Inversi non-linear dengan Pendekatan Global

Grid Search

Konsep

Inversi linear dengan pendekatan linier mencari solusi berdasarkan fungsi objektif yang memiliki
kecenderungan di sekitar model yang sedang ditinjau. Fungsi non-linier dapat memiliki minimum lebih
dari satu dimana hampir semua nilai minimumnya bersifat minimum local. Oleh karena itu pemcarian
minimum yang berdasarkan pada nilai local dapat terjebak ke dalam nilai minimum local dan model
inversi bukan model optimum. Oleh karena itu, dibutuhkan penyelesaian inversi secara global.
Penyelesaian tersebut dapat dikatakan pendekatan grid search.

Metode grid search merupakan metode dengan cara menghitung harga fungsi objektif pada setiap grid
yang merupakan hasil diskretisasi dari interval parameter model. Untuk itu dibutuhkan “apriori” untuk
memberikan batas minimum dan maksimum harga setiap parameter model. Interval batas tersebut
dideskritsasi sehingga dapat membentuk grid. Nilai fungsi objektif dikalkulasi pada setiap grid secara
sistematik untuk mendapatkan nilai fungsi objektif yang optimum atau paling minimum.

Flowchart
 Penjelasan script

Script Penjelasan
%DEFINISI parameter PUSAT model Mendefinisikan data observasi yakni :
hiposenter data hiposenter gempa (koordinat dan kecapatan
xhipo = 40; yhipo = 30;
v_avg = 4;
average gempa)
noise = random('Normal',2,0.2);
Perintah random digunakan untuk membentuk noise
%tentukan koordinat stasiun pengukuran pada data
x = [20 50 40 10];
y = [10 25 50 40]; Data koordinat stasiun pengukuran gempa

menghitung DATA t_obs Menghitung waktu tempuh yang diobservasi di setiap

t_obs = zeros(length(x),1); stasiun, sehingga data observasi :
for i=1:length(x)
t_obs(i) = sqrt((xhipo-x(i))^2 +
(yhipo-y(i))^2)/v_avg; Stasiun Koordinat (x,y) Waktu tempuh
end

1 20,10 7,1
2 50,25 1,8
3 40,50 5
4 10,40 7,9
%perhitungan SYSTEMATIC GRID SEARCH Perhitungan grid search dimulai dengan mendefinisikan
p = 1; data “apriori” yang sebagai interval grid.
L = 1;
xo = [0:L:60];
yo = [0:L:60]; Nilai L digunakan untuk mengubah resolusi grid dimana
t_cal = zeros(length(x),1); semakin besar nilai L, semakin besar ukuran grid-nya,
for j = 1:length(xo) dan resolusinya semakin kecil. Sebaliknya jika nilai L
for k = 1:length(yo) semakin kecil maka resolusinya semakin besar.
for i = 1:length(x)
t_cal(i) = (sqrt((xo(j)-
x(i))^2 + (yo(k)-y(i))^2)/v_avg)+noise; Untuk dilakukan perhitungan grid search, dibuat
end perintah for j= 1:length(xo) untuk membuat nilai fungsi
dt = t_obs - t_cal dan posisi terhadap yo per interval jarak xo
Erms(k,j) = sqrt(mean(dt.^2));
if Erms(k,j)<p perintah for k=length(yo) untuk membuat nilai fungsi
p = Erms(k,j)
end per interval jarak yo dalam interval xo.
end
end Perhitungan waktu tempuh yang baru dilakukan
sebanyak 4 kali sesuai dengan jumlah stasiun di mana
perhitungan waktu tempuh berdasarkan jarak stasiun
terhadap jarak interval xo atau yo.
Dari hasil kalkulasi tersebut kemudian dibandingkan
 dengan waktu tempuh observasi sehingga
mendapatkan nilai dt (perbedaan waktu tempuh). Nilai
tersebut dirata-ratakan dan diakar untuk mendapatkan
nilai Error Root Mean Square (Erms). Hasil Erms
tersebut hanya 1 dari setiap interval.

Dari situ, terdapat 3600 grid (60x60) dimana pada

setiap grid terdapat nilai Error RMS nya.
[C,h]= contour(xo,yo,Erms,20);
set(h,'ShowText','on','TextStep',get(h,' Code berikut ini merupakan syntax yang digunakan
LevelStep')*2)
clabel(C,h,'FontSize',8,'Color','k','Rot
untuk membuat plot kontur nilai Error RMS terhadap
ation',0); koordinat jarak xo dan yo.
colormap(bone);
hold on

plot(xhipo,yhipo,'p','MarkerSize',20,'Ma Line berikut ini digunakan untuk memplotkan titik

rkerFaceColor','r','MarkerEdgeColor','r' hiposenter gempa yang telah diketahui berikutnya
)

plot(x,y,'v','MarkerSize',15,'MarkerFace
Color','b','MarkerEdgeColor','b') Code berikut ini digunakan untuk memplotkan titik
xlim([0 60]); ylim([0 60]);
xlabel('Koord. X (m)'); ylabel('Koord. Y
stasiun pengukuran yang telah diketahui sebelumnya
(m)'); serta keterangan sumbu x dan y dan judul grafik kontur.
title('Model Prediksi Posisi Hiposenter
dengan Kontur Erms');
hold off

Hasil
Dari hasil plot tersebut, diketahui bahwa nilai fungsi objektif (nilai error) minimum terdapat di nilai 2,6
detik, dimana titik pusat hiposenter gempa terdapat di dalamnya sehingga dapat diperkirakan solusi dan
posisinya. Namun, letak hiposenter gempa yang berada di dalam kontur minimum menunjukkan bahwa
hasil nilai fungsi dari titik gempa berada di bawah 2,6 detik namun tidak detail nilainya. Hal ini
diakibatkan karena adanya noise dari data.

Kekurangan dan kelebihan

Kelebihan :

• Tidak ada perhitungan yang berdampak pada pembaharuan model.

• Mendapatkan nilai fungsi objektif optimum pada kasus fungsi non-linear

Kekurangan

• Waktu pengolahan yang lebih lama

• Nilai bergantung pada besar interval yang diberikan