BAB 2

TINJAUAN PUSTAKA

2.1.

Pendahuluan
Gempa bumi adalah gempa yang disebabkan oleh aktivitas tektonik. Proses

terjadinya gempa tektonik merupakan akibat adanya gerakan dinamis lempenglempeng tektonik dunia yang saling berinteraksi. Untuk menyelidiki seismisitas dari
aktivitas tektonik tersebut maka dibuatlah jejaring seismograf yang bersifat lokal dan
global.

2.2.

Teori Gempa Bumi

Gempa bumi tidak lain merupakan manifestasi dari getaran lapisan batuan

yang patah yang energinya menjalar melalui badan dan permukaan bumi berupa
gelombang seismik. Energi yang dilepaskan pada saat terjadinya patahan tersebut
dapat berupa energi deformasi, energi gelombang dan lain-lain. Energi deformasi ini
dapat terlihat pada perubahan bentuk sesudah terjadinya patahan, misalnya
pergeseran. Sedang energi gelombang menjalar melalui medium elastis yang
dilewatinya dan dapat dirasakan sangat kuat di daerah terjadinya gempa bumi tersebut
[10].
Teori yang menjelaskan mekanisme terjadinya gempa bumi yang dikenal
sebagai Elastic Rebound Theory. Dijelaskan dalam teori ini bahwa gempa bumi

Universitas Sumatera Utara

terjadi pada daerah deformasi dimana terdapat dua buah gaya yang bekerja dengan
arah berlawanan pada batuan kulit bumi. Energi yang tersimpan selama proses
deformasi berbentuk elastis strain dan akan terakumulasi sampai melampui daya
dukung batas maksimum batuan, hingga akhirnya menimbulkan rekahan atau
patahan. Pada saat terjadi rekahan atau patahan tersebut energi yang tersimpan
tersebut sebagian besar akan dilepaskan dalam bentuk gelombang ke segala arah baik
dalam bentuk gelombang transversal maupun longitudinal.
Peristiwa inilah yang disebut dengan gempa bumi. Mekanisme terjadinya gempa
bumi dapat dijelaskan pada Gambar 2.1.

Gambar 2.1. Mekanisme terjadinya gempa bumi [11]

Universitas Sumatera Utara

Keadaan I menunjukan suatu lapisan yang belum terjadi perubahan bentuk

geologi. Karena di dalam bumi terjadi gerakan yang terus-menerus, maka akan
terdapat stress yang lama kelamaan akan terakumulasi dan mampu merubah bentuk
geologi dari lapisan batuan.
Keadaan II menunjukan suatu lapisan batuan telah mendapat dan mengandung
stress dimana telah terjadi perubahan bentuk geologi. Untuk daerah A mendapat
stress ke atas, sedang daerah B mendapat stress ke bawah. Proses ini berjalan terus
sampai stress yang terjadi atau dikandung di daerah ini cukup besar untuk
merubahnya menjadi gesekan antara daerah A dan daerah B. Lama kelamaan karena
lapisan batuan sudah tidak mampu lagi untuk menahan stress maka akan terjadi suatu
pergerakan atau perpindahan yang tiba-tiba sehingga terjadilah patahan. Peristiwa
pergerakan secara tiba-tiba ini disebut gempa bumi.
Keadaan III menunjukan lapisan batuan yang sudah patah karena adanya
pergerakan yang tiba-tiba dari batuan tersebut. Gerakan perlahan-lahan sesar ini akan
berjalan terus sehingga seluruh proses diatas akan diulangi lagi dan sebuah gempa
akan terjadi lagi setelah beberapa waktu lamanya demikian seterusnya [11].

2.3.

Parameter Gempa Bumi

Dari kejadian gempa bumi dapat dihasilkan informasi seismik berupa rekaman

sinyal berbentuk gelombang setelah melalui proses manual atau non manual akan
menjadi data bacaan fase (phase reading data). Informasi seismik selanjutnya

Universitas Sumatera Utara

mengalami proses pengumpulan, pengolahan dan analisis sehingga menjadi

parameter gempa bumi. Parameter gempa bumi tersebut meliputi:
a.

Waktu kejadian gempa bumi (Origin Time)

Waktu kejadian gempa bumi (Origin Time) adalah waktu terlepasnya

akumulasi tegangan (stress) yang berbentuk penjalaran gelombang gempa bumi dan
dinyatakan dalam hari, tanggal, bulan, tahun, jam, menit, detik.
b.

Epicenter
Epicenter adalah titik seismik pada permukaan bumi yang ditarik tegak lurus

dari titik fokus terjadinya gempa bumi (hypocenter). Lokasi episenter dibuat dalam
sistem koordinat kartesian bola bumi atau sistem koordinat geografis dan dinyatakan
dalam derajat lintang dan bujur.
c.

Kedalaman sumber gempa

Kedalaman sumber gempa (depth) adalah jarak dari titik fokus gempa

(hypocenter) dengan permukaan di atas fokus (epicenter). Kedalaman dinyatakan

oleh besaran jarak dalam satuan kilometer. Berdasarkan kedalaman sumber gempa
[26], gempa bumi dapat dikelompokan menjadi:
1. Gempa bumi dalam yaitu gempa bumi yang mempunyai kedalaman sumber
gempa lebih dari 300 Km.
2. Gempa bumi menengah yaitu gempa bumi yang mempunyai kedalaman
sumber gempa antara 80 Km sampai dengan 300 Km.

Universitas Sumatera Utara

3. Gempa bumi dangkal yaitu gempa bumi yang mempunyai kedalaman sumber
gempa kurang dari 80 Km.
d.

Kekuatan gempa bumi

Kekuatan gempa bumi atau Magnitudo (Magnitude) adalah ukuran kekuatan

gempa bumi, menggambarkan besarnya energi yang terlepas pada saat gempa bumi
terjadi dan merupakan hasil pengamatan Seismograph. Berdasarkan kekuatan atau
magnitudonya [10], gempa bumi dapat dikelompokan menjadi:
1. Gempa bumi sangat besar, dengan skala magnitude lebih besar dari 8.
2. Gempa bumi besar, dengan skala magnitude antara 6 sampai 8.
3. Gempa bumi sedang, dengan skala magnitude antara 4 sampai 6.
4. Gempa bumi kecil, dengan skala magnitude antara 3 sampai 4.
5. Gempa bumi mikro, dengan skala magnitude antara 1 sampai 3.
6. Gempa bumi ultra mikro, dengan skala magnitude lebih kecil dari 1.
e.

Intensitas gempa bumi

Intensitas (Intensity) gempa bumi adalah skala kekuatan gempa bumi

berdasarkan hasil pengamatan efek gempa bumi terhadap manusia, struktur

bangunan, dan lingkungan pada tempat tertentu. Intensitas gempa bumi umumnya
dinyatakan dengan Modified Mercalli Intensity (MMI).

2.4.

Teori Penjalaran Gelombang Seismik

Mekanisme gempa bumi dikontrol oleh pola penjalaran gelombang seismik di

dalam bumi. Pola mekanisme ini tergantung pada medium penjalaran atau keadaan

Universitas Sumatera Utara

struktur kulit bumi serta distribusi gaya atau stress yang terjadi. Gelombang gempa
bumi merupakan gelombang elastik yang terjadi karena adanya pelepasan energi dari
sumber gempa yang dipancarkan ke segala arah, gelombang gempa bumi dapat
diklasifikasikan menjadi dua kelompok yaitu gelombang badan (body wave) dan
gelombang permukaan (surface wave).
1.

Gelombang badan (body wave) adalah gelombang yang merambat

melalui lapisan dalam bumi. Gelombang ini terdiri dari 2 macam gelombang
yaitu:
a. Gelombang longitudinal, yaitu gelombang dimana gerakan partikelnya
menjalar searah dengan arah penjalaran gelombang. Gelombang Longitudinal
ini dikenal dengan nama gelombang Primer (P), karena gelombang ini tiba
lebih dahulu pada permukaan bumi. Besarnya kecepatan gelombang P dapat
dinyatakan dalam Persamaan (2.1.):

......................................................................(2.1)

dimana :
V p : kecepatan perambatan gelombang Primer (m/s)

: konstanta Lame dan

: rigiditas medium (N/m2)

(m/s)

: massa jenis medium (kg/m3)

Universitas Sumatera Utara

b.

Gelombang transversal, yaitu gelombang dimana gerakan partikelnya

menjalar dengan arah tegak lurus terhadap arah penjalaran gelombang. Gelombang
transversal ini dikenal dengan nama gelombang S (Sekunder), karena gelombang ini
tiba pada permukaan bumi setelah gelombang Primer. Besarnya kecepatan
gelombang S dapat dinyatakan dalam Persamaan (2.2.) :

..................................................................................(2.2)
dimana :
V s : kecepatan perambatan gelombang Sekunder(m/s)

: rigiditas medium (N/m2)

: massa jenis medium (kg/m3)

2.

Gelombang permukaan yaitu gelombang yang menjalar sepanjang permukaan

atau pada suatu lapisan dalam bumi, gelombang ini terdiri dari:
a. Gelombang love (LQ) dan gelombang rayleigh (LR) yaitu gelombang yang
menjalar melalui permukaan yang bebas dari bumi.
b. Gelombang stonely, seperti gelombang rayleigh (LR) tetapi menjalarnya
melalui batas dua lapisan di dalam bumi.
c. Gelombang channel, yang menjalar melalui lapisan yang berkecepatan rendah
di dalam bumi.
Data seismik secara alami merupakan sinyal non stasioner yang mempunyai
bermacam frekuensi dan dalam bentuk waktu. Dekomposisi Waktu-Frekuensi
(Time-Frekuency Decomposition), yang merupakan dekomposisi spektral sinyal

Universitas Sumatera Utara

seismik untuk mengetahui karakteristik waktu terhadap frekuensi yang

menunjukkan respon batuan bawah permukaan (subsurface rocks) dan reservoir
[13,14,15].
Kebutuhan akan resolusi tinggi dalam analisis sinyal non stasioner telah
mengakibatkan perkembangan berbagai sarana yang ampuh untuk menganilsa data
sinyal non stasioner. Metode transformasi berbasis wavelet merupakan sarana yang
dapat digunakan untuk menganilisis sinyal-sinyal non stasioner.
Gambar 2.2 merupakan penjalaran sinyal seismik yang akan dianalisa dengan
transformasi Fourier sehingga menghasilkan spektrum gelombang seismik.
Dalam pengolahan data seismik, penggunaan transformasi diperlukan untuk
memudahkan dalam menganalisa data pada domain lain, yaitu dari domain waktu
menjadi domain frekuensi [16,17].

Universitas Sumatera Utara

Gambar 2.2. SBGf - Sociedade Brasileira de Geofsica, 2005 [12]

Pembuatan peta waktu-frekuensi bukan merupakan proses yang unik,
sehingga terdapat berbagai metode untuk analisis waktu-frekuensi dari sinyal-sinyal
non stasioner. Analisi sinyal tidak stasioner seperti sinyal seismik dengan perangkat
lunak berbasis transformasi Fourier, seringkali tidak bisa memberikan informasi
keadaaan bawah permukaan yang sesungguhnya karena pada proses transformasi
Fourier tidak dapat mengamati pada waktu frekuensi tertentu [18].
Metode yang sering digunakan, Short Time Fourier Transform (STFT)
menghasilkan spektrum waktu-frekuensi dengan menggunakan Transformasi Fourier
pada window waktu yang dipilih [19]. Pada STFT, resolusi waktu-frekuensi
disesuaikan pada seluruh ruang waktu-frekuensi dengan panjang window yang dipilih
sebelumnya. Oleh karena itu resolusi pada analisis data seismik menjadi tergantung
pada pengguna panjang gelombang tertentu atau bersifat subjektif [20].
Lebih dari dua dekade terakhir, transformasi wavelet diaplikasikan pada
berbagai ilmu pengetahuan dan teknik. Transformasi wavelet memberikan sebuah
pendekatan yang berbeda pada analisis waktu-frekuensi. Spektrum waktu-frekuensi
yang dihasilkan, direpresentasikan dalam bentuk peta waktu-skala yang disebut
scalogram [5]. Beberapa peneliti [6] menggunakan skala berbanding terbalik
terhadap frekuensi tengah dari wavelet dan merepresentasikan scalogram sebagai peta
waktu-frekuensi [5]. Kebutuhan akan resolusi tinggi dalam signal non-stasioner telah
mendorong berkembangnya sarana (tools) untuk menganalisa data sinyal seismik

Universitas Sumatera Utara

non-stasioner. Transformasi fourierf() signal f(t) adalah inner product signal

dengan fungsi dasar e

i t

dapat dituliskan dalam bentuk Persamaan (2.3).

f ( ) = f (t ), e

i c

=
x

f (t )e

i c

d x........................................... (2.3)

Sebuah sinyal seismik ketika ditransformasikan ke dalam domain frekuensi

menggunakan transformasi fourier, memberikan respon informasi semua frekuensi.
Analisa transformasi fourier adalah sebuah teknik dalam matematika yang
menguraikan sebuah sinyal dalam bentuk sinusoidal dengan frekuensi yang berbedabeda dan merubah domain waktu menjadi domain frekuensi [20].
melibatkan ketergantungan waktu dengan windowing

Kita dapat

signal (seperti mengambil

segment pendek sinyal) dan kemudian menampilkan fourier transform pada data
yang di window untuk menentukan informasi frekuensi lokal. Seperti sebuah
pendekatan analisa time-frequency yang dikenal sebagai Short-Time Fourier
Transform dan peta time-frequency yang disebut spectrogram [21]). STFT
merupakan hasil inner product sinyal f(t) dengan fungsi waktu geser window(t).
secara matematik dapat dituliskan pada Persamaan (2.4).

(T, ) = (t )F
, (t )e iT c = x f (t ) (t )e i dc .............(2.4)

Dimana fungsi window adalah dipusatkan pada waktu t = dan adalah complex
conjugate dari .

Universitas Sumatera Utara

Ada 2 (dua) hal pokok dari jenis transformasi fourier waktu pendek (Short Time
Fourier transform=STFT) dan Transformasi Wavelet:
1. Transformasi fourier pada sinyal yang terjendela (windowed) tidak dilakukan,
akibatnya akan terlihat sebuah puncak amplitudo yang berkaitan dengan
sinusoid.
2. Pada transformasi wavelet lebar window berubah-ubah selama melakukan
perhitungan untuk masing-masing komponen spektrum dan ini merupakan ciri
khas dari transformasi wavelet [24,25].
Gambar (2.3), (2.4), (2.5) dan (2.6) menunjukkan adanya perbedaan mendasar
dari bentuk transformasi sinyal yang dilakukan pada transformasi fourier dan
transformasi wavelet. Transformasi fourier dari sinyal sinusoidal ditransformasikan
dalam bentuk sinyal sinus atau cosinus, sedangkan pada transformasi wavelet t sinyal
yang ditransformasikan mengalami penskalaan, translasi dan dilatasi.

Gambar 2.3. Transformasi Fourier : Tool baru untuk analisa sinyal sinusoidal [21]

Universitas Sumatera Utara

Gambar 2.4. Transformasi wavelet kontinu: Tool baru untuk analisa sinyal skala [21]

Gambar 2.5. Analisis Fourier:Tool baru untuk analisa sinyal dengan transformasi
fourier [21]

Gambar 2.6. Analisa Wavelet :Tool baru untuk analisa sinyal dengan transformasi
wavelet [21]

Universitas Sumatera Utara

2.5.

Wavelet
Wavelet adalah tubuh gelombang yang berupa fungsi matematika yang

memotong data menjadi beberapa frekuensi. Transformasi wavelet melibatkan

minimal 3 proses, yaitu penskalaan, dilatasi dan translasi. Bentuk persamaan
umumnya dapat dilihat pada Persamaan (2.5)

,(t ) =

.............................(2.5)

dimana , adalah tidak sama dengan nol dan adalah parameter dilatasi atau skala.
wavelet nilai dinormalisasikan L2 - || ||. Transformasi Wavelet Kontinu didefiniskan
sebagai inner product dari family wavelet, dalam bentuk Persamaan (2.6)

FW ( ) = ,f (t ), ( , =t f)(t )

1 t
d .....(2.6)

Dimana fungsi window adalah dipusatkan pada waktu t = dan adalah complex
conjugate dari . Operator mother wavelet terdiri translasi dan dilatasi dari skala
yang dirubah pada saat melakukan transformasi wavelet. Skala ini akan menentukan
seberapa besar tingkat korelasi dari skala yang dipakai dan peak gelombang
seismiknya.
Wavelet terdilatasi maupun termampatkan berdasarkan faktor skala dengan
demikian pada skala yang rendah, hasil frekuensi tinggi terlokalisasi sedangkan pada
skala tinggi yang terlokalisasi adalah watak frekuensi rendah [19].

Universitas Sumatera Utara

Parameter skala pada analisis wavelet dapat diibaratkan sebagai skala yang
digunakan pada peta, skala yang besar berkaitan dengan pandangan secara global
(pada sinyal) dan skala yang kecil berkaitan dengan pandangan detil (pada sinyal)
atau dengan kata lain skala besar berkaitan dengan frekuensi-frekuensi rendah dan
skala kecil berkaitan dengan frekuensi-frekuensi tinggi. Bentuk translasi yang
dilakukan yaitu kegiatan windowing berjalan untuk mendapatkan hasil transformasi
yang terbaik, sedangkan dilatasi menunjukkan bahwa sinyal transformasi tidak hanya
ditransformasikan dalam bentuk sinusoidal dan cosinus, tetapi bisa melakukan
perubahan bentuk sinyal seperti kerapatan periodenya.
Frekuensi pusat filter (centre frequency) adalah ukuran dari frekuensi tengah
antara atas dan bawah frequency cut off. Pada frekuensi cut off menunjukkan system
respon frekuensi dimana energi yang mengalir melalui sistem mulai dikurangi
(dilemahkan atau dipantulkan). Biasanya frekuensi cut off berlaku sebagai alat dalam
suatu sistem lowpass, highpass, bandpass atau bandstop yang juga menggambarkan
ciri-ciri frekuensi batas antara passband dan stopband.
Dalam banyak kasus pemrosesan sinyal, kandungan frekuensi rendah adalah
hal yang sangat penting karena memberikan identitas dari sinyal yang bersangkutan.
Kandungan frekuensi tinggi sebagai pelengkap atau nuansa sinyal tambahan
sekaligus untuk lebih menjelaskan spektrum hasil resolusi (enhancement resolution).
Misalnya dalam suara manusia jika kita menghilangkan komponen frekuensi
tingginya maka suara akan berubah namun kita masih mampu mengetahui apa yang
diucapkan. Frekuensi rendah ini dapat juga digunakan untuk melihat perbedaan

Universitas Sumatera Utara

ketebalan lapisan dari penggunaan frekuensi tunggalnya. Penggunaan frekuensi

rendah biasanya dapat menunjukkan lapisan yang lebih tebal sedangkan pada lapisan
tipis dapat ditunjukkan dengan menggunakan slice frekuensi tinggi. Penggunaan
transformasi jenis lain dalam analisis berbasis wavelet sering digunakan istilah
aproksimasi dan detil. Aproksimasi merupakan komponen skala tinggi, frekuensi
rendah, sedangkan Detil merupakan komponen-komponen skala rendah, frekuensi
tinggi. Proses tapisan (filtering) seperti pada Gambar 2.7, sinyal asli S dilewatkan
pada tapis lolos rendah (lowpass) dan lolos tinggi (high pass) kemudian menghasilkan
dua sinyal A (aproksimasi) dan D (detil).

S= Sinyal, A= Aproksimasi, D= Detil

Gambar 2.7. Proses tapisan satu-tingkat [22]

Universitas Sumatera Utara

Jika dekomposisi sinyal diteruskan secara iteratif untuk bagian-bagian

aproksimasinya sehingga suatu sinyal bisa dibagi-bagi ke dalam banyak komponenkomponen resolusi rendah maka proses ini dinamakan sebagai dekomposisi banyak
tingkat atau multiple level decomposition, sebagaimana ditunjukkan pada Gambar 2.8
[22]. Dengan melihat hasil pohon dekomposisi wavelet kita akan mendapatkan
informasi yang penting.

Gambar 2.8. Pohon dekomposisi (setengah) berbasis tapis wavelet [22]

Universitas Sumatera Utara

Transformasi wavelet menggunakan dua komponen penting dalam melakukan

transformasi yaitu fungsi skala (scale function) dan fungsi wavelet (wavelet function).
Fungsi skala (scale function) disebut juga sebagai lowpass Filter, sedangkan fungsi
wavelet (wavelet function) disebut juga sebagai highpass Filter. Kedua fungsi ini
digunakan pada saat transformasi wavelet dan inversi transformasi wavelet:
a. Fungsi wavelet
Fungsi wavelet disebut juga highpass filter yang mengambil citra sinyal
dengan gradiasi intensitas yang tinggi dan perbedaan intensitas yang rendah
akan dikurangi atau dibuang.
b. Fungsi skala disebut juga lowpass filter yang mengambil citra sinyal dengan
gradasi intensitas yang halus dan perbedaan intensitas yang tinggi akan
dikurangi atau dibuang. Kedua komponen itu disebut juga sebagai mother
wavelet yang harus memenuhi kondisi yang menjamin ortogonalitas vektor.
Keluarga wavelet memiliki ordo dimana ordo menggambarkan jumlah
koefisien filter-nya.
Dalam sebuah wavelet terdapat 2 properti yang penting, diantaranya polaritas dan
fase. Ada dua jenis polaritas [23]:
1. Polaritas normal (normal polarity), yaitu kenaikan impedansi akustik akan
digambarkan sebagai lembah (trough) pada trace seismik.
2. Polaritas terbalik (reverse polarity), yaitu kenaikan impedansi akustik akan
digambarkan sebagai puncak amplitudo (peak) pada trace seismik.

Universitas Sumatera Utara

Pembagian fase pada wavelet:

a. Fase minimum (minimum phase)
b. Fase nol (zero phase)
c. Fase maksimum (maximum phase)
d. Fase campuran (mix phase)
Terdapat 5 (lima) macam kelompok atau keluarga wavelet yang dikenal, yaitu
wavelet sederhana, wavelet regular tak berhingga, wavelet orthogonal dan compactly
supported, wavelet biortogonal dan compactly supported serta wavelet kompleks.

2.6

Jenis Wavelet
Jenis wavelet yang digunakan dalam pengujian aplikasi interaktif ini meliputi

wavelet Complex Gaussian, Mexh, Morlet, Haar.

2.6.1. Complex gaussian (non-ortogonal)
Jenis wavelet ini didefinisikan sebagai turunan dari fungsi kerapatan
probabilitas Gaussian.
Sifat-sifatnya antara lain:
a. Tidak bersifat orthogonal, biortogonal, dan tidak compactly supported
b. Tidak mendukung transformasi wavelet diskrit
c. Untuk transformasi wavelet kontinu
d. Support width-nya tak berhingga
e. Bersifat simetris
Wavelet Complex Gaussian dapat digambarkan seperti pada Gambar 2.9.

Universitas Sumatera Utara

Gambar 2.9. Fungsi skala dan fungsi wavelet Cgau4 [21]

2.6.2. Daubechies
Karakteristik umum jenis wavelet ini merupakan wavelet yang compactly
supported dengan sejumlah besar vanishing moments baik untuk fungsi w(t) maupun
q(t) untuk support width tertentu. Tapis penskalaan yang terkait merupakan tapis
fase-minimum.
Sifat-sifat daubechies antara lain:
a. Bersifat orthogonal, biortogonal, dan compactly supported
b. Memungkinkan transformasi wavelet diskrit dan kontinu
c. Untuk Panjang tapis 2N
d. Support width-nya 2N-1
e. Jauh dari sifat simetris
f. Jumlah vanishing moments untuk w(t) adalah N

Universitas Sumatera Utara

Wavelet Daubechies 3 dan 5 dapat digambarkan seperti pada Gambar 2.10.

Gambar 2.10. Fungsi skala dan fungsi wavelet db4 [21]

2.6.3. Morlet
Sifat-sifat Morlet antara lain:
a. Tidak bersifat orthogonal, biortogonal, dan tidak compactly supported
b. Tidak mendukung transformasi wavelet diskrit
c. Untuk transformasi wavelet kontinu
d. Support width-nya tak berhingga
e. Efektivitasnya dari -4 hingga 4
f. Bersifat simetris

Universitas Sumatera Utara

Wavelet Mexican hat dapat digambarkan seperti pada Gambar 2.11.

Gambar 2.11. Fungsi skala dan fungsi wavelet Morlet [21]

2.6.4. Symlet
Karakteristik umum jenis wavelet ini merupakan wavelet yang compactly
supported dengan sejumlah besar vanishing moments baik untuk fungsi w(t) maupun
q(t) untuk support width tertentu. Tapis penskalaan yang terkait merupakan tapis
fase-minimum.
Sifat-sifat symlet antara lain:
a. Bersifat orthogonal, biortogonal, dan compactly supported
b. Memungkinkan transformasi wavelet diskrit maupun kontinu.
c. Panjang tapis 2N
d. Support width-nya 2N-1

Universitas Sumatera Utara

e. Jumlah vanishing moments untuk W(t) adalah N

f. Mendekati sifat simetris
Wavelet Symlet dapat di gambarkan pada Gambar 2.12.

Gambar 2.12. Fungsi skala dan fungsi wavelet Symlet 4 [21]

Universitas Sumatera Utara

2.6.5. Wavelet Haar (orthogonal)

Jenis wavelet ini merupakan compactly supported dan wavelet yang tertua dan
sederhana. Sifat-sifatnya yaitu:
Bersifat orthogonal, biortogonal dan compactly supported
a. Memungkinkan transformasi wavelet diskrit maupun kontinu
b. Support width-nya 1
c. Panjang tapis 2
d. Bersifat simetris tetapi regulariltasnya tidak kontinu.
e. Jumlah vanishing moments untuk untuk w (t) adalah 1
Wavelet Haar dapat digambarkan pada Gambar 2.13.

Gambar 2.13. Fungsi skala dan fungsi wavelet Haar [21]

Universitas Sumatera Utara

2.6.6. Coiflet
Karakteristik umum jenis wavelet ini merupakan wavelet yang compactly
supported dengan sejumlah besar vanishing moments baik untuk fungsi w(t) maupun
q(t) untuk support width tertentu.
Sifat-sifatnya antara lain:
a. Bersifat orthogonal, biortogonal, dan compactly supported
b. Memungkinkan transformasi wavelet diskrit maupun kontinu.
c. Panjang tapis 6N
d. Support width-nya 6N-1
e. Agak bersifat simetris regular
Wavelet Coeflet 2 dapat digambarkan pada Gambar 2.14.

Gambar 2.14. Fungsi skala dan fungsi wavelet Coiflet [21]

Universitas Sumatera Utara

Sebuah wavelet biorthogonal adalah sebuah wavelet yang diasosiasikan

transformasi wavelet dalam bentuk inverse, tetapi tidak perlu bentuk orthogonal.
Pembuatan bentuk wavelet biorthogonal memungkinkan menggunakan derajat yang
lebih bebas dari pada wavelet orthogonal. Penambahan kebebasan derajat
memungkinkan untuk membangun fungsi wavelet simetris.
Sebuah wavelet orthogonal adalah sebuah wavelet dimana diaososiasikan
bentuk transformasi waveletnya berbentuk orthogonal, terbentuk tegak lurus. Dari
semua jenis wavelet ini yang kemudian dijadikan sebagai operator uji dalam
transformasi wavelet. Masing-masing jenis wavelet dengan beberapa karakter yang
dimilikinya akan memberikan pola hasil yang berbeda pada saat melihat hasil
transformasi, karena pada saat melakukan transformasi wavelet melibatkan nilai dari
frekuensi pusat (center frequency) dari masing-masing jenis wavelet. Perbedaan
tersebut bisa dilihat pada Gambar 2.15.

1. Cgau4

2. Db4

3. Morlet

4. Symlet

5. Haar

6. Coeflet

Gambar 2.15. Grafik nilai frekuensi pusat masing-masing jenis wavelet [21]

Universitas Sumatera Utara

2.7.

SEED
Format standar untuk pertukaran data gempa bumi (Standard for the Exchange

of Earthquake Data atau SEED) dikembangkan sebagai standar dalam federasi

jaringan seismograph digital (Federation of Digital Seismographic Networks atau
FDSN) pada tahun 1987 [26]. IRIS juga mengadopsi SEED dan menggunakannya
sebagai format utama untuk himpunan-himpunan datanya. SEED menggunakan
empat jenis header kendali:
a. Header pengidentifikasi volume.
b. Header kamus sigkatan.
c. Header stasiun.
d. Header rentang waktu.
Masing-masing header dapat menggunakan beberapa blockettes informasi
dengan porsi individu yang spesifik untuk header yang sesuai dengan cara pengaturan
jenis volumenya. Beberapa blockettes bervariasi panjangnya dan dapat lebih panjang
dari pada panjangnya rekaman logis. Medan data dalam header kendali diformat
dalam ASCII, tetapi medan data (dalam rekaman data) utamanya diformat dalam
biner.

Perlu dikemukakan bahwa format-format (seperti halnya SEED) yang

dirancang untuk menangani kebutuhan pertukaran data internasional, jarang sesuai

dengan kebutuhan individual peneliti. Jadi ketersediaan secara meluas perangkat
lunak untuk konversi antara SEED dan suatu rangkaian penuh format data adalah
penting agar dapat menjadi lebih baik untuk penelitian.

Universitas Sumatera Utara