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 berdasarkan nilai koefisien sortasi, skewness dan kurtosis.
1
BAB II PENGOLAHAN DATA 2.1 Bagian Hulu 2.1.1 Metode Grafis No.
Ukuran Butir
Diameter Diameter (mm) phi 0.0039
1
Lanau
2
Pasir Sangat Halus
0.0625
0.125 3
5
Pasir Kasar
6
Pasir Sangat Kasar
1
2 7
30
3
3
0.09375
71
7.1
10.1
0.1875
93
9.3
19.4
0.375
173
17.3
36.7
0.75
355
35.5
72.2
1.5
232
23.2
95.4
3
46
4.6
100
d
= 0.262 mm
4
3 2 1 0
-1
Kerikil 4
% kumulatif
0.0507
Pasir Sedang 0.5
frekuensi % (gr) frekuensi
8
Pasir Halus 0.25
4
Mid Point (m)
-2
Harga So menurut Folk dan Ward (1957): d
= 0.063 mm
Ф5
=
log 0.063 log 2
Ф25 =
= 3.989
d
= 0.15 mm
Ф16 =
log 0.15 log 2
= 2.737
log 0.262 log 2
= 1.932
d
= 0.457 mm
Ф50 =
log 0.457 log 2
= 1.129
2
d
= 0.79 mm
Ф75 =
d
log 0.79 log 2
= 1 mm
Ф84 =
= 0.340
log 1 log 2
= 0 d
= 1.5 mm
Ф95 =
log 1.5 log 2
= -0.584 Harga So, SK, dan K menurut Folk dan Ward (1957): Sortasi (So): So
=
84 16 4
= 0 – 2.737 4
+
95 5
+
6. 6
(-0.584) – 3.898 6.6
= (-0.684) + 0.693 = 0.009 (very well sorted) Skewness (Sk): Sk
=
16 84 2 50 5 95 2 50 + 2( 84 16 ) ( 95 5)
= 2.737 + 0 – 2 (1.129) 2(0 – 2.737)
+
(-0.584) – 3.989 – 2 (1.129) -0.584 – 3.989
= 0.249 (fine skewed) Kurtosis (K): K
= =
95 5 2.44 ( 75 25 ) (-0.584) – 3.989 2.44 (-0.34- 1.932)
= 1.177 (lepto kurtic)
3
4
2.1.2 Perhitungan Metode Matematis Harga So, SK, dan K menurut Folk dan Ward (1957): Sortasi So =
f .(m x) 2 100
=
233.6931 100
= 1.528 (poorly sorted)
Skewness f .( m x) 3 Sk = 100 .So 3
=
425.9347 100.3.5675
= 1.193 (strongly fine skewed)
Kurtosis K =
f .( m x) 4 2637.469 = = 4.838 (Extremly Lepto Kurtic) 4 100.5.4511 100 .So
5
2.2 Bagian Hilir 2.2.1 Metode Grafis No.
Ukuran Butir
1
Lanau
Diameter (mm) 0.0039 0.0625
Diameter phi 8
3
0.125
3
0.25
2
Pasir Halus
4
Pasir Sedang 0.5
5
Pasir Kasar
6
Pasir Sangat Kasar
1
2 7
frekuensi (gr)
0.0507
62
6.2
6.2
0.09375
189
18.9
25.1
0.1875
287
28.7
53.8
0.375
196
19.6
73.4
0.75
178
17.8
91.2
1.5
32
3.2
94.4
3
56
5.6
100
1 0
-1
Kerikil 4
% % frekuensi kumulatif
4
Pasir Sangat Halus
2
Mid Point (m)
-2
Harga So menurut Folk dan Ward (1957): d
= 0.05 mm
Ф5
=
log 0.05 log 2
= 4.32
d
= 0.167 mm
Ф50 =
log 0.167 log 2
= 2.58 d
= 0.073 mm
Ф16 =
log 0.073 log 2
= 3.78 d
= 0.093 mm
Ф25 =
d
= 0.385 mm
Ф75 =
log 0.385 log 2
= 1.37
log 0.093 log 2
= 3.43
6
d
= 0.53 mm
Ф84 =
d
log 0.53 log 2
= 1.5 mm
Ф95 =
log 1.5 = -0.584 log 2
= 0.92 Harga So, SK, dan K menurut Folk dan Ward (1957): Sortasi (So): So
=
84 16 4
+
95 5 6. 6
= 0.92 – 3.78 + 4
(-0.584) – 4.32 6.6
= (-0.715) + 0.742 = 1.457 (very well sorted) Skewness (Sk): Sk
=
16 84 2 50 5 95 2 50 + 2( 84 16 ) ( 95 5)
= 0.92 + 3.78 – 2 (2.58) + 2(0.92 – 3.78)
(-0.584) – 4.32 – 2 (2.58) -0.584 – 4.32
= -0.299 (coarse skewed) Kurtosis (K): K
= =
95 5 2.44 ( 75 25 ) (-0.584) – 4.32 2.44 (1.37- 3.43)
= 0.97 (meso kurtic)
7
8
2.2.2 Perhitungan Metode Matematis Harga So, SK, dan K menurut Folk dan Ward (1957): Sortasi So =
f .(m x) 2 100
=
282 .3344 100
= 1.680 (poorly sorted)
Skewness f .( m x) 3 Sk = 100 .So 3
=
82.74796 100.4.742
= 0.1745 ( fine skewed)
Kurtosis K =
f .( m x) 4 2728.15 = = 3.424 (Extremly Lepto Kurtic) 4 100 .So 100.7.966
9
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.
10
40 35 30
lanau
25
pasir sangat halus
20
pasir halus
15
pasir sedang
10
pasir kasar
5
pasir sangat kasar
0
kerikil ukuran butir
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 % 11
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.
12
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. 30 25 20
lanau 19.6
pasir sangat halus pasir halus
15
pasir sedang
10
pasir kasar
5
pasir sangat kasar
0
kerikil Klasifikasi Butir
Gambar 3.4 Diagram batang bagian hilir
13
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.
Gambar 3.5 Tabel hjulstrom hilir
14
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.
15
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
Daearah energi
Daerah energi
Pengendapan
bergelombang
bergelombang
16
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.
17
