Abstrak
Magnetotellurik (MT) merupakan salah satu metoda geofisika pasif yang umum dan banyak digunakan dalam berbagai
kegiatan eksplorasi sumber daya alam. Dalam preakteknya, data hasil akuisisi MT sering terkontaminasi oleh noise
yang dapat berasal dari proses alami ataupun benda – benda lokal yang ada disekitar lokasi pengukuran. Noise yang
bercampur dengan sinyal utama MT akan membuat data MT menjadi random nonstasioner dan dapat menyebabkan
estimasi fungsi transfer menjadi bias, olehkarena itu diperlukan metoda khusus untuk mengolah data MT tersebut.
Dalam paper ini, pengolahan data MT dilakukan menggunakan metoda analisis sinyal nonstasioner berupa Hilbert –
Huang transform (HHT) dengan tujuan untuk mendapatkan kurva resistivitas semu dan fasa. Pengolahan data MT
dilakukan dengan mendekomposisi sinyal MT menjadi beberapa komponen IMF melalui metoda yang disebut
empirical mode decomposition (EMD). Selanjutnya, dilakukan analisa dan eliminasi baseline drift noise sebelum
dilakukan perhitungan nilai instantaneous spectrum (IS). Nilai IS dalam domain waktu–frekuensi yang telah diperoleh
tersebut akan digunakan untuk mengestimasi nilai fungsi transfer MT. Pengujian metoda HHT dilakukan pada dua
buah data sintetik, yaitu data yang bebas dari noise dan data yang telah ditambahkan noise 10% dan 20% serta pada
data real MT untuk mengetahui efektivitas metoda tersebut. Hasil uji metoda pada data – data tersebut menunjukkan
bahwa hasil estimasi fungsi transfer yang diperoleh melalui metoda HHT lebih stabil dibandingkan dengan metoda
FT. Metoda HHT mampu mengatasi permasalahan sifat nonstasionaritas dari data MT yang dapat menyebabkan hasil
estimasi menjadi bias.
Kata kunci : Data MT, Empirical mode decomposition, Estimasi fungsi transfer MT, Instantaneous spectrum.
𝑦𝑗 (𝑡)
𝜃𝑗 (𝑡) = 𝑎𝑟𝑐𝑡𝑔 ( ) (5)
𝐶𝑗 (𝑡)
𝑑
𝜔𝑗 (𝑡) = 𝜃 (𝑡) (6)
𝑑𝑡 𝑗
dimana 𝐸𝑥𝑓 (𝑡), 𝐸𝑦𝑓 (𝑡), 𝐵𝑥𝑓 (𝑡) dan 𝐵𝑦𝑓 (𝑡) adalah nilai complex conjugate dan jumlah data pada domain
transien dari sinyal kompleks yang berhubungan waktu. Berdasarkan persamaan 11 dan 12, komponen
dengan frekuensi 𝜔0 , sementara * dan 𝑁 adalah tensor impedansi 𝑍 dapat dihitung menggunakan
persamaan berikut:
∑𝑁 ∗ 𝑁 ∗ 𝑁 ∗ 𝑁
𝑛=0 𝑁𝑌 ∑𝑛=0 𝑋𝑋 − ∑𝑛=0 𝑁𝑋 ∑𝑛=0 𝑋𝑌
∗
𝑍𝑥𝑦 = (13)
∑𝑁 ∗ 𝑁 ∗ 𝑁 ∗ 𝑁
𝑛=0 𝑋𝑋 ∑𝑛=0 𝑌𝑌 − ∑𝑛=0 𝑋𝑌 ∑𝑛=0 𝑌𝑋
∗
∑𝑁 ∗ 𝑁 ∗ 𝑁 ∗ 𝑁
𝑛=0 𝐸𝑋 ∑𝑛=0 𝑌𝑌 − ∑𝑛=0 𝐸𝑌 ∑𝑛=0 𝑌𝑋
∗
𝑍𝑦𝑥 = 𝑁 𝑁 𝑁 𝑁
(14)
∑𝑛=0 𝑋𝑋 ∑𝑛=0 𝑌𝑌 − ∑𝑛=0 𝑋𝑌 ∑𝑛=0 𝑌𝑋 ∗
∗ ∗ ∗
Proses estimasi fungsi transfer MT (resistivitas semu baseline drift dengan hard threshold filter, sementara
dan fasa) dilakukan melalui beberapa tahapan. noise yang ada pada komponen IMF orde rendah dapat
Pertama, dilakukan proses dekomposisi sinyal MT. ditekan menggunakan moving average filter.
Kedua, dilakukan analisa komponen IMF, mulai dari Keempat, dihitung nilai instantaneous spectrum.
orde rendah sampai orde tinggi. Ketiga, dilakukan Terakhir, dilakukan estimasi tensor impedansi
proses noise suppression untuk menghilangkan noise berdasarkan nilai parameter instantaneous spectrum
yang di akibatkan oleh wind-driven inteference atau dengan menggunakan persamaan 13 dan 14.
Berkaitan dengan karakter dari setiap komponen IMF dijadikan sebagai frekuensi evaluasi (𝜔0 ), dimana
yang hanya memiliki satu komponen frekuensi yang nilai fungsi transfer MT nantinya akan dihitung. Untuk
spesifik untuk setiap sampel waktu dan umumnya setiap sampel waktu, dilakukan pemetaan dan
komponen IMF bervariasi terhadap waktu, maka penjumlahan komponen sinyal kompleks yang terletak
untuk dapat menggunakan persamaan 13 dan 14, pada jendela frekuensi yang sama. Sinyal kompleks
parameter instantaneous spectrum harus dimodifikasi. yang digunakan untuk menghitung fungsi transfer MT
Instantaneous spectrum yang merupakan distribusi adalah sinyal yang nilainya ada dalam seluruh
rapat amplitude dalam domain waktu dan frekuensi komponen medan (𝐵 dan 𝐸) secara simultan. Ilustrasi
harus diganti dengan sinyal kompleks yang terdiri dari tentang bagaimana frekuensi evaluasi (𝜔0 ) dipilih dari
komponen real dan imaginer. Kemudian sumbu-y instantaneous sperctrum dan digunakan untuk
(frequency axis) dari instantaneous spectrum dibagi menghitung fungsi transfer MT dapat dilihat pada
kedalam 21 jendela frekuensi yang berbeda dan gambar di bawah ini.
frekuensi tengah dari setiap jendela frekuensi tersebut
Frekuensi
evaluasi (𝜔0 ) Window ke-1
8.8×10-3 Hz
Window ke-n
Gambar 6. Ilustrasi bagaimana frekuensi evaluasi (𝜔0 ) yang akan digunakan untuk menghitung fungsi transfer MT,
diperoleh dari instantaneous spectrum
4.1 Data Simulasi (free noise) drift noise memiliki karakter periode yang panjang.
Semua data simulasi yang digunakan untuk menguji Baseline drift noise pada komponen medan magnet
metoda HHT memiki periode 40960 s, periode (𝐵𝑥 ) yang ditunjukkan oleh gambar 7, tampak pada
sampling 5 s, frekuensi maksimum 0,1 Hz dan komponen IMF orde tinggi (di atas 7). Eliminasi
frekuensi minimum 2,44×10-5 Hz. Hasil analisa baseline drift pada sinyal dilakukan menggunakan
spektrum frekuensi pada masing-masing komponen hard threshold filter. Pada kasus ini, komponen IMF
IMF hasil dekomposisi (gambar 7) menunjukkan yang diinterpretasikan sebagai baseline drift noise dan
bahwa komponen IMF orde rendah (1-4) umumnya harus dieliminasi, bervariasi untuk setiap data sintetik
didominasi oleh kandungan frekuensi tinggi, MT. Hal ini dikarenakan setiap sinyal memiliki
sementara komponen IMF orde tinggi (5-8) karakter yang berbeda – beda, namun secara umum
didominasi oleh kandungan frekuensi rendah. Dalam noise tersebut tampak pada komponen IMF orde tinggi
domain waktu, sinyal yang dipengaruhi oleh baseline (di atas 7).
(a)
(b)
Gambar 7. Hasil dekomposisi dan analisis spektrum frekuensi salah satu komponen medan (𝐵𝑥 ). (a) Komponen
IMF hasil dekomposisi, (b) spectrum frekuensi masing – masing komponen IMF
Gambar 8 merupakan nilai resistivitas semu hasil (𝜌𝑥𝑦 = 1,025 Ω𝑚 dan 𝜌𝑦𝑥 = 0,932 Ω𝑚), lebih stabil
estimasi untuk kasus data simulasi model 1 dan model dibandingkan dengan hasil metoda standar FT (model
2, dimana masing – masing merepresentasikan model 1, 𝜌𝑥𝑦 = 919,09 Ω𝑚 dan 𝜌𝑦𝑥 = 907,72 Ω𝑚; model
geologi bumi homogen half space yang resistif (1000 2, 𝜌𝑥𝑦 = 0,919 Ω𝑚 dan 𝜌𝑦𝑥 = 0,907 Ω𝑚 ) yang
Ωm) dan konduktif (1 Ωm). Secara kualitatif, dapat cenderung sedikit mengalami shifting ke bawah dari
dinyatakan bahwa metoda HHT dan FT telah kurva model yang digunakan. Selain itu, misfit relatif
memberikan hasil estimasi nilai resistivitas semu kurva resistivitas semu model 1 yang dihasilkan
dengan cukup baik. Hal ini terlihat pada pola kurva melalui metoda HHT juga lebih kecil (𝜌𝑥𝑦 = 10,36 %
resistivitas semu hasil estimasi yang relatif sama,
dan 𝜌𝑦𝑥 = 10,85 %) dibandingkan dengan metoda
dimana kedua kurva tersebut memperlihatkan trend
nilai estimasi resistivitas semu yang bervariasi FT (𝜌𝑥𝑦 = 15,34 % dan 𝜌𝑥𝑦 = 21,6 %). Sama halnya
disekitar nilai 1000 Ωm dan 1 Ωm. Secara kuantitatif, untuk model 2, misfit relatif kurva resistivitas semu
hasil estimasi metoda HHT sedikit lebih baik yang dihasilkan melalui metoda HHT jauh lebih kecil
dibandingkan dengan metoda konvensional FT. Nilai (𝜌𝑥𝑦 = 8,87 % dan 𝜌𝑥𝑦 = 10,82 %) dibandingkan
rata – rata resistivitas semu yang dihasilkan melalui dengan metoda FT (𝜌𝑥𝑦 = 15,34 % dan 𝜌𝑥𝑦 =
metoda HHT, untuk kasus model 1 (𝜌𝑥𝑦 = 21,6 %).
1043,7 Ω𝑚 dan 𝜌𝑦𝑥 = 932,37 Ω𝑚) dan model 2
(a) (b)
(c) (d)
Gambar 8. Kurva resistivitas semu hasil estimasi menggunakan metoda FT (merah) dan HHT (biru). (a) model 1
dalam TE mode, (b) model 1 dalam TM mode, (c) model 2 dalam TE mode dan (d) model 2 dalam TM
mode.
Gambar 9 merupakan kurva resistivitas semu hasil transfer MT melalui metoda HHT menunjukkan hasil
estimasi untuk kasus data simulasi model 3 dan 4, yang lebih stabil jika dibandingkan dengan metoda
dimana model 3 merepresentasikan model geologi standar FT. Hal ini dikarenakan metoda HHT dapat
bumi dua lapisan dengan lapisan resistif berada diatas mengkarakterisasi sinyal MT yang bersifat non-
lapisan konduktif dan model 4 merepresentasikan stasionar. Persentase misfit relatif hasil estimasi fungsi
model geologi bumi dengan lapisan konduktif berada transfer MT dari kedua metoda, HHT dan standar FT,
diatas lapisan resistif. Dari keseluruhan hasil uji kedua dapat dilihat pada tabel 1.
metoda pada 4 model data simulasi, estimasi fungsi
(a) (b)
(c) (d)
Gambar 9. Kurva resistivitas semu hasil estimasi menggunakan metoda FT (merah) dan HHT (biru). (a) model 3
dalam TE mode, (b) model 3 dalam TM mode, (c) model 4 dalam TE mode dan (d) model 4 dalam TM
mode.
Tabel 1. Persentase misfit hasil estimasi fungsi transfer MT untuk kasus data simulasi tanpa noise
Misfit relatif (%)
Parameter Mode Metoda HHT Metoda FT
TE 10.36 15.34
Resistivitas semu
TM 10.85 21.6
Model 1
TE 14.03 10,92
Fasa
TM 1.52 1.94
TE 8.87 15.34
Resistivitas semu
TM 10.82 21.6
Model 2
TE 13.64 10.92
Fasa
TM 1.52 1.94
TE 14.7 17.33
Resistivitas semu
TM 14.53 22.78
Model 3
TE 11.14 11.23
Fasa
TM 1.7 2.6
TE 10.6 6.89
Resistivitas semu
TM 12.3 7.51
Model 4
TE 20.71 18.23
Fasa
TM 1.38 0.87
4.2 Data simulasi (noisy) Pada kasus ini, persentase correlated noise yang ada
Penerapan metoda HHT dan FT pada data simulasi pada sinyal MT mempengaruhi besarnya shifting yang
yang telah ditambahkan noise dimaksudkan untuk terjadi pada kurva resistivitas semu. Hal ini dapat
mengetahui pengaruh noise pada hasil estimasi fungsi dilihat dari gambar 10, yang merupakan perbandingan
transfer MT. Secara teori, terdapat dua macam noise hasil estimasi kurva resistivitas semu antara noise 10%
yang bersuperposisi dengan sinyal utama MT, yaitu dan 20% untuk model 1 dan model 2. Jika
coherent noise dan incoherent noise. Berdasarkan dibandingkan, pada kasus data simulasi yang bebas
hasil yang diperoleh, estimasi fungsi transfer dari dari noise, perhitungan power spectrum antara
kedua metoda, HHT dan FT, sama – sama terpengaruh komponen medan listrik dan medan magnet tidak
oleh noise. Hal tersebut dapat dilihat dari kurva dipengaruhi oleh noise. Sementara pada kasus data
resistivitas semu yang mengalami shifting. Pada kasus simulasi yang telah ditambahkan noise, perhitungan
ini, setelah dilakukan uji koherensi noise pada power spectrum antara komponen medan listrik dan
komponen medan (𝐸 dan 𝐵), diketahui bahwa noise medan magnet sangat dipengaruhi oleh besarnya
yang ditambahkan merupakan coherent noise. Hal ini komponen noise. Correlated noise yang terkandung
secara tidak langsung akan menyebabkan hasil pada dua komponen medan tersebut akan
estimasi resistivitas semu menjadi bias. melipatgandakan hasil perhitung power spectrum,
sehingga menyebabkan estimasi kurva resitivitas semu
menjadi bias.
(a) (b)
(c) (d)
Gambar 10. Kurva resistivitas semu (TE mode) hasil estimasi menggunakan metoda FT (merah) dan HHT (biru).
(a) model 1 untuk kasus noise 10%, (b) model 1 untuk kasus noise 20%, (c) model 2 untuk kasus noise
10% dan (d) model 2 untuk kasus noise 20%
Berkaitan dengan persentase besarnya incoherent 10% dengan noise 20% untuk model 3 dan model 4.
noise yang ada pada sinyal utama MT, kurva fasa tidak Hasil menunjukkan bahwa kurva fasa tidak
mengalami perubahan seperti halnya kurva resistivitas mengalami perubahan, baik pada model 3 maupun
semu. Hal ini dapat kita lihat pada gambar 11 dan 12, model 4, dimana misfit relatif kurva fasa untuk model
yang merupakan perbandingan kurva fasa antara noise 3 sama antara noise 10% dan 20% (𝜙𝑦𝑥 𝐹𝑇 = 2,589%
dan 𝜙𝑦𝑥 𝐻𝐻𝑇 = 1,714%). Hal yang sama juga fungsi transfer MT secara keseluruhan pada data
ditunjukka oleh model 4, dimana misfit relatifnya simulasi yang telah ditambahkan noise sebesar 10 %
sama antara noise 10% dan 20% (𝜙𝑦𝑥 𝐹𝑇 = 0,877% dan 20 %, metoda HHT tetap memperlihatkan hasil
dan 𝜙𝑦𝑥 𝐻𝐻𝑇 = 1,383%). Berdasarkan hasil estimasi yang lebih stabil dibandingkan dengan metoda FT,
dimana hal tersebut dapat dilihat pada tabel 2.
(a) (b)
(c) (d)
Gambar 11. Kurva fasa (TM mode) hasil estimasi menggunakan metoda FT (merah) dan HHT (biru). (a) model 3
untuk kasus noise 10%, (b) model 3 untuk kasus noise 20%, (c) model 4 untuk kasus noise 10% dan
(d) model 4 untuk kasus noise 20%
(a) (b)
(c) (d)
Gambar 12. Kurva fasa (TE mode) hasil estimasi menggunakan metoda FT (merah) dan HHT (biru). (a) model 3
untuk kasus noise 10%, (b) model 3 untuk kasus noise 20%, (c) model 4 untuk kasus noise 10% dan
(d) model 4 untuk kasus noise 20%
Tabel 2. Persentase misfit hasil estimasi fungsi transfer MT untuk kasus data simulasi tanpa noise
Misfit relatif (%)
Noise 10 % Noise 20 %
Parameter Mode Model
HHT FT HHT FT
TE 38,54 45,83 76,96 79,71
Resistivitas semu
TM 52,94 49,93 19,06 28,17
1
TE 14,03 10,92 14,03 10,92
Fasa
TM 1,52 1,94 1,52 1,94
TE 10,43 17,65 37,41 25,23
Resistivitas semu
TM 20,91 29,54 34,61 40,06
2
TE 13,64 10,92 13,64 10,92
Fasa
TM 1,52 1,94 1,52 1,94
TE 15,11 17,43 117,7 114,14
Resistivitas semu
TM 14,81 31,14 17,4 33,23
3
TE 11,14 11,23 11,14 11,23
Fasa
TM 1,71 2,59 1,71 2,59
TE 50,54 57,27 82,66 85,02
Resistivitas semu
TM 18,42 12,88 5,42 12,14
4
TE 20,71 18,23 20,71 18,23
Fasa
TM 1,38 0,88 1,38 0,88
5. Penerapan Metoda pada Data Real MT Sebelum dilakukan proses dekomposis menggunakan
Setelah diketahui bahwa hasil uji metoda HHT pada EMD, data terlebih dahulu dibagi ke dalam 16 segmen
data sintetik MT menunjukkan hasil yang cukup baik, data dengan lebar masing – masing segmen ≈ 11,37
maka tahap selanjutnya adalah menerapkan metoda jam. Selanjutnya dilakukan perhitungan instantaneous
HHT pada data real MT. Data yang digunakan adalah spectrum dari komponen – komponen IMF yang telah
data dari salah satu lokasi pengukuran SAMTEX diperoleh sebelumnya. Instantaneous spectrum dari
Project dengan kode KAP103 (Jones et al., 2009). masing masing segmen kemudian dibagi ke dalam 20
Data tersebut direkam pada koordinat latitude -32,14 frekuensi evaluasi untuk menghitung tensor impedansi
dan longitude 20,47 dari tanggal 8 November 2003 MT. Untuk mendapatkan estimasi kurva resistivitas
sampai 5 Desember 2003. Data yang akan diolah semu dan fasa, seluruh hasil estimasi tensor impedansi
terdiri dari 4 komponen medan (𝐵𝑥 , 𝐵𝑦 , 𝐸𝑥 dan 𝐸𝑦 ) MT dari 16 segmen data dirata –ratakan. Seluruh hasil
dengan lebar data ≈ 182 jam (gambar 13). estimasi dapat dilihat pada gambar 14.
(a) (b)
(c) (d)
Gambar 13. Data real MT. (a) Komponen medan magnet 𝐵𝑥 (nT), (b) komponen medan magnet 𝐵𝑦 (nT),
(c) komponen medan listrik 𝐸𝑥 (mV/km) dan (d) komponen medan listrik 𝐸𝑦 (mV/km)
Gambar 14. Kurva resistivitas semu dan fasa hasil estimasi metoda FT (merah) dan HHT (biru). (a) Kurva
resistivitas semu mode TE, (b) Kurva resistivitas semu mode TM, (c) Kurva fasa mode TE dan (d)
Kurva fasa mode TM
Pada frekuensi tinggi, baik kurva resistivitas semu dan Daftar Pustaka
fasa dari kedua metoda menunjukkan bentuk dan pola Battista, B. M., Knapp, C., McGee, T. and Goebel, V.
yang sama, sementara pada frekuensi rendah, kurva (2007) : Application of the empirical mode
estimasi melalui metoda FT cenderung menyimpang decomposition and Hilbert – Huang transform to
jika dibandingkan dengan hasil estimasi melalui seismic reflection data, Geophysics, 72, 29 – 37.
metoda HHT. Pada umumnya, penyimpangan kurva
yang terjadi pada frekuensi rendah dapat disebabkan Berdichevsky, M. N. (1973) : Magnetotelluric
oleh hadirnya wind drift noise atau baseline noise pada sounding with applications to mathematical filters,
sinyal MT. Pada kasus ini, melalui metoda HHT, noise Physics Earth, 3, 76 – 92.
tersebut dapat dihilangkan sehingga tidak akan
mempengaruhi hasil estimasi, sementara kurva Cai, J. H. (2014): A combinatorial filtering method for
estimasi yang diperoleh melalui metoda FT masih magnetotelluric time-series based on Hilbert –
dipengaruhi oleh noise tersebut. Hal tersebut terlihat Huang transform, Exploration Geophysics, 45, 63
dari nilai resistivitas semu pada frekuensi rendah yang – 73.
diperoleh dari metoda FT mencapai angka 97,08 Ωm
untuk mode TE dan 25,37 Ωm untuk mode TM, Cai, J. H., Tang, J. T., Hua, X. R. and Gong, Y. R.
sementara nilai resistivitas semu yang diperoleh (2009): An analysis method for magnetotelluric
melalui metoda HHT jauh lebih rendah yaitu 6,37 Ωm data based on the Hilbert-Huang Transform,
dan 1,6 Ωm. Selain itu, kurva resistivitas semu dan Exploration Geophysics, 40, 197 – 205.
fasa yang dihasilkan melalui metoda HHT terlihat
lebih stabil, sementara hasil estimasi metoda FT lebih Calif, R., Schmitt, F. G. and Huang, Y. (2013) :
bervariasi. Hal ini terlihat dari nilai standar deviasi Multifractal description of wind power fluctuations
dari kurva resistivitas semu untuk metoda FT yang using arbitrary order Hilbert spectral analysis,
mencapai 20,82 (TE mode) dan 5,38 (TM mode), Physica A: Statistical Mechanics and its
sementara nilai standar deviasi dari kurva resistivitas Applications, 392, 4106 – 4120.
semu untuk metoda HHT jauh lebih kecil yaitu 0,6 dan
1,3. Menurut Weidelt (1972) fungsi transfer MT akan Chant, I. J. and Hastie, L. M. (1992): Time–frequency
bervariasi secara perlahan terhadap frekuensi atau analysis of magnetotelluric data, Geophysical
periode, dan olehkarena itu jika terdapat perubahan Journal International, 111, 399 – 413
yang cukup besar di dalam fungsi transfer MT antara
satu frekuensi dengan frekuensi yang lainnya, maka Grandis, H. (1999): An alternative algorithm for one-
dapat dinyatakan bahwa hasil estimasi masih belum dimensional magnetotelluric response calculation,
akurat. Berdasarkan hal tersebut, secara keseluruhan, Computers and Geosciences, 25, 119 – 125.
dapat dikatakan bahwa hasil estimasi fungsi transfer
melalui metoda HHT lebih baik dibandingkan dengan Huang, N. E., Wu, M.-L. C., Long, S. R., Shen, S. S.
metoda FT. P., Qu, W., Gloersen, P. and Fan, K. L. (2003): A
confidence limit for the empirical mode
6. Kesimpulan decomposition and Hilbert spectral analysis,
Berdasarkan hasil yang telah diperolah, metoda HHT Proceedings of the Royal Society A: Mathematical,
dapat dijadikan sebagai metoda alternatif untuk Physical and Engineering Sciences, 459, 2317 –
mengolah data MT. Metoda ini dapat digunakan untuk 2345.
mendekomposisi sinyal MT menjadi sinyal – sinyal
monokomponen yang memungkinkan kita untuk Huang, N. E., Wu, Z., Long, S. R., Arnold, K. C.,
menganalisa serta mengeliminasi noise yang ada pada Chen, X. and Blank, K. (2009) : On instantaneous
sinyal MT secara lebih mudah. Selain itu, metoda ini frequency, Advances in Adaptive Data Analysis, 1,
memiliki keunggulan dalam mengkarakterisasi sinyal 177 – 229.
MT yang bersifat nonstasioner, jika dibandingkan
dengan metoda FT. Huang, N. E., Shen, Z., Long, S., Wu, M., Shih, H.,
Zheng, Q., Yen, N., Tung, C. and Liu, H. (1998):
The empirical mode decomposition and the Hilbert
spectrum for nonlinear and non-stationary time
series analysis, Proceedings of the Royal Society A:
Mathematical, Physical and Engineering Sciences,
454, 903 – 995.
Jones, A. G., Evans, R. L., Muller, M. R., Hamilton,
M. P., Miensopust, M. P., Garcia, X., Cole, P.,
Ngwisanyi, T., Hutchins, D., Fourie, C. J. S.,
Jelsma, H., Evans, S., Aravanis, T., Petit, W.,
Webb, S., Wasborg, J. dan SAMTEX Team.
(2009b), Area selection for diamonds using
magnetotellurics: Examples from southern Africa,
Lithos, 112, suppl. 1, 83–92.