Perancangan sistem pakar kemiripan kolong pasca tambang timah berdasarkan citra warna air

Gilang Dwi Aprianto, (NIM. 1022011063) (2026) Perancangan sistem pakar kemiripan kolong pasca tambang timah berdasarkan citra warna air. Other thesis, Universitas Bangka Belitung.

[thumbnail of HALAMAN DEPAN.pdf] Text
HALAMAN DEPAN.pdf
Restricted to Registered users only

Download (1MB)
[thumbnail of BAB I.pdf] Text
BAB I.pdf
Restricted to Registered users only

Download (216kB)
[thumbnail of BAB II.pdf] Text
BAB II.pdf
Restricted to Registered users only

Download (641kB)
[thumbnail of BAB III.pdf] Text
BAB III.pdf
Restricted to Registered users only

Download (1MB)
[thumbnail of BAB IV.pdf] Text
BAB IV.pdf
Restricted to Registered users only

Download (1MB)
[thumbnail of BAB V.pdf] Text
BAB V.pdf
Restricted to Registered users only

Download (224kB)
[thumbnail of DAFTAR PUSTAKA.pdf] Text
DAFTAR PUSTAKA.pdf
Restricted to Registered users only

Download (224kB)
[thumbnail of LAMPIRAN.pdf] Text
LAMPIRAN.pdf
Restricted to Repository staff only

Download (1MB)

Abstract

Banyaknya kolong pasca tambang timah di wilayah Kepulauan Bangka Belitung menyebabkan pemantauan kolong secara langsung sulit dilakukan secara rutin karena keterbatasan waktu, biaya, dan peralatan. Oleh karena itu, penelitian ini merancang sistem pakar sebagai pendekatan awal untuk mengidentifikasi tingkat kemiripan kolong pascatambang timah berdasarkan citra warna air menggunakan metode Convolutional Neural Network (CNN) dan K-Nearest Neighbor (KNN). CNN digunakan untuk mengklasifikasikan warna air kolong berdasarkan fitur visual citra, sedangkan KNN digunakan untuk menentukan tingkat kemiripan kolong dengan membandingkan hasil klasifikasi CNN terhadap data referensi penelitian. Hasil penelitian menunjukkan bahwa sistem pakar yang dirancang mampu mengintegrasikan citra dan mekanisme kemiripan kolong secara terstruktur sehingga dapat memberikan informasi awal kondisi kolong pascatambang timah. Pengolahan citra berupa ekstraksi nilai RGB per data diketahui memiliki interval r = 0.23 – 0.35, kanal g = 0.31 – 0.40, kanal b = 0.30 – 0.36 setiap kelas. Klasifikasi CNN didasarkan pemodelan custom dengan 4 layer dengan parameter terpilih memiliki akurasi 89% berdasarkan kelas, dan sistem penalaran pendekatan KNN dengan nilai K = 1 dengan jarak pengukuran euclidean. Akurasi CNN terhadap data uji 1 sebesar 94%, akurasi KNN terhadap data uji 1 sebesar 97% dan akurasi kombiansi CNN-KNN sebesar 84%. Perbandingan akurasi tersebut berfokus pada penerapan sistem pakar sehingga pendekatan CNN-KNN layak digunakan sebagai alat bantu awal dalam kegiatan observasi dan penelitian kolong pascatambang timah.

Item Type: Thesis (Other)
Uncontrolled Keywords: kolong pasca tambang timah, sistem pakar, citra digital, CNN, KNN, kemiripan kolong
Subjects: T Teknologi > TK Teknik Elektro. Elektronika. Teknik Nuklir
Divisions: FAKULTAS SAINS DAN TEKNIK > TEKNIK ELEKTRO > SKRIPSI
Depositing User: Merty Merty
Date Deposited: 09 Feb 2026 06:29
Last Modified: 09 Feb 2026 06:29
URI: https://repository.ubb.ac.id/id/eprint/13184

Actions (login required)

View Item View Item