APLIKASI METODE MACHINE LEARNING DALAM IDENTIFIKASI MINERAL PADA SAMPEL SAYATAN TIPIS BATUAN

Abstract

Perancangan/penelitian ini tentang pengidentifikasian mineral secara otomatis pada sampel sayatan tipis batuan menggunakan alat khusus yang berfungsi sebagai alat pengganti mikroskop polarisasi dan pengaplikasian metode Machine Learning dengan tujuan membantu mempercepat pengidentifikasian mineral pada sampel sayatan tipis batuan. Metode yang dipergunakan adalah Machine Learning, dimana sampel akan di ambil videonya menggunakan alat khusus pengganti mikroskop polarisasi yang kemudian hasil video akan di masukkan kedalam algoritma khusus yang telah dibuat dengan Bahasa pemrograman python. Alat yang digunakan untuk mengambil video sayatan tipis batuan adalah Canon 70D lensa 90mm Makro 1:1, dengan pengaturan ISO 8000, Shutter speed 1/60, dan aperture f/5.6. Untuk alat khusus yang dibuat menggunakan lensa polarisasi yang diposisikan tegak lurus satu sama lain, dengan papan penahan berupa stage dengan bahan akrilik yang didesain menggunakan aplikasi adobe photoshop. Sampel sayatan tipis yang digunakan pada penelitian kali ini terdiri dari 5 sampel yaitu 4 batuan beku dan 1 batuan sedimen yang terdiri dari batu Andesit vesikuler, Syenit, Breksi vulkanik, dan 2 batu Gabbro. Untuk algoritma yang digunakan adalah Extreme Gradiant Boosting (XGBoost), AdaBoost, Light Gradient Boosting (LGB), Support Vector Machine (SVM), Logistic Regression (LGR), dan Random Forest. Hasilnya menunjukkan algoritma mampu mendeteksi dan mengelompokan berbagai jenis mineral berdasarkan intensitas spektrum cahaya dari data latih yang telah di buat sebelumnya dengan urutan ranking algoritma terbaik yaitu: LGBM, SVM, dan Logistic regression.