@phdthesis{ITNYREPOID3455,
           month = {December},
          author = {410017074 UNGGUL PRABOWO},
          school = {ITNY},
           title = {STUDI KARAKTERISTIK NIKEL LATERIT DAN 
PENERAPAN MACHINE LEARNING UNTUK KLASIFIKASI 
ZONA OVERBURDEN, ORE, DAN BEDROCK PADA PT. GEO 
PARTNER MINERAL BLOK X},
            year = {2021},
        abstract = {Indonesia timur memiliki sumber daya mineral yang cukup menarik salah satunya 
merupakan endapan nikel laterit. Proses laterisasi batuan ultramafik menjadi nikel 
laterit, dicirikan dengan kehadiran profil laterisasi. Masing-masing zona dalam 
profil endapan nikel laterit memiliki karakteristik yang berbeda baik aspek fisik 
maupun kandungan unsur kimia. Pengetahuan tiap zona tersebut menjadi point 
penting dalam keberlangsungan kegiatan pertambangan nikel. Lokasi daerah 
penelitian berada pada PT. GEO PARTNER MINERAL BLOK X di Desa Siuna, 
Kecamatan Pagimana, Kabupaten Banggai, Provinsi Sulawesi Tengah. Maksud dari 
penelitian ini untuk melakukan analisis dan kajian karakteristik endapan nikel 
laterit pada PT. GEO PARTNER MINERAL BLOK X. Tujuan penelitian ini untuk 
mengetahui karakteristik tiap zona laterit, mengetahui kadar dan pola dari unsur 
kimia dari tiap zona laterit, serta menerapkan machine learning untuk klasifikasi 
tiap zona endapan nikel laterit dan diketahuinya tingkat akurasi model. Metode 
penelitian ini adalah kualitatif dan kuantitatif yang di integrasikan dengan data 
geologi permukaan. Penerapan dari machine learning menggunakan Convolution 
Neural Network (CNN). Pengamatan aspek fisik karakteristik nikel dilakukan 
berdasarkan tekstur dan warna, sedangkan aspek kimia dilakukan melalui 10 unsur 
kimia meliputi Ni, Co, Fe, MgO, SiO, CaO, Al2O3, dan Cr2O3. Penilaian aspek 
fisik di terapkan lebih lanjut dalam membangun machine learning. Berdasarkan hal 
itu dapat ditarik kesimpulan Karakteristik nikel pada daerah penelitian dibagi 
menjadi 3 zona meliputi overburden (top soil dan limonit), ore nikel (kaya 
garnierite dan serpentin), dan Bedrock. Pola distribusi unsur Fe dan Al2O3 
terkayakan pada zona overburden. Sedangkan Ni, MgO dan SiO terkayakan pada 
zona saprolit. Arsitektur CNN dibangun menggunakan 3 layer konvolusi dan 1 fully 
connected layer. Skenario perbandingan data train : validation yaitu 80:20. Hasil 
akurasi mencapai 80 \%.},
             url = {https://repository.itny.ac.id/id/eprint/3455/},
        keywords = {CNN, Karakteristik, Nikel, dan Ore}
}