasioner orde dua jika memenuhi:
1. Mean Konstan
E[Z(s)] = (1)
Artinya mean dari Z(s) konstan untuk setiap titik s.
2. Kovariansi adalah fungsi dari jarak antara titik s dan s+h.
Cov[Z(s), Z(s+h)] = E[ (Z(s)-E[Z(s)]) (Z(s+h)-E[Z(s+h)]) ] = C(h) (2)
Dengan kata lain fungsi kovariansi antara dua titik hanya bergantung pada
vektor h. Lebih sederhananya stasioner orde dua mengimplikasikan bahwa
nilai ekspektasi dan kovariansi invariant terhadap translasi
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
27/86
14
Berdasarkan (1) maka kovariansi (2) dapat dituliskan
Cov[Z(s),Z(s+h)] = E[Z(s)Z(s+h)]-Z(s)E[Z(s+h)]- E[Z(s)]Z(s+h) + E[Z(s)]2
= E[Z(s)Z(s+h)] - E[Z(s)]
2
= E[Z(s)Z(s+h)] - 2 (3)
Jika h = 0 diperoleh definisi variansi dari Z(s), yaitu
C(0)=var[Z(s)]= 2Zuntuk setiap s.
Kovariansi untuk dua data yang berjarak 0, atau h=0 nilainya sama dengan
variansi dari populasi
Hipothesis stasioner orde dua untuk variabel teregional tidak selalu
dipenuhi. Kondisi ini dapat diperlemah dengan adanya asumsi stasioner
intrinsik , yaitu dengan mengasumsikan selisih jarak antara dua variabel
random adalah variabel teregional stasioner orde dua.
E[Z(s+h)-Z(s)] = 0
Var[Z(s+h)-Z(s) = 2 ( )h ]
Dimana ( )h adalah semivariogram. Setiap variabel teregional yang
memenuhi asumsi stasioner orde dua maka memenuhi asumsi stasioner
intrinsik, tetapi tidak berlaku sebaliknya. Apabila variabel teregional
memenuhi asumsi stasioner orde dua, penaksiran simple krigingdilakukan
dengan menggunakan kovariogram. Subbab berikut akan membahas fungsi
yang dapat menggambarkan korelasi spasial, yaitu kovariogram dan
semivariogram.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
28/86
15
3.7 KOVARIOGRAM
Salah satu fungsi yang dapat mengamati korelasi spasial antar data sampel
adalah fungsi kovaraiansi atau kovariogram, C(h). Berdasarkan asumsi
stasioner orde dua kovariogram didefinisikan sebagai:
( ) {[ ( ) ].[ ( ) ]}C h E Z s h Z s = +
Agar dapat berguna dalam menyelesaikan persamaan simple kriging maka
kovariogram haruslah definit positif. Penjelasan mengenai kovariogram harus
definit positif terdapat pada lampiran 1.
3.7.1 KOVARIOGRAM EKSPERIMENTAL
Tahapan awal untuk memodelkan kovariogram adalah menghitung
kovariogram berdasarkan data yang dijadikan sampel. Kovariogram seperti
ini disebut kovariogram eksperimental dan dapat dinyatakan sebagai berikut :
2
1
)(
1
])(1
[)]().([)(
1)(
==
+=n
i
i
hN
i
ii szn
szhszhN
hC
Dimana
is : lokasi titik sampel
)( isz : Nilai pengamatan pada lokasi is
h : Jarak antara dua data
( is , is + h ) : Pasangan data yang berjarak h
( )N h : Banyaknya pasangan berbeda yang memiliki jarak h
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
29/86
16
n : Banyaknya sampel
Kovariogram dibagi menjadi 2 macam, yaitu :
1. Jika C ( h ) hanya bergantung pada jarak h , maka kovariogram
tersebut disebut kovariogram isotropik.
2. Jika C ( h ) bergantung pada jarak h dan arah , maka kovariogram
tersebut disebut kovariogram anisotropik.
Pada tugas akhir ini hanya akan dibahas mengenai kovariogram isotropik.
3.7.2 KOVARIOGRAM TEORITIS
Hasil penghitungan kovariogram eksperimental juga tidak langsung
dapat digunakan dalam melakukan penaksiran melainkan harus dimodelkan
terlebih dahulu menjadi sebuah fungsi. Fungsi yang dapat digunakan sebagai
model dari hasil penghitungan kovariogram eksperimental adalah fungsi yang
memenuhi kondisi definit positif(positive definit) pembahasan lebih lanjut
terdapat di lampiran 2
Parameter-parameter yang digunakan untuk mendeskripsikan
semivariogram adalah :
Nugget(C0)
Nugget merupakan pendekatan nilai kovariogram atau semivariogram
pada jarak disekitar nol.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
30/86
17
Range(a)
Range merupakan jarak (lag distance) maksimum dimana masih terdapat
korelasi spasial antar variabel teregional.
Sill (C)
Nilai dari sill pada umumnya mendekati nilai variansi dari populasi (sill
)]([ sZVar ).
Parameter tersebut dapat digambarkan dengan gambar berikut
Gambar 3.2 Plot kovariogram
Berikut ini adalah beberapa fungsi yang dapat digunakan sebagai
model semivariogram, diantaranya adalah:
1. Model Nugget effect
C(h) = C 0=h
= 0 0|| >h
C(h
2
a
h
sill
range
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
31/86
18
Plot dari kovariogram model nugget adalah sebagai berikut
Gambar 3.3 Plot kovariogram model nugget
2. Model Spherical
C(h) = C3
3
31
2 2
h h
a a
+
ah
5/20/2018 Penaksiran Volume
32/86
19
3. Model Eksponensial
C(h) = exph
Ca
ah
5/20/2018 Penaksiran Volume
33/86
20
Berdasarkan hipothesis intrinsik, semivariogram didefinisikan
( )h =1
var[ ( ) ( )]2
Z s h Z s+
})]()({[)2
1()( 2sZhsZEh +=
3.8.1 SEMIVARIOGRAM EKSPERIMENTAL
Sebelum membentuk model semivariogram, maka harus dihitung
terlebih dahulu semivariogram eksperimental. Semivariogram eksperimental
adalah semivariogram yang dihitung dari data yang diketahui, dinyatakan
dalam
=
= + ( )
2
1
1( ) [ ( ) ( )]
2 ( )
N h
i i
i
h z s h z sN h
si menyatakan lokasi ke i. z(si) menyatakan pengamatan pada lokasi ke i.
N(h) menyatakan banyaknya pasangan berbeda yang memiliki jarak h.
Semivariogram yang digunakan dalam tugas akhir ini adalah semivariogram
isotropic, yaitu ( )h hanya bergantung pada jarak |h|.
3.8.2 SEMIVARIOGRAM TEORITIS
Hasil penghitungan semivariogram eksperimental, tidak selalu dapat
digunakan dalam perhitungan lebih lanjut. Model semivariogram yang
digunakan dalam kriging harus memenuhi beberapa ketentuan sehingga
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
34/86
21
persamaan kriging dapat diselesaikan, yaitu semivariogram harus memenuhi
kondisi definit negatif bersyarat, agar sistem persamaan kriging terjamin
memiliki solusi. pembahasan semivariogram harus memenuhi kondisi definit
negatif bersyarat terdapat pada lampiran 3.
Parameter-parameter yang digunakan untuk mendeskripsikan
semivariogram adalah :
Nugget(C0)
Nugget merupakan pendekatan nilai semivariogram pada jarak disekitar
nol.
Range(a)
Range merupakan jarak (lag distance) maksimum dimana masih terdapat
korelasi spasial antar variabel teregional.
Sill (C0+C)
Sill merupakan sebuah nilai tertentu yang konstan yang dimiliki oleh
semivariogram untuk jarak (lag distance) tertentu sampai dengan lag
distanceyang tidak terhingga. Nilai dari sill pada umumnya mendekati
nilai variansi dari populasi (sill )]([ sZVar ).
Berikut ini terdapat beberapa fungsi yang dapat digunakan sebagai
model semivariogram, diantaranya adalah:
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
35/86
22
1. Model nugget effect
)(h = 0 0=h
= C0 0|| >h
Model ini berhubungan dengan data yang tidak berkorelasi satu sama
lain meskipun jaraknya sangat dekat. Kurva model nugget effect dapat
dilihat pada gambar dibawah ini.
Gambar 3.6Semivariogram model nugget effect
2. Model spherical
)(h = C
3
3
2
||
2
||3
a
h
a
h ah
5/20/2018 Penaksiran Volume
36/86
23
Gambar 3.7Semivariogram modelspherical
3. Model eksponensial
Seperti pada model spherical, model eksponensial akan menghasilkan
garis lurus untuk harga-harga disekitar titik asal. Perbedaannya
terletak pada panjang garis singgung terhadap range. Untuk model
eksponensial, garis singgung akan mencapai sill pada 3 kali range.
Persamaan model eksponensial adalah sebagai berikut :
)(h =
a
hC
||exp1 0|| h
Kurva untuk model eksponensial dapat dilihat pada gambar dibawah.
Gambar 3.8Semivariogram modelspherical
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
37/86
24
3.9 HUBUNGAN KOVARIOGRAM DAN SEMIVARIOGRAM
Hubungan antara fungsi kovariansi (kovariogram) dengan semivariogram
adalah
( h ) = C(0) C( h )
Bukti :
( h ) = ( ) })]()({[2
1 2sZhsZE +
= ( ) ]})(][)([2])([])({[2
1 2 +++ sZhsZsZhsZE
= ( ) +++++ )]([)].([2)](),([{2
1 2 sZEhsZEhsZhsZE
]})(][)([2 + sZhsZ
( ) ]})(][)([2.2)](),([{2
1 22 +++++= sZhsZhsZhsZE
( ) ]})(][)([2)](),([{2
1 2 +++= sZhsZhsZhsZE
( h ) = C(0) C( h )
Sebelum digunakan untuk mencari bobot dari simple kriging, semivariogram
atau kovariogram haruslah valid atau cocok untuk digunakan. Untuk menguji
hal tersebut digunakan metode validasi silang
3.10 VALIDASI SILANG
Sebelum model semivariogram atau model kovariogram digunakan
dalam melakukan penaksiran dengan metode simple kriging, perlu diuji
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
38/86
25
apakah model semivariogram tersebut sesuai dengan keadaan data spasial
yang ada. Didasari oleh tujuan tersebut, diperlukan suatu pengujian untuk
menguji kecocokan model semivariogram atau model kovariogram.
Jika model semivariogram menggambarkan korelasi spasial dalam
data dengan baik, maka nilai prediksi )( 0^
sZ akan mendekati nilai sebenarnya
)( 0sZ . Atau dapat dinyatakan sebagai berikut :
Data (Respon) = Prediksi + Residual
)( 0sZ = )( 0^
sZ + e
Dalam pemodelan statistik, estimasi parameter dan validitas model
bergantung pada pemeriksaan residual.
Dalam tugas akhir ini pengujian yang akan digunakan untuk menguji
validitas model adalah validasi silang. Dalam pengujian validasi silang, model
semivariogram atau model kovariogram diuji dengan menggunakan nilai dari
sampel. Setelah model dipilih, nilai sampel yang sudah ada dianggap belum
diketahui, kemudian dilakukan penaksiran dengan metode simple kriging
terhadap sampel tersebut. Setelah itu, bandingkan nilai sampel yang
sebenarnya dengan hasil yang diperoleh melalui metode penaksiran. Selisih
antara kedua nilai tersebut disebut residual. Residual diasumsikan
berdistribusi normal.
Ide dasar dari validasi silang adalah menggunakan nilai-nilai residual
terbaku untuk menentukan apakah model semivariogram atau model
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
39/86
26
kovariogram yang dipilih sudah valid. Residual terbaku adalah residual yang
sudah distandarisasi. Jika model sudah valid, model semivariogram atau
model kovariogram tersebut dapat digunakan untuk menaksir nilai dari
peubah teregional di lokasi yang tidak tersampel. Statistik uji yang digunakan
adalah statistik uji 1Q dan 2Q .
3.10.1 STATISTIK UJI 1Q
1Q menyatakan rata-rata dari residual terbaku, atau dapat dinyatakan
sebagai berikut :
=
=n
k
kn
Q2
11
1
Karena k adalah residual terbaku dinyatakank
k
k
e
= , maka )1,0(~ Nk .
Sehingga ekspektasi dan variansi dari 1Q adalah :
a. 0][1
1
1
1][
22
1 ==
= ==
n
k
k
n
k
k Enn
EQE
][ 21QE =
=
= ==
n
k
n
l
lk
n
k
kn
En
E2 2
22
2 1
1
1
1
=1
1)1(1
1)(1
1
2
2 2
2
=
=
= = n
nn
En
n
k
n
l
lk
][ 1QVar = ][2
1QE - ][ 12 QE
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
40/86
27
=1
10
1
1
=
nn
Jadi dapat dapat disimpulkan bahwa )1
1,0(~
1 nNQ
Selain statistik uji 1Q , dapat digunakan statistik uji 2Q untuk menguji apakah
model semivariogram yang dipilih valid. Pada pembahasan berikut ini akan
dibahas mengenai statistik uji 2Q .
3.10.2 STATISTIK UJI2Q
2Q menyatakan rata-rata dari kuadrat residual terbaku, atau dapat
dinyatakan sebagai berikut :
=
=n
k
kn
Q2
2
21
1
Karena k adalah residual terbaku dinyatakank
k
k
e= , maka )1,0(~ Nk .
Sehingga ekspektasi dan variansi dari 2Q adalah :
1][1
1
1
1][
2
21
2
2
2 ==
= =
=
n
k
k
n
k
k Enn
EQE
][ 2QVar =1
2
n
Jadi dapat dapat disimpulkan bahwa 22 ( 1)~ nQ
Berdasarkan pembahasan diatas, model kovariogram atau semivariogram
merupakan model yang baik jika nilai Q2mendekati nilai satu.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
41/86
28
Pada pembahasan selanjutnya akan dijelaskan mengenai langkah-
langkah yang dilakukan dalam validasi silang.
3.10.3 LANGKAH-LANGKAH VALIDASI SILANG
Langkah-langkah yang dilakukan dalam pengujian validasi silang
adalah sebagai berikut :
1. Misalkan )( isz adalah nilai dari peubah teregional Z di lokasi is
dimana ni ,...,3,2,1= . Hitung taksiran )( 2sz dengan metode Simple
kriging hanya dengan menggunakan nilai )( 1sz .
)()( 112 szsz =
Dengan menggunakan sistem persamaan Simple kriging
didapat )()( 12 szsz =
2. Bandingkan hasil taksiran )( 2sz dengan nilai )( 2sz dari data sampel.
Kemudian hitung residual dari taksiran,
)()( 222 szsze =
3. Selanjutnya gunakan nilai )( 1sz dan nilai )( 2sz untuk menaksir nilai
)( 3sz . Kemudian hitung residualnya.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
42/86
29
4. Setelah seluruh residual telah dihitung, kemudian lakukan standarisasi
residual. Residual yang telah distandarisasi tersebut disebut residual
terbaku. Residual terbaku dinyatakan dengan k .yaituk
k
k
e
=
5. Lanjutkan prosedur yang sama untuk mengkonstruksi residual terbaku
yang lainnya sampai diperoleh )( nsz dengan menggunakan
)(),...,(),( 121 nszszsz . Secara umum, residual dan residual terbaku
dapat dinyatakan sebagai berikut :
)()( kkk szsze = , untuk nk ,...,2=
k
k
k
e
= untuk nk ,...,2=
6. Hitung rata-rata dari keseluruhan residual terbaku ( 1Q ) dan rata-rata
kuadrat residual terbaku ( 2Q ), yaitu :
=
=n
k
kn
Q2
11
1
7. Menghitung rata-rata dari keseluruhan residual terbaku kuadrat, yang
dinyatakan denganQ2, yaitu :
22
2
1
1
n
k
Qn
=
=
8. Setelah itu dilakukan pengujian hipotesis
H0 : Model semivariogram cocok (valid)
H1 : Model semivariogram tidak cocok (tidak valid)
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
43/86
30
Statistik uji : =
=n
k
kn
Q2
11
1
Aturan keputusan dengan kepercayaan 95% :
H0ditolak jika1
2|| 1
>
nQ
Atau dengan perkataan lain, model semivariogram yang dipilih tidak
cocok (valid) jika1
2|| 1
>
nQ .
9. Setelah didapatkan model kovariogram yang valid, selanjutnya akan
dipilih model kovariogram yang lebih baik dari beberapa model
kovariogram yang sudah valid. Pemilihan model yang lebih baik
dilakukan dengan memilih model kovariogram yang memiliki nilai Q2
yang lebih mendekati nilai 1.
3.10.4 PENGUJIAN KENORMALAN RESIDUAL
Asumsi kenormalan diperlukan dalam penentuan model kovariogram.
Pada tugas akhir ini akan digunakan pengujian Shapiro Wilks.Berikut ini
adalah pengujian hipothesis kenormalan residual dengan uji Shapiro Wilks.
Hipothesis uji Shapiro Wilks.
H0 : residual dari model kovariogram berdistribusi normal
H1 : residual dari model kovariogram tidak berdistribusi normal
dipilih nilai =0.05
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
44/86
31
statistik uji
=
= 21
( )n
i
i
D dimana adalah residual dari model kovariogram
Aturan keputusannya adalah sebagai berikut
H0ditolak jika <
Jika H0ditolak maka residual tidak berdistribusi normal. Jika H0tidak ditolak
maka residual berdistribusi normal
3.11 PENGUJIAN KENORMALAN
Pengujian kenormalan diperlukan dalam mengamati data ketebalan
reservoir. Selain itu Asumsi kenormalan diperlukan dalam penentuan model
kovariogram. Pada tugas akhir ini akan digunakan pengujian Shapiro Wilks.
Berikut ini adalah pengujian hipothesis kenormalan variabel dengan uji
Shapiro Wilks.
Hipothesis uji Shapiro Wilks.
H0 : data berdistribusi normal
H1 : data tidak berdistribusi normal
dipilih nilai =0.05
statistik uji
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
45/86
32
=
= 21
( )n
i
i
D X X dimana X adalah variabel yang akan diuji kenormalannya.
Pada tugas akhir ini variabel yang diuji kenormalannya adalah ketebalan
reservoir dan residual dari model kovariogram.
Aturan keputusannya adalah sebagai berikut
H0ditolak jika <
Jika H0ditolak maka data tidak berdistribusi normal. Jika H0tidak ditolak
maka data berdistribusi normal
3.12 SIMPLE KRIGING
Simple kriging adalah salah satu bentuk kriging dengan asumsi mean
diketahui. Misalkan Y adalah peubah regional stasioner orde 2 yang
merepresentasikan variasi disekitar mean dari )(sZ . Dimana )(sZ adalah
peubah regional stasioner dan mean dari )(sZ diasumsikan diketahui = m.
)(sZ dapat dinyatakan dengan :
Z(s) = +Y(s), maka penaksir dari Y(s) adalah sebagai berikut
0
1
( ) ( )N
i i
i
Y s Y s=
=
Penaksir ini tidak bias dan memiliki variansi minimum. Dengan nilai variansi
20 0
1
( ) (0) ( )n
i iSK
j
s C C s s =
=
Dimana C adalah matrik kovariansi. Dengan mengembalikan ke persamaan
awal Z=Y+m maka diperoleh penaksir simple kriging
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
46/86
33
Z=Y+m
= [ ]1
( )N
i i
i
Z s m m=
+
=1
( ) 1N
i i i
i
Z s m =
+
=1
( )N
i i
i
Z s m =
+
Dimana adalah bobot mean.
Dalam melakukan metode simple krigingdiperlukan kovariogram untuk
membentuk sistem persamaan kriging. Pada tugas akhir ini fungsi yang
digunakan untuk mengamatik korelasi spasial adalah kovariogram. Hal ini
karena kovariogram dapat digunakan dalampenaksiran simple krigingsatu
titik dengan menggunakan satu titik sampel, sedangakan semivariogram tidak
dapat digunakan. Penaksiran simple krigingsatu titik dengan satu titik sampel
dengan semivariogram tidak dapat dilakukan karena adanya pembagian
dengan nol pada saat penghitungan bobot simple kriging.Penaksiran
menggunakan satu titik sangat diperlukan untuk validasi silang. Oleh karena
itulah semivariogram tidak digunakan. Berikut ini akan dibahas taksiran dari
metode simple kriging yang diupayakan dapat memenuhi sifat BLUE (Best
Linier Unbiased Estimator).
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
47/86
34
3.12.1 SIFAT UNBIASED DAN VARIANSI MINIMUM
Berikut akan dicari taksiran yang bersifat BLUE untuk persamaan
simple kriging. Karena asumsi kestasioneran dan mean diketahui, maka
E[Z(s)] = m dan C(h) diketahui. Didefinisikan variabel Y(s) dengan mean nol.
Y(s) = Z(s) m (4)
E[Y(s)] = 0
Pada pengukuran di lokasi nsss ......,2,1 misalkan diketahui nilai observarsi Y1,
Y2, Y3,, Yn. dengan Yi= Y(si). akan dicari estimator linear Y(s0) dari Y(s0)
dititik s0menggunakan nilai-nilai yang diobservasi, yaitu
0
1
( )n
i i
i
Y s Y=
= (5)
Untuk mencari bobot i dan berdasarkan sifat penaksir kriging, maka
Y(s0) haruslah penaksir tak bias dan variansinya minimum.
0 0 0( ) ( ) ( )s Y s Y s = (6)
E[ 0( )s ] = E[ 0 0( ) ( )Y s Y s ]
= E[ 01
( )n
i i
i
Y s Y=
]
Karena diketahui E[Y(s)]=0 maka
E[ 0( )s ] = 0 (7)
Sehingga dapat disimpulkan Y(s0) tidak bias.
Variansi dari error adalah
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
48/86
35
Var[ 0( )s ] = E[( 0 0( ) ( )Y s Y s )2] (8)
= 201
[( ) ]n
i i
i
E Y Y =
= 20 01 1 1
[( )( )] 2 [ ] [ ]n n n
i i i i i i
i i i
E Y Y E YY E Y = = =
+
= 20 01 1 1
[ ] 2 [ ] [ ]n n n
i j i j i i
i j i
E YY E Y Y E Y = = =
+
karena m = E[Y(s)] = 0 maka
E[YiYj] = C(si-sj) + m2= C(si-sj)
Dan E[Y02] = C(0) = var[Y]
Maka
E[( 0 0( ) ( )Y s Y s )2] = 01 1 1
( ) 2 ( )n n n
i j i j i i
i j i
C s s C s s = = =
+ E[Y02] (9)
Untuk meminimunkan persamaan 9, hal yang akan dilakukan adalah
menghitung turunan parsial pertama terhadap n ,....1 dan membuat setiap
turunan tersebut sama dengan nol. Dibawah ini akan dicontohkan untuk 1 .
Untuk yang lainnya dapat dilakukan dengan cara yang sama.
turunan parsial pertama = 0.
2
0 0( [ ( ) * ( )) ])i
E Y s Y s = 01
2 ( ) 2 ( ) 0n
i i j i
j
C s s C s s=
= (10)
j=1,,n
sehingga dihasilkan persamaan simple kriging
0
1
( ) ( )n
i i j i
j
C s s C s s=
= (11)
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
49/86
36
Dapat juga dituliskan dalam persamaan linear
= b (12)
Dimana matriks C diberikan sebagai berikut.
=
1 2 1
2 1 2
1 2
(0) ( ) ( )
( ) (0) ( )
( ) ( ) (0)
n
n
n n
C C s s C s s
C s s C C s s
C s s C s s C
Kemudian vektor b di bagian kanan adalah
1 0
0
( )
( )n
C s s
b
C s s
=
Dapat juga dituliskan sebagai
1 2 1 1 1 0
2 1 2 2 2 0
1 2 0
(0) ( ) ( ) ( )
( ) (0) ( ) ( )
( ) ( ) (0) ( )
n
n
n n n n
C C s s C s s C s s
C s s C C s s C s s
C s s C s s C C s s
=
(13)
Sistem persamaan (11) adalah sistem persamaan simple kriging. Matriks
adalah matrik kovariansi spasial (kovariogram) dan tidak bergantung
pada x0,
3.12.2 VARIANSI TAKSIRAN SIMPLE KRIGING
Misalkan )(xZ adalah peubah teregional stasioner dengan kovariansi
C( h ).
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
50/86
37
Akan dicari estimasi variansi dari taksiran kriging. Estimasi dari variansi
didefinisikan sebagai variansi dari error.
0 0Y Y=
Sehingga
Var[Y0- Y0] = E[(Y0- Y0)2] - E[(Y0- Y0)]
2
Tetapi
E[Y0- Y0] = E[Y0] - E[Y0]
= [ ]i ii
E Y
- E[Y0] = 0
Dari (11) didapatkan
0
1
( ) ( )n
i i j i
j
C s s C s s=
=
Sehingga kita dapatkan
Var[Y0- Y0] = E[(Y0- Y0)2] - E[(Y0- Y0)]
2
= E[(Y0- Y0)2]
= 0( ) 2 ( ) (0)i j i j i i i j i
C s s C s s C +
= 01
(0) ( )n
i i
j
C C s s=
2
0 01
( ) (0) ( )
n
i iSKjs C C s s == (14)
Variansi ini dinamakan variansi prediksi simpel kriging yang independen dari
nilai data.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
51/86
38
Variabel awal adalah Z = Y+m, maka estimator simpel kriging adalah:
Z(s0) = m + ( ( ) )i ii
Z s m
Var[ Z(s0)- Z(s0)] = var[Z(s0)]- 01
( )n
i i
j
C s s=
3.12.3 TAKSIRAN BLOK
Permasalahan yang dapat diselesaikan dengan metode penaksiran
kriging adalah mencari estimasi linear terbaik untuk titik atau blok yang tidak
tersampel. Pada tugas akhir ini taksiran yang akan dicari adalah penaksir
blok. Dalam hal ini blok D direpresentasikan oleh titik pusat blok (uk).
Sehingga sistem simpel kriging menjadi
1 1 1, 2 1, 1 1,
2, 1 2 2 2, 2 2,
, 1 , 2 ,
( , ) ( ) ( ) ( )
( ) ( , ) ( ) ( )
( ) ( ) ( , ) ( )
n
n
n n n n n n
C s s C s s C s s C s D
C s s C s s C s s C s D
C s s C s s C s s C s D
=
Karena blok direpresentasikan oleh titik pusak blok (uk) maka sistem di atas
menjadi
1 1 1, 2 1, 1 1,
2, 1 2 2 2, 2 2,
, 1 , 2 ,
( , ) ( ) ( ) ( )
( ) ( , ) ( ) ( )
( ) ( ) ( , ) ( )
n k
n k
n n n n n n k
C s s C s s C s s C s u
C s s C s s C s s C s u
C s s C s s C s s C s u
=
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
52/86
39
3.13 PENGHITUNGAN VOLUME RESERVOIR.
Penghitungan volume reservoir dilakukan dengan metode penghitungan
volume balok. Pada hal ini permukaan reservoir diasumsikan berbentuk
persegi panjang (blok) dan ketebalan reservoir merupakan ketebalan hasil
penaksiran dengan simple kriging.
Volume reservoir = taksiran ketebalan reservoir x luas persegi panjang (blok)
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
53/86
40
BAB IV
ANALISIS DATA
4.1 DATA
Data yang digunakan dalam tugas akhir ini adalah data lapangan
minyak bumi Jatibarang sebanyak 25 sumur. Data tersebut terdiri dari lokasi
titik sampel dalam koordinat bawah tanah (x,y) dan ketebalan reservoir pada
lokasi tersebut. Data dapat dilihat pada tabel dibawah ini:
Tabel 4.1 Data Koordinat Lokasi Titik Sampel (meter) dan Ketebalan
Reservoir Minyak (meter) di Lapangan Minyak Jatibarang Jawa
Barat
NoEasting
(X)Northing
(Y)Ketebalanreservoir No
Easting(X)
Northing(Y)
Ketebalanreservoir
1 3125 5750 278 14 4625 3250 291
2 3125 6250 301 15 4625 5750 279
3 2875 5250 268 16 4825 5750 302
4 2875 4250 303 17 5125 5750 338
5 2625 5250 268 18 5125 3250 302
6 2375 5250 276 19 5375 3250 302
7 2125 5750 205 20 2152 3750 306
8 1875 5750 285 21 4375 5250 378
9 1875 5250 266 22 3125 4250 291
10 1625 5250 241 23 3375 4250 317
11 2125 3750 266 24 3375 5250 278
12 3375 3750 265 25 2875 4250 283
13 4375 3250 291
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
54/86
41
4.2 PERMASALAHAN
Mencari taksiran ketebalan reservoir di lokasi yang tidak tersampel dengan
menggunakan metode Simple Kriging, kemudian mencari volume dari
reservoir tersebut.
4.3 PENGOLAHAN DATA
Langkah 1. Statistika Deskriptif.
Statistik deskriptif disusun untuk mengetahui gambaran umum dari data
ketebalan reservoir minyak bumi di lapangan minyak Jatibarang. Statistika
deskriptif yang akan disusun terdiri dari nilai mean, variansi, standar deviasi,
kuantil bawah, median, kuantil atas, nilai minimum, nilai maksimum, koefisien
variansi, dan range.
Tabel. 4.2 Tabel Stastitika Deskriptif Data Ketebalan Reservoir
Statistika deskriptif
Mean 278.6
Median 285
Standar deviasi 31.835
Variansi 1013.5
Minimum 205
Maksimum 378
Mean dari sampel ketebalan reservoir adalah 287.6 meter dengan median
285 meter. Standar deviasi dari sampel ketebalan adalah 31.835, variansinya
sebesar 1013.5. Tebal reservoir paling kecil adalah 205 meter, dan reservoir
paling tebal adalah 378 meter.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
55/86
42
Langkah 2. Pengujian kenormalan dari data ketebalan reservoir
Pengujian kenormalan data ketebalan reservoir dilakukan dengan
menggunakan uji Shapiro Wilks. Berikut ini adalah plot histogram dari data
kebetabalan reservoir dengan garis kurva normal.
400.00350.00300.00250.00200.00
ketebalan reservoir
7
6
5
4
3
2
1
0
Frequency
Mean = 287.60
Std. Dev. =
31.83551
N = 25
Histogram
Gambar 4.1Plot histogram data ketebalan reservoir minyak bumi.
Table 4.3 Tabel Pengujian Kenormalan Data Ketebalan Reservoir
Tests of Normality
.134 25 .200* .968 25 .594ketebalan reservoir
Statistic df Sig. Statistic df Sig.
Kolmogorov-Smirnova
Shapiro-Wilk
This is a lower bound of the true significance.*.
Lilliefors Significance Correctiona.
Pengujian kenormalan data ketebalan reservoir
H0 : data ketebalan reservoir berdistribusi normal
H1 : data ketebalan reservoir tidak berdistribusi normal
Tingkat signifikansi = 0.05
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
56/86
43
Aturan keputusan H0ditolak jika sig(2-tailed) < dari .
Berdasarkan output diatas didapatkan sig(2-tailed) = 0.594
keputusannya H0ditolak.
Sehingga dapat disimpulkan bahwa data ketebalan reservoir berdistribusi
normal. Hal ini juga dapat dilihat pada gambar 4.1
Langkah 3. Membuat plot lokasi data sampel
Membuat plot lokasi data sampel dalam diagram koordinat. Pembuatan plot
lokasi dilakukan sebagai pertimbangan dalam menentukan ukuran grid blok
agar didapatkan kovariogram eksperimental yang representatif. Tahap
selanjutnya membuat grid sebesar 250 x 500 dan titik-titik sample diplotkan
dalam koordinat lokasi. Setelah itu akan didapatkan 96 blok
5500.005000.004500.004000.003500.003000.002500.002000.001500.00
x
6000.00
5000.00
4000.00
3000.00
y
Gambar 4.2 Plot lokasi data
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
57/86
44
Langkah 4. Menghitung kovariogram eksperimental.
Hal yang harus dilakukan sebelum membentuk kovariogram eksperimental
adalah menghitung jarak antar titik sample. Jarak yang digunakan adalah
jarak euclidean, yaitu
2 2( ) ( )ij i j i j i j d s s x x y y = = +
Kovariogram eksperimental didefinisikan sebagai berikut :
2
1
)(
1
])(1
[)]().([)(
1)(
==
+=n
i
i
hN
i
ii szn
szhszhN
hC
Dimana :
is : lokasi titik sampel
)( isz : nilai pengamatan pada lokasi is
h : jarak antara dua sampel dan biasa disebut lag.
( )N h : banyaknya pasangan berbeda yang memiliki jarak h .
Hasil dari perhitungan kovariogram eksperimental dapat dilihat pada tabel 4.4.
Tabel 4.4 Hasil Perhitungan Kovariogram Eksperimental
Kelaslag Lag
KovariogramEksperimental Pasangan Data
1 0 1013.5 25
2 380.952 558.45 42
3 626.343 419.9912 114
4 982.725 153.4362 188
5 1971.517 99 230
6 2426.458 3.647 210
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
58/86
45
Plot kovariogram eksperimental dapat dilihat pada gambar 4.3
kovariogram eksperimental
0
200
400
600
800
1000
1200
0
380
.952
626
.343
982
.725
197
1.52
2426.
46
kovariogram
eksperimental
Gambar 4.3 Plot Kovariogram Eksperimental
Langkah 5
Menguji asumsi stastioner orde dua dan stasioner intrinsik. Pengujian dengan
mengamati plot dari data. Berikut ini adalah plot tiga dimensi
Gambar 4.4Plot tiga dimensi data ketebalan reservoir.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
59/86
46
Plot di atas menunjukkan tidak adanya pola dari data, selanjutnya dilihat plot
ketebalan reservoir terhadap masing-masing sumbu koordinat
0
50
100
150
200
250
300
350
400
3250325037503750 4250 42505250525052505750575057506250
Series1
Gambar 4.5plot ketebalan dengan sumbu y
0
50
100
150
200
250
300
350
400
1625
1875
2125
2625
2875
3125
3125
3375
4375
4625
Series1
Gambar 4.6Plot ketebalan dengan sumbu x.
Dengan mengamati ketiga plot di atas dapat disimpulkan bahwa data tidak
memiliki trendatau pola, sehingga data diasumsikan memenuhi stasioner
orde dua.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
60/86
47
Langkah 6. Menentukan parameter kovariogram
Seperti yang telah disebutkan sebelumnya tidak semua fungsi kovariogram
dapat digunakan untuk mencari bobot dari sistem persamaan kriging. Untuk
itu akan dicari kovariogram teoritis yang cocok.
Akan dipilih 3 model berbeda, yaitu :
1. Model Nugget effect
C(h) = C 0=h
= 0 0|| >h
2. Model Spherical
C(h) = C3
3
31
2 2
h h
a a
+
ah
5/20/2018 Penaksiran Volume
61/86
48
1. Model nugget effect
Untuk model nugget effect dipilih nuggetsama dengan 241 , sehingga
modelnya menjadi:
C(h) = 241 0=h
= 0 0|| >h
2. Model Spherical
Untuk model Spherical dipilih range sama dengan 2300 dan sill sama
dengan 1010 sehingga modelnya menjadi :
C(h) = 10103
3
31
2(2300) 2(2300)
h h +
|h|
5/20/2018 Penaksiran Volume
62/86
49
Berdasarkan prosedur pada bab III, dilakukan perhitungan dengan program
Matlab (syntax terdapat pada lampiran 5 program). Hasil perhitungan residual
terbaku untuk masing-masing model dapat dilihat pada tabel-tabel dibawah
ini :
1. Penggunaan model Nugget effect
Model nugget effect
Untuk model nugget effectdipilih sill sama dengan 241, sehingga
modelnya menjadi:
C(h) = 0 0=h
= 241 0|| >h
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
63/86
50
Tabel 4.5 Tabel Hasil Perhitungan dengan Model Nugget Effect
Ketebalan
SampleKetebalanreservoir
Taksiranketebalan
denganSK variansi Residual Epsilon epsilon^2
}){|( 12 ssz 301 278.500 1013.500 -22.5 -0.022 0.001
}),{|( 213 sssz 278 300.400 482.000 22.4 0.046 0.002
}),,{|( 3214 ssssz 303 289.200 361.500 -13.8 -0.034 0.001
}),,,{|( 43215 sssssz 268 293.800 321.333 25.8 0.080 0.006
6 1 2 5( |{ , ,..., })z s s s s 276 287.350 301.250 11.35 0.037 0.001
7 1 2 6( |{ , ,..., })z s s s s 205 285.080 289.200 80.08 0.276 0.076
8 1 2 7( |{ , ,..., })z s s s s 285 271.733 281.166 -13.2667 -0.047 0.001
9 1 2 8( |{ , ,..., })z s s s s 266 272.675 271.125 6.675 0.024 0.001
10 1 2 9( |{ , ,..., })z s s s s 241 272.675 271.125 31.675 0.116 0.013
11 1 2 10( |{ , ,..., })z s s s s 266 269.155 267.777 3.1556 0.011 0.001
12 1 2 11( |{ , ,..., })z s s s s 265 268.840 265.100 3.84 0.014 0.001
13 1 2 12( |{ , ,..., })z s s s s 291 268.490 262.909 -22.5091 -0.085 0.007
14 1 2 13( |{ , ,..., })z s s s s 291 270.366 261.083 -20.6333 -0.079 0.006
15 1 2 14( |{ , ,..., })z s s s s 279 271.953 259.538 -7.0462 -0.027 0.001
16 1 2 15( |{ , ,..., })z s s s s 302 272.457 258.214 -29.5429 -0.114 0.013
17 1 2 16( |{ , ,..., })z s s s s 338 274.426 257.066 -63.5733 -0.247 0.061
18 1 2 17( |{ , ,..., })z s s s s 302 278.400 256.062 -23.6 -0.092 0.008
19 1 2 18( |{ , ,..., })z s s s s 302 279.788 255.176 -22.2118 -0.087 0.007
20 1 2 19( |{ , ,..., })z s s s s 306 281.022 254.388 -24.9778 -0.098 0.009
21 1 2 20( |{ , ,..., })z s s s s 378 297.000 253.684 -81 -0.319 0.101
22 1 2 21( |{ , ,..., })z s s s s 291 287.120 253.050 -3.88 -0.015 0.001
23 1 2 22( |{ , ,..., })z s s s s 317 286.876 252.476 -30.1238 -0.119 0.014
24 1 2 23( |{ , ,..., })z s s s s 278 288.245 251.954 10.2455 0.040 0.002
25 1 2 24( |{ , ,..., })z s s s s 283 278.000 5.01E-14 -5 -9.97E+13 9.95E+27
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
64/86
51
Akan dilakukan pengujian asumsi residual berdistribusi normal
Pengujian kenormalan akan dilakukan dengan uji Shapiro Wilks
H0 : residual dari model nugget effectberdistribusi normal
H1 : residual dari model nugget effecttidak berdistribusi normal
Dipilih nilai =0.05
Aturan keputusan
H0ditolak jika <
Dengan menggunakan software SPSS didapatkan output sebagai
berikut
Tabel 4.6Tabel Pengujian Kenormalan Residual Model Nugget effect
Tests of Normality
.159 24 .120 .943 24 .191residual model nugget
Statistic df Sig. Statistic df Sig.
Kolmogorov-Smirnova
Shapiro-Wilk
Lilliefors Significance Correctiona.
Berdasarkan output di atas didapatkan nilai =0.191.
Karena nilai >0.05 maka H0ditolak. Sehingga dapat disimpulkan
bahwa residual dari model nugget effect berdistribusi normal.
Selanjutnya akan dilakukan validasi silang untuk menguji apakah
model nugget effect dapat digunakan dalam menentukan bobot dari
sistem simple kriging.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
65/86
52
Validasi silang
H0 : model kovariogram dapat digunakan (valid)
H1 : model kovariogram tidak dapat digunakan ( tidak valid)
Aturan keputusan dengan kepercayaan 95% :
H0ditolak jika1
2|| 1
>
nQ
Dari hasil perhitungan Didapatkan nilai |Q1| = 4.15677E+12
dengan nilai
2
1n= 0.408 Sehingga |Q1|>
2
1n
Kesimpulan model nugget effectdengan nugget = 241 tidak dapat
digunakan untuk menaksir nilai ketebalan reservoir
Berdasarkan perhitungan didapatkan nilai Q2yaitu sebesar 4.14E+26
2. Penggunaan model Spherical
Untuk model Spherical dipilih range sama dengan 2300 dan sill
sama dengan 1010 sehingga modelnya menjadi :
C(h) = 23003
3
3 | | | |
2 * 2300 2 * (2300 )
h h
2300h <
= 1010 2300h
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
66/86
53
Tabel 4.7Hasil Perhitungan Model Spherical
ketebalan
sample
Ketebalan
reservoir
Taksiranketebalan
dengan SK variansi Residual Epsilon epsilon^2
}){|( 12 ssz 301 278.830 343.400 -22.17 -0.064 0.004
}),{|( 213 sssz 278 287.658 653.998 9.658 0.014 0.001
}),,{|( 3214 ssssz 303 268.030 569.448 -34.969 -0.061 0.003
5 1 2 4( |{ , ,..., })z s s s s 268 278.499 302.676 10.499 0.034 0.001
6 1 2 5( |{ , ,..., })z s s s s 276 272.770 302.292 -3.229 -0.010 0.001
7 1 2 6( |{ , ,..., })z s s s s 205 296.148 691.225 91.148 0.131 0.017
8 1 2 7( |{ , ,..., })z s s s s 285 225.980 85.563 -59.019 -0.689 0.475
9 1 2 8( |{ , ,..., })z s s s s
266 305.172 839.979 39.172 0.046 0.00210 1 2 9( |{ , ,..., })z s s s s 241 357.388 1.07E+03 116.388 0.108 0.011
11 1 2 10( |{ , ,..., })z s s s s 266 309.094 1.45E+03 43.094 0.029 0.001
12 1 2 11( |{ , ,..., })z s s s s 265 247.649 701.601 -17.351 -0.024 0.001
13 1 2 12( |{ , ,..., })z s s s s 291 252.094 225.847 -38.905 -0.172 0.029
14 1 2 13( |{ , ,..., })z s s s s 291 467.004 5.16E+03 176.004 0.034 0.001
15 1 2 14( |{ , ,..., })z s s s s 279 293.679 972.696 14.679 0.015 0.001
16 1 2 15( |{ , ,..., })z s s s s 302 277.990 242.121 -24.009 -0.099 0.009
17 1 2 16( |{ , ,..., })z s s s s 338 298.727 349.498 -39.272 -0.112 0.012
18 1 2 17( |{ , ,..., })z s s s s 302 294.656 531.405 -7.343 -0.013 0.001
19 1 2 18( |{ , ,..., })z s s s s 302 300.966 296.805 -1.033 -0.003 1.21E-05
20 1 2 19( |{ , ,..., })z s s s s 306 297.491 504.940 -8.508 -0.016 0.001
21 1 2 20( |{ , ,..., })z s s s s 378 277.439 683.637 -100.560 -0.147 0.021
22 1 2 21( |{ , ,..., })z s s s s 291 296.7249 234.849 5.7249 0.024 0.001
23 1 2 22( |{ , ,..., })z s s s s 317 293.2858 244.3541 -23.7142 -0.097 0.009
24 1 2 23( |{ , ,..., })z s s s s 278 288.4427 417.58 10.4427 0.025 0.001
25 1 2 24( |{ , ,..., })z s s s s 283 278.8 3.5 -4.2 -1.428 2.040
Akan dilakukan pengujian asumsi residual berdistribusi normal
Pengujian kenormalan akan dilakukan dengan uji Shapiro Wilks
H0 : residual dari model spherical berdistribusi normal
H1 : residual dari model spherical tidak berdistribusi normal
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
67/86
54
Dipilih nilai =0.05
Aturan keputusan
H0ditolak jika
<
Dengan menggunakan software SPSS didapatkan output sebagai berikut:
Tabel 4.8 Tabel Pengujian Kenormalan Residual Model Spherical
Tests of Normality
.191 24 .241 .936 24 .133residual model spherical
Statistic df Sig. Statistic df Sig.
Kolmogorov-Smirnova
Shapiro-Wilk
Lilliefors Significance Correctiona.
Berdasarkan output diatas didapatkan nilai =0.191.
Karena nilai >0.05 maka H0ditolak. Sehingga dapat disimpulkan
bahwa residual dari model spherical berdistribusi normal. Selanjutnya
akan dilakukan validasi silang untuk menguji apakah model spherical
dapat digunakan dalam menentukan bobot dari sistem simple kriging.
Validasi silang
H0 : model kovariogram dapat digunakan (valid)
H1 : model kovariogram tidak dapat digunakan ( tidak valid)
Aturan keputusan dengan kepercayaan 95% :
H0ditolak jika1
2|| 1
>
nQ
Dari hasil perhitungan didapatkan nilai |Q1| = 0.010
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
68/86
55
dengan nilai
2
1n= 0.408 sehingga |Q1|0.05 maka H0ditolak. Sehingga dapat disimpulkan
bahwa residual dari model exponensial berdistribusi normal.
Selanjutnya akan dilakukan validasi silang untuk menguji apakah
model spherical dapat digunakan dalam menentukan bobot dari sistem
simple kriging.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
71/86
58
Validasi silang
H0 : model kovariogram dapat digunakan (valid)
H1 : model kovariogram tidak dapat digunakan ( tidak valid)
Aturan keputusan dengan kepercayaan 95% :
H0ditolak jika1
2|| 1
>
nQ
Dari hasil perhitungan Didapatkan nilai |Q1| = 0.0.04759
dengan nilai
2
1n
= 0.408 Sehingga |Q1|=
=
=
=
n
ji
ji
n
ji
jiji
hCZVar
xxCZVar
Karena variansi nilainya selalu positif, maka fungsi C( h ) atau kovariogram
juga akan selalu positif. Atau dengan kata lain agar memiliki solusi,
kovariogram harus merupakan fungsi definit positif.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
77/86
Lampiran 2. sifat-sifat kovariogram
SIFAT-SIFAT KOVARIOGRAM
1. Besarnya kovariogram dari dua data yang berjarak nol sama dengan
variansi dari populasi.
2)0( =C
Bukti :
Berdasarkan definisi, kovariogram dapat dinyatakan dengan:
]})(].[)({[)( += sZhsZEhC
Substitusikan 0=h
]})(].[)({[)0( = sZsZEC
}])({[)0( 2= sZEC
2)0( =C
2. Kovariogram adalah fungsi genap
)()( hChC =
Bukti :
Berdasarkan definisi, kovariogram dapat dinyatakan dengan:
]})(].[)({[)( += sZhsZEhC
]})(].[)({[)( = sZhsZEhC
Misalkan hst = , sehingga :
]})(].[)({[)( += htZtZEhC
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
78/86
)()( hChC =
3. Kovariogram nilainya terbatas.
)0(|)(| ChC
Bukti :
Untuk membuktikan sifat ini, maka akan dibuktikan dua
pertidaksamaan dibawah ini :
)0()( ChC dan )0()( ChC
Pertama, akan dimulai dengan hubungan dibawah ini :
0})]()({[ 2 + sZhsZE
0]})(][)([2])([])({[ 22 +++ sZhsZsZhsZE
0)(.2)0(.2 hCC
)0()( ChC
Cara yang sama dapat dilakukan untuk membuktikan pertidaksamaan
yang lainnya :
0})]()({[ 2
++ sZhsZE
0]})(][)([2])([])({[ 22 ++++ sZhsZsZhsZE
0)(.2)0(.2 + hCC
)0()( ChC
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
79/86
Lampiran 3. pembuktian Matriks semivariogram adalah semidefinit negatif
MATRIKS SEMIVARIOGRAM ADALAH MATRIKS SEMI DEFINIT NEGATIF
Misalkan Z(s) adalah variabel teregional dengan semivariogram ( )h . Jika
Z(s) diasumsikan hanya memenuhi hipotesis intrinsik, kita tidak dapat
menghitung kombinasi linier dari semua variabel teregional. Yang dapat
dihitung hanyalah kombinasi linier dari selisih dua data [ )()( ji xZxZ ] .
kombinasi linier dari selisih dua peubah teregional adalah :
== =
n
iii
n
iii xZxZxZ
10
1))()(()(
Jika bobot pada persamaan diatas dijumlahkan maka diperoleh hasilnya
adalah nol. Oleh karena itu, untuk peubah )(xZ yang memenuhi hipotesis
intrinsik berlaku syarat :
01
==
n
i
i
Jika kombinasi linier dari peubah )(xZ dinyatakan dengan persamaan
=
n
i
ii xZ1
)( , maka kombinasi linier dari selisih dua data adalah :
==
=n
i
ii
n
i
ii ZxZxZ11
))0()(()(
Dan variansinya adalah
==
)]0()(),0()([])([1
ZxZZxZCovxZVar jiji
n
i
ii ...(1)
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
80/86
Untuk mencari kovariansi dari selisihnya, akan digunakan sifat variansi
),(2)()()( YXCovYVarXVarYXVar +=
Sehingga
)]0()(),0()([2)]0()([)]0()([)]()([ ZyZZxZCovZyZVarZxZVaryZxZVar +=
Atau
)]0()(),0()([2)(2)(2][2 ZyZZxZCovyxyx +=
][)()()]0()(),0()([ yxyxZyZZxZCov +=
Substitusikan persamaan diatas pada persamaan ()
======
==
+=
+=
n
ji
jiji
n
j
jj
n
i
i
n
i
ii
n
j
j
n
i
ii
jiji
n
ji
ji
n
i
ii
xxxxxZVar
xxxxxZVar
1,11111
1,1
)(])(][[])(][[])([
)()()([])([
Karena berlaku
01
==
n
i
i
Maka variansinya menjadi
0)(
0)(])([
)(])([
1,
1,1
1,1
=
=
=
==
==
n
ji
jiji
n
ji
jiji
n
i
ii
n
ji
jiji
n
i
ii
xx
xxxZVar
xxxZVar
Jadi ada dua syarat yang harus dipenuhi sebuah fungsi agar dapat dijadikan
model semivariogram.Yaitu :
Untuk setiap kombinasi linier dari titik nxxx ,...,, 21 dan dengan bobot
n ,...,, 21 berlaku :
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
81/86
1. 01
==
n
i
i
2. 0)(1, > =
n
jijiji xx
Oleh karena itu, fungsi yang dapat menjadi model semivariogram, )(h ,
harus merupakan fungsi definit negatif bersyarat.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
82/86
Lampiran 4.definisi kovariansi
KOVARIANSI
Misalkan X, Y adalah variabel random. Misalkan X, Y memiliki p.d.f gabungan
f(x,y). 1 adalah mean dari X dan 2 adalah mean dari Y Maka ekspektasi
matematika
1 2 2 1 1 2[( )( )] ( )E X Y E XY X Y = +
2 1 1 2
1 2
( ) ( ) ( )
( )
E XY E X E Y
E XY
= +
=
Disebut kovariansi dari X dan Y biasa disebut cov(X,Y)
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
83/86
Lampiran 5. definisi taksiran BLUE
TAKSIRAN TAK BIAS
Definisi
Sembarang statistik yang ekspektasi matematikanya sama dengan parameter
disebut estimator tak bias dari . Dengan kata lain ( )E =
TAKSIRAN LINEAR
Taksiran yang diinginkan merupakan kombinasi linier dari data-data yang
sudah diketahui sebelumnya. Jika data-data yang diketahui dimisalkan
)(),......( 1 nxZxZ , maka taksirannya, )( xZ , dapat dinyatakan sebagai berikut :
=
=
+++=
n
i
ii
nn
xZxZ
xZxZxZxZ
1
2211
)()(
)(...)()()(
TAKSIRAN TERBAIK
Taksiran memiliki variansi residual yang minimum.
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
84/86
Lampiran 6 lampiran programSyntaxprogram Matlab dalam menyelesaikan model kovariogram yangdigunakan untuk validasi silang
Model spherical
n=24
zdata=[ 266;
265;
291;
205;
306;
302;
285;
303;
291;
302;
278;
268;
317;
302;
241;
291;
276;
301;
266;
378;
278;
338;
278;
279;
]; % input data ketebalan (nilai z)xdata=[2125.00 3750.00; % input data koordinat
3375.00 3750.00;
4375.00 3250.00;
2125.00 5750.00;
5125.00 3750.00;
4825.00 5750.00;
1875.00 5750.00;
2875.00 4250.00;
4625.00 3250.00;
5375.00 3250.00;
2875.00 4750.00;
2625.00 5250.00;
3375.00 4250.00;
5125.00 3250.00;
1625.00 5250.00;
3125.00 4250.00;
2375.00 5250.00;
3125.00 6250.00;
1875.00 5250.00;
4375.00 4250.00;
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
85/86
3375.00 5250.00;
5125.00 5750.00;
3125.00 5750.00;
4625 5750;
];
x0=[2875.00 4750.00;] % lokasi titik yang tidak diketahui
A=zeros(n,n); % matriks kovariogram
b=zeros(n,1);
for i=2:n % untuk mengisi nilai matiks kovariogram dengan model
for j=1:i
if (norm(xdata(i,:)-xdata(j,:))>=2300)
A(i,j)=0;
else
A(i,j)=1010*(1-(((3*norm(xdata(i,:)-xdata(j,:)))/(2*2300))-
((norm(xdata(i,:)-xdata(j,:))^3)/(2*(2300^3)))))
end % input fungsi kovariogram
A(j,i)=A(i,j);
end
end
for i=1:nif (norm(xdata(i,:)-(x0))>=2300)
b(i)=0;
else
b(i)=1010*(1-(((3*norm(xdata(i,:)-x0))/(2*2300))-
((norm(xdata(i,:)-x0)^3)/(2*(2300^3)))))
end
end
A,b
lambda=A\b %matriks bobot
z0=287.5+(lambda(1:n)'*(zdata-287.5)) % nilai taksiran
vartak=1013.5- b'*lambda %variansi taksiran
Model exponensialn=2 % banyak sampel yang digunakan untuk menaksir
zdata=[ % data sampel nilai ketebalan
301;
278;
];
xdata=[ %koordinat nilai yang diketahui
3125.00 6250.00;
3125.00 5750.00;
];
x0=[2875.00 5250.00;] % lokasi titik yang tidak diketahui
A=zeros(n,n); % matriks kovariogram
Penaksiran volume..., Iif Yusuf Wibisono, FMIPA UI, 2007
5/20/2018 Penaksiran Volume
86/86
b=zeros(n,1);
for i=2:n
for j=1:i
if (norm(xdata(i,:)-xdata(j,:))>2300)
A(i,j)=1010;
else
A(i,j)=1010*( exp(- (norm(xdata(i,:)-xdata(j,:))/(2300) ) ))
End %fungsi kovariogram
A(j,i)=A(i,j);
end
end
for i=1:n
if (norm(xdata(i,:)-(x0))>=2300)
b(i)=1010;
else
b(i)=1010*(exp(-(norm(xdata(i,:)-x0)/2300)))
end
end
A,b
lambda=A\b % matriks bobotz0=278.5+(lambda(1:n)'*(zdata-278.5)) % nilai taksiran
vartak=1010- b'*lambda % variansi taksiran
syntax yang lain sama dengan diatas hanya berbeda jumlah nilai sampel danfungsi yang digunakan