Indicator Kriging untuk Keputusan Cutoff Grade: Kapan dan Bagaimana

Ordinary kriging (OK) adalah kuda kerja estimasi sumber daya. Ia yang paling sering kita gunakan, ia yang menjadi default sebagian besar software, dan untuk sebagian besar endapan ia adalah jawaban yang benar. Tapi ada kelas masalah di mana OK secara diam-diam gagal — dan di mana indicator kriging (IK) adalah alat yang benar-benar menjawab pertanyaan yang kamu ajukan.

Pertanyaannya biasanya adalah beberapa versi dari “berapa probabilitas bahwa blok ini di atas cutoff?” OK menjawab pertanyaan yang berbeda: “berapa kadar yang diharapkan dari blok ini?” Kedengarannya mirip. Pada endapan yang berperilaku baik dengan distribusi kadar yang halus, mereka memberikan jawaban yang sama. Pada endapan nuggety, miring, atau multi-populasi — yang menggambarkan setengah proyek emas yang kutangani di Indonesia — mereka tidak.

Tulisan ini mencakup kapan IK mengalahkan OK, bagaimana membangun transformasi biner dan peta probabilitas, bagaimana memilih threshold, dan contoh kerja pada endapan emas Indonesia.

Apa yang sebenarnya dilakukan indicator kriging

IK mengubah data kadar menjadi serangkaian indikator biner. Untuk setiap threshold (cutoff) yang kamu pilih, setiap komposit menjadi 1 (di atas cutoff) atau 0 (di bawah cutoff). Kamu kemudian melakukan kriging pada indikator — bukan kadar — untuk mendapatkan, untuk setiap blok, nilai antara 0 dan 1 yang mewakili probabilitas blok tersebut di atas cutoff itu.

Itulah kata kuncinya: probabilitas. OK memberimu nilai yang diharapkan. IK memberimu distribusi probabilitas. Dari output IK, kamu bisa:

• Memetakan probabilitas bahwa setiap blok di atas cutoff — langsung berguna untuk perencanaan tambang
• Merekonstruksi kurva grade-tonnage lokal, memperhitungkan distribusi data lokal
• Mengkuantifikasi ketidakpastian, bukan hanya estimasi sentral

Trade-off: IK lebih banyak kerja. Kamu menjalankan variogram terpisah dan pass kriging terpisah untuk setiap threshold. Lima threshold berarti lima variogram dan lima kali kriging. Variogramnya juga lebih berisik (data biner memiliki lebih sedikit informasi daripada data kontinu), dan hasilnya bisa sensitif terhadap pemilihan threshold.

Kapan IK mengalahkan OK

Gunakan indicator kriging ketika satu atau lebih dari ini berlaku:

1. Nugget effect tinggi

Ketika nugget lebih dari 40–50% dari sill, OK melakukan smoothing secara agresif dan estimasi blok mengelompok di sekitar mean. Blok high-grade menghilang. Pada endapan nugget tinggi, pertanyaan “apakah blok ini di atas 2 g/t?” lebih bisa dijawab daripada “berapa kadar blok ini?” — karena estimasi kadar memiliki terlalu banyak varians untuk berguna, tapi estimasi probabilitas masih informatif.

Jika kamu melihat nilai nugget tinggi pada variogram-mu (dibahas dalam panduan variografi visual), itu sinyal untuk mempertimbangkan IK.

2. Distribusi sangat miring atau multi-modal

OK mengasumsikan distribusi lokal kira-kira simetris. Pada distribusi emas lognormal dengan ekor panjang, estimasi kriging ditarik ke arah mean dan blok high-grade diestimasi terlalu rendah. IK tidak mengasumsikan simetri — ia bekerja pada transformasi indikator, yang bersifat binomial dan berperilaku baik terlepas dari distribusi kadar yang mendasarinya.

Pada distribusi multi-modal (yang biasanya berarti kamu memiliki masalah domaining, tapi kadang populasi benar-benar tumpang tindih dalam ruang), IK memungkinkanmu mengestimasi probabilitas setiap populasi secara terpisah.

3. Keputusannya biner

Jika keputusan penambangan adalah “di atas cutoff → bijih, di bawah cutoff → waste,” maka probabilitas berada di atas cutoff adalah kuantitas yang mendorong keputusan. Kadar yang diharapkan adalah satu langkah dihapus. IK memberimu probabilitas secara langsung.

Ini sangat relevan untuk selective mining — ketika SMU kecil dan tambang membuat keputusan ore/waste per blok, peta probabilitas lebih berguna daripada estimasi kadar.

4. Kamu perlu kurva grade-tonnage lokal

OK memberimu satu kurva grade-tonnage global. IK memberimu kurva grade-tonnage lokal untuk setiap blok — distribusi kadar yang mungkin di lokasi itu, bersyarat pada data di sekitarnya. Ini penting untuk perencanaan tambang: risiko blok jatuh di bawah cutoff saat penambangan berbeda di area probabilitas tinggi vs area marginal, bahkan jika estimasi kadar OK sama.

Kapan OK masih jawaban yang benar

IK tidak selalu lebih baik. Gunakan OK ketika:

• Distribusi kadar kira-kira simetris (sebagian besar endapan porfiri Cu, sebagian besar laterit Ni)
• Nugget rendah (<30% dari sill)
• Endapan dibor dengan baik dan kepadatan data lokal tinggi (smoothing OK kurang masalah ketika kamu memiliki banyak data)
• Kamu perlu estimasi kadar tunggal per blok untuk pemrosesan hilir (sebagian besar pernyataan sumber daya)

Untuk sebagian besar proyek porfiri dan laterit Indonesia, OK adalah alat yang tepat. Untuk sebagian besar proyek emas epitermal dan orogenik Indonesia, IK layak dipertimbangkan secara serius. Keputusannya didorong oleh geologi, bukan oleh software.

Membangun transformasi indikator

Mekaniknya:

1. Pilih threshold-mu. Ini harus sesuai dengan cutoff yang bermakna — cutoff ekonomi saat ini, plus 2–4 threshold yang mengapitnya. Untuk endapan emas dengan cutoff 1,0 g/t, aku biasanya menggunakan 0,5, 1,0, 2,0, 5,0, dan 10,0 g/t.
2. Transformasi komposit. Untuk setiap threshold, buat kolom baru di mana setiap komposit adalah 1 jika kadar ≥ threshold, 0 jika tidak.
3. Jalankan variografi pada setiap indikator. Variogram indikator berbeda dari variogram kadar — biasanya rentang lebih pendek, nugget lebih tinggi. Model masing-masing.
4. Krig setiap indikator. Untuk setiap blok, kamu mendapatkan estimasi probabilitas (0 hingga 1) untuk setiap threshold.
5. Rekonstruksi distribusi lokal. Probabilitas terurut pada threshold mendefinisikan distribusi diskrit. Dari ini, kamu bisa menghitung kadar yang diharapkan (mean IK), probabilitas di atas cutoff mana pun, dan kurva grade-tonnage lokal.

Catatan tentang threshold

Pemilihan threshold penting. Terlalu sedikit threshold dan distribusi lokal terlalu kasar untuk berguna. Terlalu banyak dan variogram indikator menjadi berisik (setiap indikator memiliki lebih sedikit data). Lima hingga tujuh threshold adalah rentang praktis.

Pilih threshold yang:

• Mengapit cutoff ekonomi (sehingga probabilitas yang relevan untuk keputusan ter-resolusi dengan baik)
• Merentang distribusi kadar (jangan kumpulkan semuanya di satu ujung)
• Memiliki cukup data di atas setiap threshold (threshold di atas P99 memiliki ~3 angka satu dan sisanya nol — variogramnya tidak berarti)

Contoh kerja — epitermal Au Sulawesi

Sebuah proyek yang kutangani tahun lalu: epitermal low-sulfidation Au di Sulawesi Tengah. 65 lubang, komposit 2m, domain urat tunggal. Statistik kadar:

• N = 380 komposit
• Mean = 3,2 g/t Au
• Median = 0,8 g/t Au
• P95 = 14,5 g/t Au
• P99 = 48 g/t Au
• Max = 185 g/t Au
• Nugget = 45% dari sill (tinggi)

Epitermal klasik miring, nugget tinggi. OK menghasilkan model di mana inti high-grade urat dismear menjadi gumpalan di ~2 g/t dan intercept bonanza yang sebenarnya tidak terlihat. Perencana tambang tidak bisa membedakan blok mana yang benar-benar high-grade vs mana yang waste yang dirata-rata naik.

Aku menjalankan OK dan IK dan membandingkan. Threshold: 0,5, 1,0, 2,0, 5,0, 10,0, 25,0 g/t.

Perhatikan apa yang diberitahu variogram indikator: indikator high-grade memiliki rentang lebih pendek dan nugget lebih tinggi. Mineralisasi high-grade kurang kontinu secara spasial dibandingkan halo low-grade — masuk akal secara geologi untuk sistem urat di mana shoot bonanza bersifat lokal dan halo low-grade luas.

Model OK dan model IK pada cutoff 1,0 g/t menceritakan cerita yang berbeda:

• OK: gumpalan halus 2–3 g/t menutupi footprint urat. Setiap blok di urat “di atas cutoff” dengan estimasi kadar 1,5–3,5 g/t. Perencana tambang melihat bijih yang seragam.
• IK: peta probabilitas di mana inti urat memiliki >90% probabilitas di atas 1,0 g/t, margin turun ke 50–70%, dan tepi 20–40%. Perencana tambang melihat inti percaya diri yang jelas dan halo marginal — dan bisa merencanakan urutan penambangan dan dilution yang sesuai.

Model IK juga memberikan kurva grade-tonnage lokal per blok, yang memungkinkan perencana tambang mengkuantifikasi risiko pada blok marginal: “blok ini memiliki probabilitas 60% di atas cutoff, jadi 40% kemungkinan waste — rencanakan haul road sesuai.”

Interaksi top-cut

IK dan top-cutting berinteraksi. Transformasi indikator robust terhadap outlier — komposit 185 g/t dan 25 g/t sama-sama menjadi 1 pada threshold 10 g/t. Ini adalah salah satu keunggulan IK: ia kurang sensitif terhadap keputusan top-cut dibandingkan OK.

Tapi kamu tetap perlu hati-hati. Jika kamu merekonstruksi distribusi kadar lokal dari probabilitas IK, ekor high-grade dari rekonstruksi itu tergantung pada threshold tertinggi. Jika threshold tertinggimu adalah 25 g/t dan kamu memiliki beberapa komposit 100+ g/t, distribusi rekonstruksi di atas 25 g/t tidak terkendala. Mean IK (kadar yang diharapkan) masih bisa digelembungkan oleh nilai-nilai ini.

Pendekatan praktis: terapkan top-cut pada data kadar sebelum menjalankan IK (untuk rekonstruksi mean), tapi akui bahwa peta probabilitas di threshold yang lebih rendah tidak sensitif terhadap top-cut dan bisa digunakan langsung untuk perencanaan tambang.

Post-processing — apa yang dilakukan dengan output IK

Output IK adalah satu set peta probabilitas (satu per threshold). Turunan yang berguna:

• Probabilitas di atas cutoff ekonomi: peta perencanaan tambang utama. Blok dengan >70% probabilitas → bijih percaya diri. 50–70% → marginal, rencanakan untuk selektivitas. <50% → kemungkinan waste.
• Mean kadar IK: kadar yang diharapkan, direkonstruksi dari probabilitas indikator. Sebanding dengan estimasi OK tapi sering kurang di-smooth pada endapan nugget tinggi.
• Kurva grade-tonnage lokal: per blok, distribusi kadar yang mungkin. Berguna untuk perencanaan tambang berbasis risiko.
• Input klasifikasi: sebaran probabilitas (seberapa runcing vs datar distribusi lokal) adalah ukuran ketidakpastian yang bisa dimasukkan ke dalam klasifikasi sumber daya — probabilitas tinggi = kepercayaan tinggi = Indicated/Measured; probabilitas tersebar = kepercayaan lebih rendah = Inferred.

Bagaimana Orebit GeoSuite membantu

Modul GeoSuite Resource Estimation mendukung OK dan IK, dengan workflow IK terintegrasi penuh:

• Asisten pemilihan threshold — menyarankan threshold berdasarkan distribusi kadar (persentil, cutoff ekonomi, break alami)
• Variografi indikator — variogram eksperimental per-threshold dengan fitting model, berdampingan dengan variogram kadar untuk perbandingan
• Kriging paralel — menjalankan semua pass kriging indikator secara paralel (5 threshold dalam waktu kira-kira 2 pass OK berurutan)
• Output peta probabilitas — peta probabilitas per-threshold, dengan cutoff ekonomi disorot
• Rekonstruksi grade-tonnage lokal — distribusi kondisional per-blok, dengan mean IK dan probabilitas di atas cutoff
• Perbandingan OK vs IK — peta kadar dan kurva grade-tonnage berdampingan, sehingga kamu bisa melihat apakah IK benar-benar menambah nilai pada endapanmu
• Suite validasi — tujuh cek yang sama dari checklist validasi block model, diterapkan pada model IK

Perbandingan OK vs IK adalah fitur yang paling sering kugunakan. Pada tiga dari lima proyek emas terakhir yang kutangani, IK jelas menambah nilai. Pada dua lainnya, OK sudah baik dan IK adalah overhead yang tidak perlu. Perbandingan memberitahumu mana yang mana — kamu tidak perlu menebak.

Coba Core gratis → · Ambil bundle — Rp 99K → (modul satuan Rp 49K · sekali bayar · jadi milikmu selamanya)

Intinya

Indicator kriging menjawab pertanyaan yang berbeda dari ordinary kriging — probabilitas berada di atas cutoff, bukan kadar yang diharapkan. Pada endapan nugget tinggi, miring, atau keputusan biner (sebagian besar emas Indonesia), itulah pertanyaan yang sebenarnya perlu kamu jawab. Pada endapan yang berperilaku baik (sebagian besar porfiri dan laterit Indonesia), OK sudah baik dan IK adalah overhead.

Keputusannya didorong oleh geologi. Jalankan perbandingan. Jika IK memberimu gambaran yang berbeda secara berarti dan lebih berguna — peta probabilitas, grade-tonnage lokal, kuantifikasi ketidakpastian — gunakan. Jika model OK dan IK setuju, hemat variogram ekstra dan kirim model OK.

Bagaimanapun, pertanyaan yang kamu jawab adalah “berapa probabilitas blok ini adalah bijih?” — bukan “berapa kadarnya?” Kadar adalah sarana untuk tujuan itu, bukan tujuan itu sendiri.

Mengerjakan endapan emas nugget tinggi di mana OK menghaluskan kadar high-mu? Email hello@orebit.id dengan variogram dan distribusi kadar — aku akan bilang apakah IK sepadan dengan kerja ekstra pada proyekmu.