digilib@itb.ac.id +62 812 2508 8800


BAB 1 Mohammad Rafli Irham
Terbatas  Resti Andriani
» Gedung UPT Perpustakaan

BAB 2 Mohammad Rafli Irham
Terbatas  Resti Andriani
» Gedung UPT Perpustakaan

BAB 3 Mohammad Rafli Irham
Terbatas  Resti Andriani
» Gedung UPT Perpustakaan

BAB 4 Mohammad Rafli Irham
Terbatas  Resti Andriani
» Gedung UPT Perpustakaan

BAB 5 Mohammad Rafli Irham
Terbatas  Resti Andriani
» Gedung UPT Perpustakaan

BAB 6 Mohammad Rafli Irham
Terbatas  Resti Andriani
» Gedung UPT Perpustakaan

PUSTAKA Mohammad Rafli Irham
Terbatas  Resti Andriani
» Gedung UPT Perpustakaan

Indonesia memiliki potensi mineral radioaktif di beberapa pulau, termasuk di wilayah Mamuju, Sulawesi Barat, yang teridentifikasi memiliki tingkat radiasi alami yang tinggi. Penelitian ini bertujuan untuk memetakan sebaran mineral pembawa unsur radioaktif di wilayah prospek Mamuju dengan memanfaatkan teknologi pengindraan jauh dan metode machine learning. Penelitian diawali dengan akuisisi data spektroskopi reflektansi dari sampel mineral pembawa radioaktif. Data spektral tersebut diolah menggunakan algoritma machine learning untuk klasifikasi kelompok mineral berdasarkan karakteristik spektralnya. Data citra satelit resolusi tinggi PlanetScope PSB.SD diolah menggunakan teknik klasifikasi terbimbing untuk pemetaan tutupan lahan. Identifikasi daerah prospek mineralisasi dilakukan dengan analisis band math, indeks vegetasi, directed principal component analysis, dan linear spectral unmixing untuk mengidentifikasi mineral-mineral penciri yang berasosiasi dengan mineralisasi radioaktif. Hasil penelitian menunjukkan bahwa daerah penelitian memiliki anomali laju radiasi antara 982,8 hingga 26.769 nSv/h, dengan anomali ekuivalen uranium sebesar 34,4 hingga 984,2 ppm dan thorium sebesar 222,6 hingga 6.066 ppm. Mineral-mineral pembawa radioaktif seperti thorianite dan davidite serta mineral pembawa unsur REE, teridentifikasi di kompleks vulkanik Adang, Ampalas, Tapalang, dan Malunda. Mineral penciri seperti besi oksida dan mineral lempung juga teridentifikasi dan mengindikasikan potensi mineralisasi radioaktif di daerah penelitian. Penelitian ini menunjukkan bahwa integrasi teknologi pengindraan jauh dan machine learning memiliki potensi besar untuk pemetaan dan eksplorasi mineral radioaktif secara efektif, efisien, dan berbiaya rendah.