Gandhi Rifal Primary Author mixed material bibliography Banda Aceh Fakultas MIPA (S2) 2025

Theses

Prediksi litologi menggunakan data log sumur merupakan proses penting dalam industri minyak dan gas untuk menentukan formasi geologi secara akurat. Berbagai metode pembelajaran mesin telah digunakan untuk tugas ini, termasuk K-Nearest Neighbor (KNN), Random Forest, dan Support Vector Machine. Meskipun metode ini memiliki keunggulan seperti kemampuan menangani klasifikasi multi-kelas, metode tersebut menghadapi tantangan signifikan terkait ketidakseimbangan kelas dan atribut yang bersifat noisy dalam dataset. Ketidakseimbangan kelas dapat menyebabkan bias terhadap kelas mayoritas, sementara atribut yang bersifat noisy mengurangi kemampuan model dalam mendeteksi pola yang relevan, sehingga menurunkan akurasi prediksi. Pendekatan konvensional seperti SMOTE (Synthetic Minority Oversampling Technique) untuk mengatasi ketidakseimbangan kelas sering kali menghasilkan data sintetis yang memperbesar atribut yang bersifat noisy, sehingga meningkatkan risiko overfitting. Selain itu, metode boosting seperti AdaBoost memperkuat prediksi dengan menggabungkan model lemah, tetapi masih rentan terhadap noise dalam data. Untuk mengatasi keterbatasan ini, penelitian ini mengusulkan integrasi Hybrid SMOTE, AdaBoost, dan Evolutionary Algorithm. SMOTE digunakan untuk menyeimbangkan distribusi kelas dengan menghasilkan data sintetis yang lebih bermakna. Evolutionary Algorithm diterapkan untuk seleksi fitur, meminimalkan atribut yang bersifat noisy, sementara AdaBoost meningkatkan ketahanan model terhadap overfitting. Pendekatan yang diusulkan diuji menggunakan dua dataset publik, yaitu FORCE 2020 dan KAGGLE. Hasil eksperimen menunjukkan bahwa integrasi ini secara signifikan meningkatkan akurasi prediksi, mencapai 94.54%, precision 88,83%, recall 84,55%, F1-Score 86,46% pada dataset FORCE 2020 dan akurasi 70.11%, precision 57,06%, recall 55,05%, F1-Score 55,86% pada dataset KAGGLE, lebih unggul dibandingkan metode konvensional. Penelitian ini bertujuan untuk memberikan solusi inovatif yang lebih tangguh dalam menangani tantangan data geologi, memperbaiki akurasi prediksi litologi, dan menawarkan kontribusi yang substansial untuk aplikasi di industri minyak dan gas. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 159245 2025-07-09 11:59:09 2025-07-09 12:04:39 machine generated