Perpustakaan Digital ITB

Penelitian ini bertujuan untuk mengeksplorasi potensi penggunaan machine learning dalam eksplorasi batu bara di Indonesia dengan memanfaatkan data citra satelit dan drillhole. Di Indonesia, batu bara merupakan salah satu sumber energi terbesar dan memiliki cadangan deposit yang signifikan. Namun, prospek penambangan batu bara dengan metode tambang terbuka semakin sulit di masa depan karena lapisan batu bara terletak lebih dalam dari permukaan, sehingga rasio antara batu bara dan batuan yang mengapit akan lebih tinggi dan mencapai nilai yang tidak ekonomis. Oleh karena itu, penentuan daerah dengan potensi batu bara memerlukan beberapa disiplin ilmu dalam eksplorasi sehingga dapat diketahui potensi endapan batubara. Metode penelitian pada studi ini menggunakan data drillhole sebagai training point dan testing dalam pengembangan model machine learning untuk mengklasifikasikan potensi tambang batu bara. Model machine learning yang digunakan adalah Random Forest dan CART dengan pembagian data training dan testing sebesar 60:40, 70:30, 80:20, dan 90:10. Tujuan dari penggunaan model machine learning ini adalah untuk mengoptimalkan analisis potensi batu bara di suatu lokasi. Hasil dari penelitian ini diharapkan dapat memberikan informasi yang berguna untuk pengeksplorasian batu bara secara efisien di masa depan. Hasil penelitian ini menunjukan bahwa area studi memiliki volume batu bara sebesar 293.524.743 m3. Selain itu, akurasi terbaik dalam klasifikasi didapatkan oleh Random Forest 80:20 dan CART 90:10, sedangkan Cart 80:20 merupakan satu-satunya yang dapat mengidentifikasi true positive pada data validasi dengan variable importance terbesar ada pada band-4 sebesar 0.543 dan akurasi sebesar 0.777778, presisi sebesar 1, recall sebesar 0.333333, dan f-1 score sebesar 0.5. Korelasi antara data tidak memiliki hubungan yang signifikan.