PENENTUAN KLASIFIKASI LITOLOGI DAN KETEBALAN LAPISAN BATUBARA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) 1-D DI FORMASI BALIKPAPAN, KEC. LOA JANAN, KAB. KUTAI KARTANEGARA

MUSLIMAH, RATU BALQIS (2023) PENENTUAN KLASIFIKASI LITOLOGI DAN KETEBALAN LAPISAN BATUBARA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) 1-D DI FORMASI BALIKPAPAN, KEC. LOA JANAN, KAB. KUTAI KARTANEGARA. Other thesis, UPN "Veteran" Yogyajarta.

	Text ABSTRACT ENGLISH.pdf Download (11kB)
	Text ABSTRAK INDO.pdf Download (11kB)
	Text COVER SKRIPSI RATU.pdf Download (127kB)
	Text DAFTAR ISI RATU.pdf Download (54kB)
	Text DAFTAR PUSTAKA SKRIPSI RATU.pdf Download (76kB)
	Text Lembar Keaslian.pdf Download (241kB)
	Text Lembar Pengesahan Ratu.pdf Download (82kB)
	Text SKRIPSI FULL RATU.pdf Restricted to Repository staff only Download (5MB)

Abstract

vi
ABSTRAK
PENENTUAN KLASIFIKASI LITOLOGI DAN KETEBALAN
LAPISAN BATUBARA MENGGUNAKAN METODE
CONVOLUTIONAL NEURAL NETWORK (CNN) 1-D DI
FORMASI BALIKPAPAN, KEC. LOA JANAN, KAB. KUTAI
KARTANEGARA
Oleh:
Ratu Balqis Muslimah
115.190.016
Penelitian ini berada pada Formasi Balikpapan dan termasuk Coal Bearing
Formation dimana persebaran lapisan batubara yang cukup tebal, selain itu daerah
penelitian juga berada pada sayap antiklin menunjam Palaran. Penelitian ini
menggunakan 14 titik sumur bor dan di antaranya sebanyak 5 titik data well logging
yang statusnya belum tervalidasi atau hasil logging-nya <90%, sedangkan 9 titik
sumur lainnya berstatus valid dengan hasil logging 100%.
Penentuan klasifikasi berdasarkan data well logging yang merupakan hasil
reconciled berupa data gamma ray log dan density log serta hasil perhitungan
volume shale. Hasil ketiga data tersebut menunjukkan nilai-nilai yang berbeda
untuk masing-masing litologi dan menjadi ciri khas yang kemudian akan dianalisis
dan dilkukan klasifikasi menggunakan metode CNN. Metode CNN akan
mengklasifikasikan data litologi secara lebih detail berdasarkan data sumur acuan
yang diberikan.
Hasil penelitian menggunakan metode CNN pada IKJL 7, IKJL 7A, IKJL
21, IKJL 20, dan IKJL 6 menunjukkan bahwa terdapat beberapa lapisan tipis yang
tidak dapat dikenali oleh CNN terutama untuk lapisan batubara sehingga terdapat
selisih ketebalan sebelum dan sesudah penerapan metode CNN. Penerapan metode
CNN pada lapisan batubara akan mendapatkan hasil yang lebih baik bergantung
pada banyaknya jumlah data acuan yang digunakan sebagai sumber informasi.
Kata kunci: Ketebalan Lapisan Batubara, Well Logging, CNN, klasifikasi litologi

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Ketebalan Lapisan Batubara, Well Logging, CNN, klasifikasi litologi
Subjects:	Q Science > QE Geology
Divisions:	Faculty of Engineering, Science and Mathematics > School of Geography
Depositing User:	Eko Yuli
Date Deposited:	03 Oct 2023 06:44
Last Modified:	03 Oct 2023 06:44
URI:	http://eprints.upnyk.ac.id/id/eprint/37794

Actions (login required)

View Item