Abstrak
Makalah ini membahas penerapan metoda inversi kuadrat terkecil iteratif dan metoda simulated annealing untuk
memodelkan data tahananjenis 1-D konfigurasi elektroda Schlumberger. Persamaan matriks pada inversi
kuadrat terkecil diselesaikan menggunakan metoda dekomposisi nilai singulir. Metoda simulated annealing
adalah proses pencarian model optimum dalam suatu ruang model yang dilakukan secara acak namun terarah
(guided random search) dengan probabilitas penerimaan model yang didasarkan pada misfit antara data
perhitungan dengan data pengamatan. Penerapan metoda simulated annealing pada data sintetik, baik untuk data
tanpa kontaminasi noise maupun dengan noise, dapat menghasilkan model inversi yang mendekati model
sebenarnya. Metoda kuadrat terkecil dapat menghasilkan solusi optimum jika pola model awal tidak terlalu jauh
dari model sebenarnya.
Abstract
This paper describes inversion methods based on least square and simulated annealing techniques to infer 1-D
model from resistivity sounding data with Schlumberger electrode configuration. In least-squares method,
matrix inversion were solved by using singular value decomposition. Simulated annealing is a searching method
of optimum model in a model space by guided random selection process with probability to accept or reject the
model based on misfit between observed and calculated data. Application of simulated annealing method to
synthetic data with and without noise results in optimum models that agree well with the true model. The least-
square inversion also lead to optimum results as long as the initial models were close enough to the true model.
Dilihat dari kedekatan model dengan kondisi bawah- Persoalan utama dalam inversi dengan pendekatan
permukaan maka teknik interpretasi secara 2-D dan linier ini adalah penentuan model awal karena
3-D akan memberikan gambaran yang lebih baik karakter inversi data tahananjenis adalah ill-possed
dalam mendekati kondisi sebenarnya. Namun tidak problem, dimana solusinya tidak stabil dan
berarti teknik inversi data secara 1-D sudah tidak bergantung pada pemilihan model atau tebakan awal.
diperlukan lagi. Untuk kondisi geologi tertentu Model awal harus dipilih sedemikian rupa sehingga
interpretasi secara 1-D sudah cukup baik dalam tidak terlalu jauh dari model sebenarnya. Beberapa
memberikan gambaran kondisi bawah-permukaan penelitian yang membahas pemilihan model awal ini
bumi, terutama untuk lingkungan sedimen yang sudah dilakukan diantaranya oleh Zohdy (1989) dan
strukturnya dapat didekati oleh model bumi berlapis Muiuane dan Pedersen (1999).
dimana sifat fisis hanya bervariasi secara vertikal Metoda SA sudah sejak lama diimplementasikan
(Muiuane dan Pedersen, 1999). Selain itu untuk memodelkan data geofisika, seperti inversi
interpretasi secara 1-D dapat digunakan sebagai data waveform seismik (Sen dan Stoffa, 1991) dan
23
JURNAL GEOFISIKA 2006/1
inversi data tahananjenis 1-D (Sen dkk., 1993). data pengamatan. Dengan pendekatan metoda
Syarifudin dan Grandis (2001) menggunakan kuadrat terkecil teredam (damped) solusi persamaan
metoda SA untuk memodelkan data magnetotellurik (4) tersebut adalah :
(MT) 1-D dengan skema pendekatan model yang
smooth dimana ketebalan/kedalaman setiap lapisan m = ( J T J + µI)-1 J T d (5)
dibuat tetap sehingga pencarian model difokuskan
pada harga tahananjenis tiap lapisan. dimana µ adalah faktor redaman (damping).
Persamaan (5) dapat diselesaikan, salah satunya,
dengan menggunakan metoda dekomposisi nilai
2. Pemodelan Kedepan singulir (singular value decomposition, SVD).
Persamaan (5) dapat dituliskan kembali dalam
Formulasi tahananjenis semu ρa untuk model bumi bentuk:
berlapis (1-D) dinyatakan oleh persamaan integral
Hankel berikut ini : m = A -1 b (6)
∞
dimana A = ( J T J + µ I) dan b = J T d .
ρa = s ∫ T (λ) J (λs) λ dλ
2
1 (1)
0 dalam metoda SVD vektor A dipecah dalam bentuk
perkalian tiga buah matriks: A = U S V T , dimana U
dimana s adalah setengah jarak interval elektroda
arus (AB/2 dalam konfigurasi Schlumberger), J1 dan V adalah matriks ortonomal dan S adalah
adalah fungsi Bessel orde-satu, dan T(λ) adalah matriks diagonal yang elemennya merupakan nilai
fungsi transformasi tahananjenis yang dinyatakan singulir dari A. Solusi persamaan (5) adalah:
oleh formulasi rekursif Pekeris (Koefoed, 1979)
m = V S −1 U T b (7)
berikut :
Ti +1 (λ ) + ρi tanh(λhi )
Ti (λ ) = , i = n-1, … ,1 (2) 3.2. Inversi Non-linear Simulated Annealing (SA)
1 + Ti +1 (λ ) tanh(λhi ) / ρi
SA termasuk dalam kategori metoda guided random
solusi persamaan (1) dapat diselesaikan dengan search, dimana pencarian model optimum dilakukan
metoda filter linear (Ghosh, 1971a,b) berikut: secara acak dalam suatu ruang model. Pada dasarnya,
k max metoda SA meniru proses pembentukan struktur
ρa = ∑ T (λ ) f
k = k min
k (3) kristal dari suatu substansi yang dalam proses
pembentukannya (kristalisasi) dikontrol oleh
penurunan temperatur. Penentuan diterima atau
dimana fk adalah harga koefesien filter. tidaknya model yang terpilih, yang beranalogi
dengan dinamika perubahan struktur dari substansi
3. Metoda Inversi tersebut, dilakukan menggunakan dua kriteria
berikut: (1) jika model menghasilkan misfit yang
3.1. Inversi Kuadrat Terkecil Iteratif (ILSQ)
lebih kecil dibandingkan dengan model sebelumnya
Formulasi pemodelan kedepan tahananjenis, yang maka model tersebut secara otomatis diterima dan
menghubungkan antara data (tahananjenis semu) selanjutnya digunakan sebagai model referensi untuk
dengan parameter model (tahananjenis setiap lapisan langkah berikutnya, (2) jika model tersebut memiliki
dan ketebalannya), merupakan fungsi non-linier misfit yang lebih besar dibandingkan model
seperti ditunjukkan pada persamaan (1). Linierisasi sebelumnya maka model tersebut diberikan harga
bentuk persamaan non-linier ini dapat dilakukan kemungkinan untuk diterima (probability of
dengan ekspansi Taylor orde satu yang secara umum acceptance, Pacc) sebesar:
formulasinya dapat dinyatakan oleh persamaan
matriks berikut (Meju, 1994): Pacc = exp( − ∆E / T ) (8)
24
JURNAL GEOFISIKA 2006/1
25
JURNAL GEOFISIKA 2006/1
Gambar 2. Empat hasil eksekusi metoda SA untuk data tanpa noise (dari atas ke bawah). Kolom kiri adalah
perbandingan antara model awal (homogen 100 Ohm m), model sebenarnya (garis putus-putus) dan model hasil
inversi (garis utuh), kolom tengah adalah perbandingan antara data perhitungan (garis utuh) dengan data sintetik
(lingkaran), kolom kanan adalah kurva misfit (garis utuh) dan pola penurunan temperatur (garis putus-putus)
yang dinormalisasi sebagai fungsi iterasi.
26
JURNAL GEOFISIKA 2006/1
Gambar 3. Empat hasil eksekusi metoda SA untuk data dengan kontaminasi noise 10% (dari atas ke bawah).
Keterngan lain sama dengan Gambar 2.
Tabel 3. Model hasil inversi metoda SA pada data dengan kontaminasi noise.
Parameter Model
lapisan True Awal Hasil 1 Hasil 2 Hasil 3 Hasil 4 Rata-rata
ρ1 (Ohm.m) 200 100 215.4 129.2 215.4 278.3 209.6
ρ2 (Ohm.m) 50 100 35.9 16.7 59.9 46.4 39.7
ρ3 (Ohm.m) 15 100 21.5 16.7 12.9 12.9 13.5
ρ4 (Ohm.m) 350 100 359.4 215.4 215.4 359.4 287.4
T1 (m) 1 5 1 2 1 1 1.25
T2 (m) 5 10 4 6 6 5 5.25
T3 (m) 45 50 65 75 30 40 52.5
27
JURNAL GEOFISIKA 2006/1
4.3. Implementasi Metoda ILSQ perhitungan serta harga RMS error yang sudah stabil
setelah iterasi keempat (Gambar 4). Untuk metoda
Pada metoda ILSQ, model awal homogen seperti
ILSQ penambahan noise (10%) pada data sintetik
pada metoda SA tidak memberikan hasil yang
cukup berpengaruhi pada model inversi.
konvergen ke model sebenarnya atau model sintetik.
Berdasarkan eksperimen yang dilakukan untuk
Model awal harus dipilih sedemikian rupa sehingga
variasi harga persentase noise yang semakin besar
tidak terlalu jauh dari model sebenarnya. Pada
maka model inversi yang diperoleh semakin jauh
prakteknya model awal secara kualitatif dapat
dari model sebenarnya. Hal ini berarti noise pada
diperkirakan berdasarkan pola kurva data sounding.
data akan dipetakan pada model hasil inversi.
Zohdy (1989) memperkirakan ketebalan / kedalaman
model berdasarkan spasi elektroda sedangkan Secara umum dapat dikatakan bahwa dengan
tahananjenis lapisan didasarkan pada tahananjenis pemilihan model tebakan awal yang baik maka
semu. proses perolehan model optimum bisa lebih cepat.
Variasi pemilihan model awal yang berbeda tetapi
Model awal untuk lapisan pertama dibuat sama
masih mempunyai pola yang sesuai (variasinya
dengan model sebenarnya, hal ini dipilih karena
masih disekitar pola sebenarnya) maka metoda ILSQ
untuk lapisan paling atas harga tahananjenis semu
masih dapat menghasilkan model akhir yang cukup
dengan bentangan elektroda pendek berkorelasi
baik. Dalam hal ini, hasil yang diperoleh konsisten
dengan model/kondisi sebenarnya (Muiuane dan
ke satu pola model.
Pedersen, 1999). Untuk lapisan kedua sampai
dengan keempat harga parameter awal dibuat lebih
rendah dari harga sebenarnya, sementara ketebalan 5. Kesimpulan
lapisan kedua lebih tipis dan lapisan keempat lebih
Implementasi metoda inversi ILSQ dan metoda SA
tebal dibandingkan dengan ketebalan sebenarnya.
dalam pemodelan inversi data sounding tahananjenis
Jumlah iterasi sebanyak 7 kali dan pemilihan harga
memberikan hasil yang cukup baik dalam arti dapat
pembobotan adalah 0.001 dengan faktor penurunan
mereproduksi model sintetik. Studi ini telah
sebesar 0.75 pada setiap kali iterasi.
menggarisbawahi karakteristik masing-masing
Dengan pemilihan model awal yang relatif dekat ini metoda inversi yang mewakili kelompok inversi
diperoleh model inversi yang mirip dengan model non-linier dengan pendekatanm linier dan kelompok
sebenarnya bahkan keduanya berimpit jika diplot inversi non-linier dengan pendekatan global.
Demikian pula dengan data sintetik dan data
Gambar 4. Implementasi metoda ILSQ untuk data tanpa noise (atas) dan data dengan kontaminasi noise 10%
(bawah). Kolom kiri adalah perbandingan antara model awal (garis putus-titik), model sebenarnya (garis putus-
putus) dan model hasil inversi (garis utuh). Pada inversi data tanpa noise model hasil inversi berimpit dengan
model sebenarnya. Kolom tengah adalah perbandingan antara data perhitungan (garis utuh) dengan data sintetik
(lingkaran). Kolom kanan adalah kurva RMS error sebagai fungsi iterasi.
28
JURNAL GEOFISIKA 2006/1
29