BAB IV

HASIL DAN PEMBAHASAN

4.1 Penyusunan Data

Data – data sekunder dan data primer di olah menggunakan microsoft excel di pilah menjadi
beberapa data :

1) Data-data hasil pemboran inti (Core Drilling) yang masih dalam bentuk spreadsheet di
pilah menjadi 4 data sebagai berikut :

a. Collar

Data collar berisikan data-data hasil pengukuran di lapangan seperti data koordinat,
elevasi dan data maksimal kedalaman pemboran contoh data dapat di lihat pada
(Lampiran1)

b. Geologi

Data geologi berisikan data ketebalan endapan bijih tiap zona dan data litologi
yang berasal dari interpretasi lapangan dan analisis hasis lab kemudian di validasi
kembali dengan parameter yang telah di tetapkan perusahaan contoh data dapat di lihat
pada (Lampiran 2)

c. Assay

Data assay berisikan data-data hasil analisa kadar endapan bijih tiap-tiap lubang bor
contoh data dapat di lihat pada (Lampiran 3)

d. Survey

Data survey berisikan data hasil survey lapangan selain data cordinat. Seperti data
kemiringan dan kedalaman keseluruhan pemboran contoh data dapat dilihat pada
(Lampiran 4) hal ini di lakukan dengan tujuan untuk memudahkan pengimputan data
kedalam software 3D Mine.
 2. Data topografi

Data topografi merupakan data hasil ukur lapangan yang dapat mewakili kondisi
sebenarnya di lapangan, data ini di gunakan sebagai data pembantu untuk
menginterpretasi kondisi endapan di bawah permukaan.

4.2 Pengolahan Data

4.2.1 pembuatan database

Penelitian ini di lakukan dengan menggunakan alat bantu mine software 3D Mine.
Tahap awal pengolahan data pada software ini dengan membuat data base di mana data
yang telah disusun dan di validasi di input langsung ke 3D Mine dengan tujuan untuk
dapat menampilkan profil hasil pengeboran secara 3 dimensi.profil hasil pengeboran
dapat di lihat pada gambar 4.1.

Gambar 4.1 profil dan penyebaran titik bor

4.2.2 Analisis Statistik

Analisis statistik di lakukan dengan menggunakan aplikasi basis statistik bawaan

software 3D Mine. Dalam pengolahan data di perlukan mengkomposit data terlebih dahulu
untuk memudahkan penganalisaan statistik adapun tujuan lain dari mengkompositkan data
adalah sebagai berikut :

1. Untuk mereduksi jumlah data,

2. Menyajikan data dengan support yang sesuai,

3. Mereduksi adanya effek pencilan data (sangat tinggi maupun sangat rendah),

4. Mereduksi data-data yang bersifat erratik,

5. Dapat menghasilkan data komposit untuk jenjang penambangan (bench

composite).

1. Histogram

Histogram merupakan rangkuman data yang di nyatakan dalam bentuk

diagram, di dalam histogram sudah terdapat nilai-nilai seperti mean,modus,standar
deviasi,varian dan coofisien of varian. Berikut pada gambar 4.2 merupakan hasil
histogram ni pada zona saprolit.

Gambar 4.2 Histogram Ni

3
 Distribusi kadar nickel pada zona limonit terdistribusi dengan normal hal ini di
tunjukan dengan model histogram di atas tidak menunjukan ada dua puncak yang terbentuk
atau dalam kata lain pada zona saprolit hanya terdapat satu populasi data. kemudian dari
tabel histogram di peroleh nilai :

1. Minimum sampel :0.32000

2. Maximum sampel:2.96000
3. Average :1.37960
4. Geometric mean :1.24784
5. Median :1.37000
6. Variance :0.32594
7. standard deviasi :0.57091
8. C o Variance :0.41383
9. Skewness :0.32489
10. Kurtosis :2.72744

2. Variogram

Variogram merupakan grafik yang menunjukkan perbandingan antara perbedaan data

dengan jarak antardata itu sendiri.Variogram memiliki beberapa bagian, yaitu:

a. Sill
Titik di mana grafik variogram model mencapai nilai puncak, di mana setelah
mencapai titik tersebut, grafik menjadi rata seterusnya. Secara matematis, sill merupakan
selisih dari nilai maximum dengan nugget.
 Gambar 4.3 Sill

b. Range
Jarak di mana grafik telah mencapai sill. Berdasarkan variogram, data sudah tidak
memiliki korelasi satu sama lain jika jaraknya telah melebihi range dari variogram.

Gambar 4.4 Range

c. Nugget
Perbedaan atau selisih data pada jarak 0. Efek nugget terjadi, misalnya ketika sebuah
sampel dibagi dua dan dianalisis pada dua laboratorium yang berbeda, namun menghasilkan
hasil yang berbeda. Perbedaan hasil tersebutlah yang merupakan efek nugget. Biasanya, efek
nugget bergantung pada jenis endapannya. Endapan emas yang memiliki distribusi logam
yang tidak merata cenderung memiliki nugget yang tinggi, sedangkan endapan bijih besi
yang memiliki butiran halus yang merata cenderung memiliki efek nugget yang rendah .

5
 Gambar 4.6 Nugget

Variogram terbagi menjadi dua, yaitu:

1. Omnivariogram: variogram segalah arah, yang tidak memiliki arah secara spesifik.
Yang ditinjau cuma jarak dan perbedaan nilai
2. Variogram directional: variaogram yang memiliki arah tertentu (azimuth). Arah
tersebut memiliki batas pencarian spread dan spread limit. Variogram directional
digunakan untuk menentukan arah pengaruh sebaran yang paling besar dari suatu
endapan.

Penggunaan variogram adalah untuk menganalisis data dan menentukan nilai-

nilai error yang di peroleh jika menggunakan suatu metode estimasi, hal ini sangat
membantu untuk menentukan metode-metode estimasi yang tepat di gunakan dengan
nilai error yang seminimal mungkin mendekati dengan 0. Adapun hasil analisis
variogram dengan menggunakan omni variogram dan variogram directional sebagai
berikut :
 Gambar 4.7 Fitting variogram menggunakan omni Variogram

Gambar 4.8 Fitting variogram menggunakan Secondary Variogram

7
 VARIOGRAM DIRECTIONAL
ORDINARY KRIGING
Error mean -0.0028
Error square mean 0.1908
IDW PANGKAT 1 PANGKAT 2 PANGKAT 3 PANGKAT 4
Error mean -0.0039 -0.0038 -0.0037 -0.0034
Error square mean 0.2042 0.1882 0.1887 0.1907
OMNI VARIOGRAM
ORDINARY KRIGING
Error mean 0.0049
Error square mean 0.2142
IDW PANGKAT 1 PANGKAT 2 PANGKAT 3 PANGKAT 4
Error mean -0.0001 1.3743 -0.005 1.375
Error square mean 0.2001 0.1852 0.1852 -0.0046

Tabel 4.1 Penentuan Metode Estimasi Sumberdaya

Tabel di atas berasal dari hasil fitting variogram exponensial dengan menggunakan
dua jenis variogram yakni omni variogram dan direction variogram. Dari hasil fitting
variogram dengan menggunakan ketentuan-ketentuan fiting variogam yang baik dan try in
error/uji coba beberapa lag di dapatkan beberapa nilai rms error dan rata-rata error yang dapat
di jadikan sebagai penentuan metode estimasi yang baik di gunakan dengan nilai error paling
sedikit. Dari table di atas menyatakan baahwa nilai error paling sedikit di tunjukan pada hasil
viting variogram dengan mengunakan variogram, omni variogram dengan nilai error rata-rata
-0.005 dan Rms Erorr 0.1852 menggunakan metode inverse distance weigthing dengan
pangkat 3.

4.2.3 Ore Body

Ore body merukan gambaran bentuk dari badan bijih, pembuatan ore body ini
dilakukan dengan analisis interpolasi bentuk badan bijih dari string yang telah di buat.
adapun bentuk dari badan biji yang telah di buat dapat di lihat pada gambar 4.7 sebagai
berikut :
 Gambar 4.7 Ore Body

Adapun volume dari ore body ini dapat di lihat pada table 4.2 berikut :

Interval Volume
392~393 57.969
393~394 353.014
394~395 929.662
395~396 1554.592
396~397 2024.986
397~398 2487.225
398~399 2950.639
399~400 3419.57
400~401 3873.223
401~402 4296.536
402~403 4652.832
403~404 4908.577
404~405 5107.391
405~406 5254.154
406~407 5291.639

9
407~408 5296.478
408~409 5394.207
409~410 5367.111
410~411 5193.128
411~412 4938.508
412~413 4631.7
413~414 4381.691
414~415 4218.984
415~416 4130.397
416~417 4104.559
417~418 4143.073
418~419 4225.812
419~420 4325.981
420~421 4645.408
421~422 5307.757
422~423 5806.214
423~424 6268.844
424~425 6674.046
425~426 6978.722
426~427 7116.051
427~428 7078.388
428~429 6965.951
429~430 6790.46
430~431 6570.571
431~432 6377.381
432~433 6178.302
433~434 5963.408
434~435 5788.151
435~436 5639.204
436~437 5697.759
437~438 5883.565
438~439 5733.59
439~440 5542.96
440~441 5314.163
441~442 5051.199
442~443 4760.378
443~444 4437.67
444~445 4080.562
 445~446 3695.872
446~447 3298.075
447~448 2912.024
448~449 2553.508
449~450 2199.907
450~451 1848.393
451~452 1491.333
452~453 1101.92
453~454 686.198
454~455 104.299
Total Volume 274055.871
Table 4.2 Volume Saprolite

4.2.4 Blok Model

Dalam estimasi sumber daya nikel digunakan model blok yang

berukuran X =1/2 jarak antar titik bor (1/2 x 50 m) Y =1/2 jarak antar titik
bor (1/2 x 50 m) Z = 2 m sehingga ukuran blok yang terbentuk adalah 25 x 25
x 2 m (berdasarkan konvensi ) untuk sumber daya. Dalam model blok ada
yang di namakan parent cell dan sub cell. Parent cell adalah blok yang palimh
utama dan paling besar di bentuk. Sedangkan sub cell adalah blok-blok yang
di buat menjadi lebih kecil yang berfungsi untuk mengisi dimensi yang detail
pada batas tepi badan bijih/ dekat boundary badan bijih yang bertujuan untuk
meningkatkan ketelitian pada perhitungan volume dan estimasi kadar. Sub
cell di buat ½ lebih kecil dari parent cell yaitu 12,5 x12,5x1. Adapun model
blok yang telah di buat dapat di lihat pada gambar 4. 8 berikut :

11
 Gambar 4. 8 Blok Model

4.2.5 Estimasi Sumberdaya Terukur

Estimasi sumberdaya terukur di lakukan untuk mengetahui jumlah perkiraan

sumberdaya nikel di bawah permukaan sebelum di lakukanya proses penambangan.
Sesuai dengan hasil analisi geostatistik di atas penggunaan metode estimasi yang
baik di lakukan dengan menggunakan metode estimasi inverse distance weigthing
dengan pangkat 3. Adapun hasil estimasi sumberdaya terukur dapat di lihat pada table 4.3
berikut.:
 3DMine Block report

Cog Volume Mass Ni

0.79~0.8 312.5 468.75 0.8
0.81~0.82 781.25 1171.88 0.82
0.83~0.84 781.25 1171.88 0.84
0.84~0.85 312.5 468.75 0.85
0.87~0.88 1718.75 2578.13 0.88
0.88~0.89 3750 5625 0.88
0.89~0.9 2187.5 3281.25 0.89
0.9~0.91 2187.5 3281.25 0.91
0.92~0.93 5156.25 7734.38 0.93
0.93~0.94 156.25 234.38 0.93
0.94~0.95 6718.75 10078.13 0.94
0.95~0.96 2343.75 3515.63 0.95
0.96~0.97 3281.25 4921.88 0.96
0.97~0.98 937.5 1406.25 0.98
0.98~0.99 2031.25 3046.88 0.98
0.99~1 625 937.5 1
1~1.01 312.5 468.75 1.01
1.01~1.02 781.25 1171.88 1.01
1.02~1.03 1875 2812.5 1.03
1.03~1.04 1250 1875 1.04
1.04~1.05 3125 4687.5 1.05
1.05~1.06 781.25 1171.88 1.05
1.06~1.07 781.25 1171.88 1.07
1.07~1.08 625 937.5 1.08
1.08~1.09 1718.75 2578.13 1.09
1.09~1.1 625 937.5 1.1
1.1~1.11 1250 1875 1.1
1.11~1.12 625 937.5 1.12
1.13~1.14 1562.5 2343.75 1.14
1.14~1.15 20625 30937.5 1.14
1.15~1.16 5312.5 7968.75 1.16
1.16~1.17 2968.75 4453.13 1.16
1.17~1.18 2656.25 3984.38 1.17
1.18~1.19 4062.5 6093.75 1.19
1.19~1.2 1093.75 1640.63 1.19

13
1.2~1.21 3125 4687.5 1.2
1.21~1.22 3750 5625 1.21
1.23~1.24 156.25 234.38 1.24
1.24~1.25 1875 2812.5 1.24
1.25~1.26 781.25 1171.88 1.25
1.27~1.28 468.75 703.13 1.28
1.29~1.3 3750 5625 1.3
1.3~1.31 14062.5 21093.75 1.31
1.31~1.32 6093.75 9140.63 1.32
1.32~1.33 2031.25 3046.88 1.33
1.33~1.34 4218.75 6328.13 1.34
1.34~1.35 7968.75 11953.13 1.34
1.35~1.36 312.5 468.75 1.35
1.36~1.37 156.25 234.38 1.36
1.37~1.38 3437.5 5156.25 1.37
1.38~1.39 1093.75 1640.63 1.39
1.39~1.4 1562.5 2343.75 1.4
1.4~1.41 2187.5 3281.25 1.4
1.41~1.42 1406.25 2109.38 1.42
1.42~1.43 937.5 1406.25 1.43
1.43~1.44 1093.75 1640.63 1.43
1.44~1.45 1250 1875 1.45
1.46~1.47 3281.25 4921.88 1.47
1.47~1.48 1093.75 1640.63 1.48
1.48~1.49 156.25 234.38 1.49
1.49~1.5 625 937.5 1.49
1.51~1.52 937.5 1406.25 1.51
1.52~1.53 781.25 1171.88 1.52
1.53~1.54 312.5 468.75 1.53
1.54~1.55 1875 2812.5 1.54
1.55~1.56 625 937.5 1.55
1.56~1.57 1406.25 2109.38 1.56
1.57~1.58 3125 4687.5 1.57
1.58~1.59 2812.5 4218.75 1.59
1.59~1.6 6093.75 9140.63 1.59
1.6~1.61 7968.75 11953.13 1.61
1.61~1.62 4843.75 7265.63 1.61
1.62~1.63 2656.25 3984.38 1.62
1.63~1.64 1093.75 1640.63 1.63
1.64~1.65 2343.75 3515.63 1.65
1.66~1.67 156.25 234.38 1.67
1.67~1.68 1093.75 1640.63 1.67
1.68~1.69 1718.75 2578.13 1.69
1.69~1.7 1562.5 2343.75 1.7
1.7~1.71 5156.25 7734.38 1.7
1.71~1.72 468.75 703.13 1.71
1.72~1.73 3437.5 5156.25 1.73
1.73~1.74 2031.25 3046.88 1.74
1.75~1.76 4531.25 6796.88 1.76
1.76~1.77 1875 2812.5 1.76
1.77~1.78 4843.75 7265.63 1.77
1.78~1.79 1562.5 2343.75 1.79
1.79~1.8 937.5 1406.25 1.79
1.8~1.81 2187.5 3281.25 1.81
1.81~1.82 1250 1875 1.82
1.82~1.83 3281.25 4921.88 1.83
1.83~1.84 1718.75 2578.13 1.83
1.84~1.85 1718.75 2578.13 1.84
1.85~1.86 10156.25 15234.38 1.86
1.86~1.87 781.25 1171.88 1.86
1.87~1.88 2968.75 4453.13 1.87
1.88~1.89 5156.25 7734.38 1.89
1.89~1.9 5781.25 8671.88 1.9
1.9~1.91 3593.75 5390.63 1.91
1.91~1.92 8437.5 12656.25 1.91
1.93~1.94 312.5 468.75 1.93
1.94~1.95 3281.25 4921.88 1.94
1.95~1.96 2500 3750 1.96
1.96~1.97 2031.25 3046.88 1.97
1.97~1.98 1562.5 2343.75 1.98
2~2.01 312.5 468.75 2
2.01~2.02 156.25 234.38 2.01
2.06~2.07 156.25 234.38 2.06

Total 275781 413672 1.44

Tabel 4.3 Hasil Estimasi

15
 Dari hasil estimasi di atas terlihat di kolom COG merupakan kadar rata-rata
terendah kemudian pada kolom volume merupakan volume daripada blok model dan
mass adalah tonase dari ni pada layer saprolit, kemudian kolom ni merupakan prodak
hasilan dari pencarian yang sesuai dengan cog contoh cog yang di cari adalah 2.6 -2.7
maka ni keseluruhan yang dapat kita jual meiliki volume 156.25 ,tonase 234.38 dan
rata-rata kadar 2.06 .