Estimasi Sumberdaya Galena Dengan Metode Geostatistik
DOI:
https://doi.org/10.31315/jtp.v11i2.16009Kata Kunci:
Galena, Estimasi Sumberdaya, Geostatistik, Ordinary Kriging, SkarnAbstrak
Estimasi sumberdaya yang akurat merupakan langkah krusial dalam perencanaan tambang, terutama pada endapan skarn yang memiliki karakter heterogen. Penelitian ini melakukan estimasi sumberdaya galena (Pb) pada zona North Pit Cibujang Project, Cihaur, Sukabumi dengan menerapkan pendekatan geostatistik. Sebanyak 16 titik bor dan 226 data assay dianalisis untuk membangun model spasial mineralisasi. Tahapan penelitian meliputi penyusunan database, validasi data, pemodelan variogram, serta pembuatan model blok tiga dimensi menggunakan perangkat lunak Micromine 2023. Ordinary Kriging dipilih sebagai metode interpolasi karena kemampuannya mengakomodasi struktur kontinuitas spasial dan menghasilkan estimasi dengan varians minimum. Model variogram spherical digunakan untuk menggambarkan hubungan spasial kadar Pb pada tubuh endapan. Estimasi dilakukan pada blok dengan kadar ≥ 3% Pb sebagai nilai cut-off. Hasil perhitungan menunjukkan total volume ekonomis sebesar 140.369,25 m³ dengan tonase 448.020 ton dan kadar rata-rata berada pada kisaran 10,85% Pb.. Hasil ini memberikan dasar kuantitatif yang lebih andal bagi perencanaan tambang dan pengambilan keputusan teknis pada North Pit Cibujang Project.
Referensi
Cox, D. P. (1986). Descriptive model of Zn–Pb skarn deposits, model 18c. United States Geological Survey Bulletin 1693.
https://pubs.usgs.gov/bul/b1693/html/bull4u7i.htm
Gu, A. (2023). Geostatistical approaches for resource estimation in mining and exploration. Journal of Environmental Risk Assessment and Remediation, 7(3), 182.
https://doi.org/10.35841/aaerar-7.3.182
Hustrulid. W, & Kuchta. M, (1995). Open Pit Mine Planning & Design Volume 1 Fundamentals 3rd Edition. CRC Press Taylor & Francis Group.
Idrus, A., Setijadji, L. D., & Tamba, F. (2015). Geology and characteristics of Pb–Zn–Cu–Ag skarn deposit at Ruwai, Lamandau Regency, Central Kalimantan. Indonesian Journal on Geoscience, 6(4), 191–201.
https://doi.org/10.17014/ijog.v6i4.126
Isaaks, E.H., & Srivastava, R. M. (1989). Applied Geostatistics. Oxford University Press. New York.
KCMI. (2017). Kode Komite Cadangan Mineral Indonesia. Komite Cadangan Mineral Indonesia.
Marín Ballón, E. M., Jiménez-Pacheco, H., Rondón, M. O. M., Linares Flores Castro, A. E., & Urday Luna, F. E. (2019). Review of Matheron’s Kriging method and its application at the estimation of mineral deposits. Véritas, 20(1), 59–63. https://doi.org/10.35286/veritas.v20i1.227
Marwanza, I. (2023). Pendekatan Geologi dan Geostatistik dalam Klasifikasi dan Estimasi Endapan Batubara. Diva Pustaka. Purbalingga, Jawa Tengah.
Silva, R. A. (2020). A comparative analysis between geostatistics and machine learning methods for mineral resource estimation. International Journal of Geoscience, Engineering and Technology, 2(1), 14–22.
https://doi.org/10.70597/ijget.v2i1.380
Sinclair, A. J., & Blackwell, G. H. (2002). Applied mineral inventory estimation. Cambridge University Press.
https://doi.org/10.1017/CBO9780511546152
Suwandi, T., & Nurkhamim, N. (2024). Analysis of geostatistical methods for mineral resource estimation: A literature review. Mining Technology Journal, 2(2), 1–10.*
https://doi.org/10.31315/mtj.v2i2.14008
Wackernagel, H. (2003). Multivariate geostatistics: An introduction with applications (3rd ed.). Springer-Verlag.
https://doi.org/10.1007/978-3-662-05294-5
Wahid, M. A., & Winarno, E. (2024). Overview methods calculation resource and reserve estimation. Journal of Engineering, Mining and Technology, 4(2), 265–269.*
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Epafras Meihaga, Emil Salim Kahmi Leka, Eprilia Simamora

Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Jurnal Teknologi Pertambangan: This work is licensed under a Creative Commons Attribution-NoDerivatives 4.0 International License.