GRANULOMETRI
2.1 Pendahuluan
Granulometri atau sering diterjemahkan dengan analisa besar butir adalah
salah satu dari sekian banyak metoda yang sering dipakai untuk menganalisa
batuan sedimen klastik.
Dalam granulometri ini lebih mengutamakan bagaimana sebaran butiran batuan
sedimen klastik tersebut. Metoda – metoda perhitungan secara statistik sering
pula banyak dipakai, hal ini sebernarnya hanya untuk mengetahui apakah dengan
metoda statistik tersebut kita dapat melihat adanya bentuk kurva yang sangat
khas atau proses tertentu.
Friedman ( 1979 ), mengatakan analisa besar butir dapat dipakai untuk
mengetahui proses – proses selama sedimentasi dan dapat dipakai untuk
menginterpretasikan lingkungan pengendapan dan bahkan analisa besar butir sama
pentingnya dengan metode – metode yang lain.
2.2 Ukuran Butir Partikel
Ukuran butir partikel sedimen penting dalam beberapa hal. Ukuran butir
mencerminkan :
Resistensi partikel terhadap pelapukan, erosi dan abrasi.
Partikel-partikel yang lunak seperti batugamping dan fragmen-fragmen batuan
makin lama makin mengecil, bahkan partikel kuarsa yang besar dan resistensi
akan terabrasi dan berubah ukurannya.
Proses transportasi dan deposisi seperti kemampuan air angina
untuk menggerakakn dan mengendapkan partikel.
Partikel-partikel yang lunak seperti batugamping dan fragmen-fragmen
batuan, makin lama makin mengecil bahkan partikel kuarsa yang besar dan
resisten akan terabrasi dan berubah ukurannya. Ukuran butir partikel sedimen
juga mencerminkan proses transportasi dan deposisi partikel sedimen, seperti :
kemampuan air/angin dalam menggerakkan dan mengendapkan partikel.
Material-material yang diangkut oleh media pengangkut (air, angina) akan
terdistribusi menjadi berbagai macam ukuran butir seperti gravel (boulder, coble, dan pebble), pasir
dan mud. Distribusi ukuran butir ini
menunjukkan :
Terdapatnya bermacam-macam ukuran butir dari batuan induknya.
Proses yang terjadi selama sedimentasi terutama kompetensi
(kemampuan arus untuk membawa suatu beban sesuia ukurannya. Jika ada beban yang
lebih berat maka beban tersebut akan diendapkan).
Dengan banyaknya variasi ukuran butir tersebut maka perlu
diadakna klasifikasi ukuran butir. Dikenal beberapa klasifikasi ukuran butir
yang dibuat oleh bebrapa ahli. Tetapi skala penentuan ukuran butir yang
diajukan oleh J.A Udden dan C.K Wentworth yang sering digunaka, selanjutnya
disebut skala Udden-Wentworth sebagai skala geometri (1,2,4,8, .…..). pada
perkembangan selanjutnya ditambah skala aritmetik (1,2,3,4,…) sebagai unit phi
(2) oleh W.C Krumbein,
dimana phi merupakan transformasi logaritma dari skala Udden-Wentworth, yaitu :
2 = -log2 d, dengan d adalah ukuran butir dalam millimeter.
Dalam acara ini akan dilakukan pemisahan ukuran butir dari suatu contoh
pasir lepas. Seperti diketahui analisis ini untuk mengetahui koefisien sortasi,
skewness dan kurtosis. Untuk mengetahiu harga-harga tersebut dapat dilakukan
dengan cara grafis dan matematis.
1.
Cara grafis
Cara grafis ini prinsipnya adalah menggunakan data hasil
pengayakan dan penimbangan yang diplot sebagai kurva kumulatif untuk mengetahui
parameter-parameter statistiknya. Kurva kumulatif dibedakan menjadi dua, yaitu
kurva kumulatif aritmetik (arithmetic
ordinate) dan kurva kumulatif probabilitas (probability ordinate).Kurva kumulatif aritmetik digambarkan secara
smooth melewati semua data (kurva
berbentuk S), sehingga semua parameter statistic dapat terbaca. Sedang kurva
probabilitas digambarkan dengan garis lurus untuk mengetahui probabilitas
normalnya. Pada kurva ini memungkinkan untuk membaca parameter statistic lebih
akurat karena mengurangi interpolasi dan ekstrapolasi dalam penggambaran.
Tetapi yang sering digunakan adalah kurva kumulatif aritmetik karena lebih
mencerminkan distribusi ukuran butirnya. Kurva kumulatif dibuat dengan absis
ukuran butir dalam millimeter ( untuk kertas semilog) atau unit phi dan ordinat
prosentase berat (skala 1 – 100%).
Setelah
dilakukan pengayakan dan penimbangan hasilnya dapat disajikan dalam bentuk
table. Dan untuk mengetahui distribusi tiap frekuensi dapat dibuat histogram.
Harga-harga median diameter, koefisien sortasi, skewness dan kurtosis
diturunkan dari kurva kumulatif dan dihitung dengan rumus-rumus berikut :
Æ Koefisien Sortasi (So)
Menurut Trask So = Q3/Q1, dengan ukuran dalam mm, sehingga
jika :
So < 2,5 :
Sortasi baik
So 2,5 – 4 : Sortasi normal
(sedang)
So > 4 : Sortasi jelek
Rumus yang lain; So √Q1/Q3 atau jika dinyatakan dalam kuartil
adalah :
Kedua pengukuran tersebut selanjutnya jarang digunakan karena
kurang teliti. Folk menetukan koefisien sortasi sebagai defiasi standar grafis:
σG = Φ84 – Φ25
2
Kemudian
disempurnakan sebagai deviasi standar grafis inklusif sdengan rumus :
σ1 = Φ84 – Φ16 + Φ95
– Φ5
4 6,6
Harga So menurut Folk dan Ward
(1957) :
< 0.35
|
Very well sorted
|
0.35 – 0.50
|
Well sorted
|
0.50 – 0.71
|
Moderetely well sorted
|
0.71 – 1.00
|
Moderetely sorted
|
1.00 – 2.00
|
Poorly sorted
|
2.00 – 4.00
|
Very poorly sorted
|
> 4.00
|
Extremely poorly sorted
|
Skewness (Sk)
Skewness menyatakan
derajat ketidaksimetrian suatu kurva. Bila Sk berharga positif maka
sediment yang bersangkutan mempunyai
jumlah butir halus lebih banyak dari jumlah butir yang kasar dan sebaliknya
jika berharga negative maka sediment tersebut mempunyai jumlah butir kasar
lebih banyak dari jumlah butir yangh halus.
Dan bila dinyatakan secara grafis maka :
Skq
= (Q1+Q3-2(Md)) (dalam phi)
2
Harga Sk menurut Folk dan Ward (1957) :
>+0.3
|
strongly fine skewed
|
+0.3 - +0.1
|
fine skewed
|
+0.1 - -0.1
|
near symmetrical
|
-0.1 - -0.3
|
coarse skewed
|
<-0 .3="" o:p="">-0>
|
strongly coarse skewed
Kurtosis (K)
Kurtosis menunjukan harga
perbandingan antara pemilahan bagian tengah terhadap bagian tepi dari suatu
kurva. Untuk menentukan harga K digunakan rumus yang diajukan oleh Folk (1968),
yaitu :
K = __ Φ95 - Φ5___
2, 44(Φ75-Φ25
Harga K menurut Folk dan Ward (1957) adalah :
< 0.67 very platy kurtic
0.67 -
0.90 platy kurtic
0.90 –
1.11 meso kurtic
1.11 –
1.50 lepto kurtic
1.50 – 3.00 very lepto kurtic
> 3.00 extremly lepto kurtic
2.
Cara matematis
Cara matematis dalam analisis ukuran butir akan memberikan gambaran yang
lebih baik daripada cara grafis, karena dalam cara matematis semua harga ukuran
butir dalam klas interval diikutsertakan dalam perhitungan. Kelemahan cara
matematis ini adalah ruwetnya perhitungan dalam pengolahan data. Untuk memahami
cara matematis ini adalah dengan memahami distribusi normal dari suatu kurva
distribusi frekuensi yaitu kurva hasil pengeplotan ukuran butir (dalam skala
phi) dengan frekuensi yang disajikan dalam beberapa klas interval. Perhitungan
tersebut adalah perhitungan statistic. Ukuran butir diplot pada absis dan
frekuensinya pada ordinat. Kurva normal akan berbentuk simeetri.
Dalam statistic distribusi normal ini disebut moment. Istilah moment dalam
mekanika yaitu jarak dikalikan massanya. Jadi mome suatu benda terhadap suatu
titik adalah besar massa tersebut dikalikan jarak terhadap titik tersebut.
Dalam statistikmassa digantikan dengan frekuensi suatu klas interval ukuran
butir dan jarak yang dipakai adalah jarak terhadap titik tertentu (arbitrary
point) yaitu suatu titik awal dari suatu kurva atau dapat juga titik rata-rata
ukuran butir tersebut.
Tiap klas interval dicari momenya, kemudian setelah momen masing-masing
klas sudah dicari dijumlahkan dan dibagi total jumlah sample ( jika frekuensi
dalam % maka jumlahnya 100, hal ini memberikan harga momen per unit 1%
frekuensi ).
P2 = ∑f
. m2
100
Momen pertama ini identik dengan harga rata-rata ukuran butir (mean).
Frekuensi (f) dalam prosen dan mq adalah mid point tiap interval kelas dalam unit phi setelah diketahui
harga x maka dapat dijadikan titik tumpu dimana jarak disebelah titik kanannya
positif dan sebelah kirinya negatif. Distribusi dikatakan normal jika selisih
jumlah kedua kelompok tersebut nol.
Harga momen yang lebih besar dicari dengan titik tumpu menggunakan X atau
jarak mq, jadi jaraknya (mq-x).
P2 = ∑f
.(m2 - X)2
100
Momen pertama = nilai mean, frekuensi (f) dalam persen dan mÆ adalah nilai mid poin tiap kelas
interval dalam unit phi.
Momen kedua ini merupakan kuadrat dari standart deviasi (sq). Standart deviasi ini menunjukkan besar kecilnya selisih dari harga x
dan ini merupakan konsep sortasi, sehingga sortasi adalah :
P2 = ∑f
.(m2 - X)3
100
Karena harga (mq-x) positif disebelah
kanan x dan negatif disebelah kirinya harga momen ketiga yang normal adalah
nol. Harga skewness dihitung dengan membagi momen ketiga dengan pangkat tiga
dari standar deviasi (sq).
P2 = ∑f
.(m2 - X)4
100
Skewness ini mencerminkan deviasi dari keestriman dari suatu kurva dan
peka terhadap yang kasar atau halus dalam suatu populasi ukuran butir sedimen.
Sehingga dapat digunakan untuk interpretasi pengendapan dari sedimen tersebut.
Momen keempat digunakan untuk menghitung tinggi rendahnya puncak suatu
kurva distribusi (peakkedness) atau
kurtosis. Kurtosis dicari dengan membagi momen keempat dengan pangkat empat
dari standar deviasi.
terima kasih pak.. sangat membantu
ReplyDelete@ahyar : sama-sama
ReplyDelete