PENGURANGAN RESIKO TERHADAP PENETAPAN DAERAH TARGET EKSPLORASI MINERAL DENGAN MENGGUNAKAN REGRESI BERGANDA (POLYNOMIAL REGRESSION N-ORDE)

• Main Authors: Nurkhamim, Nurkhamim, Arifudin Idrus, Arifudin Idrus, Agung Harijoko, Agung Harijoko, Irwan Endrayanto, Irwan Endrayanto
• 格式: Article PeerReviewed
• 語言: English
• 出版: Departmen Teknik Geologi 2015
• 主題: Geology
• 在線閱讀: https://repository.ugm.ac.id/135499/1/GEO103%20PENGURANGAN%20RESIKO%20TERHADAP%20PENETAPAN%20DAERAH%20TARGET%20EKSPLORASI%20MINERAL%20DENGAN%20MENGGUNAKAN%20REGRESI%20BERGANDA%20%28POLYNOMIAL%20REGRESSION%20N-ORDE%29.pdf; https://repository.ugm.ac.id/135499/

Ada beberapa metode yang dapat dilakukan untuk memetakan penyebaran suatu unsur di alam. Model matematis adalah salah satu cara pendekatan yang digunakan untuk melokalisir penyebaran suatu unsur, sehingga akan mempermudah dan mempercepat kerja, khususnya pada kegiatan eksplorasi atau prospeksi pada daerah yang sangat luas. Pendekatan matematik ini dilakukan dengan melakukan pengolahan data secara matematik untuk mendiskripsikan suatu variasi sistematik suatu variabel atau sekelompok variabel dalam suatu bidang dengan menggunakan persamaan regresi berganda (multiple regression) atau dikenal pula sebagai regresi polynomial n-orde. Persamaan-persamaan regresi berganda atau regresi polinomial digunakan untuk membedakan variabel spasial data ke dalam dua komponen, yaitu fungsi trend atau fitting (sebagai anomali regional) dan residual value/nilai residu (sebagai anomali lokal). Kesulitan dalam interpretasi data akibat ketidakteraturan distribusi data dari suatu penyelidikan dapat dikurangi dengan persamaanpersamaan matematis regresi polinomial ini. Hal ini akan memperkecil resiko kegagalan menemukan daerah target. Keunggulan persamaan regresi polinomial adalah kemampuannya untuk mengikuti perubahan pola fluktuasi nilai data (kadar unsur Cu) hingga orde ke-n Hasil dari fitting regresi berganda menghasilkan nilai residu, yang bermanfaat di dalam interpretasi awal menuju target eksplorasi mineral. Untuk mengetahui tingkat keyakinan dan signifikansi fungsi polinomial yang digunakan, selanjutnya dilakukan uji statistik.