Oktya Weddy A (140710120008)

Firsta A Kamandika (140710120040)

Tugas IV PSG 13 Oktober 2014

1. Script Konvolusi
L=60;
%Sinyal Sinus
A1=1;
%Amplitudo sinyal sinus
teta1=1.5; %sudut dalam radian
f1=2;
%frekuensi sinyal sinus
t=1:L;
t=2*t/L;
y1=A1*sin(2*pi*f1*t + teta1*pi);
subplot(3,1,1)
stem(y1)
title('Sinyal Sinus')
xlabel('t')
ylabel('amplitudo')
%Sinyal Cosinus
A2=1;
%Amplitudo sinyal cosinus
teta2=1.5; %sudut dalam radian
f2=2;
%frekuensi sinyal cosinus
t=1:L;
t=2*t/L;
y2=A2*cos(2*pi*f2*t + teta2*pi);
subplot(3,1,2)
stem(y2)
title('Sinyal Cosinus')
xlabel('t')
ylabel('amplitudo')
subplot(3,1,3)
stem(conv(y1,y2)) %konvolusi
title('Hasil Konvolusi')
xlabel('t')
ylabel('amplitudo')

2. Contoh Operasi Konvolusi

Fs=100;
T=1/Fs;
t=0:T:1;
x=sin(2*pi*10*t)+sin(2*pi*20*t)+sin(2*pi*40*t);
y=x+randn(size(t));
figure(1)
subplot(2,1,1)
plot(t,x)
title('Sinyal')
xlabel('t')
ylabel('Amplitude')
subplot(2,1,2)
plot(t,y)
title('Sinyal(+Noise)')
xlabel('t')
ylabel('Amplitude')
%Mendefinisikan wavelet(Mexican Hat)
lb=-25;
ub=25;
n=100;
n1=n/2;

N=0:(n1-1);
w=mexihat(lb,ub,n);
figure(2)
plot(w)
title('Mexican Hat Wavelet')
%Konvolusi Wavelet dan Sinyal
seis=conv(w,y);
L2=length(seis);
t2=0:1:(L2-1);
figure(3)
plot(t,seis(50:150))
title('Hasil Konvolusi Wavelet dengan Sinyal(+Noise)')
xlabel('t')
ylabel('A')

3. Resume Makalah tentang Konvolusi

Judul Makalah

MAKALAH PENGOLAHAN DATA SEISMIK

APLIKASI FUNGSI MATEMATIS DALAM EKSPLORASI GEOFISIKA
Disusun oleh :
Bella Dinna Safitri (115090700111002 )
Jurusan Fisika FMIPA Lembaga Penelitian Dan Pengabdian Kepada Masyarakat Universitas
Brawijaya Malang 2014

RESUME
Dalam proses akuisisi data seismik, tras seismik konvensional S(t) didapatkan dari
hasil konvolusi antara deret Koefisien Refleksi RC(t) dengan wavelet w(t):
S(t) = RC(t)*w(t)
Sebaliknya data seismik impedansi akustik di dapatkan dengan membagi atau
dikenal dengan istilah dekonvolusi pada tras seismik dengan wavelet yang sesuai.
RC(t) = (1/w(t))*S(t)
yang mana RC(t) = (AI2-AI1)/(AI2+AI1), dan 1/w(t) adalah inversi seismik.
Tujuan dari inversi seismik ini adalah untuk mendapatkan kembali koefisien
reflektifitas yang tak lain merupakan bidang batas antar laipsan batuan. Dalam proses inversi
seismik ini, data seismik yang bersifat band limited frequency karena kehilangan kandungan
frekuensi rendah dan tinggi akibat konvolusi dengan wavelet yang bersifat band limited,
mendapatkan kembali kandungan frekuensi yang hilang tersebut denagn cara menambahkan
kandungan frekuensi rendah dan tinggi yang diambil dari data log sumur, sehingga data
seismik tersebut kembali menjadi broad band frequency. Hasil akhir dari inverse seismik
adalah broad band impedance. Dengan demikian dapat dikatakan bahwa inverse seismik
merupakan suatu usaha untuk merubah data seismik yang semula merupakan amplitudo
sebagai fungsi waktu menjadi impedansi akustik sebagai fungsi waktu (Gambar 1).

Gambar 1 Skema inversi yang memanfaatkan konvolusi dan dekonvolusi

Salah satu tahapan dalam pengolahan data seismik dalam ekslorasi oil and gas adalah
dekonvolusi. Dekonvolusi adalah suatu proses untuk menghilangkan wavelet seismik
sehingga yang tersisa hanya estimasi dari reflektifitas lapisan bumi. Secara garis besar
metode dekonvolusi dapat dibagi menjadi dua, yaitu deterministik dan statistik. Dekonvolusi
deterministik adalah dekonvolusi menggunakan operator filter yang sudah diketahui atau
didesain untuk menampilkan suatu bentuk tertentu. Contoh dekonvolusi deterministik adalah
spiking deconvolution. Sementara jika disain filter tidak diketahui, dapat diperoleh secara
statistik dari data itu sendiri. Metode ini disebut dekonvolusi statistik. Contoh dekonvolusi
statistik adalah dekonvolusi prediktif.
Dekonvolusi berkaitan erat dengan konvolusi. Secara umum konvolusi didefinisikan
sebagai cara untuk mengkombinasikan dua buah deret angka yang menghasilkan deret angka
yang ketiga. Didalam dunia seismik deret-deret angka tersebut adalah wavelet sumber
gelombang, reflektivitas bumi, dan rekaman seismik.
Secara matematis, konvolusi adalah integral yang mencerminkan jumlah lingkupan
dari sebuah fungsi a yang digeser atas fungsi bsehingga menghasilkan fungsi c. Konvolusi
dilambangkan dengan asterisk ( *). Sehingga, a*b = c berarti fungsi a dikonvolusikan dengan
fungsi bmenghasilkan fungsi c. Konvolusi dari dua fungsi a dan fungsi b dalan rentang
terbatas [0, t] diberikan oleh :
t

a * b a( )b(t )d
0

Secara diskrit :
nk

c[k ] a[k ]b[k n]

n 0

Konvolusi dikawasan waktu (time domain) ekuivalen dengan perkalian dikawasan

frekuensi dan sebaliknya konvolusi dikawasan frekuensi ekuivalen dengan perkalian
dikawasan waktu.

Dekonvolusi dilakukan dengan melakukan konvolusi antara data seismik dengan

sebuah filter. Ada beberapa macam filter sebagai berikut :
1.

Filter frekuensi
Tujuan dari filter frekuensi adalah untuk menghilangkan komponen frekuensi
yang menggangu pada data seismik dan meloloskan data yang diinginkan. Gelombang
permukaan (ground roll), contohnya, biasanya diamati sebagai suatu event frekuensi
rendah dengan amplitudo yang besar dan dapat dipisahkan dengan filter frekuensi.
Filter frekuensi dilakukan dalam kawasan frekuensi. Transformasi Fourier
dibutuhkan sebelum filtering dan Transformasi Fourier Balik diaplikasikan
sesudahnya. Kedua transformasi tersebut biasanya merupakan rutin filter. Dengan
menentukan frekuensi cutt-off dan slope dari taper antara full-reject dan full-pass,
maka sinyal dapat dipisahkan menurut frekuensi yang diinginkan. Taper seharusnya
didisain untuk menghindari efek batas (boundary effect). Kemiringan taper pada
frekuensi rendah seharusnya lebih tajam dibanding kemiringan pada frekuensi tinggi.

2.

Filter F-K
Filtering dalam kawawan frekuensi-angka gelombang (F-K) juga disebut filter
kecepatan. Semua energi seismik yang berasal dari source dengan kecepatan
perambatan yang sama yang melewati event miring. Transformasi Fourier 2D
dibutuhkan untuk mentransformasi data ke dalam kawasan f-k. Pertama, transformasi
Fourier mengubah kawasan waktu ke dalam kawasan frekuensi. Kedua,
mentransformasi kawasan spasial ke dalam kawasan angka gelombang k. Seperti
halnya frekuensi adalah kebalikan dari perioda, maka angka gelombang ( atau )
adalah kebalikan dari panjang gelombang.

3.

Filter Wiener
Dalam filter Wiener biasanya digunakan model dekonvolusi prediktif.
Dekonvolusi prediktif mengasumsikan x(t) sebagai masukan dan (t + ) merupakan
nilai prediktif pada waktu tertentu, yang mana adalah prediction lag. Hal ini dapat
menunjukkan bahwa filter digunakan untuk mengestimasi x(t + ) yang dapat
dihitung menggunakan persamaan matriks yang ditunjukkan sebagai berikut :