SINAU_SURPAC_VER01.pdf

BELAJ

SINAU VERSION 01

Presented: by PR/AD

DATABASE •

• •

Dalam pembuatan database, yang perlu diperhatikan adalah elemenelemen yang akan dipergunakan untuk keperluan pengolahan data Dalam pengolahan data dalam memperoleh estimasi, data yang sangat dibutuhkan meliputi data collar, topography dan data drilling/pengeboran. Data drilling terlebih dahulu dilakukan define layer dan validasi keseluruhan data.

DATABASE DALAM BENTUK *.CSV

Nb: Dalam contoh di atas, data geology dan data assay digabungkan menjadi satu (geo_assay)

Pembuatan Database SURPAC

1

4

2

3

5

Import Database SURPAC

1 4

2

5 3

Untuk no “columm”, sesuaikan dengan no kolom pada data *.csv. Load type terdapat “insert, update, dan insert/update”. Sesuaikan dengan kebutuhan, apakah akan dilakukan pemasukan data baru ataukah meng-update data baru

Menampilkan Database di display SURPAC

1

2

3

• 4

Pada bagian ini, kita mencoba menampilkan database dan menampilan label, pattern dari data bor (gb.2) dan menampilkan costumise dalam bentuk warna (gb3&4) sesuai dengan class masing-masing

1

5

2

6

3

4

7

COMPOSITE •

•

•

Merupakan tahapan dalam pembuatan data dari database drilling menjadi data string (*.str) Dalam hal ini, akan dilakukan pemisahan data antara layer geologi, misalnya layer limonite, saprolite, boulder, maupun bedrock berdasarkan definisi validasi dari database. Hal ini dilakukan untuk analisis tahapan selanjutnya.

Membuat Data Composite SURPAC 1

3

2

4

Merubah nilai string SURPAC

3 1

4 2

5

SURFACE DTM

Drag masuk drillhole yg telah dilakukan extract Rubah string dengan menggunakan tools Renumber Lakukan digitasi pada point bagian tepi, lalu lakukan expand segmen Lakukan digitasi pada point bagian tepi, lalu lakukan expand segmen.

2 1

3

Expand batas pada data collar yang akan dibuat sebagai peta topo

CLIP DTM •

Dalam melakukan pemotongan terhadap data DTM, hal yang perlu diperhatikan adalah data pemotong (segmen) harus berada dalam data DTM dan tidak ada yang keluar dalam area tersebut. Apabila batas pemotong ada yang keluar dari data DTM, maka akan menimbulkan error dan tidak dapat terpotong.

2 • 1

Terlebih dahulu, click pada bagian DTM terlebih dahulu, lalu batas acuan untuk melakukan pemotongan object.

4 3

Nb: File .dtm yang akan dilakukan pemotongan harus dalam keadaan aktif. Pemotongan file .dtm akan gagal apabila kondisi layer .dtm tidak dalam keadaan aktif

DIGITIZE LAYER •

•

Pembuatan data digitasi berdasarkan data layer geologi,dilakukan sesuai dari domain yang ada. Dalam pembuatan data digitasi, menggunakan parameter data topografi yang ada, untuk membantu dalam melakukan interpretasi geologi. Tahapan data digitasi, menggunakan bantuan define section untuk melihat korelasi antar titik bor.

1

2

•

Dalam melakukan digitasi, harus diperhatikan hubungan antar titik bor. Untuk menutup section, gunakan tools “end section mode”. Dan pada awal setiap melakukan digitasi, akhiri dengan tools “close the current segmen for digitising”.

•

• • •

Apabila seluruh digitasi batas antar layer telah dibuat, maka dari hasil digitasi buat menjadi sebuah DTM. Lakukan pemotongan data DTM berdasarkan batas yang telah di buat. Hal ini agar seluruh data nanti membunyai batas yang sama. Lakukan perbaikan layer geologi dengan memperbaiki data string yang Batas layer DTM ini (DTM batas layer geologi) nantinya yang akan dibuat untuk membuat block model.

CUT OFF GRADE •

• • •

Peran cutoff ini sangat penting mengingat hal ini untuk menghindari “over estimate” dalam melakukan perhitungan cadangan. Dalam melakukan perhitungan nilai cutoff, dengan mengetahui nilai mean dan standart deviasi dari data. Perhitungan nilai pada surpac, nilai mean dan standart deviasi dapat diketahui dengan melakukan analisis statistik data. Untuk menentukan nilai cutoff, dengan menggunakan nilai Confidence Interval (CI)

95% CI = mean + (1.96 x standart deviation)

•

•

Pada langkah pertama, buka terlebih dahulu “basic statistics”.

“Load from data string”, masukkan sting hasil composite yang telah dibuat.

•

Selanjutnya buat report statistik data tersebut.

•

Nilai mean dan standart deviation dipergunakan untuk memperoleh nilai “confidence interval (CI)” yang akan dijadikan parameter untuk melakukan cutoff.

•

Selanjutnya, dilakukan topcut untuk data yang berada pada outliers (nilai yang mempunya perbedaan yang signifikan).

iif(d1>3.51658808,3.51658808,d1) mempunyai pengertian apabila d1 (Ni mempunyai nilai lebih dari 3.51658808, maka nilai 3.51658808, selebihnya sama dengan nilai d1 (nilai Ni))

BLOCK MODEL • • • •

Block model merupakan bentuk database spasial yang memberikan fasilitas untuk pemodelan 3-D. Pada dasarnya, block model merupakan bentuk 3-D yang tersusun dari kombinasi beberapa block yang tersusun dalam sebuah bentuk 3-D. Terlebih dahulu, dalam membuat block model, harus mempunyai block dasar yang nantinya akan di buat menjadi constrain-constrain baru. Selanjutnya, dalam membuat lapisan geologi, baik lapisan limonit dan saprolit, dapat menggunakan data batas layer yang telah dibuat DTM untuk dari hasil digitasi.

•

•

Terlebih dahulu dalam membuat block model, terlebih dahulu diketahui batas block, latitude minimum dan maksimum, longitude minimum dan maksimum, dan elevasi minimum dan maksimum. Selanjutnya dari data di atas, dijadikan parameter untuk membuat kerangka (dasar) block model.

•

•

Untuk mengetahui batas untuk pembuatan dasar block model, kita menggunakan batas pengerjaan untuk mengetahui batas latitude dan longitude, sedangkan untuk batas elevasi, untuk bagian minimum, bisa digunakan DTM batas layer saprolit bagian bawah, sedang bagian atas bisa kita menggunakan batas topografi. Drag terlebih dahulu data batas, kemudian ikuti langkah berikut:

•

Catatan: untuk elevasi, gunakan DTM topografi dan batas bawah layer saprolite

1

2

2

•

Catatan: pada pembuatan dasar block model, lakukan penambahan area (extand) pada block model untuk menghindari adanya data yang berada di luar area. Untuk nilai User block size, menggunakan nilai ½ jarak spasi drilling. Atau apabila perangkat memenuhi standary, sub block bisa diberikan nilai yang lebih kecil.

Untuk memunculkan hasil dasar yang telah di buat, menggunakan “display”.

CONTRAIN • Constraints merupakan kombinasi dari data spasial dan object, yang digunakan untuk mengontrol informasi dari masing-masing block. • Dalam membuat constraints, kita menggunakan data-data DTM untuk memperoleh hasil constraints, baik limonit maupun saprolit. • Untuk membuat constraints, ikuti langkah sebagai berikut:

• Above (centang) apabila data berada di atas batas (pembatas bawah) dan hilangkan centang apabila data berada di bawah batas (pembatas atas)

ATTRIBUTE BM • •

•

Untuk membuat atribut, terlebih dahulu list data yang akan dimasukkan ke dalam constrain, selanjutnya baru buat atributnya: Langkah membuat atribut sebagai berikut:

Untuk type, gunakan pilihan “INTEGRER” apabila merupakan data karakter, dan pilih “real” apabila merupakan data value.

•

Sedangkan data yang sudah mempunyai nilai pada setiap constrain, bisa dimasukkan secara langsung.

1 2

•

Untuk data constraints ini, masukkan pada data constrain layer saprolite.

3

•

•

Untuk melihat data yang berada pada masing-masing block, bisa lakukan dengan melihat isi atribute.

Selanjutnya click pada block yang ingin dilihat atribut dari block tersebut.

•

Untuk menampilkan warna pada data attibut pada constrainst, maka dapat dilakukan pengaturan :

1

2

METODE ESTIMASI BLOCK MODEL

NN METHODS 1

2

3

4

2

1

3

1

2

•

Nilai Inverse Distance Power dan descretisation berhubungan terhadap pengaruh nilai terhadap titik bor yang lain. Sebaiknya mencari nila disesuaikan dengan hasil block terhadap model lokasi. Sebaiknya dilakukan beberapa percobaan terhadap nilai ini, sehingga memperoleh nilai yang cocok.

VARIOGRAM 2

1

•

Load data from string file

3

•

•

Selanjutnya “variogram report” untuk memunculkan dan menyimpan nilai variogram yang telah diperoleh / dipilih.

•

Semakin tinggi nilai range, maka semakin bagus.

Pada variogram modeling ini, kita berusaha mendapatkan model grafik yang bagus. Hal ini dilakukan untuk menghasilkan data nya pada akhirnya mempunyai data yang di haluskan dengan pendekatan kriging

•

Selanjutnya masuk pada “variogram map” •

•

Setelah memperoleh grafik yang cukup bagus, selanjutnya menuju ke secondary visiogram. Selanjutnya apabila telah diperoleh grafik yang bagus pada data secondery variogram, dilanjutkan ke extract yang tombol berada di sebelah kanan secondary map

Primary variogram map

•

•

Secondary variogram map

Untuk nilai direction of maximum continuitas, arahkan ke sudut yang diperoleh dan menampilkan grafik variogram yang telah dipilih.

• • • •

• Extract experimental variogram map Pada bagian ini, kita akan memilih antara variogram yang cocok, yang berkorelasi baik antara major, semi-major, dan minor. Pada tahap ini, akan keluar informasi mengenai orientasi (bearing, plung, dip) dan anisotropi rasio (major/semi-major, major/minor) Simpan experimental variogram dan variogram model Buat variogram report dan anisotropi ellipsoid report

•

Nilai yang diisi merupakan nilai yang diperoleh dari “variogram map” diatas. Meliputi nilai bearing, plung, dip, semimayor, minor. Untuk nilai field, merupakan field Ni tersimpan pada saat composite.

•

Open -> data variogram yang di simpan pada saat menyelesaikan variogram map. Secara otomatis, nilai nugget, sill, dan range akan terpanggil apabila memanggil data variogram yang telah tersimpan

•

Hasil dari variogram map, nilai kriging dan perbandingan nilai kriging dan residual dimunculkan dalam bentuk grafik dan scatter diagram. Untuk melihat hubungan nilai kriging dan nilai defference, bisa dengan membuka scatter diagram, dan memunculkan dalam bentuk scatter diagram seperti berikut.

•

Untuk hasil nilai yang bagus adalah yang mendekati grafik normal histogram, sedangkan grafik scatter yang nilai terakumulasi dan berada pada pendekatan nilai “0”

•

•

ORDINARY KRIGGING METHODS Pada pengolahan data dalam menghitung estimasi dengan menggunakan metode Ordinary Kriging, maka pengolahan data terpisah antara nilai Ni dan Nilai Fe, sehingga dalam satu layer geologi (mis. Saprolit) memiliki 2 data string masing-masing. Sehingga perbedaan dalam menghitung estimasi nantinya, maka untuk Ordinary Kriging di lakukan masing-masing antara Ni dan Fe, berbeda halnya dengan Nearest Neighbor dan Invers Distance yang secara langsung dapat dimasukkan antara nilai Ni dan Fe.

1

3

2

•

Pada string file location, buka file string composite yang telah di validasi dengan menggunakan variogram. Sedangkan pada D-Field, merupakan tempat dimana waktu composite (Ni pada composite di simpan pada field D1)

4

5

6

•

Nilai merupakan hasil dari variogram map yang telah di simpan dan dilakukan reporting

CARA PERTAMA

• • •

Munculkan attribut block Lakukan section terhadap lobang bor. Langkah kedua, lakukan analisis antar holes, apakah block telah sesuai dengan penyebaran terhadap nilai data bor.

CARA KEDUA • •

Buka terlebih dahulu basic statistik, selanjutnya load block Tampilkan nilai Ni dan Fe.

•

Pada gambar di atas, pada constrains type pilihlah “constrain” dan masukkan layer saprolite. Selanjytnya pilih “block” dan arahkan ke Ni yang mau di jadikan Cut Of Grade dan nilai Cut Of Grade. Pada fungsinya, pilih lebih besar. Save constrains dengan nama yang diinginkan agar constrain layer geologi tidak terganti (replace) dengan constrains yang akan dibuat.

•

•

Pembuatan report hasil block modeling dapat dilakukan dengan cara mengeluarkan nilai dari masing-masing setiap block yang telah diperoleh dari masing-masing block. Reporting dari masing-masing block yang telah dibagi/dimodel berdasarkan Cut Of Grade nilai %Ni.

1

3

2

4

5

Setelah dilakukan rename, lakukan langkah sebagai berikut: • Renumber string menjadi poin • Buatlah file menjadi sebuah DTM

PENCERAHAN

Hal-hal yang dipertimbangkan dalam perhitungan ordinary Krigging : Modeling variogram merupakan salah satu pekerjaan yang membutuhkan keberanian untuk setiap estimator. Harus adanya pemahaman geologi secara mendasar.

Parameter – parameter penting dalam permodelan variogram adalah: •Nugget effect: menggambarkan perbedaan antara sampel pada saat jarak hampir 0. Nilai ini menggambarkan tingkat kesalahan yang bisa disebabkan oleh faktor manusia atau sistem yang salah. •Total sill: menggambarkan total variasi data alamiah secara keseluruhan. Total sill ini sama dengan varians populasi yang akan diestimasi. •Range: adalah jarak yang menggambarkan hubungan satu sampel secara keseluruhan. Pada saat sampel terpisah dengan jarak diluar range makan data tersebut tidak memiliki hubungan secara spasial. Namun untuk sampel yang terisah dengan jarak yang kurang dari range, menggambarkan masih adanya korelasi.

Contoh model variogram

Estimasi terhadap unknown value

• • • • •

•

Asumsi dasar untuk kriging adalah: Variogram dan parameter estimasi dapat digunakan di semua blok dalam suatu domain Perbedaan antara nilai sampel ditentukan hanya dari orientasi relatif spasial Stasioner: nilai kadar dan varian disekitar kadar serupa dalam domain (tidak ada kadar ekstrem dan tidak ada tren kadar pada data) Hal – hal yang perlu diperhatikan: Sekurang – kurangnya rata – rata eror keseluruhan antara nilai estimasi dan nilai aktual harus minimum, jadi rata – rata (perbedaan antara estimasi dan nilai real)2 harus lebih kecil sebagai alat estimasi daripada estimator linear Estimasi harus tidak bias, jadi jumlah bobot harus sama dengan 1.

Dampak terhadap parameter estimasi Estimasi kriging dikontrol dari parameter estimasi. Parameter model variogram diinterpretasikan dari data selama studi variogram sementara area pengaruh di optimisasi selama studi estimasi kriging. Efek estimasi beberapa parameter kunci diringkas pada tabel dan gambar dibawah

Statistik dasar pada domain data berguna sebagai pedoman dalam pemilihan metode estimasi yang paling akurat.

Saya caplok dari literaturnya : Penerapan statistik dalam menentukan metode estimasi

Misklasifikasi adalah kekeliruan dalam penentuan antara bijih dan sampah. Kemungkinan terjadi karena kekurangan pahaman atau tidak diperhitungkannya volum varians yang bisa menimbulkan misklasifikaso. Hala lainnya seperti kualitas estimasi yang buruk akan menghasilkan misklasifikasi tersebut. Ada empat kemungkinan pada saat blok yang ditambang

Hubungan antara nilai estimasi dan aktual

Keterangan: Kuadran I : Blok diestimasi dibawah cut-off grade padahal secara aktual diatas cut-off Kuadran II : Blok diestimasi diatas cut-off dan secara aktual diatas cut-off Kuadran III : Blok diestimasi diatas cut-off grade padahal secara aktual dibawah cut-off Kuadran IV : Blok diestimasi dibawah cut-off grade dan secara aktual dibawah cut-off

Selamat mencoba : “Tidak ada kata sulit,jika kita berusaha.manusia hidup mengikuti kehidupan,hanya usaha dan kerja keras yang bisa membuat manusia berkembang” “SAYA DULU BODOH,TETAPI SEKARANG SAYA BISA DIPERTIMBANGKAN”. “TERUSLAH BERMIMPI DAN BERHENTILAH MENGELUH KARNA HIDUP UNTUK MENJADI LEBIH BAIK DARI SEBELUMNYA”

BY, PR

081392771100

VERSION 01 TO BE CONTINUE>>>