Perpustakaan Digital ITB

Estimasi sumber daya merupakan tahapan penting dalam pemodelan endapankarena dipengaruhi oleh distribusi data pemboran dan representasi support estimasi.Penelitian ini mengimplementasikan Ordinary Kriging berbasis Python dengan duapendekatan, yaitu bobot biasa dan bobotregion. Dataset nikel (Ni dan Fe)digunakan sebagai representasi pemboranregular, sedangkan dataset batu bara(Ash, Calorific Value, Sulfur, dan Thickness) mewakili pemboran irregular.Pendekatan bobot biasa menggunakan diskritisasi block estimasi, sedangkan bobotregion menggunakan diskritisasi block danauriole. Kualitas hasil dievaluasiberdasarkan estimated grade, kriging variance, kriging standard deviation, RKSD,histogram, swath plot, dan peta spasial. Hasil menunjukkan estimated grade relatifkonsisten pada sebagian besar variabel.Bobot region menghasilkan ketidakpastianlebih rendah pada Fe, Ash, Sulfur, dan Thickness, sedangkan bobot biasa lebihrendah pada Ni dan CV. Sensitivitas ukurangrid Ni menunjukkan pengecilan gridmeningkatkan jumlah block dan resolusi spasial, sementara statistik estimasi relatifstabil. Implementasi Python membuat proses estimasi transparan dan dapat direproduksi.