LAPORAN PRAKTIKUM

ANALISIS DATA GEOFISIKA TG2207

MODUL KE – 3
FORMULASI MASALAH INVERSI

Oleh:
Olivia Desni Sihaloho 118120072

Asisten :
Lestari Sukma Apriliana 12117009
Mustika 12117025
Santo Tri Prabowo 12117041
Agastya Pramadya 12117094
Michael Febrian Mardongan 12117128
Didian Noveni Waruwu 12117131
Muhammad Ichsan 12117143
Fira Pratiwi Darsono 12117151

PROGRAM STUDI TEKNIK GEOFISIKA

JURUSAN TEKNOLOGI PRODUKSI DAN INDUSTRI
INSTITUT TEKNOLOGI SUMATERA
2021
I. TUJUAN PRAKTIKUM

Adapun tujuan dari praktikum kali ini tentang formulasi masalah inversi yaitu
agar mahasiswa mampu menyelesaikan permasalahan inversi linier dan mampu
mengaplikasikannya dalam permasalahan di bidang geofisika.

II. DASAR TEORI

2.1 Klasifikasi masalah inversi

Dalam masalah inversi, kita selalu berhubungan dengan parameter model (M) dan
data (N); yang mana jumlah dari masing-masing akan menentukan klasifikasi
permasalahan inversi dan cara penyelesaiannya. Bila jumlah model parameter
lebih sedikit dibandingkan data observasi (M < N), maka permasalahan inversi ini
disebut overdetermined. Umumnya masalah ini diselesaikan menggunakan
pencocokan (best fit) terhadap data observasi. Dalam kondisi yang lain dimana
jumlah parameter yang ingin dicari (M) lebih banyak dari pada jumlah datanya
(N), maka masalah inversi ini disebut underdetermined. Dalam kasus ini terdapat
sekian banyak model yang dapat sesuai kondisi datanya. Inilah yang disebut
dengan masalah non-uniqness. Bagaimana cara untuk mendapatkan model yang
paling mendekati kondisi bawah permukaan? Menurut Meju, 1994 persoalan ini
bisa diselesaikan dengan model yang parameternya berbentuk fungsi kontinyu
terhadap posisi. Kasus yang terakhir adalah ketika jumlah data sama atau hampir
sama dengan jumlah parameter. Ini disebut evendetermined. Pada kasus ini model
yang paling sederhana dapat diperoleh menggunakan metode inversi langsung.
Pada bab ini, menyajikan dasar teknik inversi yang diaplikasikan pada model
garis, model parabola dan model bidang. Uraian aplikasi tersebut diawali dari
ketersediaan data observasi, lalu sejumlah parameter model (unknown parameter)
mesti dicari dengan teknik inversi. Mari kita mulai dari model garis.

2.2 Inversi Model Garis

Secara teori, variasi temperatur bawah permukaan akan semakin meningkat ketika
temperatur tersebut diukur semakin kedalam permukaan bumi. Misalnya telah
dilakukan sebanyak sepuluh kali (N = 10) pengukuran temperatur (Ti) pada
kedalaman yang berbeda beda (zi).

Lalu kita berasumsi bahwa variasi temperatur terhadap kedalaman ditentukan oleh
rumus berikut ini:

dimana m1 dan m2 adalah konstanta-konstanta yang akan dicari. Rumus di atas

disebut model matematika. Sedangkan m1 dan m2 disebut parameter model atau
biasa juga disebut unknown parameter. Pada model matematika di atas terdapat
dua buah parameter model, (M = 2). Sementara jumlah data observasi ada empat,
(N = 10), yaitu nilai-nilai kedalaman, zi , dan temperatur, Ti . Berdasarkan model
tersebut, kita bisa menyatakan temperatur dan kedalaman masing-masing sebagai
berikut:

Semua persamaan tersebut dapat dinyatakan dalam operasi matrik berikut ini:

Lalu ditulis secara singkat:

dimana d adalah data yang dinyatakan dalam vektor kolom, m adalah model
parameter, juga dinyatakan dalam vektor kolom, dan G disebut matrik kernel.
Lantas bagaimana cara mendapatkan nilai m1 dan m2 pada vektor kolom m?
Manipulasi1 berikut ini bisa menjawabnya:
dimana T disini maksudnya adalah tanda transpos matrik. Selanjutnya, untuk
mendapatkan elemen-elemen m, diperlukan langkah-langkah perhitungan berikut
ini:

Gambar 2.2: Hasil inversi atas data observasi perubahan suhu terhadap
kedalaman.

Demikianlah contoh aplikasi teknik inversi untuk menyelesaikan persoalan model

garis. Anda bisa mengaplikasikan pada kasus lain, dengan syarat kasus yang anda
tangani memiliki bentuk model yang sama dengan yang telah dikerjakan pada
catatan ini, yaitu model garis: y = m1 + m2x. Selanjutnya mari kita pelajari inversi
model parabola.

2.3 Inversi Model Parabola

Kembali kita ambil contoh variasi temperatur terhadap kedalaman dengan sedikit
modifikasi data. Misalnya telah dilakukan sebanyak delapan kali (N = 8)
pengukuran temperatur (Ti) pada kedalaman yang berbeda beda (zi). Tabel
pengukuran yang diperoleh adalah: Data observasi

tersebut selanjutnya di-plot ke dalam grafik variasi suhu terhadap kedalaman.

Gambar 2.3 Data observasi perubahan suhu terhadap kedalaman dari permukaan
tanah.

Lalu kita berasumsi bahwa variasi temperatur terhadap kedalaman memenuhi

model matematika berikut ini:
dimana m1, m2 dan m3 adalah unknown parameter. Jadi pada model di atas
terdapat tiga buah model parameter, (M = 3). Adapun yang berlaku sebagai data
adalah nilai-nilai temperatur T1, T2,..., dan T8. Berdasarkan model tersebut, kita
bisa menyatakan temperatur dan kedalaman sebagai sistem persamaan simultan
yang terdiri atas 8 persamaan (sesuai dengan jumlah data observasi):

Semua persamaan tersebut dapat dinyatakan dalam operasi matrik berikut ini:

Lalu ditulis secara singkat:

dimana d adalah data yang dinyatakan dalam vektor kolom, m adalah model
parameter, juga dinyatakan dalam vektor kolom, dan G disebut matrik kernel.
Lantas bagaimana cara mendapatkan nilai m1, m2 dan m3 pada vektor kolom m?
Manipulasi berikut ini bisa menjawabnya

dimana t disini maksudnya adalah tanda transpos matrik.

 Gambar 2.4 Hasil inversi atas data observasi perubahan suhu terhadap
kedalaman. Tanda titik merah adalah data observasi sementara kurva biru adalah
kurva hasil inversi.

Demikianlah contoh aplikasi teknik inversi untuk menyelesaikan persoalan model

parabola. Anda bisa mengaplikasikan pada kasus lain, dengan syarat kasus yang
anda tangani memiliki bentuk model yang sama dengan yang telah dikerjakan
pada catatan ini, yaitu model garis: y = m1 + m2x + +m3x 2 . Selanjutnya mari
kita pelajari inversi model bidang atau model 2- dimensi (2-D).

III. LANGKAH PENGERJAAN

3.1 Langkah Kerja

3.1.1 Menggunakan Exel

a. Masukkan data offsite dengan time ke exel

Receiver R ke i Offset (x), meter Travel Time (t), detik

1 60 0.5147
2 80 0.5151
3 100 0.5155
4 120 0.5161
 5 140 0.5167
6 160 0.5175
7 180 0.5183
8 200 0.5192

b. Lakukan perubahan dalam bentuk matriks sesuai rumus

c. Lanjutkan dengan menghitung G Transpose,Sehingga menjadi seperti berikut:

G
    Transpose          
1 1 1 1 1 1 1 1
18 20
60 80 100 120 140 160 0 0

d. Hitung G transpose G

  Gt.G
104
8 0
104 2E+
0 05

e. Lalu hitung inv(Gt,G)

  Inv (Gt.G)
1.10952 -0.0077381
-0.0077 5.92E-05

f. Didapat nilai m=inv (Gt G)G.t . Setelah itu data m1 dan m2 pun di dapat

  m= inv (Gt.G)Gt.t
m1 0.51245119
m2 3.22E-05
g. Lalu lakukan pencarian data regresinya dan masukkan rumus ke dalam exel dan
cari dari data 1 sampai data ke 8

Offset (x) Travel Time (t), Data kalkulator

Receiver R ke-i meter detik Linier
1 60 0.5147 11593.4124
2 80 0.5151 10610.1124
3 100 0.5155 32203.0124
4 120 0.5161 46372.1124
5 140 0.5167 63117.4124
6 160 0.5175 82438.9124
7 180 0.5183 104336.6124
8 200 0.5192 128810.5124

h. Buat grafik hasil plot data

3.1.2 Menggunakan Matlab

a. Pertama buka Matlab dan siapkan lembar script baru

b. Lakukan input clc; clear all; dan close all; untuk memulai dari awal

c. Masukkan data observasi dalam kali ini menggunakan s dan T dengan s sebagai
data offset dalam meter dan T adalah data time travel dalam sekon

d. Plot data observasi

e. Beri label pada plot nya,x label dan y label,dan juga beri judul

f. Masukkan rumus untuk membent kernel G dan vektor d

g. Lakukan perhitungan inversi general least-squares

h. Plot hasil inversi berupa garis.Garis inversi dibedakan antara linear dan
polinom pada rumus bagian ini
i. Lakukan penamaan lagenda pada plot hasil gambar

3.2 Diagram Alir

IV. HASIL DAN PEMBAHASAN

4.1 Hasil

 Permasalahan 1: Inversi Model Garis Lurus

Script:
clc;clear all;close all;
% Data observasi
z = [5 16 25 40 50 60 70 80 90 100];
T = [35.4 50.1 77.3 92.3 137.6 147.0 180.8 182.7 188.5 223.2];
% Plot data
observasi
plot(z,T,'*r')
; grid;

xlabel('Kedalaman (m)');
ylabel('Suhu (Celcius)');

title('\fontsize{14} Variasi Suhu vs Kedalaman');

% Membentuk matrik kernel G dan
vektor d n = length(z);

for k =
1:n
G(k,1)
= 1;
G(k,2)
= z(k);

end

d = T';
% Perhitungan inversi dengan general least-
squares m = inv(G'*G)*G'*d;

% Plot hasil inversi (berupa garis least-

squares) hold on;

zz = 0:0.5:z(n);
TT = m(1) + m(2)*zz;
plot(zz,TT);
legend('Data Observasi','Data Kalkulasi','Location','Northwest')
Output:

 Permasalahan 2: Inversi Model Garis Parabola

Script:
clc;clear all;close all;
% Data observasi
z = [5 8 14 21 30 36 45 50];
T = [20.8 22.6 25.3 32.7 41.5 48.2 63.7 74.6];
% Plot data
observasi
plot(z,T,'*r')
; grid;

xlabel('Kedalaman (m)');
ylabel('Suhu (Celcius)');

title('\fontsize{14} Variasi Suhu vs Kedalaman');

% Membentuk matrik kernel G dan
vektor d n = length(z);

for k =
1:n
G(k,1)
= 1;
G(k,2)
= z(k);
 G(k,3) = z(k)^2;

end
d = T';
% Perhitungan inversi dengan general least-
squares m = inv(G'*G)*G'*d;

% Plot hasil inversi (berupa garis least-

squares) hold on;

zz = 0:0.5:z(n);
TT = m(1) + m(2)*zz +
m(3)*zz.^2; plot(zz,TT);

legend('Data Observasi','Data Kalkulasi','Location','Northwest')

Output:
  Permasalahan 3
Menggunakan Exel

Menggunakan Matlab

Script
clc;
clear all;
close all;

% Data observasi
z = [60 80 100 120 140 160 180 200];
v = [0.5147 0.5151 0.5155 0.5161 0.5167 0.5175 0.5183 0.5192];
% Plot data observasi
plot(z,V,'*r');
grid; xlabel('Kedalaman (m)');
ylabel('Velocity (detik)');
title('\fontsize{14} Variasi Kecepatan vs Kedalaman');
% Membentuk matrik kernel G dan vektor d

n = length(z);
for k = 1:n g(k,1) = 1;
g(k,2) = z(k);
end
d = v';
% Perhitungan inversi dengan general least-squares
m = inv(g'*g)*g'*d;
% Plot hasil inversi (berupa garis least-squares)
hold on;
zz = 0:0.5:z(n);
vv = m(1) + m(2)*zz;
plot(zz,vv);
legend('Data Observasi','Data Kalkulasi','Location','Northwe st')

Output:

4.2 Pembahasan

Pada praktikum kali ini dilakukan tiga percobaan, yaitu percobaan inversi
model garis lurus, inversi model garis parabola dan analisis data seismic pada
reflector tunggal horizontal. Dari hasil yang diperoleh terdapat plot variasi suhu
terhadap kedalaman berdasarkan data observasi dan data hasil kalkulasi, yang
dimana data observasi merupakan data suhu terhadap kedalaman yang diperoleh
saat dilakukan akuisisi (pada gambar disimbolkan dengan bintang merah)
sedangkan data kalkulasi merupakan hasil perhitungan inversi terhadap data
observasi sehingga menghasilkan garis linier seperti pada gambar (pada gambar
disimbolkan dengan garis merah). Pada percobaan inversi model garis lurus
dapat kita lihat hubungan data observasi dengan data kalkulasi masih terdapat
misfit pada beberapa data atau bisa dibilang masih ada beberapa data observasi
yang masih melenceng dari data kalkulasinya. Sedangkan pada percobaan inversi
model parabola dapat kita lihat bahwa data observasi dan data kalkulasinya
sudah fit.

Pada percobaan inversi model garis lurus dilakukan sepuluh kali pengambilan
data terperatur pada kedalaman tertentu dan percobaan model parabola
dilakukan sebanyak delapan kali. Semakin dalam kedalamannya makan
temperaturnya juga semain tinggi untuk hasil grafik temperatur terhadap
kedalaman tergantung persamaan yang dipakai yang akan membentuk garis
linier atau parabola. Pada hasil yang diperoleh dapat kita bandingkan antara
hasil inversi model linier dengan hasil inversi model parabola. Dari gambar
sendiri kita bisa melihat perbedaannya yaitu untuk inversi model linier data
kalkulasinya garis lurus (linier) sedangkan hasil inversi model parabola data
kalkulasinya berbentuk parabola. Perbedaan tersebut terletak pada persamaan
yang digunakan. Persamaan untuk inversi model linier memenuhi

persamaan linier yaitu dan persamaan untuk inversi model

parabola diasumsikan bahwa variasi temperatur terhadap kedalaman memenuhi

model matematika berikut ini dengan

matriks yang akan terbentuk memiliki 3 kolom karena terdapat Z dan Z kuadrat,
sedangkan pada matriks model inversi linier hanya terdapat 2 kolom saja.
Ternyata pada hasil yang diperoleh nilai misfit lebih kecil jika menggunakan
model inversi parabola dibanding dengan model inversi linier.

Pada permasalahan 3 tentang analisis data seismic pada reflector tunggal

horizontal akan dilakukan perhitungan suatu data kedalaman dan kecepatan
dengan menggunakan inversi linier dikarenakan hanya terdapat 2 elemen
matriks. Perhitungan dilakukan menggunakan software Matlab dan Excel
dengan mencari kecepatan gelombang seismic (v) pada lapisan dan kedalaman
reflector mendatar (z) terhadap permukaan (surface) berdasarkan data yang
sudah diberikan. Untuk mencari nilai kecepatan gelombang seismic (v) pada
lapisan dan kedalaman reflector mendatar (z) terhadap permukaan (surface),
harus mencari terlebih dahulu nilai data dari m1 dan m2.
Hasil inversi yang didapatkan pada Matlab dan Excel sama karena rumus yang
digunakan sama dengan langkah perhitungan yang sama. Perhitungan pada Exel
dilakukan beberapa tahapan dari memasukkan data dalam exel, melakukan
transpose, dan tahapan inversi lainnya yang bisa dilakukan secara manual. Tetapi
agar mempermudah dilakukan dengan menggunakan exel. Pada matlab
sebenarnya sama rumus yang digunakan juga sama tetapi lebih singkat saja
dikarenakan pada aplikasi matlab langsung dengan mudah memplot data
dibandingkan dengan exel yang harus melalui beberapa tahapan. Untuk percobaan
praktikum ini, menggunakan suatu bentuk model parameter (m) dengan lebih
sedikit dibandingkan dengan data observasi atau biasa disebut dengan
overdetermined. Dalam percobaan ini, permasalahan inversi dapat diselesaikan
juga menggunakan pencocokan (best fit) terhadap data observasi yang telah ada.
Berdasarkan data observasi dapat diketahui, semakin jauh jarak sumber ke
penerima (offset) waktu kedatangan (Travel Time) semakin lama, sebaliknya
semakin dekat jarak sumber ke penerima (offset) waktu kedatangan (Travel Time)
semakin cepat. Maka didapatkan grafik garis lurus yang beraturan.
V. KESIMPULAN

Adapun kesimpulan pada praktikum kali ini yaitu:

1. Hasil dari perhitungan matlab dan excel memiliki nilai yang sama
dan menjalaskan bagiaman keakuratan dat observasi dengancalkulasi
2. Pada beberapa problem kita dapat melihat bagimana jika data linear
dan hasil nilai parameter model lang linear maka misfitnya atau
errornya akan besar dan kurang sesuai dengan keadaan bawah
permukaan secara langsung namun jika memakai data yang memiliki
derajat yang tinggiakan menghasilkan error yang kecil dan sesuai
dengan keadaan asli

3. Semakin jauh jarak sumber ke penerima (offset) maka waktu

kedatangan (Travel Time) akan semakin besar atau lama. Jika
semakin dekat jarak sumber ke penerima (offset) maka waktu
kedatangan (Travel Time) akan semakin cepat.
4. Pengaplikasian metode inversi dalam geofisika, yaitu tomografi seismic waktu
tempuh, pemodelan bola homogen, mencari gambaran bawah permukaan
dengan metode konvensional, dan metode Join inversi seismic dan gravity.
 DAFTAR PUSTAKA

Grandis, H. (2009). Pengantar Pemodelan Inversi Geofisika. Bandung: Institut

Teknologi Bandung.

Meju, A Max. 1994. Geophysical Data Analysis: Understanding Inverse

Problems Theory and Practice. Society of Exploration Geophysicists (SEG).

Supriyanto. (2007). Analisis Data Geofisika : Memahami Teori Inversi. Jakarta:

Universitas Indonesia.

Utama, W. (2016). Jurnal Geosantek. Surabaya: Institut Teknologi Sepuluh

Nopember.
 LAMPIRAN
 Bukti Mengikuti Praktikum

 Screenshot Hasil Pengerjaan

 Perhitungan Manual