Hasil Pencarian  ::  Simpan CSV :: Kembali

"Metode ordinary kriging adalah metode penaksiran yang menghasilkan taksiran yang memenuhi kriteria BLUE (Best Linear Unbiased Estimator). Nilai taksiran dinyatakan sebagai kombinasi linier dari data sampel. Data yang digunakan adalah data spasial. Metode ordinary kriging dapat digunakan jika data spasial memenuhi asumsi stasioner orde dua atau asumsi stasioner intrinsik. Dalam melakukan penaksiran dengan metode ordinary kriging diperlukan suatu fungsi yang disebut semivariogram. Ada dua jenis semivariogram, yaitu : semivariogram isotropik dan semivarogram anisotropik. Pada tugas akhir ini, metode ordinary kriging digunakan untuk menaksir nilai pengamatan pada suatu titik di lokasi yang tidak tersampel, dan semivariogram yang digunakan adalah semivariogram isotropik. "

"Metode sequential kriging merupakan salah satu metode penaksiran pada data spasial, yang memodifikasi metode kriging yang sudah ada seperti simple kriging, ordinary kriging, dan universal kriging. Modifikasi dilakukan dengan menerapkan suatu sequential linear estimator. Metode ini menggunakan data spasial sama seperti metode kriging lainnya. Pada tugas akhir ini, metode kriging yang dimodifikasi adalah metode simple kriging. Sequential kriging dapat menyelesaikan kesukaran numerik yang berhubungan dengan interpolasi untuk ukuran data besar. Data dibagi dalam beberapa subset dengan tiap subset memungkinkan hanya memiliki satu data saja. Ketika tersedia suatu data tambahan, estimator sequential kriging memperbaiki estimasi sebelumnya dengan menggunakan bobot linier dari selisih antara data yang baru dan estimasi data tambahan dengan menggunakan estimator sebelumnya. Secara teori, dapat ditunjukkan bahwa estimator sequential kriging menghasilkan estimasi yang sama dengan simple kriging. Begitu juga variansi sequential kriging akan sama dengan variansi simple kriging."

"Ditinjau penggunaan rumusan Fiacco-McCormick (1968) dan rumusan Adaptasi Rao untuk menentukan parameter penalti awal yang digunakan dalam menyelesaikan masalah minimisasi dengan kendala melalui Metode Fungsi Penalti Eksterior. Beberapa persoalan minimisasi dengan kendala diberikan, termasuk persoalan dengan fungsi obyektifnya berupa fungsi Rosenbrook. Melalui beberapa percobaan numerik, persoalan persoalan tersebut diselesaikan dengan menggunakan kedua rumusan parameter penalti awal yang telah disebutkan. Dengan pemilihan parameter awal yang tepat untuk setiap persoalan, maka efisiensi Metode Fungsi Penalti Eksterior dapat ditingkatkan."

"Dalam tugas akhir ini ditinjau penggunaan beberapa rumusan untuk menentukan nilai parameter penalti awal yang digunakan pada penyelesaian persoalan minimisasi dengan kendala melalui Metode Fungsi Penalti Interior. Tiga rumusan yang ditinjau, yaitu rumusan Eiacco-McCormick (1968) , rumusan Rao (1984) dan sebuah rumusan percobaan. Kesemua rumusan tersebut dicobakan pada beberapa kasus, termasuk kasus minimisasi fungsi Rosenbrock dalam dimensi dua. Efisiensi dari metode fungsi penalti interior dalam ditingkatkan dengan memilih nilai parameter penalti awal yang tepat untuk setiap persoalan."

"Dalam tugas akhir ini ditinjau penggunaan beberapa rumusan untuk menentukan nilai parameter penalti awal yang digunakan pada penyelesaian persoalan minimisasi dengan kendala melalui Metode Fungsi Penalti Interior. Tiga rumusan yang ditinjau, yaitu rumusan Eiacco-McCormick (1968), rumusan Rao (1984) dan sebuah rumusan percobaan. Kesemua rumusan tersebut dicobakan pada beberapa kasus, termasuk kasus minimisasi fungsi Rosenbrock dalam dimensi dua. Efisiensi dari metode fungsi penalti interior dalam ditingkatkan dengan memilih nilai parameter penalti awal yang tepat untuk setiap persoalan."

"Regresi kuantil merupakan salah satu teknik regresi dengan memodelkan kuantil dari variabel dependen bersyarat variabel penjelas. Model yang diperoleh dengan regresi kuantil merupakan suatu gambaran lengkap atas perilaku data baik di bagian tengah maupun ekor (tail) sebaran. Sehingga teknik ini baik digunakan untuk analisa data apabila dicurigai adanya perbedaan pengaruh variabel penjelas terhadap bagian-bagian tertentu variabel dependen. Hal ini dapat dilihat dari hasil taksiran parameter regresi kuantil yang berubah secara monoton. Selain itu regresi kuantil juga bagus digunakan pada data dengan nilai ekstrim yang penting untuk dianalisa. Untuk mendapatkan model regresi kuantil diperlukan proses penaksiran parameter yang dilakukan dengan meminimumkan ekspektasi suatu fungsi loss. Proses optimisasi ini selanjutnya diubah ke dalam program linier dan dapat diselesaikan dengan metode interior point. Metode interior point yang digunakan dalam skripsi ini mengacu pada algoritma Frisch-Newton. Selanjutnya pada skripsi ini, regresi kuantil akan diterapkan pada dua data yang masing-masing memiliki karakteristik yang berbeda.

---

Quantile regression is a regression technique by modeling the conditional quantile of the dependent variable. Models obtained with quantile regression is a complete picture of the behavior of the data either in the middle or tail. This technique is well used to analyze data when there is suspected differences in the effect of explanatory variables on the dependent variable. It can be seen from the results of quantile regression parameter estimates which changed monotonically. In addition quantile regression is also good to use on the data with extreme values that are important to be analyzed. To get the required quantile regression model, parameter estimation process is done by minimizing the expectation of a loss function. The optimization process is then converted into a linear program and can be solved by interior point methods. Interior point methods used in this skripsi refers to the Frisch-Newton algorithm. Later in this skripsi, quantile regression will be applied to the two data each has different characteristics."

"Telah dilakukan pemodelan kecepatan subregional dan konversi kedalaman dari dua horizon seismik yaitu horizon Top Kais dan horizon Base Cretaceous di area Tangguh, Papua. Penelitian ini dilakukan karena belum ada pemodelan kecepatan dengan skala subregional yang menyertakan parameter geologi di area Tangguh.Faktor geologi yang mempengaruhi kecepatan rerata di area subregional Tangguh adalah litologi dan ketebalan interval. Untuk itu telah dilakukan pemodelan geologi dengan 2 layer berdasarkan litologi yaitu: shale (layer 1: SRD - Top Kais) dan karbonat+klastik (layer 2: Top Kais - Base Cretaceous). Metode External Drift Kriging menggunakan horizon Top Kais dan Base Cretaceous terbukti mampu memprediksi kecepatan pada skala subregional dimana data sumur tidak banyak (sparse). Didapatkan rentang (range) kecepatan rerata Top Kais adalah 1700m/sec hingga 2500m/sec dan rentang kecepatan rerata Base Cretaceous adalah 2700m/sec hingga 4000m/sec.Hasil penelitian ini adalah model kecepatan yang dapat digunakan untuk skala subregional Tangguh. Horizon kedalaman (depth horizon) dari penelitian ini dapat digunakan untuk penentuan rentang volume secara deterministik dari prospek di area eksplorasi (ILX) yang baru.

---

Velocity modelling and depth conversion of two seismic horizons (Top Kais and Base Cretaceous) was performed for subregional scale at Tangguh area, Papua. This study was initiated because there were no any previous works on velocity modelling for subregional scale at Tangguh area which incorporated any geological parameters.Geological factors that affected the average velocity distribution at Tangguh are lithology and interval thickness. Therefore a 2 layer geological model was created which was defined by lithology: shale (layer 1: SRD - Top Kais) and carbonate + clastic (layer 2: Top Kais - Base Cretaceous). External Drift Kriging by using Top Kais and Base Cretaceous horizons was proved to be superior to predict velocity distribution on sparse well data in a subregional scale.It was found that the average velocity range for Top Kais was 1700m/sec to 2500m/sec and the average velocity range for Base Cretaceous was 2700m/sec to 4000m/sec. The velocity models as the outcome of this study can be used for Tangguh subregional scale. The depth horizons can be used to define the deterministic volume of the prospects in the new ILX area."

"Penelitian berlokasi di daerah Langgikima, Konawe Utara, Sulawesi Tenggara. Tujuan dari penelitian ini yaitu untuk memetakan zona profil laterit berdasarkan hasil domaining serta mengestimasi kadar dan tonase nikel laterit yang terdapat di daerah penelitian. Metode pengolahan dan analisis data meliputi analisis statistik univarian serta metode ordinary kriging. Unsur yang diestimasi meliputi Ni, Co, Fe, SiO2, dan MgO dengan variogram model yang digunakan yaitu Ni sebagai variabel utama. Data yang digunakan berupa data sekunder yang mencakup collar, survey, dan assay serta menggunakan foto core sebagai data penunjang untuk validasi. Domain geologi pada penelitian ini terbagi menjadi 3, yaitu limonit, saprolit, dan bedrock. Limonit dan saprolit termasuk kedalam zona mineralisasi yang akan diestimasi. Densitas limonit sebesar 1.6 gr/cm3 dan saprolit 1.5 gr/cm3 . Klasifikasi sumberdaya didasarkan pada jarak antar spasi bor dan parameter geostatistik slope of regression. Hasil klasifikasi dengan menggunakan cut off grade 1% menunjukkan daerah penelitian terdiri atas kelas terukur. Domain limonit menghasilkan volume sebesar 1,697,891 m3 dan tonase 2,716,625 ton dengan kandungan rata-rata Ni sebesar 1.31%, Co 0.1%, Fe 45.42%, SiO2 9.01%, dan MgO 1.13%. Domain saprolit menghasilkan volume sebesar 964,063 m3 dan tonase 1,446,094 ton dengan kandungan rata-rata Ni sebesar 1.69%, Co 0.04%, Fe 20.93%, SiO2 33.52%, dan MgO 14.92%. Kategori terukur menandakan pada daerah penelitian memiliki tingkat keyakinan geologi yang tinggi untuk membuktikan kemenerusan kadar dan kandungan mineral serta memiliki nilai yang ekonomis untuk ditambang.

---

The research is located in Langgikima, Nort Konawe, Southeast Sulawesi. The purpose of this study was to map the laterite profile zones based on the results of domaining and to estimate the grades and tonnage of laterite nickel found in the study area. Data processing and analysis methods include univariate statistical analysis and ordinary kriging methods. The estimated elements include Ni, Co, Fe, SiO2, and MgO with the variogram model used, Ni as the main variable. The data used is in the form of secondary data which includes collars, surveys, and assays and uses core photos as supporting data for validation. The geological domain in this study is divided into 3, namely limonite, saprolite, and bedrock. Limonite and saprolite are included in the mineralized zone to be estimated. The density of limonite is 1.6 gr/cm3 and that of saprolite is 1.5 gr/cm3 . Resource classification is based on the distance between drill spacing and the slope of regression geostatistical parameters. Classification results using 1% cut off grade show that the study area is composed of measurable classes. The limonite domain produces a volume 1,697,891 m3 and tonnage of 2,716,625 tons with an average content of 1.31% Ni, 0.1% Co, 45.42% Fe, 9.01% SiO2, and 1.13% MgO. The saprolite domain produced a volume of 964,063 m3 and tonnage of 1,446,094 tons with average content of 1.69% Ni, 0.04% Co, 20.93% Fe, 33.52% SiO2, and 14.92% MgO.The measured category indicates that the research area has a high level of geological confidence to prove the continuity of grades and mineral content and has economic value for mining."