MODUL II

INVERSI LINEAR MENGGUNAKAN BOBOT

Tujuan Praktikum:

a. Mampu mendemonstrasikan pengaruh ketidak pastian data pada solusi inversi linier dan ketidak
pastian solusi pada inversi linier.

Alat dan Bahan:

a. Text Editor Visual Studio Code

b. Python 3.6
c. Package : Numpy, Matplotlib

Langkah Pengerjaan
1. Problem 1 Inversi Linear Berbobot Sederhana (Contoh|)
Pada inversi linier dimana hubungan antara data observasi dan parameter model adalah linear,
kehadiran data outliers akan mempengaruhi hasil inversi. Data outliers ini dihasilkan seringkali dari
kesalahan saat pengukuran atau observasi di lapangan. Metode leastsquare yang digunakan untuk
memformulasikan solusi inversi merupakan pemanfaatan konsep L2 norm, sehingga outliers ini akan
terpetakan dan memberikan efek pada solusi inversi. Untuk mengurangi pengaruh data outliers pada
hasil inversi, maka seringkali digunakan pembobotan pada data observasi pada inversi, yang dikenal
dengan istilah pembobotan (weight). Bobot diberikan kecil pada data outlier dan bobot yang besar
diberikan pada data yang dianggap benar (dalam arti plus minus dari standar deviasinya).

Bobot dapat diberikan secara subyektif, misal W=[1 1 1 … 0.1] jika data terakhir merupakan data
outliers. Atau bisa juga diberikan bobot secara obyektif, dimana nilai pembobotan diperoleh dari
standar deviasi masing-masing data itu sendiri (untuk data yang diambil berkali-kali). Sehingga solusi
inversi liniernya :

Dengan w i=σ −2
i

Berikut adalah model true hubungan antara temperatur terhadap kedalaman :

T =2+2 z

Seorang mahasiswa diminta untuk melakukan pengukuran temperature di beberapa kedalaman, yaitu
sampai 10 sehingga banyak data x dan y adalah 11 (over-determined). Data oulier diberi bobot 0.1
sedangkan data yang lain 1, dengan hasil sebagai berikut :
Source code:
Hasil:

Analisa:
Dari hasil tersebut berikanlah pendapat Anda dan jelaskan pengaruh pembobotan pada data observasi
terhadap model parameter hasil inversi. Kemudian, bagaimana kalau bobotnya diganti dengan
memanfaatkan karakteristik datanya, yaitu

w [i][i]=|( data ke−i/((data ke−I – rata−rata(data obs))))|

Bobot di atas memanfaat informasi simpangan jarak antara data dengan rata – rata data. Jika
simpangannya jauh maka bobotnya akan kecil, dan sebaliknya.

2. Problem 2 Data Outlier pada Data Observasi Travel Tine pada inversi Penentuan
Hiposenter
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 T obs. Penjalaran gelombang dari hiposenter ke stasiun menempuh waktu T
yang dapat dirumuskan sebagai berikut,

Sehingga,

Persamaan diatas dapat direpresentasikan dalam bentukmatriks sebagai berikut:

Disini ∆T merupakan residual, selisih antara T obsdengan T cal , dimana T cal diperoleh dari persamaan
berikut

Sementara itu, matriks merupakan matriks kernel atau

matriks Jacobi yang elemen – elemnnya merupakan

nilai turunan pertama waktu tempuh terhadap model. Vektor [ ∆∆ xz ]

merupakan vector perturbasi

model. Sehingga ngga hubungan antara residual, parameter perturbasi model adalah sebagai berikut:

Dengan ∆ d adalah selisih antara T obs dan T cal, merupakan matriks kernel (matriks jacobi dari
turunan pertama waktu tempuh terhadap perturbasi parameter model, ∆, 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 ¿ merupakan waktu asal (origin time), yaitu waktu awal terjadinya rupture dan merupakan
jarak yang ditempuh sinar dari sumber gempa ke stasiun yang dihitung melalui persamaan jarak
sebagai berikut,

Dengan ( xo , zo) merupakan lokasi hiposenter dan (,) 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,

Langkah-Langkah Praktikum:
Pada tahap ini, mahasiswa melakukan pemodelan ke depan untuk menghitung waktu tempuh real dari
model (posisi hiposenter dan origin time) yang tersedia
1) Forward Modeling
a. Buat sembarang 1 posisi hiposenter 2D, misal H=[xo, yo, to]
b. Buat koordinat stasiun sejumlah 4, misal Sx=[x1, x2, x3, x4] dan Sz=[z1, z2, z3, z4];
Diasumsikan bahwa kejadian gempa di posisi pada no 1 tersebut berhasil direkam oleh semua
stasiun.
c. Berikan nilai kecepatan gelombang P rata – rata 1 layer
d. Hitung waktu tempuh gelombang dengan persamaan berikut

e. Misalkan masih terdapat kesalahan picking waktu tiba gelombang P maka tambahkan noise
acak pada data travel time, diasumsikan noise memenuhi persamaan

f. Misalkan hasil rekaman di stasun ke-4 noise-nya sangat tinggi sehingga onsit pertama dari
gelombang P tidak jelas terlihat dan membuat kita tidak yakin dengan hasil pickingan maka
berikan noise yang tinggi pada data ke-4 tersebut. Misal

2) Inversi
a. Berikan tebakan awal posisi hiposenter, misal (x1,y1)
b. Buatlah matrik bobot, W, yaitu matriks yang berukuran 4x4 (tergantung jumlah data
observasi, dalam kasus ini jumlah data observasi sebanyak 4).
c. Lakukan inversi sampai 1000 iterasi tanpa mengguanakan bobot dan menggunakan bobot.
d. Plot posisi hiposenter setiap iterasi dan bandingkan posisi akhirnya dengan posisi hiposenter
yang sesungguhnya.
e. Bandingkan hasil kalkulasi posisi hiposenter antara yang menggunakan bobot dan tidak.
f. Jelaskan pendapat dan analisis Anda.

3. Problem 3 Aplikasi Inversi Linear Berbobot pada Tomografi Seismik

Pertanyaan:
Tentukan nilai V1 dan V2 dengan menggunkan inversi linear, jika diketahui koordinat hiposenter
masing – masing adalah S1 (0, -250 m); S2 (0, -633 m); S3 (1000 m, 0); dan koordinat stasiun
R1 (2000 m, -1000 m). Sementara itu, waktu tempuh masing-masing kejadian gempa ke stasiun
adalah 1.5AB s, 1.4AB s dan 0.7AB + 0.3AB s!

Pada kasus di atas dimisalkan terjadi kesalahan pada observasi (kesalahan picking) waktu
tempuh data dari source ke-3 (S3) meleset sebesar 0.3AB sekon. (Kerjakan secara manual dan
menggunakan source code Matlab!) (AB = NIM akhir)

Solusi:
a. Hitung panjang ray setiap kotak (kecepatan awal)

b. Menghitung model referensi

c. Mengitung waktu tempuh kalkulasi

d. Menghitung delay time

e. Membuat persamaan matriks tomografi

f. Membuat matriks bobot, W, berukuran NxN, dengan N adalah jumlah data observasi.
Lakukan inversi untuk menentukan nilai perturbasi model sebagai berikut.

g. Hitung V1 dan V2 menggunkan rumus