Studi K-Means Clustering Untuk Pengelompokan Tipe Bijih Pada Deposit Nikel Laterit: Studi Kasus PT. A

Wanni, Wanni (2022) Studi K-Means Clustering Untuk Pengelompokan Tipe Bijih Pada Deposit Nikel Laterit: Studi Kasus PT. A. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6010201023-Master_thesis.pdf Restricted to Repository staff only Download (7MB) | Request a copy

Abstract

Penentuan tipe bijih nikel laterit merupakan salah satu tahapan yang penting pada proses penambangan dan pengolahan nikel laterit karena berpengaruh pada kebutuhan energi dan volume produk nikel matte yang dihasilkan. Jika tipe bijih nikel mempunyai kandungan tinggi olivin, maka akan menghambat proses transfer panas pada tungku listrik dan menyebabkan kenaikan kebutuhan energi. Namun jika tipe bijih nikel mempunyai kandungan rendah olivin, maka volume produk nikel matte yang dihasilkan akan berkurang. Saat ini, metode untuk menentukan tinggi rendahnya kandungan olivin pada sampel pengeboran nikel laterit dilakukan melalui estimasi tidak langsung berdasarkan rasio silika magnesium dan kandungan air kristal dalam mineral atau biasa disebut nilai Loss on Ignition (LoI) yang diperoleh dari uji sampel di laboratorium. Hasil dari metode ini adalah pembagian tipe bijih tinggi olivin dan tipe bijih rendah olivin. Untuk mendapatkan hasil analisa LoI dibutuhkan waktu yang cukup lama serta biaya yang cukup besar sehingga dibutuhkan metode lain yang lebih cepat dan dapat diaplikasikan untuk menentukan kelompok kandungan olivin tanpa melalui tahapan analisa LoI. Untuk menyelesaikan masalah tersebut, maka digunakan metode K-Means clustering untuk mengelompokkan tinggi rendahnya kandungan olivine dengan bantuan pemrograman minitab. Metode ini bermanfaat untuk mengelompokkan kandungan olivin tanpa melalui tahapan analisa LoI sehingga proses ini dapat dilakukan secara efisien dari sisi waktu maupun biaya. Segmentasi olivin dilakukan dengan metode clustering yang menggunakan data 9 unsur kimia sebagai variabel independen. Analisa K-Means clustering dilakukan berdasarkan 3 skenario nilai k yaitu: skenario 1 adalah kelompok olivin dengan nilai k=2 sesuai pembagian kelompok olivin yang ada saat ini yaitu high olivine dan low olivine. Skenario 2 adalah menggunakan nilai k=3 yaitu high olivine, medium olivine dan low olivine. Sedangkan skenario 3 menggunakan k=4 berdasarkan rekomendasi yang diperoleh dari elbow method dan silhoutte. Dari penelitian ini diperoleh jumlah cluster yang optimal adalah 2. Berdasarkan perbandingan terhadap metode konvensional, tingkat kesesuaian clustering k=2 mencapai 97.9% untuk cluster 1 dan 85.0% untuk cluster 2.
=================================================================================================================================
Determination of the type of laterite nickel ore is one of the important stages in the mining and processing of laterite nickel because it affects to energy requirements and nickel matte recovery. If the nickel ore type has a high olivine content, it will inhibit the heat transfer process in the electric furnace and cause an increase in energy requirements. However, if the nickel ore type has a low olivine content, the volume of nickel matte product produced will decrease. Currently, the method for determining the level of olivine content in nickel laterite drilling samples is carried out through indirect estimates based on the ratio of silica magnesium and water content of crystals in minerals or commonly known as Loss on Ignition (LoI) values obtained from sample tests in the laboratory. The result of this method is the division of high olivine and low olivine ore types. In the current condition, it takes a long time to get the results of the LoI analysis and requires a large amount of money so the speed to determine the type of ore is based on the olivine content is quite critical. Therefore, an alternative method is needed to determine the olivine content group without going through the LoI analysis stage. This study carried out the olivine content grouping by an alternative method, namely clustering analysis. The use of clustering with the help of minitab programming is useful for classifying olivine content without going through the LoI analysis stages so that this process can be carried out efficiently in terms of time and cost. Clustering is done using K-Means method using 9 chemistry elements data as variables. The olivine group that will be produced from this analysis is based on 3 scenarios of the number of clusters, namely: 1st scenario is the olivine group with the number of cluster 2 according to the current division of olivine groups, namely high olivine, and low olivine. 2nd scenario uses 3 clusters, namely high olivine, medium olivine, and low olivine. While 3rd scenario uses 4 clusters based on the recommendations obtained from the elbow method and silhoutte. The research has shown that the optimal numer of clusters was 2. Based on the comparison with conventional methods, the level of suitability for clustering k=2 reached 97.9% for cluster 1 and 85.0% for cluster 2.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Olivin, Tipe Bijih., Clustering, LoI, Olivine, Ore Type.
Subjects:	Q Science > QA Mathematics > QA278.55 Cluster analysis
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Industrial Engineering > 26101-(S2) Master Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	21 Jan 2026 01:55
Last Modified:	21 Jan 2026 01:55
URI:	http://repository.its.ac.id/id/eprint/129909

Actions (login required)

View Item