1
BAB I
PENDAHULUAN
1.1 Maksud
1.1.1 Memisahkan fraksi butiran sedimen pada ukuran (diameter) butir tertentu.
1.1.2 Menentukan nilai koefisien sortasi, skewness dan kurtosi baik secara grafis maupun matematis.
1.1.3 Menginterpretasikan lokasi pengendapan dan setting geologi berdasarkan nilai koefisien sortasi, skewness dan kurtosis.
1.2 Tujuan
1.2.1 Dapat memisahkan fraksi butiran sedimen pada ukuran (diameter) butir tertentu.
1.2.2 Dapat menghitung dan menentukan nilai median diameter, koefisien sortasi, skewness dan kurtosis baik secara grafis maupun matematis. 1.2.3 Dapat menginterpretasikan lokasi pengendapan dan setting geologi
2
BAB II
PENGOLAHAN DATA
2.1 Bagian Hulu 2.1.1 Metode Grafis No. Ukuran Butir Diameter (mm) Diameter phi Mid Point (m) frekuensi (gr) % frekuensi % kumulatif 0.0039 8 1 Lanau 0.0507 30 3 3 0.0625 4 2 Pasir Sangat Halus 0.09375 71 7.1 10.1 0.125 3 3 Pasir Halus 0.1875 93 9.3 19.4 0.25 2 4 Pasir Sedang 0.375 173 17.3 36.7 0.5 1 5 Pasir Kasar 0.75 355 35.5 72.2 1 0 6 Pasir Sangat Kasar 1.5 232 23.2 95.4 2 -1 7 Kerikil 3 46 4.6 100 4 -2Harga So menurut Folk dan Ward (1957): d = 0.063 mm Ф5 = 2 log 063 . 0 log = 3.989 d = 0.15 mm Ф16 = 2 log 15 . 0 log = 2.737 d = 0.262 mm Ф25 = 2 log 262 . 0 log = 1.932 d = 0.457 mm Ф50 = 2 log 457 . 0 log = 1.129
3 d = 0.79 mm Ф75 = 2 log 79 . 0 log = 0.340 d = 1 mm Ф84 = 2 log 1 log = 0 d = 1.5 mm Ф95 = 2 log 5 . 1 log = -0.584
Harga So, SK, dan K menurut Folk dan Ward (1957): Sortasi (So): So = 4 16 84 + 6 . 6 5 95 = + = (-0.684) + 0.693
= 0.009 (very well sorted) Skewness (Sk): Sk = ) 16 84 ( 2 50 2 84 16 + ) 5 95 ( 50 2 95 5 = + = 0.249 (fine skewed) Kurtosis (K): K = ) 25 75 ( 44 . 2 5 95 = = 1.177 (lepto kurtic) 2.737 + 0 – 2 (1.129) 2(0 – 2.737) (-0.584) – 3.989 – 2 (1.129) -0.584 – 3.989 (-0.584) – 3.989 2.44 (-0.34- 1.932) 0 – 2.737 4 (-0.584) – 3.898 6.6
5 2.1.2 Perhitungan Metode Matematis
Harga So, SK, dan K menurut Folk dan Ward (1957): Sortasi So = 100 ) .(m x 2 f = = 1.528 (poorly sorted) Skewness Sk = 3 3 . 100 ) .( So x m f = 5675 . 3 . 100 425.9347
= 1.193 (strongly fine skewed)
Kurtosis K = 4 4 . 100 ) .( So x m f = 4511 . 5 . 100 2637.469
= 4.838 (Extremly Lepto Kurtic) 100
6931 . 233
6 2.2 Bagian Hilir
2.2.1 Metode Grafis
No. Ukuran Butir Diameter (mm) Diameter phi Mid Point (m) frekuensi (gr) % frekuensi % kumulatif 0.0039 8 1 Lanau 0.0507 62 6.2 6.2 0.0625 4 2 Pasir Sangat Halus 0.09375 189 18.9 25.1 0.125 3 3 Pasir Halus 0.1875 287 28.7 53.8 0.25 2 4 Pasir Sedang 0.375 196 19.6 73.4 0.5 1 5 Pasir Kasar 0.75 178 17.8 91.2 1 0 6 Pasir Sangat Kasar 1.5 32 3.2 94.4 2 -1 7 Kerikil 3 56 5.6 100 4 -2
Harga So menurut Folk dan Ward (1957): d = 0.05 mm Ф5 = 2 log 05 . 0 log = 4.32 d = 0.073 mm Ф16 = 2 log 073 . 0 log = 3.78 d = 0.093 mm Ф25 = 2 log 093 . 0 log = 3.43 d = 0.167 mm Ф50 = 2 log 167 . 0 log = 2.58 d = 0.385 mm Ф75 = 2 log 385 . 0 log = 1.37
7 d = 0.53 mm Ф84 = 2 log 53 . 0 log = 0.92 d = 1.5 mm Ф95 = 2 log 5 . 1 log = -0.584
Harga So, SK, dan K menurut Folk dan Ward (1957): Sortasi (So): So = 4 16 84 + 6 . 6 5 95 = + = (-0.715) + 0.742
= 1.457 (very well sorted) Skewness (Sk): Sk = ) 16 84 ( 2 50 2 84 16 + ) 5 95 ( 50 2 95 5 = + = -0.299 (coarse skewed) Kurtosis (K): K = ) 25 75 ( 44 . 2 5 95 = = 0.97 (meso kurtic) 0.92 + 3.78 – 2 (2.58) 2(0.92 – 3.78) (-0.584) – 4.32 – 2 (2.58) -0.584 – 4.32 (-0.584) – 4.32 2.44 (1.37- 3.43) 0.92 – 3.78 4 (-0.584) – 4.32 6.6
9 2.2.2 Perhitungan Metode Matematis
Harga So, SK, dan K menurut Folk dan Ward (1957): Sortasi So = 100 ) .(m x 2 f = = 1.680 (poorly sorted) Skewness Sk = 3 3 . 100 ) .( So x m f = 742 . 4 . 100 82.74796 = 0.1745 ( fine skewed) Kurtosis K = 4 4 . 100 ) .( So x m f = 966 . 7 . 100 2728.15
= 3.424 (Extremly Lepto Kurtic)
100 3344 . 282
10
BAB III
PEMBAHASAN
Granulometri adalah suatu analisa ukuran butir pada batuan sedimen silisiklastik. Dalam granulometri ini lebih mengutamakan bagaimana sebaran butiran batuan sedimen klastik tersebut. Dalam analisis pemisahan ukuran butir ini digunakan dua cara yaitu dengan cara grafis dan cara matematis.
3.1 Analisis Granulometri Bagian Hulu (Cara Grafis dan Cara Matematis)
Dari hasil perhitungan dengan cara grafis dan matematis ini, didapat nilai dari parameter granulometri yaitu tampak ada perbedaan yang cukup terlihat antara hasil perhitungan menggunakan cara grafis dengan cara matematis.
Nilai koefisien sortasi dengan cara grafis menunjukkan klasifikasi very well sorted yang berarti proses sortasi didaerah hulu berjalan dengan baik yang berarti menunjukkan tingkat keseragaman butir yang sangat baik dengan keadaan tersebut bahwa arus yang terjadi di daerah hulu cukup tenang. Nilai skewness untuk perhitungan cara grafis didapat hasil fine skewed. Dilihat dari diagram batang dibawah ini menandakan bahwa nilai skewednya berharga negatif dimana jumlah butir yang kasar lebih banyak dibanding dengan jumlah butir yang halus. Tetapi hal ini berkebalikan dengan kurva skewed bahwa apabila butiran kasar lebih dominan dibanding dengan butir halus berarti menunjukan harga yang positif.
11 Gambar 3.1 Diagram batang bagian hulu
Kemudian parameter yang terakhir yakni kurtosis, untuk perhitungan cara grafis didapat hasil lepto kurtic menandakan pesebaran ukuran butir tidak merata.
Sedangkan, berdasarkan perhitungan matematis didapat hasil poorly sorted yang berarti proses sortasi berjalan buruk yang mengindikasikan bahwa ukuran butir tidak seragam dengan keadaan tersebut bahwa arus yang terjadi di daerah hulu deras. Dengan perhitungan cara matematis didapat hasil strongly fine skewed. Hal tersebut menandakan bahwa harga skewednya positif berarti jumlah butiran halus lebih banyak disbanding jumlah butiran kasar. Hasil tersebut hampir sama, berarti didapat hasil butir halus yang lebih banyak dari butir kasar. Kemudian dengan cara matematis didapat hasil extremely lepto kurtic. Dalam klasifikasi, hasil ini juga terlihat berbeda.
Dilihat dari cara matematisnya, hasil pengolahan data yang dilakukan menggunakan interval nilai untuk mendapatkan nilai mid point dan frekuensi yang dapat dijadikan patokan dalam penentuan nilai (mØ).f, (mØ – x), dan (mØ – x ).f dan seterusnya dengan menghitung pangkat dari nilai (mØ – x ).f dengan pangkat 2, 3, dan 4. Dari cara matematis ini juga dapat dicari mean, standart deviasi, nilai skewness (Sk), dan nilai kuortosis (K).Dari data – data yang ada dibuatlah histogram dengan hubungan %
0 5 10 15 20 25 30 35 40 ukuran butir lanau
pasir sangat halus pasir halus pasir sedang pasir kasar pasir sangat kasar kerikil
12 berat dan phi (Φ). Φ merupakan satuan skala dari nomor mesh / diameter dari penyaring.
Gambar 3.2 Tabel hjulstrom hulu
Secara matematis pada bagian hulu jika dilihat dari tabel hjulstrom termasuk kedalam daerah terdeposisi dimana nilai sortasi secara matematis sebesar 0.75 dilihat dari jumlah frekuensi terbesar yaitu berupa pasir sangat kasar yang memakai mid point dari frekuensi. Hal tersebut dapat diketahui pada daerah hulu ini memilki kecepatan aliran sungai sebesar 8 cm/s.
Gambar 3.3 Rezim aliran (Simon dkk,,1965)
Dengan memakai tabel rezim aliran pada daerah hulu ini dapat dilihat struktur sedimennya berupa ripples (Simon dkk,,1965). Dengan struktur sedimen berupa ripples menandakan lingkungan pengendapannya dibantu dengan energi gelombang.
13 3.2 Analisis Granulometri Bagian Hilir (Cara Grafis dan Cara
Matematis)
Dari hasil perhitungan dengan cara grafis dan matematis ini, didapat nilai dari parameter granulometri yaitu tampak ada perbedaan yang cukup terlihat antara hasil perhitungan menggunakan cara grafis dengan cara matematis.
Nilai koefisien sortasi dengan cara grafis menunjukkan klasifikasi very well sorted yang berarti proses sortasi didaerah hulu berjalan dengan baik yang berarti menunjukkan tingkat keseragaman butir yang sangat baik dengan keadaan tersebut bahwa arus yang terjadi di daerah hulu cukup tenang. Nilai skewness untuk perhitungan cara grafis didapat hasil coarse skewed. Dilihat dari diagram batang dibawah ini menandakan bahwa nilai skewednya berharga positif dimana jumlah butir yang halus lebih banyak dibanding dengan jumlah butir yang kasar. Tetapi hal ini berkebalikan dengan kurva skewed bahwa apabila butiran halus lebih dominan dibanding dengan butir kasar berarti menunjukan harga yang negatif.
Gambar 3.4 Diagram batang bagian hilir 0 5 10 15 20 25 30 Klasifikasi Butir 19.6 lanau
pasir sangat halus pasir halus pasir sedang pasir kasar pasir sangat kasar kerikil
14 Kemudian parameter yang terakhir yakni kurtosis, untuk perhitungan cara grafis didapat hasil meso kurtic menandakan pesebaran ukuran butir merata (normal).
Sedangkan, berdasarkan perhitungan matematis didapat hasil poorly sorted yang berarti proses sortasi berjalan buruk yang mengindikasikan bahwa ukuran butir tidak seragam dengan keadaan tersebut bahwa arus yang terjadi di daerah hulu deras. Dengan perhitungan cara matematis didapat hasil fine skewed. Hal tersebut menandakan bahwa harga skewednya positif berarti jumlah butiran halus lebih banyak disbanding jumlah butiran kasar. Hasil tersebut hampir sama, berarti didapat hasil butir halus yang lebih banyak dari butir kasar. Kemudian dengan cara matematis didapat hasil extremely lepto kurtic menandakan pesebaran ukuran butir sangat tidak merata. Dalam klasifikasi, hasil ini juga terlihat berbeda.
Dilihat dari cara matematisnya, hasil pengolahan data yang dilakukan menggunakan interval nilai untuk mendapatkan nilai mid point dan frekuensi yang dapat dijadikan patokan dalam penentuan nilai (mØ).f, (mØ – x), dan (mØ – x ).f dan seterusnya dengan menghitung pangkat dari nilai (mØ – x ).f dengan pangkat 2, 3, dan 4. Dari cara matematis ini juga dapat dicari mean, standart deviasi, nilai skewness (Sk), dan nilai kuortosis (K).Dari data – data yang ada dibuatlah histogram dengan hubungan % berat dan phi (Φ). Φ merupakan satuan skala dari nomor mesh / diameter dari penyaring.
15 Secara matematis pada bagian hilir jika dilihat dari tabel hjulstrom termasuk kedalam daerah terdeposisi dimana nilai sortasi secara matematis sebesar 0.1875 dilihat dari jumlah frekuensi terbesar yaitu berupa pasir halus yang memakai mid point dari frekuensi. Hal tersebut dapat diketahui pada daerah hulu ini memilki kecepatan aliran sungai sebesar 2cm/s.
Gambar 3.6 Rezim aliran (Simon dkk,,1965)
Dengan memakai tabel rezim aliran pada daerah hilir ini dapat dilihat struktur sedimennya berupa ripples (Simon dkk,,1965). Dengan struktur sedimen berupa ripples menandakan lingkungan pengendapannya dibantu dengan energi gelombang.
16 3.3 Perbandingan Hulu dan Hilir ( Perbandingan Antara Cara Grafis
dengan Cara Matematis )
Tabel 3.1 Perbedaan antara hulu dan hilir
Perbandingan Hulu Hilir
Nilai Koefisien Sortasi Poorly sorted Poorly well sorted
Harga Skewness Fine skewed Strongly fine skewed
Harga Kurtosis Exteremely lepto kurtic Exteremely lepto kurtic
Proses Sedimen Terdeposisi Terdeposisi
Kecepatan Aliran 8 cm/s 2 cm/s
Struktur Sedimen riples riples
Lingkungan Pengendapan Daearah energi bergelombang Daerah energi bergelombang
17 BAB IV
PENUTUP
4.1 Kesimpulan 4.1.1 Hulu
Berdasarkan perhitungan matematis didapat hasil poorly sorted yang berarti proses sortasi berjalan buruk yang mengindikasikan bahwa ukuran butir tidak seragam dengan keadaan tersebut bahwa arus yang terjadi di daerah hulu deras
Pada daerah hulu jika dilihat dari tabel hjulstrom termasuk kedalam daerah terdeposisi yang memilki kecepatan aliran sungai sebesar 8 cm/s.
Pada daerah hilir ini dapat dilihat struktur sedimennya berupa ripples (Simon dkk,,1965). Dengan struktur sedimen berupa ripples menandakan lingkungan pengendapannya dibantu dengan energi gelombang.
4.1.2 Hilir
Berdasarkan perhitungan matematis didapat hasil poorly sorted yang berarti proses sortasi berjalan buruk yang mengindikasikan bahwa ukuran butir tidak seragam dengan keadaan tersebut bahwa arus yang terjadi di daerah hulu deras.
Pada daerah hilir jika dilihat dari tabel hjulstrom termasuk kedalam daerah terdeposisi yang memilki kecepatan aliran sungai sebesar 2cm/s.
Pada daerah hilir ini dapat dilihat struktur sedimennya berupa ripples (Simon dkk,,1965). Dengan struktur sedimen berupa ripples menandakan lingkungan pengendapannya dibantu dengan energi gelombang.
