PREDIKSI NILAI FIXED CARBON SEBAGAI VARIABEL DALAM KUALITAS BATUBARA DENGAN METODA ORDINARY POINT KRIGING MENGGUNAKAN APLIKASI R

  • Budi Nurani Ruchjana Department of Mathematics Universitas Padjadjaran
  • Annisa Nur Falah Department of Mathematics Universitas Padjadjaran
  • Endang Rusyaman Department of Mathematics Universitas Padjadjaran
  • Nur Hamid Departemen Geologi, Fakultas Teknik Geologin Sekolah Tinggi Teknologi Mineral
Kata Kunci: Ordinary Point Kriging, Fixed Carbon, Aplikasi R, estimasi, lokasi yang tidak tersampel

Abstrak

Data spasial adalah data yang diperoleh dari hasil pengukuran yang berisi informasi tentang lokasi, umumnya berdasarkan peta yang berisikan interpretasi dan proyeksi seluruh fenomena yang berada di bumi. Metoda Ordinary Point Kriging adalah salah satu metoda yang dapat digunakan untuk analisis data spasial dalam Geostatistika yang digunakan untuk mengestimasi nilai dari sebuah titik di lokasi tidak tersampel sebagai kombinasi linear dari nilai contoh yang terdapat di sekitar titik yang akan diestimasi. Bobot kriging diperoleh dari hasil variansi estimasi minimum menggunakan semivariogram sebagai input. Untuk studi kasus penerapan Metoda Ordinary Point Kriging, digunakan data karbon tertambat (fixed carbon) sebagai variabel kualitas batubara dari hasil uji laboratorium di  PT Bumi Merapi yang menunjukkan bahwa kualitas batubara berada dalam peringkat Lignite. Fixed carbon menyatakan banyaknya karbon yang terdapat dalam material sisa setelah zat terbang (volatile matter) dihilangkan. Nilai fixed carbon sangat mempengaruhi kualitas suatu batubara, karena semakin tinggi nilai fixed carbon maka kualitas batubara semakin meningkat. Proses perhitungan estimasi fixed carbon di lokasi yang tidak tersampel menggunakan Metoda Ordinary Point Kriging dapat diselesaikan dengan package gstat pada Aplikasi R, dan memberikan nilai hasil estimasi mendekati nilai data sampel. Oleh karena itu, perhitungan Metoda Ordinary Point Kriging menggunakan aplikasi R memberikan perhitungan yang lebih mudah, cepat, dan akurat.

##plugins.generic.usageStats.downloads##

##plugins.generic.usageStats.noStats##

Referensi

Arisandy, A. A., Nugroho, W., Winaswa-ngusti A. U. (2017). Peningkatan Kualitas Batubara Sub Bituminous Menggunakan Minyak Residu Di PT X Samarinda, Kalimantan Timur. Jurnal Teknologi Mineral FT UNMUL, 5 (1), 1-6.

Bivand, R. S., Pebesma, E., & Rubio, V. G. (2013). Applied Spatial Data Analysis with R Second Edition. New York: Springer.

Cressie, N. A. (1993). Statistics For Spatial Data. New York: John Wiley & Sons, Inc.

Ertunc, G., Tercan, A. E., Hindistan, M. A., Unver, B., Unal, S., Atalay, F., & Killioglu, S. Y. (2013). Geostatistical estimation of coal quality variables by using covariance matching constrained kriging. International of Coal Geology, 112, 14-22,http://dx.doi.org/10.1016/j.coal.2012.11.014.

Falah, A. N., Abdullah, A. S., Parmikanti, K., & Ruchjana, B. N. (2017a). Prediction of Cadmium Pollutant With Ordinary Point Kriging Method Using GStat-R. AIP Conference Proceedings: The 2nd International Conference on Applied Statistics (ICAS II 2016), 1827, 020019 https://doi.org/10.1063/1.4979435.

Falah, A. N., Subartini, B., & Ruchjana, B. N. (2017b). Application of universal kriging for prediction pollutant using GStat R. IOP Conf. Series: Journal of Physics: Conf. Series , 893, doi :10.1088/1742-6596/893/ 1/012022, 1-7.

Gunawan, A. A., Falah, A. N., Faruk, A., Lutero, D. S., Ruchjana, B. N., & Abdullah, A. S. (2016). Spatial Data Mining for Predicting of Unobserved Zinc Pollutant using Ordinary Point Kriging. IEEE: International Workshop on Big Data and Information Security 978-1-5090-3477-2/16/$31.00 83-88.

Hamid, N. (2017). Distribusi Kuat Geser Batuan pada Formasi Muara Enim di Kecamatan Merapi Barat, Kabupaten Lahat, Provinsi Sumatra Selatan Menggunakan Metoda Kriging, Disertasi, Tidak Diterbitkan. Bandung: Aplikasi Pascasarjana Fakultas Teknik Geologi Universitas Padjadjaran.

Olea, R. A. (1999). Geostatistics for engineers and earth scientists. New York: Kluwer Academic Publishers.

Ruchjana, B. N., Abdullah, A. S., & Falah, A. N. (2017). Penerapan Aplikasi GStat Berbasis R untuk Geostatistika dengan Pendekatan Spasial Data Mining. ISBN 602640827-4 Jatinangor: ALQAPRINT.

Schweinfurth, S. P. (2009). An Introduction to Coal Quality. Virginia.

Srivastava, R. M. (2013). Geostatistics: A toolkit for data analysis, spatial prediction and risk management in the coal industry. International Journal of Coal Geology , 112, 2-13, http://dx.doi.org/10.1016/j.coal.2013.01.011.

Varberg, D., Purcell, E., & Rigdon, S. (2007). Calculus Ninth Edition. Pearson Education, Inc.

Wackernagel, H. (1994). Cokriging versus kriging in regionalized multivariate data analysis. Elsevier Science B. V., 83-92.

Youkuo, C., Yongguo, Y., & Wangwen, W. (2015). Coal Seam Thickness Prediction based on Least Squares Support Vector Machines and Kriging Method. EJGE, 20 Bund. 1 167-176.

https://www.geologinesia.com/2016/01/

tempat-dan-proses-pembentukan-batubara. html

https://www.cnbcindonesia.com/news/20190624120905-4-80160/cadangan-batu-bara-ri-naik-jadi-3989-miliar-ton

Diterbitkan
2019-08-30
Bagian
Buletin Sumber Daya Geologi