Anda di halaman 1dari 7

JURNAL GEOFISIKA 2006/1

Inversi Data Sounding Tahananjenis Menggunakan Metoda Kuadrat Terkecil


dan Simulated Annealing

Tedi Yudistira dan Hendra Grandis

Kelompok Keilmuan Geofisika / Program Studi Geofisika FIKTM - ITB


e-mail: tedi@geoph.itb.ac.id

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.

1. Pendahuluan interpretasi awal dan juga merupakan input atau


kendala pada interpretasi secara 2-D atau 3-D.
Dalam metoda geolistrik tahananjenis (resistivity)
kemajuan dalam hal akuisisi data, terutama dengan Makalah ini membahas penerapan dua metoda
diimplementasikannya pengukuran secara otomatis inversi data sounding tahananjenis yaitu metoda
dan terintegrasinya peralatan dengan sistem inversi linier kuadrat terkecil iteratif (iterative least
komputasi, memungkinkan pengukuran data dalam square, ILSQ) dan metoda inversi non-linier
waktu yang relatif cepat. Hal ini menyebabkan simulated annealing (SA). Metoda ILSQ sudah
teknik pengukuran dan interpretasi secara 2-D sering diimplementasikan dalam pemodelan data
bahkan 3-D semakin populer. Pada prakteknya tahananjenis, baik dalam domain data tahananjenis
sistem akuisisi data dapat didesain sehingga secara (Inman, 1975; Johansen, 1977; Roy, 1999) maupun
sekaligus dapat diperoleh kombinasi data sounding dalam domain kernel (Bichara dan Lakshamanan,
(1-D) dan data profiling (2-D) bahkan data 3-D. 1976; Marsden, 1973).

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)

Jm = d + ε (4) dimana ∆E adalah selisih antara misfit dari model


saat ini (aktual) dengan model sebelumnya dan T
dimana J adalah matriks Jacobi yang elemennya adalah faktor temperatur. Pada awal iterasi T dibuat
merupakan turunan parsial data terhadap tiap cukup tinggi yang kemudian menurun sesuai dengan
parameter model, vektor d adalah selisih antara data iterasi. Salah satu formulasi pengaturan temperatur
observasi dengan data teoritik (misfit), m adalah (temperature scheduling) yaitu : T0 βitearsi, dimana T0
vektor koreksi model yang digunakan untuk meng- adalah harga temperatur awal dan β konstanta laju
update model, dan ε adalah vektor kesalahan (error). peluruhannya.
Inversi data tahananjenis adalah persoalan Berdasarkan persamaan (8) diatas maka jika ∆E
menentukan vektor m sehingga model dapat bernilai kecil maka Pacc akan berharga besar
menghasilkan data perhitungan yang dekat dengan

24
JURNAL GEOFISIKA 2006/1

sehingga kemungkinan untuk diterimanya model 4.2. Implementasi Metoda SA


lebih besar pula dibandingkan jika harga ∆E besar.
Untuk metoda SA, parameterisasi dan diskretisasi
Proses ini dilakukan secara iteratif sehingga model
ruang model ditunjukkan pada Tabel 1. Diskretisasi
akhirnya merupakan model optimum yang sudah
logritmik dilakukan untuk interval tahananjenis
melalui tahap seleksi. Untuk mengevaluasi
sedangkan diskretisasi linier untuk interval ketebalan.
kestabilan solusinya maka rangkaian proses
Jumlah iterasi adalah 1000 dengan harga temperatur
keseluruhan ini dilakukan beberapa kali.
awal (T0) 1000 dan konstanta laju peluruhannya (β)
Langkah-langkah komputasi metoda SA adalah adalah 0.99, harga-harga parameter inversi ini
sebagai berikut: seperti yang digunakan oleh Sen, dkk. (1993).
(1) penentuan ruang model
(2) untuk iterasi ke-i dilakukan pencarian model
Tabel 1. Parameterisasi ruang model.
secara acak dan perhitungan misfit ei
(3) penerimaan/penolakan model dilakukan dengan Parameter
cara: Interval pencarian nilai parameter
model
-jika ei ≤ ei-1 maka model diterima ρ1 (Ω.m) [0.1 0.5 logspace(0,3,28)]
-jika ei > ei-1 maka hitung Pacc kemudian ρ2 (Ω.m) [0.1 0.5 logspace(0,3,28)]
bangkitkan bilangan random r berdistribusi ρ3 (Ω.m) [0.1 0.5 logspace(0,3,28)]
uniform antara 0 dan 1 kemudian : ρ4 (Ω.m) [0.1 0.5 logspace(0,3,28)]
-jika Pacc ≥ r maka model diterima t1 (m) [linspace(1, 10, 10)]
-jika Pacc < r maka maka model ditolak
t2 (m) [linspace(1, 10, 10)]
(4) langkah (2) dan (3) diulangi sampai batas iterasi
tercapai. t3 (m) [linspace(5, 100, 20)]
Catatan :
4. Implementasi dan Pembahasan Hasil logspace(a,b,c) berarti antara harga 10a dan 10b
didigit sebanyak c bilangan secara logaritmik,
4.1. Model Sintetik linspace(a,b,c) berarti antara harga a dan b didigit
Model yang digunakan untuk menghasilkan data sebanyak c bilangan secara linear.
sintetik adalah model bumi empat lapis, dimana
harga tahananjenis dari lapisan yang paling atas ke
lapisan yang paling bawah berturut-turut adalah 200, Untuk mengevaluasi kestabilan atau variasi model
50, 15, 350 Ohm.m, dan harga ketebalannya inversi yang dihasilkan maka dilakukan empat kali
berturut-turut 1, 5, 45 meter. Untuk melihat eksekusi masing-masing dengan model awal
pengaruh kontaminasi noise data terhadap model homogen 100 Ohm.m dengan ketebalan dari lapisan
solusi maka selain data tanpa noise dibuat pula data pertama sampai lapisan ketiga berturut-turut: 5, 10,
dengan kontaminasi noise berdistribusi normal 50 meter. Hasil metoda SA, untuk data tanpa noise
dengan rata-rata nol dan standar deviasi sebesar 10% ditunjukkan pada Gambar 2 dan hasil secara
dari data teoritik. Model dan data sintetiknya kuantitatif ditunjukkan pada Tabel 2.
diperlihatkan pada Gambar 1. Secara umum model hasil inversi mempunyai pola
yang sesuai dengan pola model sintetik, meskipun
terdapat perbedaan pada setiap hasil eksekusi.
Validitas model inversi dapat dievaluasi dari misfit
yang semakin kecil sebagai fungsi iterasi serta
kesesuaian antara data sintetik dengan data
perhitungan atau respons model inversi. Meskipun
demikian perlu diperhitungkan pula adanya masalah
ekivalensi atau ambiguitas model. Pada Tabel 2
ditunjukkan pula model rata-rata dari keempat
model tersebut.
Hasil penerapan metoda SA pada data dengan
kontaminasi noise ditunjukkan pada Gambar 3.
Seperti sebelumnya hasil inversi bervariasi pada
setiap kali eksekusi. Meskipun demikian, model
yang diperoleh secara umum cukup dekat dengan
Gambar 1. Model (garis putus-putus), data tanpa model sebenarnya dengan tingkat kesalahan / deviasi
noise (garis hitam penuh) dan data dengan Gaussian yang tidak terlalu signifikan. Hasil inversi secara
noise 10% (simbol kotak). Model ini digunakan kuantitatif ditunjukkan pada Tabel 3.
untuk menguji metoda inversi ILSQ dan SA.

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.

Tabel 2. Model hasil inversi metoda SA pada data tanpa noise.


Parameter Model
lapisan True Awal Hasil 1 Hasil 2 Hasil 3 Hasil 4 Rata-rata
ρ1 (Ohm.m) 200 100 166.8 129.15 215.44 215.44 181.71
ρ2 (Ohm.m) 50 100 16.7 21.54 46.42 35.94 30.15
ρ3 (Ohm.m) 15 100 16.7 21.54 16.68 21.50 19.1
ρ4 (Ohm.m) 350 100 278.3 464.16 278.26 599.50 405.05
T1 (m) 1 5 3 2 1 1 2.75
T2 (m) 5 10 10 7 4 4 6.25
T3 (m) 45 50 35 65 45 80 56.25

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

Inman, J.R., 1975, Resistivity inversion with ridge


Metoda SA tidak tergantung pada model awal
regression, Geophysics, 40, 798-817.
sehingga tidak memerlukan informasi a priori yang
sangat spesifik. Meskipun demikian, pemilihan Johansen, H. K., 1977, A man/computer
parameterisasi dan interval sampling parameter interpretation system for resistivity soundings
model bersifat “adhoc” dan dapat mempengaruhi over a horizontally stratified earth, Geophysical
proses serta hasil pencarian solusi. Oleh karena itu Prospecting, 25, 667-691.
aspek tersebut perlu dikaji lebih lanjut untuk
Koefoed, O., 1979, Geosounding principles, 1:
memperoleh pola dan harga optimumnya.
Resistivity sounding measurements: Elsevier
Metoda SA tidak hanya memberikan model Scientific Publ. Co.
optimum atau solusi tunggal tetapi dapat
Loke, M. H., Barker, R. D., 1996, Rapid least
memberikan berbagai kemungkinan variasi solusi
squares inversion of apparent resistivity
untuk setiap realisasi / eksekusi. Hal tersebut dapat
pseudosection by quasi-Newton method.
dimanfaatkan untuk analisis ketidakpastian model
Geophysical Prospecting, 44, 131-152.
inversi maupun analisis ekivalensi atau ambiguitas
model. Metoda SA memerlukan sumberdaya Marsden, D., 1973, The automatic filtering of a
komputasi yang cukup besar, namun masih dapat resistivity sounding by geometrical progression
dilakukan pada komputer dengan prosesor standar of depth, Geophysical Prospecting, 21, 266-280.
saat ini sehingga metoda SA secara praktis dapat
Meju, A. M., 1994, Geophysical data analysis:
diimplementasikan.
understanding inverse problem theory and
Inversi data tahananjenis adalah ill-posed problem, practice, Society of Exploration Geophysics.
di mana solusinya tidak stabil dan sangat bergantung
pada model awal. Hal ini berlaku untuk Muiuane, E.A., dan Pedersen, L.B., 1999. Automatic
1D interpretation of DC resistivity data.
penyelesaian menggunakan metoda ILSQ. Dengan
kualitas data yang baik (kontaminasi noise minimum) Journal of Applied Geophysics, 42, 35-45.
dan dengan model awal yang tidak terlalu jauh dari Roy, I.G., 1999, An efficient non-linear least squares
model sebenarnya, metoda ILSQ dapat 1D inversion scheme for resistivity and IP
menghasilkan solusi yang cukup baik dalam sounding data, Geophysical Prospecting, 47,
mendekati model sebenarnya. Dalam hal ini 527-550.
diperlukan informasi a priori yang cukup memadai.
Sen, M.K., Bhattacharya, B.B., dan Stoffa, P.L.,
1993, Non-linear inversion of resistivity
sounding data, Geophysics, 58, 496-507.
Daftar Pustaka
Bichara, M., dan Lakshamanan, J., 1976, Fast Sen, M.K., dan Stoffa, P.L., 1991, Non-linear one-
dimensional seismic waveform inversion using
automatic processing of resistivity soundings:
Geophysical Prospecting, 24, 354-370. simulted annealing, Geophysics, 56, 1624-1638.
Syaripudin, A., Grandis, H., 2001, Inversi data
Ghosh, D.P., 1971a. The application of linear filter
theory to the direct interpretation of magnetotellurik 1-D menggunakan metoda
simulated annealing, Kontribusi Fisika
geoelectrical resistivity sounding
measurements. Geophysical Prospecting, 19, Indonesia, vol. 12, no. 2, 49-55.
192-217. Zohdy, A.A.R., 1989, A new method for automatic
Ghosh, D.P., 1971b. Inverse filter coefficients for interpretation of Schlumberger and Wenner
sounding curves. Geophysics 54, 245-253.
computation of apparent resistivity standard
curves for horizontally stratified earth.
Geophysical Prospecting, 19, 769-775.

29