Perpustakaan Digital ITB

Permintaan nikel kian meningkat karena perkembangan teknologi baterai dan kendaraan listrik. Indonesia memegang posisi krusial dalam pasar nikel dunia yang didukung oleh cadangan nikel yang besar. Walaupun demikian, eksplorasi nikel tetap membutuhkan banyak tenaga manusia dan memakan waktu. Salah satu tahap krusial dalam eksplorasi nikel adalah pembuatan domain profil nikel laterit yang bergantung pada data geokimia. Tahap ini rentan terhadap bias, kesalahan manusia, dan inefisiensi. Untuk menanggulangi tantangan ini, pembelajaran mesin dapat diaplikasikan sebagai alat untuk membuat domain nikel laterit. Dalam penelitian ini, studi geologi dan algoritma K-means digunakan untuk membuat tiga domain (limonit, saprolit, dan batuan dasar) pada sebuah endapan nikel laterit di Halmahera Timur dengan 745 data bor. Studi geologi meliputi pengambilan sampel batuan, analisis geomorfologi, interpretasi struktur geologi, dan analisis sayatan tipis. Pra-pemrosesan data meliputi transformasi Yeo-Johnson, scaling, dan Principal Component Analysis (PCA) untuk menormalisasi data dan mengurangi efek outlier. Within-cluster sum of squares, skor silhouette, dan confusion matrix digunakan sebagai indikator performa. Model pembelajaran mesin berhasil mencapai akurasi keseluruhan 81% relatif terhadap logging manual. Akurasi tinggi ditemukan pada zona limonit karena ciri khas geokimia dan pemisahan yang tegas oleh PCA, sedangkan akurasi rendah pada batuan dasar mencerminkan kondisi yang sebaliknya. Hasil pada studi ini mengimplikasikan bahwa pembelajaran mesin bersama studi geologi memiliki potensi kuat untuk membantu geolog dalam melakukan eksplorasi endapan nikel laterit.