Perpustakaan Digital ITB

Sustainability (keberlanjutan) dapat diwujudkan melalui penyedian mineral kritis. Di Indonesia, PT XYZ hadir sebagai perusahaan penyuplai nikel terbesar di Indonesia bahkan salah satu di dunia. Selain proses produksi yang besar, PT XYZ juga memiliki komitmen untuk menurunkan gas rumah kaca sebesar 33% CO2Eq hingga pada tahun 2030. Peningkatan produksi untuk meningkatkan keuntungan serta komitmen penurunan emisi CO2 adalah tujuan yang harus dicapai secara optimal di era 5.0 ini. Untuk mencapai nilai produksi bijih nikel yang optimum dengan fungsi tujuan keuntungan dan gas emisi serta batasan-batasan yang ada, seperti kepadatan jalan diperlukan metode yang tepat. Oleh sebab itu digunakanlah salah satu framework optimasi dari machine learning, yaitu Python Multi-objective Optimization (Pymoo). Dalam proses optimasi ini, digunakan pula framework prediksi untuk membantu Pymoo dalam mengumpulkan beragam data, seperti linear regression, polynomial regression, Categorical Boosting (CatBoost). dan Artificial Neural Network (ANN) dari TensorFlow. Dari lima area milik PT XYZ yang diteliti, yaitu SPA, BAH, LAN, dan LAR didapatkan bahwa 32 skenario yang berbeda dari segi skema, area yang diteliti, dan framework prediksi yang digunakan. Skema kedua yang memiliki variabel input (independet) yang cenderung lebih banyak dalam membangun model memiliki hasil error yang lebih baik dibandingkan skema pertama yang hanya mempertimbangkan produksi sebagai variabel input dalam membangun model. Dari hasil penelitian, skenario yang disarankan untuk digunakan pada masing-masing area adalah skenario yang memakai skema II dan framework CatBoost atau ANN setelah mempertimbangkan error serta grafik pareto front dalam proses optimasi oleh Pymoo. Selain itu, solusiiv solusi yang ada pada setiap grafik pareto front diambil berdasarkan fokus kepentingan pada keuntungan atau emisi CO2.