Penggunaan Machine Learning Algoritma Support Vector Machine (SVM) Untuk Mengidentifikasi Kadar Pasir Besi di Kabupaten Aceh Besar

Abstract

Seiring dengan perkembangan zaman, teknologi eksplorasi berkembang dengan sangat pesat. Salah satunya ialah penerapan machine learning dalam kegiatan eksplorasi. Penggunaan machine learning memungkinkan untuk mendapatkan sebaran mineral pasir besi pada lokasi tertentu dengan menambahkan berbagai parameter yang berpengaruh sehingga mendapatkan output berupa keputusan terkait keterdapatan dan kadar mineral pasir besi pada daerah tersebut. Dalam hal ini, penelitian yang dilakukan hanya berfokus pada algoritma Support Vector Machine (SVM). SVM merupakan salah satu algoritma machine learning yang digunakan untuk tugas-tugas klasifikasi dan regresi. Oleh karena itu, penelitian ini dilakukan untuk mendapatkan model algoritma SVM yang dapat digunakan untuk mengidentifikasi kadar pasir besi dengan menambah beberapa parameter pendukung seperti data jarak titik sampel terhadap pantai, jarak titik sampel terhadap sungai, jarak titik sampel terhadap sesar, nilai pixel, data ketinggian, temperatur, data curah hujan, dan jenis batuan penyusun. Hasilnya grafik regresi linear menunjukkan hubungan nilai kadar Fe prediksi dari model SVM dan kadar Fe aktual, dimana nilai Root Mean Square Error (RMSE) adalah 0,076 dan nilai r² adalah 0,705. Artinya nilai model algoritma SVM yang dibuat memiliki tingkat kesalahan yang kecil dan korelasi antar data yang kuat sehingga algoritma tersebut dapat dijalankan untuk mengidentifikasi kadar pasir besi.