Oleh:
Kelompok 2
Gambar 1.2 Hukum Faraday dalam Persamaan Maxwell 1 dan (b) Hukum Ampere dalam Persamaan Maxwell
2 (Annan, 2003)
1.3.1 Dewowing
Koreksi ini digunakan pada awal pemprosesan pada data GPR, filter ini
digunakan agar dapat menghilangkan noise yang memiliki frekuensi sangat rendah.
Wow merupakan noise yang memiliki nilai frekuensi sangat rendah, hal ini terjadi
akibat adanya instrument elektronik yang tersaturasi oleh nilai amplitudo besar dari
gelombang langsung dan gelombang udara. (Elfarabi,2017). Komponen frekuensi data
yang sangat rendah dikaitkan dengan fenomena induktif atau kemungkinan
keterbatasan rentang dinamis instrumen. Operasi ini akan menghilangkan sinyal
‘wow’ dengan menerapkan filter FIR high pass fase nol dengan frekuensi cutoff tepat
2% dari Nyquist.
Gambar 1.4 Profil GPR sebelum (kiri) dan sesudah diterapkan dewow (kanan) (Dojack,
2012)
1.3.2 Static Correction
Koreksi topografi dapat dilakukan dengan koreksi statis elevasi yang
memposisikan ulang waktu nol pada sumbu vertikal dan menyesuaikan pantulan pada
sumbu vertikal. Koreksi statis elevasi mengasumsikan bahwa jalur sinar antara
reflektor dan permukaan tegak lurus. Ini adalah kasus ketika stratigrafi permukaan dan
bawah permukaan horizontal. Namun, dalam pasir aeolian reflektor biasanya condong
ke permukaan. Karena ekspansi bola sinyal, pantulan kembali tegak lurus ke reflektor
dan tidak tegak lurus ke permukaan. Akibatnya, pantulan akan diimbangi secara
vertikal dan lateral. Prosedur standar untuk mengoreksi efek ini adalah dengan
memindahkan data sehingga pantulan pencelupan dikembalikan ke kemiringan yang
benar, dan kemudian menerapkan koreksi statis untuk topografi guna mengembalikan
kedalaman ke pantulan di bawah permukaan.(Harry,2009)
Prosedur ini tidak memperhitungkan sepenuhnya perubahan geometri jalur
sinar antara permukaan akuisisi bergelombang dan reflektor bawah permukaan tidak
beraturan. Mereka menggambarkan suatu algoritma yang memungkinkan data GPR
dimigrasikan langsung dari permukaan akuisisi yang halus atau sangat tidak teratur.
Lehmann dan Green (2000) menyarankan bahwa koreksi ini harus diterapkan jika
kemiringan permukaan tanah melebihi 10% atau 6, seperti halnya di bukit pasir. Pada
bukit pasir terdapat banyak lereng yang curam dan perubahan kemiringan yang
mendadak dimana konfigurasi antena berubah yang mengakibatkan misrepresentasi
reflektor bawah permukaan. Efek topografi paling menonjol di puncak bukit pasir
atau di tepi permukaan licin. Masalah lain di puncak bukit pasir yang curam adalah
adanya pantulan dari antarmuka antara bukit pasir dan udara di permukaan yang
berlawanan yang membentuk pantulan yang bisa disalahartikan sebagai pantulan yang
menukik di dalam bukit pasir.(Harry,2009)
Gambar 1.5 (a) Contoh set data awal pada pipa yang terkubur. (b) Kumpulan data (a) setelah jejak
rata-rata untuk seluruh bagian telah dikurangi. Respons hiperbolik terlihat jelas seperti halnya tepi
penggalian yang landai (Annan, 2003).
1.3.5 Gain
Sinyal radar dilemahkan dengan sangat cepat saat mereka merambat ke
tanah. Sinyal dari kedalaman yang lebih dalam sangat kecil jika dibandingkan dengan
sinyal dari kedalaman yang lebih dangkal. Tampilan simultan dari sinyal-sinyal ini
memerlukan pengkondisian sebelum tampilan visual. Menyamakan amplitudo dengan
menerapkan fungsi penguatan yang bergantung pada waktu mengkompensasi
penurunan yang cepat dalam sinyal radar dari kedalaman yang lebih dalam. Gambar
dibawah menunjukkan sifat umum amplitudo sinyal radar terhadap waktu.
Amplifikasi yang berubah-ubah waktu seperti itu disebut sebagai perolehan waktu dan
penguatan jangkauan saat memanipulasi data GPR.
Atenuasi di tanah bisa sangat bervariasi. Lingkungan redaman rendah
memungkinkan eksplorasi hingga kedalaman puluhan meter. Dalam kondisi redaman
tinggi, kedalaman penetrasi bisa kurang dari 1 m. Tampilan data GPR terhadap waktu
harus mengakomodasi atenuasi ekstrim rendah dan tinggi seperti yang digambarkan
pada Gambar dibawah. Konsep gain yang bervariasi terhadap waktu digambarkan
pada Gambar dibawah ini, yang menerapkan gain kompensasi sferis dan eksponensial.
Ada berbagai cara untuk menerapkan perolehan waktu pada data radar. Keuntungan
harus dipilih berdasarkan model fisik apriori, bukan keinginan pengguna, dengan
tujuan meminimalkan artefak yang dibuat oleh proses tersebut.
Gambar 1.6 Model bumi berlapis lapisan reflektifitas yang sama dan respon impuls dengan amplop
amplitudo refleksi digambarkan. Pada kenyataannya, GPR untuk redaman sinyal bisa sangat tinggi,
membuat amplitudo sinyal menjadi kecil dalam waktu singkat.
Gambar 1.7 Konsep penguatan yang bervariasi waktu di mana penguatan sinyal bervariasi dengan
waktu untuk mengkompensasi atenuasi. (a) menunjukkan jejak radar dengan empat sinyal penurunan
amplitudo seiring waktu, (b) menunjukkan fungsi penguatan waktu sedangkan (c) menunjukkan hasil
perkalian (a) dengan (b). Semua empat peristiwa terlihat di (c).
Gambar 1.9 Gelombang permukaan dan gelombang pantul dalam domain ruang-waktu sebelum dan sesudah
pemrosesan pergeseran fasa dalam domain FKXKY: (a) gelombang permukaan dan gelombang pantul dalam
domain ruang-waktu; (b) fase permukaan dan gelombang pantul dalam domain FKXKY; (c) fase permukaan
dan gelombang pantul setelah pemrosesan pergeseran fase dalam domain FKXKY
1.4 ReflexW
ReflexW merupakan software pemrosesan data geofisika dekat permukaan dan
interpretasi yang dimana software ini meliputi seluruh bentuk data sinyal (GPR, Seismik,
Ultrasound) dan berbagai geometri (permukaan refleksi, refraksi, borehole crosshole, dan
tomografi). Pada ReflexW terdapat tiga modul diantaranya ialah 2D Data Analysis, 3D Data
Interpretation, Modelling(Simulation/Inversion).
Modul 2D Data Analysis merupakan modul untuk processing yang dimana terdapat
banyak kemungkinan pengolahan seperti pengolahan yang interaktif yang bisa dilakukan satu
file atau lebih, dapat menggunakan satu atau multi-channel filter, editing, static correction,
dekonvolusi, migrasi, dll. Lalu modul ini juga memiliki analisis untuk data seismik dimana
pengguna dapat beradaptasi secara interaktif karena software ini dapat mengestimasi
kecepatan rata-rata. Picking Data pada sofware ini dapat dilakukan secara manual, otomatis
dan semi-otomatis. (Sandmeier,2012)
Project Directory
Reflex-Win
Jika tidak muncul secara otomatis, maka dapat dilihat dengan cara sebagai berikut:
Klik Project >> ProjectDir
2. Input data
Untuk menginput data, caranya adalah dengan klik File >> Import
Gambar 2.5 Tahapan input data
Dalam input data ada beberapa hal yang harus di perhatikan. Berikut Pengaturan yang
harus dipenuhi:
- Xstrat dan Ystart : untuk mementukan awal dan ahir dari panjang lintasan.
- Format data: tentukan format data input dan data outputnya.
- Tentukan parameter dan hal yang akan di tampilkan pada pengolahan pada bagian
Control Options
- Spesifikasi data dan nama File Pengolahan.
Hasil dari input data akan berupa penampang gambaran raw data sebagai berikut:
3. Dewow
Koreksi dewow merupakan proses filtering temporal yang bertujuan untuk
menghilangkan komponen-komponen berfrekuensi sangat rendah (very low
frequency) pada data. Perlunya menghilangkan komponen berfrekuensi sangat rendah
(wow) karena komponen tersebut disebabkan oleh fenomena induktif atau batas
jangkauan instrumen.
Caranya dengan klik Prosessing >> 1D filter
Gambar 2.9 Proses Filter dewow
Beberapa hal yang perlu diatur dalam filtering dewow adalah sebagai berikut :
Setelah itu lakukan Processing Label >> Start kemudian pilih AddCurrentProc.
Gambar 2.11 Pengaruran Filter Dewow
4. Static Correction
Koreksi statis merupakan pengkoreksian pada lapisan yang mengalami pelapukan
(siol reduction), yang mengkompensasi lapisan material berkecepatan rendah di dekat
permukaan bumi.
Caranya adalah dengan prosessing >> Static Correction/muting
Gambar 2.13 proses static correction/muting
5. Bandpass Filt
Tujuan dari proses ini adalah untuk menghilangkan frekuensi-frekuensi yang tidak
diinginkan (noise), dengan membatasi nilai jangkauan frekuensi sinyal pada
radargram. Band pass filter memiliki nilai yang berbeda – beda tergantung dari jenis
frekuensi antena alat GPR yang digunakan.
Caranya dengan klik Prosessing >> 1D filter
Kemudian lakukan penyesuaian paremeter dan nilai-nilai yang perlu dalam filter
bandpass. Sesuaikan paremeter sebagai berikut :
6. Background Removal
Dalam proses pengolahan ini, Background Removal ini berguna untuk mengurangi
lintasan rata-rata (tracerange) yaitu memberikan jarak jangkauan secara aktual pada
suatu bagian. Koreksi ini melakukan pembersihan pada latar belakang,
menghilangkan energi koheren yang horizontal dengan frekuensi yang rendah.
Background Removal ini bekerja seperti high pass filter karena koreksi ini melakukan
pembersihan pada energi koheren pada sumbu horisontal (horizontal banding) yang
berfrekuensi rendah (sinyal lemah). Data-data tersebut harus dihilangkan untuk
mendapatkan respon permukaan (reflektor) yang lebih jelas.
Caranya dengan klik Prosessing >> 1D filter
7. Gain
Proses ini dilakukan untuk memperkuat gain, karena sinyal radar yang dihasilkan oleh
transmitter menjalar dibawah permukaan bumi dengan sangat cepat, oleh karena itu
sinyal radar tersebut mengalami atenuasi, hal ini akan memberikan informasi sinyal
menjadi tidak begitu terlihat, terutama pada saat sinyal melewati batuan maupun
perlapisan tanah, oleh karena koresi ini digunakan untuk memperkuat sinyal tersebut.
Caranya adalah dengan klik Prosessing >> Gain
Gambar 2.22 Proses Gain
Akan muncul tampilan untuk melakukan berbagai cara pengolahan Gain. Jika
menggunakan manual gain, maka Pilih Manual Gain (y) kemudian buat kurva
hubungan antar gain dengan trace (gambar kiri):
8. Migration/time-depth conversion
Konversi domain waktu pada trace menjadi kedalaman memudahkan interpretasi
karena kesesuaiannya dan dapat dikorelasi dengan geologi setempat.
Caranya klik prosessing >> Migration/time-depth Conversion
Setelah itu akan muncul window untuk megatur paremeter dan jenis konversi time to
depth. Dalam hal ini, Atur paremter sesuai dengan kondisi di daerah pengukuran.
Contohnya sebagai berikut :
9. FK-Filter
Filter ini digunakan untuk mengurangi atau menghilangkan noise dengan
merekonstruksi sinyal berdasarkan nilai eigen vector yang diberikan.
Caranya adalah dengan klik Prosessing >> FK-filter/FK-spectrum
Untuk tampilan awal akan muncul window pengaturan proses FK-Filter seperti
pada gambar di bawah ini, dalam window ini pilih FK- Filter kemudian klik
Generate FK-Spectrum.
Gambar 2.29 Proses FK-Filter
Kemudian lakukan export hasil pengolahan dari layer show dengan cara sebagai berikut:
Kemudian akan muncul window seperti pada gambar dibawah, kemudian pilih
timedepth Conversion. Kemudian masukkan nilai Max Depth dengan nilai hasil
pengolahan sebelumnya.
R=
√ ε 2− √ ε 1
√ ε 2+ √ ε 1
R = koefisien refleksi
ε1 = konstanta dielektrik lapisan pertama
ε2 = konstanta dielektrik lapisan kedua
(Daniel, 1996)
Besarnya penetrasi atau kedalaman yang dapat dicapai oleh gelombang radar sangat
bergantung pada besar kecilnya frekuensi yang digunakan. Semakin kecil frekuensi atau
semakin besar panjang gelombang yang digunakan, maka akan semakin besar penetrasi yang
dapat dicapai oleh gelombang dan sebaliknya. Besarnya penetrasi juga dipengaruhi oleh
konduktivitas material, dimana konduktivitas yang tinggi akan menyebabkan penetrasi lebih
dangkal karena terjadinya absorbsi oleh lapisan-lapisan yang konduktif (Mussett and Khan,
1993).
Penentuan frekuensi gelombang radar yang digunakan juga akan berpengaruh pada
resolusi hasil rekaman data. Ketika menggunakan frekuensi yang rendah akan diperoleh
penetrasi yang dalam, akan tetapi resolusi yang dihasilkan akan semakin buruk. Maka, untuk
menghasilkan resolusi yang baik digunakan frekuensi yang besar.
3.2.2 Atenuasi Gelombang Radar
Gelombang Elektromagnetik akan mengalammi atenuasi dengan hamburan atenuasi yang
dinyatakan sebagai keofisien atenuasi α (Annan, 2005). Energi elektromagnetik akan
menurun sesuai kedalaman dapat dinyatakan sebagai berikut.
E=E0 e−α rs
Keterangan:
E = Energi magnetik
E0 = Energi magnetik awal
αs = Koefisien atenuasi
r = Kedalaman
Keterangan :
N = Jumlah unit
A = Hamburan atenuasi
Gambar 3.2.1.1 Kurva antara waktu dan kedalaman yang menggambarkan atenuasi
Gambar 3.2.3.1 Jejak sinyal dari transmitter menbrak material di bawah pemukaan. A adalah direct airwave,
G adalah adalah direct ground wave, dan R adalah gelombang refleksi, dan C adalah gelombang refraksi.
(Jol, 2009).
Dari Gambar 3.4.4 hingga Gambar 3.4.6 yang merupakan hasil dari dewow filter,
terlihat bahwa noise dengan frekuensi rendah menjadi lebih pudar (di hilangkan). Walaupun
efek perubahan dari penghapusan noise berfrekuensi rendah ini tidak terlalu terlihat pada
radargram, namun apabila diperhatikan dengan seksama dan dibandingkan dengan raw data,
radargram hasil dewow menunjukkan sinyal yang lebih kuat dan jelas. Hasil penghapusan
noise dengan frekuensi rendah untuk masing-masing lintasan ditandai dengan kotak berwarna
biru. Pada lintasan 3, didapatkan perbedaan yang signifikan antara raw data dengan setelah
dewow filter. Dimana banyak dari sinyal yang dilemahkan maupun dihilangkan. Hal ini
menunjukkan bahwa lintasan 3 memiliki noise dengan frekuensi rendah paling banyak
dibandingkan dengan lintasan 1 dan lintasan 2.
3.4.2 Static Correction
Koreksi ini digunakan untuk tiap trace, yaitu sebagai koreksi waktu independen
untuk tiap trace pada domain waktu. Filter ini digunakan untuk mengoreksi data terhadap
elevasi dan waktu tempuh gelombang akibat pengurangan kecepatan. Pada proses ini
digunakan koreksi statis move to negative time yang ditujukan untuk menginversi/mengubah
kemungkinan nilai delay time sebenarnya dengan cara menggeser/shifting.
Pada Gambar 3.4.7 hingga Gambar 3.4.9 merupakan hasil setelah melakukan tahapan
static correction. Dari ketiga hasil koreksi statis untuk 3 lintasan, pada radargram akan
terlihat bahwa lapisan pertama berada pada time 0 ms. Sesuai dengan static correction yang
menempatkan posisi awal gelombang pada titik nol dengan mengubah kemungkinan
nilai delay time sebenarnya dengan cara menggeser/shifting. Sehingga radargram hasil
koreksi statis dapat sesuai dengan topografi daerah pengukuran dimana sinyal dimulai dari
titik 0 ms.
3.4.3 Bandpass Frequency Filter
Filter bandpass digunakan untuk menghilangkan frekuensi-frekuensi yang tidak
diinginkan (noise), dengan membatasi nilai jangkauan frekuensi sinyal pada radargram. Filter
bandpass ini mampu mengeliminasi sinyal yang tidak diinginkan sesuai dengan keinginan
pengolah data dengan menentukan batas lower cutoff, lower plateu, upper plateu dan upper
cutoff.
Dari Gambar 3.4.10 hingga Gambar 3.4.12, hasil dari bandpass filtering menunjukkan
banyaknya frekuensi yang dihilangkan dan juga didapatkan hasil berupa frekuensi sinyal
yang lebih jelas terlihat. Selain itu juga didapatkan kontras sinyal pada radargram yang lebih
banyak dan sudah ditingkatkan dibandingkan dengan radargram sebelum dilakukan bandpass
filter. Dengan kata lain, setelah melakukan bandpass filtering didapatkan hasil yang lebih
smooth sebab noise diluar rentang yang diinginkan sudah dihilangkan.
3.4.4 Background Removal
Removal global background berguna untuk mengurangi lintasan rata-rata (trace range)
yaitu memberikan jarak jangkauan secara aktual pada suatu bagian (Elfarabi, 2017). Koreksi
ini membersihkan background pada profil GPR dan menghilangkan pengaruh energi koheren
lateral (horizontal) dengan frekuensi rendah pada profil.
Dari Gambar 3.4.13 hingga Gambar 3.4.15, area yang ditunjukkan oleh kotak biru
menunjukkan adanya perbedaan background lateral pada radargram sebelum dan sesudah
dilakukan background removal. Dimana setelah dilakukan koreksi ini, didapatkan profil GPR
yang tidak lagi memiliki efek background lateral.
3.4.5 Gaining
Gaining atau penguatan amplitudo merupakan proses pengubahan sinyal. Pada saat
akuisisi, sinyal radar yang dihasilkan mengalami atenuasi seiring bertambahnya kedalaman.
Maka untuk menghilangkannya dilakukan penguatan kembali amplitude yang hilang
sehingga seolah-olah di setiap titik energinya sama. Proses ini dilakukan menggunakan
manual gain (y) dimana hasil dari proses ini yaitu memberikan penguatan sinyal terhadap
sinyal-sinyal yang dianggap terlalu lemah.
Pada Gambar 3.4.16 merupakan gain yang dihasilkan dengan menggunakan AGC Gain.
Penggunaan AGC Gain untuk lintasan 1 disebabkan oleh tidak berpengaruhnya radargram
apabila digunakan tipe manual gaining (y). Selain itu juga radargram untuk lintasan 1 dengan
manual gaining (y) menunjukkan hasil yang tidak akurat dengan banyaknya sinyal yang
hilang pada bagian tengah profil. Dengan menggunakan AGC Gain, didapatkan radargram
dengan sinyal yang lebih jelas sebagai hasil dari penguatan sinyal terhadap sinyal-sinyal yang
dianggap terlalu lemah. Sedangkan untuk Gambar 3.4.17 dan Gambar 3.4.18 yang
merupakan hasil gaining dengan tipe manual gaining (y), didapatkan juga radargram dengan
sinyal yang jelas sebagai hasil dari penguatan sinyal terhadap sinyal-sinyal yang dianggap
terlalu lemah.
3.4.6 Migration
Metode ini digunakan untuk memindahkan data GPR ke posisi yang benar secara
horizontal maupun vertikal. Ketidakpastian posisi ini disebabkan oleh efek difraksi yang
terjadi ketika gelombang elektromagnetik mengenai ujung atau puncak suatu diskontinuitas
akibat berbedaan struktur geologi seperti sesar atau lipatan (Elfarabi, 2017). Pada pengolahan
ini digunakan fk migration (stolt).
Pada Gambar 3.4.19 hingga Gambar 3.4.21 merupakan hasil setelah melakukan tahapan
migration. Hasil yang didapat dari ketiga gambar diatas tidak terlalu signifikan. Namun pada
tahapan migration ini, data-data GPR sudah dikembalikan ke posisi sebenarnya baik secara
vertikal maupun horizontal dan efek difraksi sudah dihapuskan dengan menggunakan nilai
velocity sesuai dengan litologi daerah pengukuran. Pada pengolahan ini, digunakan nilai
velocity dari dry sand yaitu sebesar 0.15 m/s.
3.4.7 FK Filter
Filter ini digunakan untuk menghilangkan noise koheren berupa ground-roll, gelombang
langsung dan gelombang bias yang secara umum merupakan refleksi pertama dalam data ini.
Filtering ini berfungsi untuk membatasi area yang akan di filter, dimana amplitudo spektrum
F-K yang terpilih akan memperlihatkan profil asli (Sandmeier, 2012). Filter ini bertujuan
untuk menghilangkan noise koheren, atau noise yang muncul secara teratur dari trace ke
trace (random noise). (Kafi, 2016)
Pada Gambar 3.4.22 hingga Gambar 3.4.24 merupakan hasil dari FK Filter dari ketiga
lintasan. Dari hasil yang didapatkan terlihat bahwa FK Filter memiliki pengaruh dalam
smoothing sinyal pada radargram. Hasil smoothing data pada radargram ditunjukkan pada
kotak biru pada ketiga gambar diatas. Sinyal hasil pada kotak biru tampak lebih smooth (tidak
lagi terputus-putus) dibandingkan dengan sinyal pada hasil sebelum dilakukan FK Filter. Dari
hasil FK Filter didapatkan radargram yang smooth.
3.4.8 Picking Batas Lapisan
Picking dilakukan untuk menentukan batas-batas lapisan yang terekam pada radargram.
Penentuan batas-batas lapisan litologi berdasarkan pada perbedaan wiggle pada radargram.
Apabila terdapat wiggle yang besar setelah lapisan pertama, menunjukkan adanya refleksi
sinyal elektromagnetik yang menyentuh batas lapisan kedua dan seterusnya. Pada pengolahan
ini dilakukan picking terhadap dua lapisan. Hal ini meninjau pada penetrasi GPR yang
dangkal sehingga hanya memungkinkan merekam kurang lebih 3 lapisan litologi.
Pada Gambar 3.4.25 hingga Gambar 3.4.27 merupakan hasil picking dari ketiga lintasan.
Dari hasil yang didapatkan terlihat bahwa picking lapisan pertama untuk lintasan 1 dimulai
dari 9.5 hingga 30 ms. Sedangkan untuk lapisan kedua berada pada rentang waktu 30 – 50
ms. Untuk lapisan pertama lintasan 2 dimulai dari 3 hingga 34 ms. Sedangkan untuk lapisan
kedua berada pada rentang waktu 30 – 50 ms. Untuk lapisan pertama lintasan 3 dimulai dari 2
hingga 32 ms. Sedangkan untuk lapisan kedua berada pada rentang waktu 30 – 50 ms.
3.4.9 Time to Depth Conversion
Metode ini merupakan proses konversi data GPR dari domain waktu menjadi domain
kedalaman. Konversi domain waktu pada trace menjadi kedalaman memudahkan interpretasi
karena kesesuaiannya dan dapat dikorelasi dengan data sumur. Tahap ini merupakan proses
mengonversikan data GPR dari domain waktu (time) ke domain kedalaman (depth)
berdasarkan parameter yang telah diberikan.
Gambar 3.4.28 Hasil Time to Depth Conversion
Pada Gambar 3.4.26 (atas) terlihat bahwa radargram yang dihasilkan setelah melakukan
picking, masih dalam satuan waktu (ms). Sedangkan untuk Gambar 3.4.26 (bawah) yang
merupakan hasil dari konversi time to depth, radargram sudah dalam satuan kedalaman (m).
Radargram dengan satuan kedalaman akan memudahkan interpretasi dan akan didapatkan
hasil interpretasi yang akurat. Colorbar pada Gambar 3.4.26 yang menyatakan nilai vp,
berikutnya akan digunakan pada hasil konversi time to depth disetiap lintasan. Masing-
masing dari hasil konversi Time to Depth untuk setiap lintasan dan variasi velocity disajikan
pada sub bab dibawah ini.
3.4.9.1 Time to Depth Lintasan 1
Gambar 3.4.29 Hasil Time-Depth Conversion Lintasan 1 (Variasi Velocity: 120 mm/ns dan 150 mm/ns)
Gambar 3.4.30 Hasil Time-Depth Conversion Lintasan 1 (Variasi Velocity: 60 mm/ns dan 106 mm/ns)
Gambar 3.4.31 Hasil Time-Depth Conversion Lintasan 1 (Variasi Velocity: 150 mm/ns dan 90 mm/ns)
Gambar 3.4.29 hingga Gambar 3.4.31 menunjukkan ketiga hasil time to depth
conversion terhadap lintasan 1. Diketahui bahwa untuk lintasan 1, dilakukan beberapa variasi
velocity untuk mengetahui pengaruh pemilihan velocity terhadap kedalaman pada data GPR.
Dari hasil analisis radargram pada ketiga gambar diatas yang merupakan hasil dari lintasan 1,
didapatkan bahwa untuk penetrasi kedalaman dari velocity 120 mm/ns dan 150 mm/ns
(Model Awal) memiliki akurasi mencapai 3 meter. Sedangkan untuk velocity 60 mm/ns dan
106 mm/ns (Kondisi Wet) didapatkan akurasi kedalaman yang terekam mencapai 2.5 meter.
Dan untuk velocity 150 mm/ns dan 90 mm/ns didapatkan akurasi kedalaman yang terekam
mencapai 2.1 meter.
3.4.9.2 Time to Depth Lintasan 2
Gambar 3.4.32 Hasil Time-Depth Conversion Lintasan 2 (Variasi Velocity: 120 mm/ns dan 150 mm/ns)
Gambar 3.4.33 Hasil Time-Depth Conversion Lintasan 2 (Variasi Velocity: 60 mm/ns dan 106 mm/ns)
Gambar 3.4.34 Hasil Time-Depth Conversion Lintasan 2 (Variasi Velocity: 150 mm/ns dan 90 mm/ns)
Gambar 3.4.32 hingga Gambar 3.4.34 menunjukkan ketiga hasil time to depth
conversion terhadap lintasan 2. Diketahui bahwa untuk lintasan 2, dilakukan beberapa variasi
velocity untuk mengetahui pengaruh pemilihan velocity terhadap kedalaman pada data GPR.
Dari hasil analisis radargram pada ketiga gambar diatas yang merupakan hasil dari lintasan 2,
didapatkan bahwa untuk penetrasi kedalaman dari velocity 120 mm/ns dan 150 mm/ns
(Model Awal) memiliki akurasi mencapai 3.6 meter. Sedangkan untuk velocity 60 mm/ns dan
106 mm/ns (Kondisi Wet) didapatkan akurasi kedalaman yang terekam mencapai 2.4 meter.
Dan untuk velocity 150 mm/ns dan 90 mm/ns didapatkan akurasi kedalaman yang terekam
mencapai 2.1 meter.
3.4.9.2 Time to Depth Lintasan 3
Gambar 3.4.35 Hasil Time-Depth Conversion Lintasan 3 (Variasi Velocity: 120 mm/ns dan 150 mm/ns)
Gambar 3.4.36 Hasil Time-Depth Conversion Lintasan 3 (Variasi Velocity: 60 mm/ns dan 106 mm/ns)
Gambar 3.4.37 Hasil Time-Depth Conversion Lintasan 3 (Variasi Velocity: 150 mm/ns dan 90 mm/ns)
Gambar 3.4.35 hingga Gambar 3.4.37 menunjukkan ketiga hasil time to depth
conversion terhadap lintasan 3. Diketahui bahwa untuk lintasan 3, dilakukan juga beberapa
variasi velocity untuk mengetahui pengaruh pemilihan velocity terhadap kedalaman pada data
GPR. Dari hasil analisis radargram pada ketiga gambar diatas yang merupakan hasil dari
lintasan 3, didapatkan bahwa untuk penetrasi kedalaman dari velocity 120 mm/ns dan 150
mm/ns (Model Awal) memiliki akurasi mencapai 3 meter. Sedangkan untuk velocity 60
mm/ns dan 106 mm/ns (Kondisi Wet) didapatkan akurasi kedalaman yang terekam mencapai
2.5 meter. Dan untuk velocity 150 mm/ns dan 90 mm/ns didapatkan akurasi kedalaman yang
terekam mencapai 2.2 meter.
3.7 Penelitian Serupa
DAFTAR PUSTAKA
Alan E. Musset, M. Aftab Khan . (1999). Looking Into The Earth. New York: New York pp
227-230.
Annan, A.P. (2003), Ground Penetrating Radar Principles, Procedures &
Applications, Mississauga, Canada.
Ayi Syaeful Bahri, Firman Syaifuddin dan Juan Pandu G. N., R. (2015), Delineation of
Buried Old Tram Tracks of Surabaya City with Ground Penetrating Radar Technology,
http://doi.org/10.13140/RG.2.1.4923.8164
Conyers, L.B. (2016), Ground-penetrating radar for geoarchaeology, John Wiley & Sons
Inc, Hoboken, NJ.
Conyers, L.B. dan Leckebusch, J. (2010), "Geophysical Archaeology Research Agendas for
the Future: Some Ground-Penetrating Radar Examples", Archaeological Prospection
Daniel, D. (1996). High Resolution Radar Detection of Buried Anti-Personnel Mines for
Humanitarian Clearing Operations. Proceedings of The 6th International Symposium
on Measurement and Control in Robotics. Brussel: pp. 542-551.
Dojack, L. (2012), Ground Penetrating Radar Theory, Data Collection, 3Processing, and
Interpretation: A Guide for Archaeologists.
Elfarabi. Widodo, A. dan Syaifuddin,F. (2017), Pengolahan data Ground Penetrating Radar
(GPR) dengan menggunakan software MATGPR R-3.5. Jurnal Teknik ITS Vol. 6, No.
1, (2017) ISSN: 2337-3539
Goodman, D. dan Piro, S. (2013), GPR Remote Sensing in Archaeology, Springer
Berlin Heidelberg, Berlin, Heidelberg. http://doi.org/10.1007/978-3-642-31857-3
Harry M. (2009). Ground Penetrating Radar Theory and Applications. Elsevier
Husaini, Izeddin Ahmad. 2021. Analisis Lingkungan Pengendapan Situs Kumitir Dengan
Metode Measured Stratigraphy. Institut Teknologi Sepuluh Nopember Surabaya.
KAFI, M. S. (2016). ANALISA KONDISI BAWAH PERMUKAAN TANGGUL LUMPUR
SIDOARJO MENGGUNAKAN METODE GROUND PENETRATING RADAR (GPR)
PADA TITIK P76-77, P78-79, P79-83 (Doctoral dissertation, Institut Teknologi
Sepuluh Nopember).
Persico, R. (2014), Introduction to ground penetrating radar: inverse scattering
and data processing, Wiley, IEEE Press, Hoboken, New Jersey.
Pryambodo, D.G. dan Troa, R.A. (2016), "Aplikasi Metode Geolistrik untuk Identifikasi
Situs
Arkeologi di Pulau Laut, Natuna", KALPATARU, Vol.25, No.1.
Reynolds, John. (1997), An Introduction To Applied and Environmental Gephysics. John
Wiley & Sons
Sandmeier KJ. (2012). REFLEXW Version 7.0 Windows™ 9x/NT/2000/XP/7-program for the
processing of seismic, acoustic or electromagnetic reflection and transmission data.
Sandmeier, Karl Josef. 2021. Reflexw: GPR and Seismic Processing Software. Sandmeier
Geophysical Research 2021.
Tzanis, Andreas.(2016). MATGPR 3.5: A Brief Introduction. Department Of Geophysics
University of Athens
Van Overmeeren. 1997. Ground penetrating radar for determining volumetric soil water
content; results of comparative measurements at two test sites. Geological Society,
London, Engineering Geology Special Publications, 12, 63-73.
Widiantoro, Satriaji Wahyu. 2021. Pemodelan Bawah Permukaan Situs Kumitir Dengan
Metode Geolistrik Wenner. Institut Teknologi Sepuluh Nopember Surabaya.
Widodo, A. dkk. (2019). Data Acquisition of 2D Geophysical Resistivity Methods with
Dipole-Dipole Configuration for Identification the Subsurface Brick Stone Sites of
Kadipaten Terung Sidoarjo. IOP Conf. Series: Materials Science and Engineering 546
(2019) 022034.