Search for collections on Repository Universitas Jenderal Soedirman

Pengaruh Analisis Korelasi terhadap Penerapan Algoritma Support Vector Machine dalam Kasifikasi Fasies berdasarkan Data Log Sumur

MULYANA, Titin (2023) Pengaruh Analisis Korelasi terhadap Penerapan Algoritma Support Vector Machine dalam Kasifikasi Fasies berdasarkan Data Log Sumur. Skripsi thesis, Universitas Jenderal Soedirman.

[img] PDF (Cover)
COVER-Titin Mulyana-K1C018002-Skripsi-2023.pdf

Download (39kB)
[img] PDF (Legalitas)
LEGALITAS-Titin Mulyana-K1C018002-Skripsi-2023.pdf
Restricted to Repository staff only

Download (861kB)
[img] PDF (Abstrak)
ABSTRAK-Titin Mulyana-K1C018002-Skripsi-2023.pdf

Download (35kB)
[img] PDF (BabI)
BAB-I-Titin Mulyana-K1C018002-Skripsi-2023.pdf
Restricted to Repository staff only until 23 May 2024.

Download (40kB)
[img] PDF (BabII)
BAB-II-Titin Mulyana-K1C018002-Skripsi-2023.pdf
Restricted to Repository staff only until 23 May 2024.

Download (665kB)
[img] PDF (BabIII)
BAB-III-Titin Mulyana-K1C018002-Skripsi-2023.pdf
Restricted to Repository staff only until 23 May 2024.

Download (196kB)
[img] PDF (BabIV)
BAB-IV-Titin Mulyana-K1C018002-Skripsi-2023.pdf
Restricted to Repository staff only

Download (882kB)
[img] PDF (BabV)
BAB-V-Titin Mulyana-K1C018002-Skripsi-2023.pdf

Download (33kB)
[img] PDF (DaftarPustaka)
DAFTAR PUSTAKA-Titin Mulyana-K1C018002-Skripsi-2023.pdf

Download (152kB)
[img] PDF (Lampiran)
LAMPIRAN-Titin Mulyana-K1C018002-Skripsi-2023.pdf
Restricted to Repository staff only

Download (458kB)

Abstract

Klasifikasi fasies merupakan proses identifikasi litologi batuan berdasarkan pengukuran secara tidak langsung seperti pengukuran log sumur. Proses klasifikasi fasies umumnya dilakukan secara manual oleh ahli geologi yang berpengalaman sehingga membutuhkan waktu yang relatif lama dan tidak efisien. Aplikasi machine learning dalam klasifikasi fasies dapat meningkatkan efektivitas dan efisiensi interpretasi geofisika pada data yang kompleks. Penelitian ini bertujuan untuk mengetahui keakuratan hasil estimasi fasies pada algoritma SVM tanpa analisis korelasi dengan yang menggunakan analisis korelasi. Algoritma machine learning pada penelitian ini menggunakan bahasa pemograman phyton. Keakuratan data training pada SVM tanpa analisis korelasi sebesar 72% dengan data testing sebesar 41%. Keakuratan data training dan data testing pada SVM dengan analisis korelasi memiliki keakuratan sesuai variasi. Keakuratan data training dan data testing pada SVM dengan analisis korelasi paling tinggi sebesar 70% dan 45%. Nilai akurasi prediksi pada data training dan data testing menunjukkan bahwa SVM dengan analisis korelasi memiliki nilai yang relatif lebih baik dibandingkan nilai akurasi SVM tanpa menggunakan analisis korelasi. Perbandingan tersebut berdasarkan SVM dengan analisis korelasi yang memiliki nilai yang lebih tinggi pada data testing yaitu variasi data log fisis yang berkorelasi positif dan negatif serta satu data log informasi geologi yang berkorelasi positif tinggi.

Item Type: Thesis (Skripsi)
Nomor Inventaris: K23069
Uncontrolled Keywords: Fasies, machine learning, SVM, keakuratan, analisis korelasi
Subjects: P > P262 Physical sciences
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > S1 Fisika
Depositing User: Mrs. MULYANA Titin
Date Deposited: 23 May 2023 01:53
Last Modified: 23 May 2023 01:53
URI: http://repository.unsoed.ac.id/id/eprint/21388

Actions (login required)

View Item View Item