Perpustakaan Digital ITB

Estimasi sumber daya mineral umumnya dilakukan menggunakan pendekatan deterministik yang menghasilkan satu nilai estimasi pada setiap blok, sehingga informasi mengenai ketidakpastian spasial masih terbatas. Penelitian ini bertujuan menerapkan Sequential Gaussian Simulation (SGS) sebagai pendekatan probabilistik dalam klasifikasi sumber daya nikel laterit serta membandingkannya dengan Ordinary Kriging (OK) pada Blok PB 5 PT XYZ. Penelitian menggunakan data pemboran yang terdiri atas data collar, survey, litologi, dan kadar Ni yang diolah melalui validasi basis data, komposit, pemodelan geologi, top flattening, analisis variogram, dan pemodelan blok. Estimasi dilakukan menggunakan OK dan SGS sebanyak 100 realisasi. Klasifikasi pada SGS didasarkan pada nilai Koefisien Variasi (CV), sedangkan pada OK menggunakan kriging variance. Hasil penelitian menunjukkan bahwa pada domain limonit, OK menghasilkan kategori Measured, Indicated, dan Inferred masing-masing sebesar 92,7%, 6,7%, dan 0,6%, sedangkan SGS menghasilkan 79,4%, 20,3%, dan 0,3%. Pada domain saprolit, OK menghasilkan masing-masing 87,3%, 9,2%, dan 3,5%, sedangkan SGS menghasilkan 68,5%, 25,8%, dan 5,7%. Hasil ini menunjukkan bahwa klasifikasi berbasis SGS lebih sensitif terhadap ketidakpastian estimasi yang berkaitan dengan variabilitas spasial, sehingga mampu mengidentifikasi tingkat keyakinan sumber daya secara lebih beragam dibandingkan OK. Dengan demikian, SGS dinilai lebih representatif untuk klasifikasi sumber daya berbasis tingkat keyakinan, sedangkan OK tetap sesuai sebagai metode estimasi kadar.