Penerapan Metode Geostatistik Untuk Estimasi Sumberdaya Galena Pada Blok Gossan Di PT Kapuas Prima Coal

Tommy Suwandi, Nurkhamim Nurkhamim, Aldin Ardian, Epafras Meihaga, Emil Salim Kahmi Leka, Fransischus R.T Sasea

Abstract


Estimasi sumberdaya mineral sangat penting dalam eksplorasi untuk menilai kelayakan penambangan. Metode geostatistik, khususnya ordinary kriging, sering digunakan untuk memperkirakan kadar bijih di lokasi yang tidak terukur dengan memanfaatkan nilai-nilai yang diketahui dan model variabilitas spasial (variogram). Namun, metode ini memiliki keterbatasan seperti asumsi stasioneritas, aditivitas, linearitas, dan subjektivitas dalam pemodelan variogram. Galena, mineral bernilai ekonomi tinggi karena kandungan timbalnya, menjadi fokus eksplorasi untuk industri baterai dan pelindung radiasi. Estimasi yang akurat terhadap sumber daya galena penting untuk menjamin eksplorasi dan penambangan yang efisien dan berkelanjutan. Berdasarkan metode estimasi ordinary kriging, sumber daya galena diklasifikasikan ke dalam tiga kategori, yaitu measured, indicated, dan inferred. Kategori measured memiliki volume 2.012.325 m³ dengan tonase 15.092.439 ton dan kadar Pb 3,70%. Kategori indicated memiliki volume 1.555.856,25 m³ dengan tonase 11.668.921 ton dan kadar Pb 3,96%. Sementara itu, kategori inferred memiliki volume 7.309,25 m³ dengan tonase 54.819 ton dan kadar Pb 4%. Hasil perhitungan teknik estimasi Ordinary Kriging menunjukkan nilai RMSE sebesar 0,40, koefisien korelasi (r) sebesar 0,98, dan koefisien determinasi (R²) sebesar 0,96. Nilai-nilai ini mengindikasikan bahwa model ordinary kriging yang digunakan memiliki tingkat akurasi yang cukup baik, dengan hubungan yang cukup kuat antara nilai estimasi dan aktual. Dengan demikian, metode ini dapat diandalkan untuk estimasi sumberdaya galena.

References


Armstrong, M., (1998), Basic Linear Geostatistic. Page 25-46 Springer.

Asy’ari, M. A., Hidayatullah, R., & Zulfadli, A. (2013). Geologi Dan Estimasi Sumberdaya Nikel Laterit Menggunakan Metode Ordinary Kriging Di Pt. Aneka Tambang, Tbk. Jurnal INTEKNA: Informasi Teknik dan Niaga, 13(1). https://core.ac.uk/download/pdf/542938231.pdf

Elordi, A., Celaya, E., & Lopez, H. (2024). Development Of Methods Based On Neural Networks In The Estimation Of Mineral Resources. Dyna. Https://Doi.Org/10.6036/11077

Isaaks, E.H. & R.M. Srivastava. (1989). Applied Geostatistics. Oxford University Press, New York. https://doi.org/10.1007/BF02065815

Ibe, O.C. (2014). Introduction To Descriptive Statistics. DOI:10.1016/B978-0-12-800852-2.00008-0

Josselin, J.M., & Maux, B.L. (2017). Descriptive Statistics And Interval Estimation. DOI:10.1007/978-3-319-52827-4_3

KCMI, (2011). Kode Pelaporan Hasil Eksplorasi, Sumberdaya Mineral, dan Cadangan Mineral Indonesia, Komite Cadangan Mineral Indonesia (KCMI).

Laboratorium (2025) Simulasi dan Komputasi Tambang Universitas “Veteran” Nasional Yogyakarta.

Meinert, L. D. (1992). Skarns and skarn deposits. Geoscience Canada. https://journals.lib.unb.ca/index.php/GC/article/view/3773/4287

Samson, M., & Deutsch, C. (2021). A Hybrid Estimation Technique Using Elliptical Radial Basis Neural Networks and Cokriging. Mathematical Geosciences. Https://Doi.Org/10.1007/S11004-021-09969-3

SNI 4726: (2019). Pedoman pelaporan hasil eksplorasi, sumberdaya, dan cadangan mineral, Badan Standarisasi Nasional Indonesia. https://www.perhapi.or.id/doc/sni-4726.pdf

Bargawa, W. S., & Amri, N. A. (2016, February). Mineral resources estimation based on block modeling. In AIP Conference Proceedings (Vol. 1705, No. 1). AIP Publishing. https://doi.org/10.1063/1.4940249

Departemen tim eksplorasi dan Produksi PT Kapuas Prima Coal.

Idrus, A., Setijadji, L. D., Tamba, F., & Anggara, F. (2011). Geology and characteristics of Pb-Zn-Cu-Ag skarn deposit at Ruwai, Lamandau Regency, Central Kalimantan. Journal of Applied Geology, 3(1).

Meinert, L. D. (1992). Skarns and skarn deposits. Geoscience Canada.




DOI: http://dx.doi.org/10.30872/jtm.v13i1.19140

Refbacks

  • There are currently no refbacks.


View My Stats