Gambar IV.10 merupakan penampang pada satu line profil dari Gambar
IV.9 memberikan gambaran bahwa semakin besar orde, maka semakin mendekati
kurva gravitasi (Klett et. al., 2000). Jika diselisihkan kurva gravitasi dengan
surface fittingnya akan memberikan residual, makin tinggi orde surface fitting
maka akan diperoleh makin tinggi daya pisah anomali residualnya yang berarti
akan memberikan informasi yang lebih banyak lagi. Pada anomali residual orde
10 dan orde 13, dimana bagian central dari anomali residual pada orde 10 belum
terpisahkan menjadi 2 bagian sedangkan pada orde 13 telah terpisahkan.
Pemisahan anomali regional dan residual menggunakan program surface
fitting, sedangkan untuk proses griding menggunakan program USGS.
1. Proses griding dengan program USGS dilakukan dengan langkah-langkaH
sebagai berikut:
a) Menentukan file data dalam ASCII yang terdiri dari :
X = Longitude (dalam satuan derajat atau meter)
Y = Lattitude (dalam satan derajat atau meter)
Z = Anomali Bouguer (mGal)
b) Menentukan interval grid.
c) Menentukan command file yaitu minc.cmd
Dilanjutkan dengan :
Input file : *.dat
Output file : *.grd
Titik awal, yaitu :
-longitude minimum (X0) = 105.0000
-lattitude minimum (Y0) = -5.0000
Nilai Interval = 0,01°
Jumlah Baris = nR
Jumlah Kolom = nC
𝐹(𝑘) = 𝐴𝑚𝑝𝑙𝑖𝑡𝑢𝑑𝑜
Spektrum diturunkan dari potensial gravitasi yang teramati pada suatu
bidang horizontal dimana transformasi Fouriernya menurut Blakely (1996)
adalah:
1
𝐹(𝑈) = 𝐺𝜇𝐹 ( )
𝑟
Dengan :
′
1 𝑒 |𝑘|(𝑧0−𝑧 )
𝐹 ( ) = 2𝜋 |𝑘|
𝑟
dengan :
U = potensial gravitasi
G = konstanta gravitasi µ
𝜋 = anomali densitas
r= jarak
k= bilangan gelombang
z0 & z’ = ketinggian titik pengukuran dan kedalaman anomali
′
𝑒 |𝑘|(𝑧0 −𝑧 )
𝐹(𝑈) = 2𝜋 𝐺𝜇
|𝑘|
dengan :
A = Amplitudo
C = Konstanta
𝛿𝐻 𝛿𝐻
Dimana, ( 𝛿𝑥 ) dan ( 𝛿𝑦 ) horizontal derivative data gravitasi pada arah x
dan y. Sedangkan x dan y adalah data anomali gravitasi kearah 0° dan 90°
(Muhammad Kamal dkk, 2017).
Asep Sugioanto dkk (2017) berpendapat bahwa magnitudo gradien
horizontal data gaya berat dihitung dari anomali Bouguer pada domain frekuensi.
Struktur sesar yang ditandai dengan adanya kontras densitas batuan umumnya
memiliki magnitudo gradien horizontal yang maksimum. Akan tetapi, menurut
Grauch dan Cordell (1987) magnitudo maksimum gradien horizontal tersebut
dapat bergeser dari posisi sebenarnya apabila struktur sesar memiliki kemiringan
yang landai (tidak mendekati vertikal) atau berdekatan dengan struktur sesar yang
lainnya.
IV.6. Permodelan Geofisika
a. Pemodelan ke Depan (Forward Modelling)
Jika diketahui nilai parameter model bawah permukaan tertentu maka
melalui proses pemodelan ke depan (forward modelling) dapat dihitung data yang
secara teoritik akan teramati di permukaan bumi. Konsep tersebut digunakan
untuk menginterpretasi atau menafsirkan data geofisika. Jika respon suatu model
cocok (fit) dengan data maka model yang digunakan untuk memperoleh respon
tersebut dapat dianggap mewakili kondisi bawah permukaan tempat data diukur.
Untuk itu dilakukan proses coba-coba (trial and error) nilai parameter model
hingga diperoleh data teoritik yang cocok dengan data pengamatan. Seringkali
istilah pemodelan data geofisika dengan cara coba-coba tersebut. Dengan kata
lain, istilah pemodelan ke depan tidak hanya mencakup perhitungan respon model
juga proses coba-coba untuk memperoleh model yang memberikan respon yang
cocok dengan data.
Kecepatan dan keberhasilan metode pemodelan ke depan dengan cara
coba-coba sangat bergantung pada pengalaman subjektif seorang interprener
dalam menebak nilai awal parameter model serta dalam memperkirakan
perubahan nilai parameter model tersebut untuk memperoleh respon yang
semakin dekat dengan data. Semakin kompleks hubungan antara data dengan
parameter model maka semakin sulit proses coba-coba tersebut. Adanya informasi
tambahan dari data geologi atau data geofisika lainnya dapat membantu penentuan
model awal. Secara umum metode pemodelan ke depan membutuhkan waktu
yang cukup lama karena sifatnya tidak otomatis. Namun pada kasus-kasus tertentu
pemodelan ke depan cukup efektif untuk interpretasi data geofisika. Misal jika
data mengandung noise yang cukup besar sehingga metode yang sifatnya otomatis
dan objektif akan menghasilkan solusi yang tidak dikehendaki atau kurang layak
secara geologi (Lewerissa, 2011).
c. Pemodelan Gravitasi
Menurut Lillie (1999) Pemodelan ke depan atau forward modelling dari
suatu distribusi massa merupakan alat yang sangat berguna untuk
menggambarkan anomali Bouguer dan udara bebas yang dihasilkan dari
perbedaan struktur geologi bawah permukaan bumi. Untuk aktivitas tektonik yang
besar, pemodelan gravitasi dapat lebih memberikan pengertian atau pertimbangan-
pertimbangan dari fungsi isostasi suatu wilayah.
Metode ini umumnya digunakan untuk pemodelan data gravitasi secara
dua dimensi (2D) yang dikembangkan oleh Talwani et al (1959). Anomali
gravitasi dihasilkan dari model komputasi sebagai jumlah dari distribusi suatu
benda dengan densitas (ρ) dan volume (V) dimana massa benda setara dengan ρ x
V. Benda dua dimensi dapat diperkirakan pada pempang melintang sebagai
poligon, ditunjukkan pada gambar IV.6.
Gambar IV.13. Pemodelan gravitasi dua dimensi dari distribusi
massa bawah permukaan bumi (Grandis, 2002)
Contoh Perhitungan :
Diagram alir tahapan pemrosesan data gayaberat secara keseluruhan dapat
dilihat Diagram Alir Pengolahhan Data Gravity halaman 25.
Contoh Perhitungan:
1. Stasiun Base 00
Skala Pembacaan : 1708,1
Konversi Skala Pembacaan : 1700 + 8,1 (Konstanta Konversi)
: 1735,54 + 8,1 (1,02113)
: 1743,81115
G Absolut : 978125,06600