Anda di halaman 1dari 17

METODE INVERSI

PEMODELAN INVERSI NON LINEAR DENGAN


PENDEKATAN LINIER UNTUK PENENTUAN
EPISENTER GEMPA

Disusun Oleh :
Achmad Mudhofar 3714100001
Benzamin Ikkian Silitonga 3714100021
Bidara Kaliandra 3714100025
Vinca R. Y 3714100044
Adrian Sayoga 3714100067

DEPARTEMEN TEKNIK GEOFISIKA


FAKULTAS TEKNIK SIPIL DAN PERENCANAAN
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2016
BAB 1
PENDAHULUAN

1.1 Latar Belakang


Gempa bumi adalah getaran atau guncangan yang terjadi di permukaan bumi akibat
pelepasan energi dari dalam secara tiba-tiba, yang disebabkan oleh pergerakan kerak
Bumi (lempeng Bumi). Gempa memancarkan energi seismik berupa gelombang tubuh
dan gelombang permukaan, dimana getaran gempa yang terasa dan terekam
disebabkan oleh magnitudo dan jarak antara pusat gempa dan stasiun. Kekuatan gempa
bumi dapat diukur dengan Seismograf dengan satuan yang biasanya digunakan adalah skala
Richter. Seimogram adalah alat yang mencatat gelombang seismic dimana mengandung
beberapa informasi penting antara struktur interior bumi. Seismogram akan mencatat
penjalaran gelombang gempa bumi dan noise yang tercatat pada komponen vertical dan
horizontal dari pusat gempa.
Episenter adalah titik di permukaan bumi yang berada tepat di atas atau di bawah
kejadian lokal yang memengaruhi permukaan bumi. Episenter terletak di atas permukaan
bumi, di atas lokasi gempa. Berlawanan dengan hiposenter (hiposentrum) yang menjadi
pusat gempa dan yang terjadi di dalam bumi. Penentuan letak episentrum sangat penting
untuk diketahui setelah terjadi gempa bumi. Cara untuk menentukan letak episentrum dapat
ditentukan dengan menggunakan metode inversi.
Di pusat gempa bumi terdapat banyak tempat yang menjadi wadah terakumulasinya
energi pada suatu titik. Untuk menentukan posisi episenter gempa bumi digunakan data
sintetik. Data yang digunakan berasal dari Metode Grid Search dan Random Search. Data
tersebut akan dilakukan pengolahan dengan menggunakan matlab. Setelah diolah, data yang
dihasilkan akan memberikan solusi inversi non linear
1.2 Permasalahan
Permasalahan yang diangkat yaitu bagaimana cara menentukan titik episenter gempa
dengan pemodelan inversi non linear (grid search methods dan random search methods).
1.3 Tujuan
Tujuannya yaitu untuk mengetahui titik episenter gempa dengan pemodelan inversi
non linear (grid search methods dan random search methods)

2
BAB II
TINJAUAN PUSTAKA
2.1 Episentrum

2.1.1 Pengertian
Episentrum adalah titik pada permukaan bumi yang terletak tegak lurus di atas pusat
gempa yang ada di dalam bumi. Episenter terletak di atas permukaan bumi, di atas lokasi gempa.
Berlawanan dengan hiposentrum yang menjadi pusat gempa dan yang terjadi di dalam bumi.

Gambar 2.1 Perbedaan Episentrum dan Hiposentrum

Gelombang seismik dirambatkan dari hiposentrum ke permukaan bumi berupa


gelombang P (primer) dan gelombang S (sekunder). Gelombang P merupakan getaran yang
lebih dahulu dirasakan dipermukan oleh seismograf, sementara getaran-getaran berikutnya yang
masih terjadi dinamakan gelombang sekunder. Setelah sampai ke permukaan bumi, getaran
gempa tersebut kemudian dirambatkan ke segala arah dalam bentuk gelombang permukaan
dengan cepat rambat antara 3,53,9 km/detik. Gelombang permukaan inilah yang sering kali
menghancurkan wilayah yang dilaluinya.

Berdasarkan letak episentrumnya, gempa dapat dibedakan menjadi dua jenis, yaitu:

Gempa episentrum darat


Gempa episentrum dasar laut.

Ada kalanya gempa di dasar laut dapat mengakibatkan gelombang pasang air laut secara
tiba-tiba. Gelombang pasang semacam ini dinamakan Tsunami. Tinggi gelombang laut saat
terjadi tsunami dapat mencapai puluhan meter, sehingga dalam waktu sesaat gelombang pasang
ini dapat menghancurkan segala sesuatu yang ada di wilayah pantai dan sekitarnya bahkan
merenggut jiwa manusia. Sebagai contoh, tsunami yang menimpa kawasan Nanggroe Aceh
Darussalam dan Pulau Nias tahun 2004.
3
2.1.2 Metode Penentuan Episentrum Gempa

Dalam menentukan lokasi episentrum atau sumber gempa dapat melalui dua metode sebagai
berikut:

Metode Episentral

Episentral adalah jarak antara sumber gempa atau episentrum dan stasiun pengamat gempa.
Untuk menentukan posisi sumber gempa dengan metode ini, diperlukan data waktu kejadian
gempa minimal dari tiga stasiun pengamatan, sehingga kita dapat menghitung jarak episentral
dari setiap stasiun.

Salah satu data yang diperoleh bila kita melakukan pengamatan seismik adalah waktu tiba
gelombang (tobs) di stasiun seismik. Bila gelombang seismik menjalar pada medium yang
homogen dari posisi sumber (x0 , y0 , z0 ), maka waktu tiba gelombangnya, misalnya gelombang
P dapat dihitung di stasiun seismik (Gambar 1), dengan persamaan sebagai berikut

Gambar 1. Sumber gempa dan Stasiun seismik

(2.1)

dimana :

t calpi = waktu tiba gelombang P di stasiun seimik ke i

t 0 = waktu terjadi gempa

vp = kecepatan gelombang P

Dalam menentukan hiposenter memakai metoda di atas, maka langkah yang harus dilakukan
adalah menyusun matriks sesuai dengan persamaan (2.5). Matriks tersebut adalah matriks
berelemen parameter model (mn), matriks Jacobi (Jn), dan matriks berelemen selisih data waktu
tiba dengan waktu tiba perhitungan (Tobs Tcal). Dalam studi ini diasumsikan kecepatan
4
gelombang P ( vp ) konstan dan waktu terjadi gempa t 0 diketahui dari hubungan data waktu tiba
gelombang P dengan selisih waktu tiba gelombang S dengan P.

Parameter model di dalam penentuan hiposenter adalah x0 , y0 , z0 , ditulis dalam bentuk


matriks untuk n = 0 adalah

(2.2)

Matrik Jacobi J n diperoleh dengan menurunkan persamaan (5) terhadap parameter model
x0 , y0 , z0 , dan disusun dalam bentuk matriks sesuai persamaan (4) unuk n = 0, yaitu :

(2.3)

dengan

(2.4)

Dalam matriks Jacobi tersebut, jumlah baris sama dengan jumlah stasiun dan jumlah kolom
sama dengan jumlah parameter model. Nilai (d - g(m0)) adalah selisih data waktu tiba
pengamatan dengan waktu tiba perhitungan di masing masing stasiun seismik, dan ditulis
dalam bentuk matriks sebagai berikut :

5
(2.5)

Solusi diperoleh bilamana parameter model memiliki kesalahan terkecil atau kesalahan
dengan kreteria yang diinginkan. Nilai kesalahan (E) dapat dihitung dari jumlah kesalahan
kuadrat :

E = (t calpi t obspi ) (2.6)

Metode Homoseista

Homoseista merupakan garis pada peta yang menghubungkan tempat-tempat di permukaan


Bumi yang mencatat getaran gempa yang pertama pada waktu yang sama. Sebagai contoh pada
sebuah seismograf yang terdapat di stasiun D, E, dan F mencatat getaran gempa pada pukul
20:35.15 WIB. Pada peta ketiga stasiun tersebut terletak pada satu garis homoseista. Untuk
menentukan lokasi episentrum, buatlah garis DE, dan EF kemudian tariklah sumbu dari kedua
garis tersebut. Pertemuan kedua sumbu garis merupakan lokasi episentrum. Berdasarkan data
seismometer, para ahli gempa bumi telah mengembangkan berbagai ukuran untuk mengukur
kekuatan sebuah gempa. Skala yang terkenal dan banyak digunakan adalah skala yang disusun
oleh Charles F. Richter dan Beno Gutenberg berdasarkan gempa yang terjadi di California pada
1906. Skala ini kemudian terkenal dengan nama skala richter.

2.2 Solusi Inversi non Linier dengan Pendekatan Linier

Secara umum, hubungan antara data dengan parameter model yang tidak linier dapat
dinyatakan dengan persamaan eksplisit yaitu :

d = g(m) (2.7)

dimana :

d adalah data

g merupakan fungsi pemodelan ke depan

m adalah model yang terdiri atas sejumlah parameter model.

d dan m menyatakan besaran vector.

Parameter model yang tidak linier dapat didekati secara linier dengan memakai ekspansi
Taylor orde pertama g(m) di sekitar model awal m0, maka persamaan (2.7) menjadi

6
d = g(m0) + J0 m0 (2.8)

dengan J0 = adalah matriks Jacobi


m
j

dengan komponen berupa turunan parsial fungsi g(m) terhadap setiap elemen parameter model
m yang dievaluasi pada m = m0 dan m0 = [ m - m0].

Persamaan (2.8) tersebut dapat diselesaikan memakai metoda kuadrat terkecil, yaitu
mencari solusi m0 yang menghasilkan (d (g(m0) + J0 m0) minimum. Artinya kuantitas yang
diminimumkan adalah selisih data pengamatan dengan data perhitungan dengan menggunakan
pendekatan orde pertama ekspansi Taylor. Solusi persamaan (2.8) tersebut adalah

m0= [J 0T J0 ]-1J0T (d - g(m0)) (2.9)

Notasi superposisi T dalam persamaan di atas menyatakan transpos.

Dengan memperhatikan m0 = [ m - m0], maka solusi tersebut dapat diartikan sebagai suatu
pertubasi terhadap model awal m0 untuk memperoleh model m yang lebih baik, sehingga m =
m0 + m0. Model yang optimum diperoleh melalui proses modifikasi terhadap model awal m0
secara iteratif menggunakan persamaan (2.9). Hubungan antara pertubasi model dengan model
pada dua iterasi yang berurutan, maka model pada iterasi ke n+1, dapat ditulis:

mn+1= mn + [JnT Jn ]-1JnT(d - g(mn)) (2.10)

2.3 Least Square Method

Suatu permasalahan inversi dapat dikatakan linear apabila dapat direpresentasikan ke


dalam persamaan d = Gm. Nilai m dapat diperoleh dari data observasi. Apabila dilakukan fitting
terhadap semua titik data observasi kepada satu garis, maka garis yang didapat disebut garis
regresi. Misalnya ada satu set data observasi yang ditulis sebagai (x1 , y1), (x2 ,y2),.....,(xn ,yn)
garis regresinya dinyatakan sebagai :

= 0 + 1 (2.11)

Dan setiap data memenuhi relasi;

= 0 + 1 1 + (2.12)

Dimana disebut error , residual, atau sering juga disebut Misfit atau kesalahan prediksi
(prediction error). Garis regresi tidak akan berhimpit dengan setiap data observasi dan biasanya
untuk kasus inversi seperti ini selalu overdetermined. Secara umum, tipe masalah inversi seperti

7
ini diselesaikan dengan metode least squares. Dengan metode least squares, kita mencoba
meminimalkan error,ei, dengan cara menentukan nilai a0 dan a1sedemikian rupa sehingga
diperoleh jumlah kuadrat error, (S), yang minimal.

Maka sebagai contoh dilakukan sebagai berikut. dengan persamaan sebelumnya artinya akan
dilakukan pendekatan secara linear dimana fungsi pendekatannya adalah sebagai berikut:

(2.13)

Berikut ini merupakan contoh data observasi yang coba digunakan sebagai contoh:

Maka dari data tersebut dapat dilakukan plotting terhadap sumbu x dan sumbu y sebagai berikut:

Gambar 2.3 Hasil plotting data observasi terhadap sumbu x dan sumbu y

Yang menjadi masalah adalah nilai konstanta a1 dan a0 yang mengakibatkan posisi garis paling
mendekati atau bahkan melalui titik data yang telah diplot. Sehingga nilai yi pada persamaan
sebelumnya sama dengan P(xi) sehingga dapat dibentuk persamaan baru sebagai berikut:

(2.14)

8
Dimana jumlah data (m) = 10. Suku pada sebelah kiri disebut fungsi error, yaitu

(2.15)

Fungsi error tidak pernah bernilai nol berdasarkan data yang diperoleh dari eksperimen.
Sehingga tidak pernah ditemui garis yang berhimpit. Akan tetapi fungsi error tetap memiliki
nilai paling kecil atau mendekati nol. Itulah yang akan dicari dengan metode least square ini
dengan sedikit perubahan pada fungsi error sebagai berikut:

(2.16)

Syarat yang harus dipenuhi agar fungsi error minimum adalah

(2.17)

Dimana i = 0 dan 1 , karena hanya ada a0 dan a1 maka hanya ada dua penurunan yaitu

(2.18)

dan

(2.19)

Dari penurunan tersebut maka diperoleh solusi sebagai berikut


9
(2.20)

dan

(2.21)

Sehingga apabila dimasukkan data eksperimen yang dibuat sebelumnya maka diperoleh nilai

(2.22)

dan

(2.23)

Oleh karena itu fungsi pendekatannya P(xi) adalah

(2.24)

Jadi yang merupakan koefisien regresi adalah nilai a0 (intercept) dan a1 (gradient/slope). Berikut
ini merupakan gambar solusi regresi linear pada semua titik datanya.

Gambar 2.4 Contoh solusi regresi linear

10
BAB III
METODOLOGI

Berikut ini merupakan diagram alir hingga didapatkan hasil perhitungan obyektif dan
matching antara posisi episenter dengan model prediksi

11
Berikut ditampilkan script yang digunakan dalam pemodelan inversi non linear yang
digunakan untuk penentuan episenter gempa:

clear all
clc
to=0;
vp=4;
ti=[7;1.2;5;8;10];
x=[20;50;40;10;30];
y=[10;25;50;40;35];
h=length(x);

plot(x,y,'h')
hold on

M=[40;30];
[X,Y]=meshgrid(0:10:80,0:10:80);
plot(X,Y,'.')
xlabel('X');
ylabel('Y');
M1=[];
for n=1:20
gm=to+(1/vp)*(sqrt((x-M(1)).^2+(y-M(2)).^2));
dgm_dx=(1/vp)*(-(x-M(1)))./(sqrt((x-M(1)).^2+(y-M(2)).^2));
dgm_dy=(1/vp)*(-(x-M(2)))./(sqrt((x-M(1)).^2+(y-M(2)).^2));
J=[dgm_dx dgm_dy];
Mo=M;
M=Mo+inv(J'*J)*J'*(ti-gm);
M1=[M1 M];
Mn=M1';
end;

plot(Mn(:,1),Mn(:,2),'o')
hold on
plot(Mn(:,1),Mn(:,2))

t_cal1=to+(1/vp)*sqrt((x(1)-X).^2+(y(1)-Y).^2);
Error1=(t_cal1-ti(1)).^2;

t_cal2=to+(1/vp)*sqrt((x(2)-X).^2+(y(2)-Y).^2);
Error2=(t_cal2-ti(2)).^2;

t_cal3=to+(1/vp)*sqrt((x(3)-X).^2+(y(3)-Y).^2);
Error3=(t_cal3-ti(3)).^2;

t_cal4=to+(1/vp)*sqrt((x(4)-X).^2+(y(4)-Y).^2);
Error4=(t_cal4-ti(4)).^2;

t_cal5=to+(1/vp)*sqrt((x(5)-X).^2+(y(5)-Y).^2);
Error5=(t_cal5-ti(5)).^2;

Erms=sqrt((1/n)*(Error1+Error2+Error3+Error4+Error5));
[cs,h]=contour(X,Y,Erms,[0:0.5:15])

12
BAB IV
HASIL DAN PEMBAHASAN

Melakukan input data berupa kecepatan gelombang gempa yang terekam pada setiap
stasiun. Terdapat tiga komponen penting disini yaitu waktu dan,kecepatan gelombang
dan jarak

clear all
clc
to=0;
vp=4;
ti=[7;1.2;5;8;10];
x=[20;50;40;10;30]
y=[10;25;50;40;35]
h=length(x);
plot(x,y,'h')
hold on

Melakukan tebakan awal, setelah itu dibuatlah Fungsi meshgrid digunakan untuk
membuat jaring-jaring (grid) pada bidang x-y yang diatasnya terdapat permukaan
fungsi. Perintah ini akan mentransformasi vektor x dan y pada domain tertentu menjadi
bentuk array X dan Y yang dapat digunakan untuk mengevaluasi fungsi dengan dua
variabel dan plot permukaan 3D. Disini meshgrid difungsikan untuk membuat vektor
gempa.

M=[40;30];
[X,Y]=meshgrid(0:10:80,0:10:80);
plot(X,Y,'.')
xlabel(X');
ylabel(Y');
M1=[];

Metode inversi dengan formulasi linear dan hubungan data dengan parameter model
Nilai d=Gm

d = ti-gm

Rumus gm yang dipakai pada matlab adalah

gm=to+(1/vp)*(sqrt((x-M(1)).^2+(y-M(2)).^2));

13
Proses inversi dilakukan dengan menentukan model terlebih dahulu dan juga jacobi dengan
menggunakan script berikut :

for n=1:20
gm=to+(1/vp)*(sqrt((x-M(1)).^2+(y-M(2)).^2));
dgm_dx=(1/vp)*(-(x-M(1)))./(sqrt((x-M(1)).^2+(y-M(2)).^2));
dgm_dy=(1/vp)*(-(x-M(2)))./(sqrt((x-M(1)).^2+(y-M(2)).^2));
J=[dgm_dx dgm_dy];
Mo=M;
M=Mo+inv(J'*J)*J'*(ti-gm);
M1=[M1 M];
Mn=M1';
end;

Penambahan pengaruh error dari noise dengan Metode Least-Square


Dengan cara meminimumkan jarak antara Tical (hasil perhitungan) dengan Tiobs (hasil
pengamatan).
Dalam bentuk diskrit, persamaan dapat dinyatakan
sebagai

Hal ini terjadi karena waktu tempuh t tidak berbanding lurus dengan parameter model
v, melainkan berbanding terbalik. Hubungan ini dinamakan non-linear terhadap v.
Namun demikian, jika kita mendefinisikan parameter model c = 1/v, dimana c adalah
slowness gelombang seismik.
Jika dalam garis regresi dinyatakan sebagai y = a0 + a1x maka data memenuhi relasi yi
= a0 + a1xi + ei, dimana ei disebut error

Pada stasiun pertama:

t_cal1=to+(1/vp)*sqrt((x(1)-X).^2+(y(1)-Y).^2);

Error1=(t_cal1-ti(1)).^2;

Untuk stasiun ke dua hingga ke 5 dilakukan juga perhitungan nilai eror seperti berikut
:

t_cal2=to+(1/vp)*sqrt((x(2)-X).^2+(y(2)-Y).^2);
Error2=(t_cal2-ti(2)).^2;

14
t_cal3=to+(1/vp)*sqrt((x(3)-X).^2+(y(3)-Y).^2);
Error3=(t_cal3-ti(3)).^2;

t_cal4=to+(1/vp)*sqrt((x(4)-X).^2+(y(4)-Y).^2);
Error4=(t_cal4-ti(4)).^2;

t_cal5=to+(1/vp)*sqrt((x(5)-X).^2+(y(5)-Y).^2);
Error5=(t_cal5-ti(5)).^2;

Selanjutnya dilakukan perhitungan Erms dan juga interpolasi antara hasil dengan nilai eror
dengan menggunakan script berikut ini :

Erms=sqrt((1/n)*(Error1+Error2+Error3+Error4+Error5));
[cs,h]=contour(X,Y,Erms,[0:0.5:15])

Gambar di atas memperlihatkan hasil perhitungan objektif yang dinyatakan oleh kesalahan
perhitungan rata-rata (Erms) pada setiap grid 1km x 1km untuk N=20. Terlihat bahwa posisi
episenter gempa yang sebenarnya tidak terlalu match dengan model prediksi, ini mungkin
dikarenakan fungsi error pada setiap stasiun disebabkan oleh noise yang ditambahkan pada data
kalkulasi.

15
BAB V

KESIMPULAN
Adapun kesimpulan yang didapatkan pada percobaan kali ini antara lain:

Posisi episenter gempa tidak terlalu match dengan model prediksi


Faktor yang mempengaruhi ketidak match an adalah fungsi eror pada setiap stasiun
yang disebabkan oleh noise pada data kalkulasi
Berdasarkan percobaan yang dilakukan, cara penentuan episenter gempa bumi secara
sederhana dapat menggunakan Pemodelan inversi Non Linear, dimana pemodelan
dilakukan dengan menggunakan pendekatan metode grid search dan random search

16
DAFTAR PUSTAKA
Ghozaliq. Cara menghitung Kekuatan Gempa. 13 Mei 2016 pukul 18.15.
https://ghozaliq.com/2015/07/09/cara-menghitung-kekuatan-gempa/

Grandis, Hendra. 2009. Pengantar Pemodelan Inversi Geofisika . Jakarta : Himpunan Ahli
Geofisika Indonesia

Sujatmiko, Eko . 2014. Kamus IPS. Surakarta: Aksara Sinergi Media

Supryanto, Eng. 2007. Analisis Data Geofisika : Memahami Teori Inversi. Jakarta :
Departemen Fisika Universitas Indonesia

17