NAMA : Gilang Alief Putra

NIM : 16/400041/TK/45055

DEPARTEMEN : Teknik Geologi

Produk Keteknikan Baru Pada Bidang Kebumian

1. Penentu nilai RQD (Rock Quality Designation) Otomatis

Salah satu start-up asal Australia yaitu DATAROCK berhasil menganalisis 1 juta meter inti

batuan hanya dari sebuah gambar. Dengan menggunakan algoritma yang bernama R-

CNN yaitu algoritma yang memiliki banyak tahapan sebagai parameter untuk menganalisis

suatu objek pada gambar. Teknologi ini mampu mengklasifikasikan persentase nilai RQD

secara cepat dan akurat dengan menggunakan parameter tubuh batuan dan rekahan yang

dideteksi hanya dari sebuah gambar.

2. Penandaan mineral otomatis pada inti batuan

Seperti yang diketahui, penandaan bijih umumnya dilakukan dengan menggunakan sebuah

spidol permanen di sepanjang inti batuan. Hal ini tentunya akan memerlukan waktu untuk

menandai sampel tersebut, mengingat sampel inti batuan sangatlah panjang hingga ratusan

meter. Saat ini terdapat teknologi Machine Learning yang dapat melakukan pekerjaan

tersebut dalam sekejap. Segmentasi umumnya menggunakan suatu algoritma yang memiliki

parameter warna dan geometri yang kemudian dikalibrasikan dengan data inti pemboran dari

lokasi yang sama ataupun tambang lain.

3. Pengestimasi variabel geokimia yang hilang pada tahap pemboran

Pada tahap pemboran eksplorasi, analisis geokimia khususnya XRF memiliki peranan yang

sangat penting dalam memetakan posisi atau geometri suatu endapan, terutama pada kawasan

yang tidak memiliki singkapan batuan. Pemboran eksplorasi sendiri pastinya tak luput dari

ketidaksempurnaan sampel batuan yang berhasil diekstrak dari dalam permukaan bumi.

Sebuah penelitian yang dilakukan oleh Institut National de la Recherche Scientifique Canada

berhasil melakukan inovasi dengan memanfaatkan Machine Learning menggunakan

algoritma random forest yang diterapkan pada data core logging. Penelitian ini pun telah diuji

pada studi kasus di kawasan tambang Matagami dan diklaim mampu mengestimasi variabel

geokimia yang hilang dengan baik.

4. Peta prospektifitas mineral otomatis

Penelitian yang dilakukan Jiangxi University dan China University of Geoscience pada 2019

memunculkan sebuah inovasi, dimana teknologi tersebut dapat membangun sebuah peta

prospektifitas mineral secara otomatis dengan menggunakan parameter seperti data

resistivitas, gravitasi, dan sampel geokimia sedimen. Penelitian ini berhasil mencapai akurasi

rata-rata sebesar 95,4%.

5. Klasifikasi mineral mikroskopik secara otomatis

Pada tahun 2019, penelitian yang dilakukan Departmen Geologi dan Teknik Sistem Cyber

Federal University of Pelotas berhasil menemukan inovasi yang membantu Mineralogist

dalam mengidentifikasi mineral pada sayatan tipis dalam waktu yang singkat dengan
memanfaatkan pemperosesan gambar dan pemrograman yang simpel. Dengan memanfaatkan

algoritma decision tree (sebuah perintah komputer yang dapat mengeluarkan sebuah

keputusan berdasarkan parameter tertentu) dan juga nearest neighbor (merupakan perintah

komputer untuk mendefinisikan sebuah objek seperti warna untuk ditransformasikan menjadi

nilai tertentu kemudian diklasifikasikan). Inovasi ini berhasil mencapai akurasi 93%-97%

dari pendeskripsian mineral secara konvensional.