Orebit Blog OREBIT
Posts Tags orebit.id GeoSuite
Sampling

Teori Sampling untuk Geologist: Kenapa Sample Anda Tidak Mewakili Ore Anda

Teori sampling bukan akademis — ini alasan database assay Anda punya error yang tidak bisa Anda lihat. Pahami nugget effect, sample support, dan fundamental sampling error.

By · · 6 min read ·1161 words

Kebanyakan geologist memperlakukan sampling sebagai prosedur lapangan: belah core, masuk kantong, kirim ke lab, dapat angka. Angka masuk database. Database feed estimasi resource. Selesai.

Tapi angka itu — hasil assay — bukan grade ore Anda. Ini estimasi grade dari fraksi kecil ore Anda, diperoleh melalui rangkaian proses fisik dan kimia, masing-masing mengenalkan error. Kalau tidak paham teori sampling, Anda tidak paham dari mana angka assay Anda berasal atau seberapa bisa dipercaya.

Postingan ini membahas fundamental teori sampling yang harus diketahui setiap resource geologist, dengan aplikasi spesifik ke deposit emas dan tembaga Indonesia.

Fundamental sampling error

Setiap sample punya error. Bukan measurement error — itu presisi lab. Sampling error. Beda grade sample dengan grade material yang seharusnya diwakili.

Fundamental Sampling Error (FSE) adalah minimum error yang ada bahkan dengan practice sampling perfect. Disebabkan oleh distribusi partikel heterogen dalam material yang di-sample. Bisa dikurangi, tapi tidak dieliminasi.

Untuk deposit emas, FSE sering enormous. Emas muncul sebagai partikel diskrit — nugget — distribute unevenly melalui batuan. Sample 1kg mungkin berisi 3 partikel emas atau tidak ada. Beda grade antara dua sample ini 100%, meskipun dari material yang sama.

Rumus Gy

Rumus Pierre Gy estimasi FSE:

FSE = (C × d³) / M

Di mana:

  • C = konstanta sampling (tergantung mineralogi, bentuk partikel, liberation)
  • d³ = kubus diameter partikel maksimum (dalam cm)
  • M = massa sample (dalam gram)

Insight kunci: FSE scale dengan kubus diameter partikel. Kalau Anda crush material dari 10mm ke 1mm sebelum split, Anda reduksi FSE 1.000 kali. Ini alasan lab crush sample sebelum split — bukan tentang convenience, tapi mengurangi sampling error.

Untuk deposit emas Indonesia:

  • C ≈ 50-200 g/cm³ (emas-rich, heterogen)
  • d = 2mm (RC chip) atau 0.1mm (pulverized)
  • M = 1-3kg (sample assay)

Dengan 2mm chip dan 2kg sample:

FSE = (100 × 2³) / 2000 = 0.40 = 40%

Relative error 40% pada sample 2 g/t berarti grade aktual bisa di mana saja dari 1.2 ke 2.8 g/t. Itu bukan measurement error — itu ketidakpastian fundamental proses sampling.

Nugget effect

“Nugget effect” di geostatistik — variance tinggi di jarak nol di variogram — sebagian disebabkan oleh FSE. Saat dua sample berdekatan punya grade sangat berbeda, belum tentu karena geologi berubah dramatis — bisa karena setiap sample menangkap set partikel emas berbeda.

Untuk deposit epithermal emas Indonesia, nugget effect biasanya 40-60% dari total sill. Berarti 40-60% variabilitas grade ada di skala lebih kecil dari drillhole spacing. Sebagian geologi (struktur vein), tapi porsi signifikan adalah sampling error.

Implikasi praktis

  1. Hasil assay tunggal unreliable untuk deposit high-nugget. Hasil 2 g/t dari sample 1m bisa merepresentasikan zona 1 g/t dengan nugget, atau zona 4 g/t dengan nugget terlewat. Jangan buat boundary domain berbasis assay tunggal.

  2. Sample lebih besar kurangi nugget effect. Composite 3m punya FSE lebih rendah dari sample 1m karena massa lebih besar. Ini alasan compositing sebelum variography adalah practice standar — mengurangi noise sampling.

  3. Duplicate sample tidak tangkap FSE. Field duplicate (split dari sample yang sama) tangkap preparation error, bukan FSE. Untuk estimasi FSE, perlu ambil sample independen kedua dari interval yang sama — yang untuk core berarti setengah lain dari split.

Sample support

“Sample support” adalah volume material yang direpresentasikan sample. Sample half-core 1m di diameter 47mm punya support sekitar 1.8kg. Composite 3m dari core yang sama punya support sekitar 5.4kg. Charge fire assay 50g punya support 50g.

Grade sample tergantung support-nya. Support lebih besar = variabilitas lebih sedikit = lebih representatif. Ini disebut “support effect” — variance grade menurun saat sample support meningkat.

Kenapa ini penting untuk resource estimation

Block model Anda estimasi grade di skala blok — biasanya 5m × 5m × 5m, atau sekitar 500 tonne. Tapi data Anda di skala sample — 1-3kg. Variance data Anda lebih tinggi dari variance blok. Kalau kriging tanpa akun untuk ini, model akan terlalu variable — terlalu banyak blok high-grade dan terlalu banyak blok low-grade.

Koreksi disebut “volume-variance correction” atau “support adjustment.” Mengurangi variance estimasi kriging untuk match block support. Kebanyakan estimation software lakukan otomatis, tapi perlu verify koreksi applied dan parameter benar.

Untuk deposit Indonesia, support effect sangat penting karena nugget effect tinggi. Tanpa support adjustment proper, model akan overstate proporsi material high-grade — dan tambang akan underperform.

Rantai sampling

Total error di hasil assay adalah jumlah error di setiap stage rantai sampling:

  1. Primary sampling — ambil sample asli (core split, RC chip sample)
  2. Sample preparation — drying, crushing, splitting, pulverizing
  3. Sub-sampling — ambil charge assay dari pulp
  4. Analysis — pengukuran lab (fire assay, ICP, dll)

Setiap stage tambah error. Total error:

Total Error = √(FSE² + GSE² + PE² + AE²)

Di mana:

  • FSE = Fundamental Sampling Error
  • GSE = Grouping and Segregation Error (partikel separate by size/density)
  • PE = Preparation Error (kontaminasi, loss, drying incorrect)
  • AE = Analytical Error (presisi dan bias lab)

Untuk lab well-run, AE biasanya 1-5%. Untuk sampling well-run, PE 2-10%. GSE bisa 5-15% kalau tidak controlled. Tapi FSE dominan — 20-40% untuk emas di rock chip, reduksi ke <1% untuk pulp pulverized.

Insight kritis: Kebanyakan error diperkenalkan SEBELUM sample sampai ke lab. Tidak ada amount QA/QC lab yang bisa fix interval sampling buruk. Protokol sampling lapangan — diameter core, panjang sample, metode split — menentukan akurasi maksimum data Anda.

Rekomendasi praktis untuk proyek Indonesia

1. Gunakan diameter core terbesar praktis

NQ (47.6mm) standar, tapi HQ (63.5mm) memberikan 78% lebih massa per meter. Untuk deposit high-nugget, FSE berkurang membenarkan cost drilling lebih tinggi.

2. Crush dan split sebelum assay

Jangan pernah kirim whole core ke lab. Split di site menggunakan riffle splitter atau rotary splitter — bukan dengan ambil handful. Split harus representatif dari keseluruhan.

3. Gunakan screen fire assay untuk coarse gold

Kalau deposit punya visible gold atau history coarse gold, standard 50g fire assay akan under-report grade. Gunakan screen fire assay (SFA): sieve di 75 micron, assay fraksi coarse terpisah, dan combine. Ini menangkap coarse gold yang standard fire assay lewatkan.

4. Monitor FSE melalui duplicate

Ambil field duplicate di rate 5-10%. Kalau duplicate agree dalam 10-15%, protokol sampling adequate. Kalau tidak, FSE terlalu tinggi — tambah massa sample atau kurangi ukuran partikel sebelum split.

5. Dokumentasikan protokol sampling

JORC Table 1 Section 1 mewajibkan deskripsi metodologi sampling. “Core di-belah dan dikirim ke lab” tidak adequate. Dokumentasikan:

  • Diameter core
  • Panjang dan metode sample
  • Metode split (diamond saw, riffle splitter)
  • Massa sample
  • Protokol preparation lab (crush, split, pulverize)
  • Metode assay dan charge size

Intinya

Database assay Anda bukan set fakta. Ini set estimasi, masing-masing dengan error band yang tergantung protokol sampling. Memahami teori sampling — fundamental sampling error, nugget effect, sample support, rantai sampling — adalah apa membedakan geologist yang trust data-nya blindly dari yang tahu limitasinya.

Estimasi resource terbaik yang saya lihat datang dari geologist yang paham bahwa assay 2 g/t tidak berarti “grade-nya 2 g/t.” Berarti “grade sample 1.8kg ini, yang punya relative error 30%, adalah 2 g/t — dan grade blok 500-tonne yang diwakilinya bisa di mana saja dari 1 ke 3 g/t.” Pemahaman itu mengubah cara Anda interpret data, cara Anda build domain, dan cara Anda report resource.

Tagged with

Part of the Orebit ecosystem — geological workflow tools for drillhole validation, resource estimation, and JORC/KCMI reporting.
→ Explore GeoSuite

Try it

Try the toolkit this article uses.

Orebit GeoSuite — single-file HTML, works offline, no install. From CSV to resource report in one afternoon.

Explore GeoSuite → 
# From this article:
open geosuite.orebit.id
load(your_drillhole.csv)
apply(workflow_above)

# Done. Ship the report.