Estimasi adalah perkiraan nilai suatu obyek berdasarkan nilai-nilai yang

telah ada di di dalam atau di sekitar obyek tersebut.

Misalnya, suatu obyek dengan volume yang lebih kecil (contoh: sumur bor)
terletak di dalam suatu obyek dengan volume yang lebih besar (contoh:
blok penambangan), sebagaimana terlihat pada gambar berikut:
Inti masalahnya adalah kita akan memperkirakan berapa rata-rata kadar
di blok penambangan tersebut yang belum diketahui berdasarkan kadar
rata-rata di sumur bor tersebut yang sudah diketahui.
Obyek 1 adalah blok penambangan dengan volume yang lebih besar. Ratarata kadarnya belum diketahui. Rata-rata kadar yang belum diketahui ini
kita simbolkan dgn U.
Obyek 2 adalah sumur bor dengan volume yang lebih kecil. Rata-rata
kadarnya sudah diketahui yang diambil dari sampel-sampel pemboran.
Rata-rata kadar yang sudah diketahui ini kita simbolkan dengan U*.
Sumur bor ini terletak di dalam blok penambangan.
Jadi, di sini muncul 2 besaran, yaitu:
1. Besaran U* = kadar rata-rata sumur bor yang sudah diketahui.
2. Besaran U
diketahui.

= kadar rata-rata blok penambangan yang belum

Kita akan memperkirakan besarnya kadar rata-rata di blok penambangan

(U) yang belum diketahui tersebut berdasarkan kadar rata-rata di sumur
bor yang sudah diketahui (U*) yang terletak di dalam blok penambangan
tersebut.
Perkiraan ini disebut melakukan estimasi.
Perkiraan atau estimasi nilai U pada blok penambangan tersebut
dilakukan dengan bantuan analisis variogram eksperimental dan varians
dispersi dari data-data kadar pada sumur bor itu sendiri.
Jadi, kita akan memperkirakan atau mengestimasi nilai U berdasarkan nilai
U*. Dari hasil estimasi ini, kita memperoleh nilai U. Kemudian kita hitung
perbedaan antara nilai U dengan U*, sbb:
= U* - U Perbedaan ini disebut sebagai selisihnya atau errornya.

Perbedaan atau error inilah yang disebut dengan variansnya atau lebih
dikenal dengan nama varians estimasi.
Varians estimasi adalah besarnya perbedaan yang timbul antara rata-rata
nilai yang sudah diketahui dari sampel-sampel yang diambil dari suatu
populasi terhadap rata-rata nilai yang belum diketahui dari seluruh sampel
di dalam populasi tersebut, di mana rata-rata nilai yang belum diketahui
ini ditaksir berdasarkan rata-rata nilai yang sudah diketahui dari sampelsampel tersebut dengan menggunakan variogram eksperimental dan
varians dispersi dari rata-rata nilai yang sudah diketahui dari sampelsampel tersebut.

Estimasi dengan menggunakan satu conto di mana harga tersebut

diekstensikan ke satu volume yang lebih besar disebut ekstensi.
Sedangkan,
Estimasi dengan menggunakan beberapa conto di mana harga-harga
conto tersebut diekstensikan ke satu volume yang lebih besar
disebut estimasi.

Secara umum,
berikut:

E ( v ke V ) =

hubungan

2
dx ( x y ) dy
vV
v
v

varians

estimasi

dapat

dituliskan

sebagai

kovarians vV

2
dx ( x y ) dy varians V
VV

2
dx ( x y ) dy varians v
vv
v
v

Contoh soal (Diktat hal. VIII-30):

Pada suatu endapan fosfat, telah diambil 95 conto pemboran dengan grid
50 x 50 m2. Kadar rata-rata akumulasi kadar dan ketebalan adalah 365 m
%. Variogram model Matheron untuk endapan ini memberikan sill C =
77.912 m2%2. Nugget variance (Co) = 30.000 m2%2, dan range a = 150 m.

Hitunglah varians estimasi global

akumulasi kadar dan ketebalan !

dan

standar

deviasi

relatif

dari

Endapan fosfat dengan grid 50 m x 50 m. Jumlah sampel 95 buah.

Diketahui variogram model Matheron pada endapan fosfat memberikan
data:
range (a) = 150 m.
C = 77.912 m2%2.
Co = 30.000 m2%2.
N = 95 (Jumlah conto bor).
Grid = 50 m x 50 m.
Kadar rata-rata akumulasi kadar dan ketebalan = 365 m%.
Ditanya: Varians estimasi global dan standar deviasi relatif dari akumulasi
kadar dan ketebalan ?
Karena ini adalah contoh untuk bidang bujur sangkar, maka:
h/a = 50/150 = 0,333 dan l/a = 50/150 = 0,333. Maka diperoleh varians
ekstensi titik terhadap bidang bujur sangkar (lihat grafik) 0,333 dan 0,333
adalah 0,125.
Dari sini diperoleh varians estimasinya adalah: 2E (r) = 2E () = Co + (C x
0,125) = 39.739 m2%2.
Untuk seluruh bidang, diperoleh varians estimasi global adalah: 2E (R) =
[1/N] x 2E (r) = (1/95) x 39.739 = 418,3 m2%2.
Sehingga standar deviasinya adalah 418,3 m2%2 = 20,4 m%.
Jadi standar deviasi relatifnya adalah (20,4/365) x 100% = 5,6%.
KRIGING
Kriging adalah metode estimasi geostatistik, yang dikembangkan untuk
memperoleh garis linear terbaik atau estimasi yang tidak bias terhadap
kadar yang ditaksir, atau kadar blok yang ditaksir, yang didasarkan atas
teknik meminimalkan akar dari kesalahan estimasi.

Rumus-rumus kriging banyak dikembangkan secara teoritis yang

diturunkan secara empiris dan banyak dijelaskan dalam literatur
geostatistik.
Di antara literatur yang dapat dibaca adalah yang ditulis oleh David (1977,
1988) dan Huijbregts (1978).
Faktor-faktor yang terpenting dalam estimasi kriging adalah:
1.

Rata-rata dari estimasi, secara sistem tidak boleh lebih besar dari
atau tidak boleh lebih kecil dari nilai sebenarnya. Hal ini
diaplikasikan
secara
matematis
dengan
mengset
jumlah
pembobotannya sama dengan 1, yaitu sebagai berikut:
wi

wi

= pembobotan yang dihitung untuk setiap sampel i.

= 1, , jumlah sampel

2. Kesalahan estimasi atau k2, yang diekspresikan sebagai (G G*)

atau:
k2 = B.D2 2 wi B.Xi + wi wj Xi.Xj
harus diminimalkan, di mana:
G = kadar sebenarnya.
G* = kadar yang diestimasi.
B.D2 = Varians dari blok-blok dengan ukuran tertentu yang akan
diestimasi pada suatu deposit.
B.Xi = Kovarians antara setiap sampel dengan blok-blok yang akan
diestimasi.
Xi.Xj = Kovarians antara individual sampel dengan sampel.
Varians kriging pada persamaan sebelumnya yaitu:
k2 = B.D2 2 wi B.Xi + wi wj Xi.Xj
diminimalkan dengan menggunakan prinsip Lagrange dengan tujuan
untuk memodifikasi persamaan tersebut sehingga diperoleh kondisi
nonbias sebagai berikut:
k2 = B.D2 2 wi B.Xi + wi wj Xi.Xj + ( wi - 1)
Di mana adalah faktor pengali Lagrange.
k2 = B.D2 2 wi B.Xi + wi wj Xi.Xj + ( wi - 1)
Persamaan di atas didiferensiasikan terhadap setiap wi dan
yang menghasilkan satu set persamaan simultan yang dapat
menghasilkan nilai wi dan sebagai berikut:
w1 X1.X1 + w2 X1.X2 + .. + wn X1.Xn + = XB.X1

w1 X2.X1 + w2 X2.X2 + .. + wn X2.Xn + = XB.X2

w1 X3.X1 + w2 X3.X2 + .. + wn X3.Xn + = XB.X3
w1 X1.X1 + w2 X1.X2 + .. + wn X1.Xn + = XB.X1
w1 + w2 + . + wn + 0 = 1
Persamaan di atas dapat diselesaikan dengan menggunakan metode
eliminasi gauss untuk memperoleh nilai bobot (w) dan faktor pengali
Lagrange ().
Estimasi kesalahan kriging kemudian dapat dihitung dengan
persamaan berikut ini:
k2 = B.D2 wi B.Xi +
yang didasarkan atas persamaan untuk menentukan kesalahan
estimasi dan hubungan antara dan persamaan kriging berikut:
= wi B.Xi + wi wj Xi.Xj
Kemudian, kovarian-kovarian individu sampel dan varian-varian blok
dihitung berdasarkan variogram eksperimental sebagai berikut:
Xi.Xj = S.D2 (Xi,Xj)
B.Xi = S.D2 AVE ( (B,Xi))
B.D = S.D2 AVE ( (B,B))
Di mana:
S.D 2 = Varians dari sampel-sampel di dalam deposit.
(Xi,Xj) = Nilai dari fungsi variogram antara sampel-sampel X i dan
X j.
AVE ( (B,Xi)) = Nilai rata-rata variogram antara blok dan sampel Xi.
AVE ( (B,B)) = Nilai rata-rata variogram antara semua titik di dalam
blok.