eprintid: 3455
rev_number: 21
eprint_status: archive
userid: 10
dir: disk0/00/00/34/55
datestamp: 2022-01-14 07:50:01
lastmod: 2022-01-14 07:50:01
status_changed: 2022-01-14 07:50:01
type: thesis
metadata_visibility: show
creators_name: UNGGUL PRABOWO, 410017074
title: STUDI KARAKTERISTIK NIKEL LATERIT DAN 
PENERAPAN MACHINE LEARNING UNTUK KLASIFIKASI 
ZONA OVERBURDEN, ORE, DAN BEDROCK PADA PT. GEO 
PARTNER MINERAL BLOK X
ispublished: pub
subjects: QE
keywords: CNN, Karakteristik, Nikel, dan Ore
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 %.
date: 2021-12-02
date_type: published
official_url: http://www.library.ac.id
contact_email: library@ac.id
full_text_status: restricted
institution: ITNY
department: Teknik Geologi
thesis_type: other
thesis_name: other
referencetext: Astuti, D. L. Z., Samsuryadi, S., & Rini, D. P.(2019). Real-time Classification of 
Facial Expressions Using a Principal Component Analysis and 
Convolutional Neural Network. Sinergi, 23(3), 239-244.
Armstrong, F S.(2012). Struktur Geologi Sulawesi.Perpustakaan Sains Kebumian, 
Bandung.
Amanda, R. F.(2020).Studi Karakteristik Mineralogi dan Geokimia Endapan Bijih 
Nikel Laterit Sebagai Implikasi Dalam Pengolahan (Studi Kasus: Blok B Pt 
Sinar Jaya Sultra Utama Site Waturambaha).skripsi.Universitas 
Hasanuddin.
Cao, C., Xue, Z., & Duan, H. (2016). Making ferronickel from laterite nickel ore 
by coal-based self-reduction and high temperature melting process. 
International Journal of Nonferrous Metallurgy, 5(02), 9.
Dewi S R.(2018).Deep Learning Object Detection Pada Video Menggunakan 
Tensorflow Dan Convolutional Neural Network (Studi Kasus: Klasifikasi 
Gambar Meja dan Kursi Motif Ukiran Jepara), Tugas Akhir, Universitas 
Islam Indonesia. Yogyakarta.
Fadli, F.(2021).Analisis Perubahan Kadar Bijih Besi (Fe) Laterit Berdasarkan Data 
Pengeboran, Penambangan, Dan Stockpile Pada Pit Blok 1 Curing, 
Kecamatan Pulau Sebuku, Kabupaten Kota Baru, Provinsi Kalimantan 
Selatan. Doctoral dissertation. Universitas Hasanuddin. Makassar
Firmansyah, R.(2021).Implementasi Deep Learning menggunakan convolutional 
neural network untuk klasifikasi bunga.skripsi.Fakultas Sains dan 
Teknologi UIN Syarif Hidayatullah Jakarta, Jakarta. 
Hernadi, D., Rosana, M. F., & Haryanto, A. D.(2017).Domain Geologi Sebagai 
Dasar Pemodelan Estimasi Sumberdaya Nikel Laterit Perbukitan Zahwah, 
Sorowako, Kabupaten Luwu Timur, Provinsi Sulawesi Selatan. Bulletin of 
Scientific Contribution: GEOLOGY, 15(2), 111-122.
44
Jafar, N.(2017).Identifikasi Sebaran Nikel Laterit Berdasarkan Hasil Test Pit 
Kecamatan Kabaena Kabupaten Bombana Provinsi Sulawesi Tenggara. 
Jurnal Geomine, 5(2).
Kamaruddin H, Ardiansyah I K R, Rosana, Sulaksana N, dan Tintin Y E.(2018).
Profil Endapan Laterit Nikel Di Pomalaa, Kabupaten Kolaka, Provinsi 
Sulawesi Tenggara.Buletin Sumber Daya Geologi.13(2).hal : 84-105.
Kadarusman, A., Miyashita, S., Maruyama, S., Parkinson, C. D., & Ishikawa, A., 
2004, Petrology, geochemistry and paleogeographic reconstruction of the 
East Sulawesi Ophiolite, Indonesia. Tectonophysics, 392(1-4), 55-83.
Kurniadi, A., Rosana, M. F., & Yuningsih, E. T.(2017). Karakteristik Batuan Asal 
Pembentukan Endapan Nikel Laterit Di Daerah Madang dan Serakaman 
Tengah. Geoscience Journal, 2(3), 221-234.
Kusuma,R A I, Kamaruddin H, Rosana M F, dan Yuningsih E T.(2019).Geokimia 
Endapan Nikel Laterit di Tambang Utara, Kecamatan Pomalaa, Kabupaten 
Kolaka, Provinsi Sulawesi Tengara. Jurnal Geologi dan Sumberdaya 
Mineral, 20(2), hal 85–92.
Le Maitre, R. W., Streckeisen, A., Zanettin, B., Le Bas, M. J., Bonin, B., Bateman, 
P., & Woolley, A. R. (2002). Igneous rocks. A Classification and Glossary 
of Terms: Recommendations of the International Union of Geological 
Sciences Subcommission on the Systematics of Igneous Rocks.
Masithoh, R. E., Rahardjo, B., Sutiarso, L., & Hardjoko, A.(2011).Pengembangan 
computer vision system sederhana untuk menentukan kualitas tomat. 
agriTECH, 31(2), hal :116-123.
Masuara, A. H. (2018). Evaluasi Kadar Produksi Nikel Laterit Di Pt. Antam Tbk. 
Dintek, 11(2), 33-45.
Maulama F dan Rochmawati N.(2020).Klasifikasi Citra Buah Menggunakan 
Convolutional Neural Network.JINACS (Journal of Informatics and 
Computer Science).1(II). hal : 104-108.
Mohajon J.(2020). Confusion Matrix for Your Multi-Class Machine Learning 
Model. Diakses pada 14 Oktober 2021, dari 
https://towardsdatascience.com/confusion-matrix-for-your-multi-class�machine-learning-model-ff9aa3bf7826
citation:   UNGGUL PRABOWO, 410017074  (2021) STUDI KARAKTERISTIK NIKEL LATERIT DAN PENERAPAN MACHINE LEARNING UNTUK KLASIFIKASI ZONA OVERBURDEN, ORE, DAN BEDROCK PADA PT. GEO PARTNER MINERAL BLOK X.  Other thesis, ITNY.   
document_url: https://repository.itny.ac.id/id/eprint/3455/1/01.%20HALAMAN%20COVER.pdf
document_url: https://repository.itny.ac.id/id/eprint/3455/2/02.%20LEMBAR%20PERSETUJUAN.pdf
document_url: https://repository.itny.ac.id/id/eprint/3455/3/03.LEMBAR%20PENGESAHAN.pdf
document_url: https://repository.itny.ac.id/id/eprint/3455/4/04.%20ABSTRAK.pdf
document_url: https://repository.itny.ac.id/id/eprint/3455/5/05.%20KATA%20PENGANTAR.pdf
document_url: https://repository.itny.ac.id/id/eprint/3455/6/06.%20DAFTAR%20ISI.pdf
document_url: https://repository.itny.ac.id/id/eprint/3455/7/07.%20DAFTAR%20GAMBAR.pdf
document_url: https://repository.itny.ac.id/id/eprint/3455/8/08.%20DAFTAR%20TABEL.pdf
document_url: https://repository.itny.ac.id/id/eprint/3455/9/09.%20BAB%20I%20PENDAHULUAN.pdf
document_url: https://repository.itny.ac.id/id/eprint/3455/10/010.%20BAB%20II%20TINJAUAN%20PUSTAKA.pdf
document_url: https://repository.itny.ac.id/id/eprint/3455/11/011.%20BAB%20III%20METODE%20PENELITIAN.pdf
document_url: https://repository.itny.ac.id/id/eprint/3455/12/012.%20BAB%20IV%20GEOLOGI%20REGIONAL.pdf
document_url: https://repository.itny.ac.id/id/eprint/3455/13/013.%20BAB%20V%20HASIL%20DAN%20PEMBAHASAN.pdf
document_url: https://repository.itny.ac.id/id/eprint/3455/14/014.%20KESIMPULAN.pdf
document_url: https://repository.itny.ac.id/id/eprint/3455/15/016.%20LAMPIRAN%20TERIKAT.pdf