MODUL 6

INVERSI NON LINEAR DENGAN PENDEKATAN GLOBAL

A. TUJUAN PRAKTIKUM

a. Mampu menyelesaikan persamaan inversi dalam bidang geofisika yang

menggunakan metode Simulated Annealing.
b. Mampu menganalisa fungsi dari inversi non linear dengan metode
Simulated Annealing.
c. Mampu memanfaatkan metode Simulated Annealing yang merupakan
salah satu metode global search dengan pendekatan guided random search
dalam menentukan posisi hiposenter gempa.

D. METODE SIMULATED ANNEALING

Pada metode Simulated Annealing (SA), model pada daerah yang menuju pada
atau dekat dengan solusi memperoleh nilai probabilitas yang lebih besar untuk
dipilih sehingga metode ini termasuk ke dalam guided random search. Berbeda
dengan purely random search dimana semua sample memiliki peluang yang sama
untuk dipilih, pada metode ini sample yang memiliki nilai probabilitas besar akan
lebih dipilih. Metode ini pada prinsipnya memanfaatkan analogi dengan proses
termodinamika pembentukan kristal suatu substansi. Pada temperature tinggi
substansi berbentuk cair, kemudian proses pendinginan secara perlahan – lahan
menyebabkan terbentuknya kristal yang berasosisasi dengan energi system yang
minimum.
Probabilitas Boltzman, hubungan antara probabilitas suatu system pada
konfigurasi m dan temperatur T dengan energi E sebagai fungsi dari konfigurasi
tsb, E(m), adalah sbb:

P(m) exp  E (m) 

 kT 
dimana k adalah konstanta Boltzman dan konfigurasi system dinyatakan oleh M

parameter, yaitu 𝐦 = (𝑚1, 𝑚2, … , 𝑚n). Pada temperature tinggi, system dapat

mengalami perubahan konfigurasi dengan energi rendah memiliki probabilitas

lebih besar. Pada inversi, konsep termodinamika ini diadopsi sebagai berikut:
Parameter model m untuk mendefinisikan konfigurasi system.
Fungsi obyektif (misfit) E sebagai energi
T tetap sebagai temperature
T memiliki satuan yang sama dengan fungsi obyektif
Konstanta Boltzman, k=1

Perturbasi model pada SA dimaksudkan untuk mengeksplorasi ruang model

secara acak dan terarah. Algoritma yang dapat digunakan untuk implementasi
metode SA, diantaranya adalaha: (1) Algoritma Metropolis; (2) Algoritma Heat
Bath; (3) Algoritma Markov Chain. Pada Algoritma metropolis sederhana
dilakukan perturbasi model kemudian ditentukan apakah perturbasi model
tersebut diterima atau tidak berdasarkan konsep probabilitas sebagai fungsi dari
misfit dan temperature. Tahapan pertama pada SA adalah Pendefinisian Ruang
Model, yaitu interval harga minimum dan maksimum model dari informasi “a
 
priori”, misal m min , m max , i  1,..., M dengan 𝑀 adalah jumlah parameter model.
Kemudian dilanjutkan dengan Perturbasi model ditentukan secara acak pada
ruang model dengan cara mengambil bilangan acak R berdistribusi uniform, sbb:
C. Permasalahan 1: Aplikasi Grid Search dan Simulated Annealing pada
penentuan Hiposenter Gempa pada medium 2D

Diketahui gempa terjadi dengan titik pusat kejadian gempa berlokasi di (𝑥0, 𝑦0) =

(40,30), pada waktu origin time 𝑡0 = 10: 00: 00 WIB. Jika model perlapisan hanya

terdiri satu lapisan dengan model kecepatan 4 km/s. Jika diketahui koordinat dari
stasiun rekaman gempa tersebut sbb:

Gunakan pendekatan grid search dan simulated annealing untuk menentukan

posisi hiposenter gempa tersebut. Buatlah scriptnya dalam Python dengan
memanfaatkan informasi pseudocode sbb:
 Grid Search
 Simulated Annealing
D. Permasalahan 2: Aplikasi Grid Search dan Simulated Annealing pada penentuan
Hiposenter Gempa pada medium 3D
Dengan memanfaatkan contoh di atas, buatlah suatu program Python untuk
menentukan titik hiposenter gempa pada medium 3D dengan terlebih dahulu
membuat data sintetis waktu tempuh gelombang di setiap stasiun rekaman.
Sehingga, terdapat dua tugas, yaitu:
a. Membuat data sintetis
 Tentukan terlebih dahulu posisi asli dari hiposenter, yaitu
xh=13NM; yh=15NM; zh= -5NM; dengan NM adalah dua digit
terakhir dari NIM Anda masing – masing.
 Model kecepatan rata – rata pada lapisan vavg=5.1;
 Koordinat stasiun yang merekam gempa tersebut (misal terdapat 4
stasiun) x=[700 2500 1500 1850]; y=[1900 2000 2500 800]; z=[0 0
0 0];
 Hitung waktu tempuh (travel time) gelombang dari titik hiposenter
ke setiap stasiun.
 Tambahkan noise pada data waktu tempuh sebenarnya untuk
memperoleh waktu tempuh observasi (tobs). Asumsikan noise
berdistribusi normal dengan rata-rata 0 dan standar deviasi 0.005
kali dari masing – masing data waktu tempuh aslinya.

b. Mencari posisi hiposenter dengan menggunakan GS dan SA

Gunakan script Python yang sudah Anda buat pada contoh untuk mencari
posisi hiposenter dari data sintetis yang sudah Anda buat pada poin a.

c. Bandingkan waktu kalkulasi dan hasilnya antar yang diperoleh dengan

menggunakan GS dan SA. Lakukan analisis.