KLASIFIKASI CITRA BATUAN SEDIMEN KLASTIK DAN NONKLASTIK MENGGUNAKAN YOLOv8 SEBAGAI MEDIA PEMBELAJARAN DIGITAL

Adrian Hedrin Montilalu, . (2025) KLASIFIKASI CITRA BATUAN SEDIMEN KLASTIK DAN NONKLASTIK MENGGUNAKAN YOLOv8 SEBAGAI MEDIA PEMBELAJARAN DIGITAL. Skripsi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

	Text Cover_123210037.pdf Download (159kB)
	Text Abstrak_123210037.pdf Download (229kB)
	Text Halaman Pengesahan _123210037.pdf Download (239kB)
	Text Daftar Isi_123210037.pdf Download (157kB)
	Text Daftar Pustaka_123210037.pdf Download (158kB)
	Text Fulltext_123210037.pdf Restricted to Repository staff only Download (7MB)

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi jenis batuan
sedimen klastik secara otomatis dengan memanfaatkan algoritma YOLOv8. Identifikasi
batuan sedimen secara konvensional masih sangat bergantung pada observasi visual, yang
sering kali menimbulkan subjektivitas dan kesalahan dalam pengamatan. Selain itu, metode
manual membutuhkan waktu yang lama dan tidak efisien apabila diterapkan pada skala besar
maupun pada kebutuhan yang memerlukan hasil cepat dan konsisten. Dataset penelitian
diperoleh dari platform Roboflow yang mencakup enam kelas, yaitu lima kelas utama batuan
sedimen klastik (Conglomerate, Breccia, Sandstone, Shale, dan Claystone) serta satu kelas
non-klastik yang terdiri dari batu bara dan batu akik. Data kemudian diproses melalui
tahapan anotasi, splitting, resize, serta augmentasi menggunakan enam teknik transformasi
untuk memperkaya variasi data latih. Model YOLOv8n dipilih karena memiliki keunggulan
berupa ukuran yang ringan, kecepatan inferensi yang tinggi, serta efisiensi dalam
pemrosesan, dengan proses pelatihan dilakukan selama 35 epoch menggunakan pengaturan
hyperparameter tertentu agar model mampu mengenali pola dan tekstur batuan secara lebih
optimal.
Hasil evaluasi model menunjukkan performa yang baik dengan nilai precision
sebesar 92%, recall 88,1%, mAP50 sebesar 91,8%, serta mAP50–95 sebesar 78,8%. Nilai
ini menunjukkan bahwa model mampu mendeteksi dan mengklasifikasikan batuan sedimen
klastik secara akurat, bahkan pada objek dengan corak dan warna yang berbeda dalam kelas
yang sama. Model terbaik selanjutnya diimplementasikan ke dalam sistem berbasis web
menggunakan framework Streamlit, yang memungkinkan pengguna untuk mengunggah
citra batuan dan memperoleh hasil deteksi secara cepat, interaktif, dan akurat. Dengan
demikian, penelitian ini menawarkan solusi praktis yang efektif untuk mendukung proses
identifikasi batuan sedimen klastik secara lebih efisien, sekaligus memberikan kontribusi
nyata terhadap pemanfaatan teknologi deep learning dalam bidang geologi.

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Adrian Hedrin Montilalu (Penulis - 123210037) Novrido Charibaldi (Pembimbing)
Uncontrolled Keywords:	klasifikasi batuan, YOLOv8, batuan sedimen klastik, object detection, geologi digital
Subjek:	T Technology > TN Mining engineering. Metallurgy
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Bayu Pambudi
Date Deposited:	14 Oct 2025 03:00
Last Modified:	14 Oct 2025 03:00
URI:	http://eprints.upnyk.ac.id/id/eprint/44327

Actions (login required)

View Item