Professional Documents
Culture Documents
Geostat TugasAkhir Kelompok19
Geostat TugasAkhir Kelompok19
DATA ANALISIS KIMIA TANAH DAN UDARA TANAH DAERAH PANAS BUMI G.
TALANG, KAB. SOLOK, SUMATERA BARAT
ABSTRACT
Geostatistic is an analytical method commonly used with a variety of methods in processing geological data.
This study aims to analyze the distribution pattern of CO2 and to estimate anomalous regions which generally
correlate with permeability zones which are important factors in geothermal exploration using ordinary
kriging. The data used are soil geochemical sample data and soil gas in the Talang Mountain area. Exploratory
Data Analysis or EDA that is applied to the data using summary statistics, histograms, and box-whisker-plot
methods. Exploratory Data Analysis results show that CO2 data are not normally distributed, unimodal, with
skewness of 0.564 and kurtosis 0.634, and an outlier is indicated, so that the normalization method is required
utilizing the last five point values of more than three in the data removed. The variogram model applied is the
wave and the rising trend mode with the nugget value of 0.033, the sill of 0.05 and the range of 470 meters.
Exploratory Spatial Data Analysis that is applied to the data is the posting plot and map symbol, the results of
the Exploratory Spatial Data Analysis show that data sampling is done in a regular pattern to minimize errors.
Furthermore, Kriging analysis was applied with an ordinary kriging method using ILWIS software with a pixel
size of 50 meters. The results showed an anomaly of CO2 values right in Upper Gabuo until approaching Batu
Berjanjang, Gunung Jantan as a source of geothermal energy.
Keywords: geothermal, EDA, ESDA, variogram , Ordinary kriging
ABSTRAK
Geostatistik merupakan sebuah metode analisis yang umum digunakan dengan keragaman metode dalam
pengolahan data geologi. Penelitian ini bertujuan untuk menganalisis pola persebaran CO 2 dan memperkirakan
daerah anomali yang umumnya berkorelasi dengan zona permeabilitas yang merupakan faktor penting dalam
eksplorasi panas bumi dengan menggunakan ordinary kriging. Data yang digunakan adalah data sampel
geokimia tanah dan gas tanah daerah Gunung Talang. Exploratory Data Analysis atau EDA yang diterapkan
pada data menggunakan metode summary statistics, histogram, dan box-whisker-plot. Hasil Exploratory Data
Analysis menunjukkan bahwa data CO2 tidak terdistribusi secara normal, unimodal, dengan skewness 0.564 dan
kurtosis 0.634, serta ditunjukkan adanya outlier, sehingga perlu dilakukan metode normalisasi dengan cara lima
data terakhir bernilai lebih dari tiga pada data dihilangkan. Model variogram yang diterapkan adalah model
wave dan trend naik dengan nilai nugget 0.033, sill 0.05 dan range 470 meter. Exploratory Spatial Data
Analysis yang diterapkan pada data adalah post plot dan map symbol, hasil Exploratory Spatial Analysis Data
menunjukkan bahwa pengambilan sampel data dilakukan dengan pola yang teratur untuk meminimalisasi error.
Selanjutnya, diterapkan analisis Kriging dengan metode Ordinary kriging yang menggunakan software ILWIS
dengan pixel size 50 meter. Hasil penelitian menunjukkan adanya anomali nilai CO 2 tepat berada di Gabuo Atas
sampai mendekati Batu Berjanjang, Gunung Jantan sebagai sumber panas Bumi.
Kata kunci: panas bumi, EDA, ESDA, variogram , Ordinary kriging
VARIOGRAM
Variogram merupakan varians antara nilai-
nilai tertentu pada dua tempat terhadap bidang
yang terealisasikan (Cressie, 1993). Parameter
variogram yang sering digunakan yaitu : nugget, 2) Untuk lag 200 dengan nilai Nugget: 0,032,
Sill, dan Range. Sill: 0.055, Range: 800
Nugget adalah ketinggian semivariogram
dari titik nol hingga titik nilai awal. Sill adalah
batas variogram pada jarak lag yang menuju
tanpa batas dan Range adalah jarak yang mana
perbedaannya dihitung dari titik nol hingga titik
yang mencapai Sill. Pada data yang diolah
menjadi tampilan grafik semivariogram, penulis
mendapatkan nugget 0.033, sill 0.05, dan range
470. Hal ini mengindikasikan bahwa terdapat
nugget effect yang kecil sehingga kemungkinan
terjadi kesalahan dalam pengukuran. Range yang
dapat diraih hanya berjarak 470.
Adapun langkah-langkah untuk membuat
sebuah variogram, hal yang perlu dilakukan
terlebih dahulu ialah normalisasi data, setelah
data normal maka grafik semivariogram dapat 3) Untuk lag 300 dengan nilai Nugget: 0.035,
dibuat melalui software ILWIS versi 3.31. Agar Sill: 0.054, Range: 1000
lebih kompatibel data seperti lattitude (UTM),
longitude (UTM), dan nilai square root dari CO2
akan diiput terlebih dahulu dari aplikasi
Microsoft Excel ke aplikasi notepad dengan
format Comma Delimated serta ekstensi .dat.
Lalu buka ILWIS dan import file tersebut, pada
menu Table Operations pilih Table to Pointmap.
Setelah itu, grafik semivariogram dibuat dengan
4) Untuk lag 400 dengan nilai Nugget: 0,041, 7) Untuk lag 1000 dengan nilai Nugget: 0,039,
Sill: 0.053, Range: 1000 Sill: 0,064 Range: 1800
5) Untuk lag 450 dengan nilai Nugget: 0,03, Analisis variogram terdiri dari model dan
Sill: 0.050, Range: 470 eksperimen variogram yang dihitung dari data.
Eksperimen variogram diperoleh dengan
menambahkan kuadrat perbedaan antara nilai
yang diamati (Zi dan Zj) pada dua titik untuk
semua pasangan titik yang dibatasi oleh jarak
radius tertentu (h) dari salah satu titik dan dibagi
oleh faktor dua, sebagai berikut;
VARIOGRAM ANISOTROPI
Dibuat variogram dengan 4 variasi araha
sebagai berikut:
KRIGING
Kriging merupakan suatu metode analisis
data geostatistika yang digunakan untuk
Variogram berarah Barat-Timur menduga besarnya nilai yang mewakili suatu titik
yang tidak tersampel berdasarkan titik tersampel
yang berada di sekitarnya dengan menggunakan
model struktural semivariogram. Kriging juga
merupakan suatu metode yang digunakan untuk
menonjolkan metode khusus yang meminimalkan
variansi dari hasil pendugaan (Fridayani, 2012).
Banyak metode yang dapat digunakan dalam
metode kriging, Kriging dapat dibedakan menjadi
tiga, yaitu Simple Kriging, Ordinary Kriging, dan
Universal Kriging (Cressie, 1993).
Dalam analisis data, penulis menggunakan
metode ordinary kriging yang merupakan teknik
kriging linier karena menggunakan kombinasi
Variogram berarah Timur Laut-Barat Daya linier terbobot dari data yang tersedia untuk
proses estimasi (Isaaks dan Srivastava, 1989).
Penulis telah membuat dua peta, yaitu : peta
kriging akar kuadrat CO2 pada gambar 7 dan peta
error kriging pada gambar 8.
Pada gambar 7 menampilkan sebuah
anomali pada daerah berwarna merah muda yang
ditandai oleh sekitar nilai 1.14 dan 1.11. Di sisi
lain, terdapat daerah berwarna yang membentuk
lingkaran yang tinggi maupun rendah hal ini
menunjukkan bahwa data ini merupakan pola
grafik gambar 6 bergelombang dengan trend naik
secara bertahap dari arah utara ke selatan. Pada
gambar 8 menunjukkan bahwa titik daerah yang Variogram data asli (atas) dan data pembanding
diukur memiliki nilai error yang rendah daripada (bawah)
daerah yang tidak diukur. Oleh karena itu, daerah
yang berpotensi anomali adalah daerah dengan
nilai kadar yang tinggi dengan nilai error yang
rendah. Standar deviasi untuk Krigging Map ini
adalah 0.2 yang menandakan bahwa seluruh nilai
error yang berada di bawah 0.2 adalah dapat
dipercaya.
Krigging Map
Acknowledgements
Peneliti mengucapkan terima kasih
kepada Dr.Eng.Ir. Suryantini M.Sc. dan
Hendro H. Wibowo ST. M.Sc. yang telah
memberikan bimbingan dalam pengerjaan
paper ini serta membantu dalam penggunaan
aplikasi ILWIS.
DAFTAR PUSTAKA
Buku
Bohling, Geoff (2005). Kriging. Diambil dari http://people.ku.edu/
Brown, James Dean. (1997). Skewness and Kurtosis. Diambil dari http://hosted.jalt.org/
Chiles, Jean-Paul. (1999). Geostatistic:Modelling Spatial Uncertainty. A Wiley-Interscience
Publication 37-38. Diambil dari
https://www.researchgate.net/publication/267437693_Geostatistics_Modeling_Spatial_Uncer
tainty
Cressie, N. 1993. Statistics for spatial data.Wiley Interscience.
Diambil dari
https://onlinelibrary.wiley.com/doi/book/10.1002/978111911515
1
Fridayani, N. M. S., Kencana, P. E. N., dan Sukarsa, K. G. (2012). Perbandingan Interpolasi Spasial
Dengan Metode Ordinary dan Robust Kriging pada Data Spasial Berpencilan (Studi Kasus:
Curah Hujan di Kabupaten Karangasem). E-Jurnal Matematika. 1 : 68-74. Diambil dari
https://www.researchgate.net/publication/319062514_PERBANDINGAN_INTERPOLASI_SPA
SIA
L_DENGAN_METODE_ORDINARY_DAN_ROBUST_KRIGING_PADA_DATA_SPASIAL
_BE
RPENCILAN_Studi_Kasus_Curah_Hujan_di_Kabupaten_Karangasem
Gringarten, Immanuel, dkk, (2001), Teacher’s Aide: Variogram Interpretation and modelling 508-
509.
Diambil dari
geog.ucsb.edu/~chris/readings/Variogram.Interpretation.Modeling.Aide.pdf Howitt,
D., Cramer, D. (2008). Introduction to Statistics in Psychology. Edisi 4. Diambil dari
https://www.pearson.com/uk/educators/higher-education-educators/program/Howitt-
Introduction-to- Statistics-in-Psychology-4th-Edition/PGM895668.html
Isaaks, Edward H. and Srivastava, R.M. 1989. Applied Geostatistics. Oxford University Press: New
York.
Diambil dari
https://amstat.tandfonline.com/doi/abs/10.1080/00401706.1991.10484886?journalCode=
utch20
Jenny, Bernhard dkk. (2009). Cartographica: Self Adjusting Legends for Proportional Symbol Maps.
Diambil dari https://pdfs.semanticscholar.org/
Jimenez-Espinosa, Rosario, (1998), Application of Geostatistics to Identify Gold-rich Areas
in the Finisterre-Fervenza region, NW Spain. Diambil dari http://citeseerx.ist.psu.edu
Ker, H.W. 2013. Trend Analysis on Mathematics Achievements: A Comparative Study Using
TIMSS Data. Universal Journal of Education Research 1(3).200-203. Taiwan: Horizon
Research. Diambil dari https://files.eric.ed.gov/fulltext/EJ1053894.pdf
Komorowski, Matthieu dkk.(2016). Exploratory Data Analysis. Diambil dari
https://www.researchgate.net/publication/308007227_Exploratory_Data_A
nalysis
Matheron, Georges et al. (1965). Les variables régionalisées et leur estimation. Masson et Cie.
Diambil dari https://searchworks.stanford.edu/view/1732681
Michel Floch, Jean, (2018). Geostatistic. INSEE. 117-118. Diambil dari
https://www.insee.fr/en/statistiques/fichier/3635545/imet131-i-
chapitre-5.pdf
Munandar, Arif dkk.(2003). Penyelidikan Terpadu Daerah Panas Bumi
Gunung Talang Kabupaten Solok
– Sumatera Barat.Kolokium Hasil Kegiatan Inventarisasi Sumber Daya Mineral – DIM. Diambil
dari
http://psdg.bgl.esdm.go.id/kolokium%202003/panas%20bumi/1_Penyelidikan%20Teradu%20
G.Tala ng-Sumbar%201.pdf
Pratama, Azshelia Putri.,Philberta Aurelia., dan Maria Indira.(2017). Aplikasi Ordinary Kriging
Dalam Mendeliniasi Anomali Hg (Dry Basis) Untuk Eksplorasi Panas Bumi Di Daerah
Panas Bumi Desa Tegaron, Banyubiru, Semarang.Bandung: ITB. Diambil dari
https://docplayer.info/113433203- Aplikasi-ordinary-kriging-dalam-mendeliniasi-anomali-
hg-dry-basis-un
Rusche, Karsten (2008). Quality of Life in the Regions: An Exploratory Spatial Data Analysis
for West German Labor Markets. Diambil dari https://link.springer.com/
Tukey, John W.(1977). Exploratory Data Analysis, Reading, Mass.: Addison-Wesley.
Diambil dari http://theta.edu.pl/wp-
content/uploads/2012/10/exploratorydataanalysis_tukey.pdf
Wardani, Rakhma. 2017. Energi Panas Bumi Ramah Terhadap Lingkungan Sekitar. Diambil dari
http://ebtke.esdm.go.id/post/2017/08/22/1733/energi.panas.bumi.ramah.terhadap.lingkungan.
sekitar
Artikel
Galarnyk, Michael (2018). Understanding Boxplots. Diambil dari
https://towardsdatascience.com/understanding-boxplots-5e2df7bcbd51 (Diakses pada 1 April
2020)
William, M. K. (2006). Web center for social research methods. Diambil
dari https://socialresearchmethods.net/kb/statdesc.php (Diakses pada 1
April 202
Tabel 1: Data kadar CO2 di daerah panas bumi G. Talang, Kab. Solok
x Y C02 sqrt CO2
686508 9897981 0,7 0,837
687602 9900620 0,13 0,361
690997 9893400 0,7 0,837
686621 9900226 0,17 0,412
686046 9896404 0,7 0,837
687897 9897569 0,18 0,424
686293 9898432 0,73 0,854
691215 9892951 0,22 0,469
689179 9899626 0,73 0,854
690774 9893847 0,22 0,469
684576 9902004 0,74 0,860
685009 9901106 0,24 0,490
690749 9895954 0,75 0,866
687255 9898894 0,24 0,490
683984 9900890 0,75 0,866
691391 9894605 0,29 0,539
691184 9895058 0,76 0,872
684597 9899520 0,34 0,583
684197 9900441 0,76 0,872
687040 9899322 0,35 0,592
687829 9895281 0,8 0,894
686168 9901178 0,37 0,608
687996 9899710 0,83 0,911
685949 9901634 0,37 0,608
685373 9897694 0,83 0,911
688582 9898337 0,39 0,624
687168 9896618 0,86 0,927
688265 9894374 0,4 0,632
690224 9892629 0,89 0,943
687772 9900158 0,41 0,640
684403 9899988 0,89 0,943
687458 9901097 0,41 0,640
685538 9902532 0,91 0,954
686830 9902462 0,43 0,656
688284 9896680 0,93 0,964
690056 9895287 0,44 0,663
688447 9896249 0,94 0,970
687255 9901545 0,44 0,663
690559 9894297 0,94 0,970
689536 9898694 0,45 0,671
689361 9894437 0,95 0,975
686948 9897075 0,46 0,678
689790 9893535 0,96 0,980
689241 9896993 0,47 0,686
687469 9898473 0,96 0,980
683769 9901355 0,48 0,693
687609 9895732 1,02 1,010
688806 9897889 0,49 0,700
689656 9896090 1,03 1,015
684790 9901549 0,51 0,714
688706 9895801 1,06 1,030
689712 9898226 0,52 0,721
688522 9893827 1,09 1,044
686838 9899766 0,53 0,728
685229 9900655 1,1 1,049
685613 9897280 0,53 0,728
686389 9900711 1,13 1,063
685743 9902084 0,54 0,735
690970 9895510 1,13 1,063
689021 9897444 0,54 0,735
689146 9894885 1,14 1,068
690527 9896405 0,54 0,735
688159 9899230 1,21 1,100
690305 9896853 0,54 0,735
688908 9895320 1,31 1,145
689447 9896543 0,55 0,742
685417 9900233 1,34 1,158
689379 9899168 0,55 0,742
686073 9898883 1,35 1,162
688047 9894827 0,58 0,762
688091 9897125 1,36 1,166
684828 9899076 0,58 0,762
687390 9896166 1,42 1,192
689467 9894690 0,58 0,762
690007 9893081 1,49 1,221
685854 9899333 0,59 0,768
688790 9895038 1,49 1,221
687692 9898026 0,6 0,775
689051 9893340 1,49 1,221
690100 9897307 0,6 0,775
689576 9893980 1,61 1,269
685031 9898615 0,62 0,787
689250 9894628 1,79 1,338
690328 9894746 0,65 0,806
687038 9902009 1,81 1,345
685232 9898157 0,65 0,806
689279 9893277 2,08 1,442
687999 9893287 0,65 0,806
689044 9895104 2,64 1,625
689865 9895637 0,66 0,812
688776 9894101 2,91 1,71
688375 9898786 0,66 0,812
687974 9893190 3 1,73
689895 9897760 0,67 0,819
688784 9894157 3 1,73
686727 9897531 0,69 0,831
685809 9896826 49 7,00
686422 9898164 0,69 0,831
688963 9900077 65 8,06
685635 9899783 0,69 0,831