MODUL III

INFORMASI “A PRIORI” MODEL REFERENSI,

FLATNESS DAN SMOOTHNESS

Tujuan Praktikum:

a. Mampu menyelesaikan persamaan inversi dalam bidang geofisika yang menggunakan model
referensi, flatness dan smoothness.
b. Mampu menganalisa fungsi dari model referensi, flatness dan smoothness.

Alat dan Bahan:

a. Text Editor Visual Studio Code

b. Python 3.6
c. Package : Numpy, Matplotlib

Teori

A. Informasi “A Priori”

Informasi “a priori” pada dasarnya hadir untuk menghadirkan solusi pada inversi dimana jumlah data
observasi (N) lebih sedikit dibandingkan jumlah parameter model yang ingin dicari (M), N<M, yang
lebih dikenal dengan kondisi under-determined. Informasi “a priori” merupakan kuantifikasi ekspektasi
atau harapan mengenai karakteristik solusi yang tidak didasarkan pada data observasi yang akan
diinversikan saat itu. Informasi “a priori” dapat diperoleh dari informasi lain atau hasil pengamatan lain
yang sudah dilakukan sebelumnya. Pada inversi anomaly gaya berat misalnya, informasi “a priori” bisa
berupa:

a. Informasi bentuk tubuh batuan yang diperoleh dari metode lain.

b. Informasi bahwa harga densitas batuan selalu positif.
c. Informasi harga densitas setiap batuan yang berada pada rentang nilai tertentu.
d. Dan lain – lain.

Dengan demikian, fungsi atau manfaat dari informasi “a priori” adalah dapat mempersempit ruang
solusi inversi dan ruang pencarian solusi inversi. Pada beberapa kasus, informasi “a priori” kadang
bersifat subyektif sehingga solusi inversinya menjadi bias. Selain itu, jumlah solusi inversi pada kasus
under-determined adalah non-unique. Untuk menghindari masalah – masalah inversi tersebut, maka
solusi inversi diasumsikan adakah sederhana, secara matetmatis dapat dituliskan sebagai berikut,

Solusi inversi dikatakan sederhana jika 𝐿 bernilai minimum. Konsep solusi yang sederhana ini pada
dasarnya tidak memiliki landasan fisis yang jelas dan inilah yang mnnjadi kelemahan dari konsep ini.
Dengan menggunakan konsep ini, maka diperoleh solusi inversi linier under-determined adalah sebagai
berikut,

𝐦 = 𝐆𝐓(𝐆𝐆𝐓)𝟏𝐝
Meskipun demikian, Banyak kasus permasalahan dalam inversi geofisika merupakan gabungan antara
under-determined dan over-determined sehingga disebut mixed determined. Contohnya pada inversi
tomografi akustik.

Solusi inversi linier pada kondisi mixed-determined dapat diperoleh dengan mneggabungkan solusi
over-determined dan under-determined. Sehingga fungsi objektif yang harus diminimumkan adalah
sebagai berikut,

Dengan 𝜀2 merupakan suatu bilangan positif sebagai bobot relatif antara kedua faktor yang
dimimumkan. Jika 𝜀2 sangat besar maka minimisasi norm model (solution length) akan lebih dominan,
sementara model tersebut belum tentu memberikan kesalah prediksi data yang minimum. Jika 𝜀2 = 0
maka hanya kesalahan prediksi data yang diminimukan, namun tidak ada informasi a priori yang
digunakan untuk memberikan kendala bagi parameter model yang dicari. Cara meminimumkan 𝛷(𝐦)
adalah dengan mencari turunanya terhadap model dan dibuat sama dengan nol. Solusi akhir inversi
linier mixed determined adalah sebagai berikut

Solusi inversi di atas disebut juga sebagai solusi inversi linier ter-redam (damped linear inversion)
karena untuk meredam ketoidakstabilan solusi yang timbul pada perhitungan akibat keterbatasan data
pada bagian under-determined. Nilai 𝜀2 disebut sebagai faktor redaman atau parameter regularisasi.
Dalam penentuan nilai 𝜀2 dapat dilakukan dengan du acara, yaitu:
a. Trial and error
b. Memilih kriteria 𝜀 berdasarkan kriteria berikut
i. Norm model minimum dengan kesalahan prediksi data yang masi berada di bawah harga
tertentu, 𝐸 = ‖𝐞‖ ≤ 𝛿
ii. Kesalahan prediks data minimum dengan norm model 𝐿 = ‖𝐦‖ ≤ 𝜆
B. MODEL REFERENSI, FLATNESS DAN SMOOTHNESS
Sebelumnya sudah disebutkan bahwa konsep solusi inversi yang sederhana pada kondisi under-
determined dan mixed-determined adalah tidak memiliki arti fisis yang jelas. Kemudian, konsep
tersebut akan cenderung mengarah pada solusi inversi atau model yang dekat dengan nol (tidak
realistis). Untuk itu, dibutuhkan model referensi sehingga solusi inversi yang dihasilkan adalah
mendekati dengan model referensi. Model referensi ditentukan berdasarkan informasi “a priori” yang
tersedia. Dengan demikian, proses inversi pada dasarnya adalah mengupdate atau mengoreksi model
referensi. Dalam geofisika, model referensi biasanya merupakan model bawah permukaan yang sudah
diperoleh sebelumnya dari data lain. Solusi inversi dengan model referensi adalah sebagai berikut,

Dari persamaan di atas, terlihat bahwa solusi inversi (model) merupakan model referensi yang diupdate
oleh faktor koreksi.
Jika model yang diharapkan adalah model yang bersifat flat, maka minimumkan selisih model yang
berdekatan sehingga gradien nilai model pada lokasi yang berdekatan tidak terlampau jauh. Secara
matematis dapat dituliskan dalam bentuk persamaan sebagai berikut,

Matriks operator differensial untuk flatness adalah sebagai berikut,

Sementara itu, jika yang diharapkan adalah distribusi model yang smooth secara spasial maka secara
matematis dapat dituliskan sebagai berikut,

Kemudian, matriks operator differensialnya adalah sebagai berikut,

Jika 𝐖𝐦 = 𝐃𝐓𝐃, maka solusi umum inversi dengan model flatness dan smoothness adalah sebagai
berikut,

Dari persamaan di atas, 𝐖𝐦 dapat disebut sebagai bobot untuk model. Bentuk umum solusi inversi
dengan model “a priori” adalah sebagai berikut,
Jika pada data diberikan bobot, 𝐖𝒆 maka bentuk umum persamaan solusi inversi dengan informasi “a
priori” adalah sebagai berikut,

Langkah Pengerjaan
1. Problem 1 Penentuan lokasi hiposenter gempa dengan model referensi (Contoh|)
Inversi pada penentuan hiposeneter gempa pada 2D adalah dengan memanfaatkan data waktu tempuh
gelombang (misal gelombang P) dari titik sumber ke stasiun penerima. Data waktu tempuh observasi
tersebut disimbolkan 𝑇obs.
Penjalaran gelombang dari hiposenter ke stasiun menempuh waktu T yang dapat dirumuskan sebagai
berikut,

Sehingga,

Persamaan diatas dapat direpresentasikan dalam bentuk matriks sebagai berikut:

Disini ∆𝑇 merupakan residual, selsih antara 𝑇obs dengan 𝑇cal, dimana 𝑇cal diperoleh dari persamaan
berikut

Sementara itu, matriks merupakan matriks kernel atau matriks

Jacobi yang elemen – elemnnya merupakan nilai turunan pertama waktu tempuh terhadap model.
∆x
Vektor [ ] merupakan vector perturbasi model. Sehingga hubungan antara residual, parameter
∆z
perturbasi model adalah sebagai berikut:
∆𝑑 = 𝐺∆𝑚
Dengan ∆𝑑 adalah selisih antara 𝑇obs dan 𝑇cal, 𝐺 merupakan matriks kernel (matriks jacobi dari turunan
pertama waktu tempuh terhadap perturbasi parameter model, ∆𝑚, yaitu [∆𝑥𝑜 ∆𝑧𝑜]T.
Pada kasus satu lapisan dimana hanya terdapat satu nilai kecepatan (misal V) maka sinar gelombang
dapat diasumsikan berupa garis lurus, sehingga persamaan untuk menghitung waktu tempuh adalah
sebagai berikut,
Dimana 𝑇𝑜 merupakan waktu asal (origin time), yaitu waktu awal terjadinya rupture dan 𝑆 merupakan
jarak yang ditempuh sinar dari sumber gempa ke stasiun yang dihitung melalui persamaan jarak sebagai
berikut,

Dengan (𝑥𝑜,𝑧𝑜) merupakan lokasi hiposenter dan (𝑥,𝑦) merupakan koordinat stasiun. Prinsip utama
dari inversi penentuan hiposenter ini adalah dengan cara meminimumkan fungsi misfit sebagai berikut:

Sehingga diperoleh hasil formulasi solusi inversi sebagai berikut,

Perturbasi model tersebut selanjutnya digunakan untuk mengupdate model awal, yaitu

Namun demikian, jika pada prakteknya data waktu tempuh yang kita observasi terdapat kesalahan,
misal pada saat kita picking waktu tiba gelombang P, karena faktor noise maka kita tidak terlalu yakin
dengan hasil picking kita (onsite pertama dari gelombang P tidak jelas) maka data tersebut akan
menyebakan kesalahan pula pada penentuan posisi hiposenter. Dengan demikian, pengaruh data outlier
tersebut perlu kita minimalkan dampaknya terhadap hasil inversi, yaitu dengan cara memberikan bobot
pafda setiap data. Data outlier diberikan bobot rendah dengan tujuan memerkecil pengaruhnya terhadap
hasil inversi. Solusi matriks inversi dengan pembobotan adalah sebagai berikut,

Sehingga nilai model dapat diupdate dengan persamaan sebagai berikut,

Source code:
a. Tanpa Bobot
b. Dengan Bobot
Result:
a. Tanpa bobot
b. Dengan bobot
2. Problem 2 Inversi dengan Kondisi Under-determined
Suatu pengamatan koefisien refleksi gelombang seismic terhadap sudut dating (incident angle)
diperoleh data sebagai berikut:

Jika terdapat hubungan linier antara data (R) dengan parameter model (m=[A B C]) yang dinyatakan
oleh persamaan berikut,

Dari ke-2 data hasil observasi tersebut coba Anda formulasikan permasalahan inversi liniernya (ingat,
anda tidak diminta menurunkan solusi inversi linier!
Dari formula tersebut di atas selesaikan solusi inversi linier underdetermined dengan menggunakan
bahasa Python.

3. Problem 3 Inversi Tomografi Kecepatan Seismic 2D

Diketahui model geologi sederhana 2D, konfigurasi sumber dan stasiun adalah sebagai berikut:
Kerjakan tahapan berikut dengan menggunakan bahasa Python:
a. (Forward Problem) Jika diketahui Panjang setiap sisi blok disamping adalah 1 km dan nilai
kecepatan (dalam km/s) untuk setiap blok model di samping adalah sbb:
V1=5, V2=5, V3=5, V4=5, V5=3, V6=5, V7=5, V8=5, V9=5
b. (Inverse Problem) Lakukan inversi liner teredam untuk mengestimasi nilai kecepatan setiap
blok dengan tebakan awal nilai kecepatan sebarang. (Hint. Tentukan terlebih dahulu matrik A,
m dan d).
Diketahui:
1. Persamaan untuk mencari Panjang ray dari setiap sumber ke stasiun adalah sbb:

2. Buat matriks kernel G dari data panjang lintasan sinar pada no.1
3. Tentukan model referensi (tebakan awal) dari setiap model dapat diperoleh dengan
persamaan sbb (atau bisa juga ditentukan sembarang):

4. Persamaan untuk menghitung waktu tempuh untuk setiap pasangan sumber-receiver

adalah sebagai berikut

Atau dalam matriks adalah

5. Persamaan Untuk menghitung waktu tunda (selisih antara Tobs dan Tcal) untuk masing–
masing pasangan sumber dan stasiun.

6. Membuat matriks persamaan tomografi sebagai berikut (masingmasing matriks diubah

sesuai masalah yang diberikan):

7. Lakukan inversi dengan menggunakan faktor damping sbb:

 Dimana d adalah data waktu tunda, faktor damping 𝜀 = tentukan sendiri dan m adalah delta
slowness

8. Kembali ke no.4 dan ulangi proses – proses diatas dengan terlebih dahulu mengupdate
nilai Vo dengan V terbaru sampai batas iterasi berakhir atau nilai RMS = (Vtrue-Vo)2
sangat kecil.

Analisa:
Ulangi percobaan 2 dengan jumlah model sebanyak 100:
1. Berikan nilai model kecepatan sebenarnya pada masing – masing 100 model tsb, berikan
nilai kecepatan pada salah satu model yang bebeda dengan sekiatrnya (anomali kecepatan).
2. Buat konfigurasi source dan receiver sesuai yang akan kehendaki.
3. (Forward problem) hitung waktu tempuh masing – masing pasangan source dan receiver.
4. (inverse problem) Ulangi langkah – langkah pada Percobaan 2, namun dengan solusi
inversi:
• Tanpa matrik flatness atau smoothness
• Menggunakan matriks flatness
• Menggunakan matriks smoothness

5. Analisa model kecepatan (solusi inversi) yang Anda peroleh pada masing – masing kriteria
yang disebutkan di no.4.