MACHINE LEARNING UNTUK PEMETAAN DISTRIBUSI MINERAL LEMPUNG DI GUNUNG LUMPUR SIDOARJO (LUSI) MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)

Ichwan Daffa Dhiyaulhaq, Dr.rer.nat.Ir. I Wayan Warmada, IPM., Dr. Eng. Ir. Agung Setianto. S.T., M.Si., IPM

2023 | Skripsi | TEKNIK GEOLOGI

Gunung Lumpur Sidoarjo (LUSI) merupakan hasil dari fenomena alam

yang sampai saat ini masih terus berlangsung dengan komposisi penyusun lumpur

dari LUSI adalah mineral lempung. Penginderaan jauh dilakukan dengan

menggunakan citra ASTER L1T dengan terlebih dahulu citra diolah menggunakan

tahapan radiometric calibration, layer stacking, dan quick atmospheric correction

(QUAC) lalu menggunakan bandmath untuk menghasilkan citra ekstraksi mineral

lempung berupa kaolinit, klorit, ilit, montmorilonit, dan smektit. Data tersebut

berjumlah 14.541 titik yang selanjutnya diklasifikasikan menggunakan machine

learning algoritma Support Vector Machine (SVM) dengan 40?ta sebagai

training data untuk proses latihan algoritma Algoritma Support Vector Machine

(SVM) dan 60?ta sebagai testing data, proses latihan algoritma Support Vector

Machine (SVM) menghasilkan hyperplane terbaik yang diciptakan menggunakan

optimasi polynomial dengan parameter yang digunakan adalah parameter degree

bernilai 1 dan parameter C bernilai 25. Selanjutnya data XRD digunakan untuk

melakukan validasi dari hasil ekstraksi citra ASTER yang diklasifikasikan

menggunakan machine learning algoritma Support Vector Machine (SVM)

menghasilkan bahwa dari 5 titik pengambilan sampel XRD terdapat 2 titik yang

tidak sesuai dengan hasil penelitian dan 3 titik lainnya memiliki mineralogi yang

sama dengan hasil penelitian yaitu kaolinit dan smektit namun pada hasil penelitian

terdapat mineral lempung lainnya seperti ilit, klorit, smektit, dan montmorilonit.

Adanya perbedaan antara hasil penelitian dengan data XRD dapat disebabkan

karena adanya eror akibat pengaruh gaya gravitasi terhadap sensor satelit selain itu

juga karena adanya perbedaan tahun pada kedua data dapat menyebabkan

perbedaan pada hasil penelitian.

Gunung Lumpur Sidoarjo (LUSI) is the result of a natural phenomenon which is

still ongoing today with the composition of the mud from LUSI being clay minerals.

Remote sensing is carried out using ASTER L1T imagery, with the image being

processed using radiometric calibration, layer stacking, and quick atmospheric

correction (QUAC) stages and then using bandmath to produce images of clay

mineral extraction in the form of kaolinite, chlorite, illite, montmorillonite, and

smectite. The data totals 14,541 points which are then classified using the

Algoritma Support Vector Machine (SVM) machine learning algorithm with 40%

of the data as training data for the Algoritma Support Vector Machine (SVM)

algorithm training process and 60% of the data as testing data, the Algoritma

Support Vector Machine (SVM) algorithm training process (SVM) produces

the best hyperplane that was created using polynomial optimization with the

parameters used are the degree parameter with a value of 1 and the C parameter

with a value of 25. Furthermore, XRD data is used to validate the results of ASTER

image extraction which are classified using a machine learning algorithm Algoritma

Support Vector Machine (SVM) to produce that from the 5 XRD sampling points

there were 2 points that did not match the research results and 3 other points had

the same mineralogy as the research results, namely kaolinite and smectite but the

research results contained other clay minerals such as illite, chlorite, smectite, and

montmorilonit. The difference between the results of the research and the XRD data

can be caused by errors due to the influence of gravity on the satellite sensor,

besides that the difference in years in the two data can cause differences in the

results of the research.

Kata Kunci : Machine learning, Algoritma Support Vector Machine (SVM), pemetaan mineral lempung, LUSI