HASIL PRAKTIKUM METODE VLF-EM

KELAS 2018B

NAMA : AMIR
NIM : R1A118040

A. Perbandingan Grafik Tilt dan Eliptisitas vs Jarak Sebelum Moving Average dan
Grafik Tilt dan Eliptisitas vs Jarak Setelah Moving Average

Sebelum Moving Average Ga

m
40
35
30
Tilt Dan Elips

25
20 Data
15 Tilt
10
5
0
0 50 100 150 200 250 300 350 400 450

Jarak (m)

bar 1. Grafik Tilt dan Eliptisitas vs Jarak Sebelum Moving Average Lintasan I
menggunakan Microsoft Excel
Gambar 2. Grafik Tilt vs Jarak Sebelum Moving Average Lintasan I menggunakan Software
WinVLF

Setelah Moving Average

25.00

20.00
Tilt Dan Elips

15.00
Data Tilt MA
10.00 Data Elips MA
5.00

0.00
0 50 100 150 200 250 300 350 400 450

Jarak (m)
Gambar 3. Grafik Tilt dan Eliptisitas vs Jarak Setelah Moving Average Lintasan I menggunakan
Microsoft Excel

Gambar 4. Grafik Tilt vs Jarak Setelah Moving Average Lintasan I menggunakan Software
WinVLF
Pembahasan: Saat pengambilan data di lapangan terdapat noise. Adanya noise eksternal yang
mempengaruhi pengukuran, maka dapat dilakukan moving average untuk
menghilangkan noise-noise yang memiliki frekuensi tinggi dengan memisahkan
data yang mengandung frekuensi tinggi dan rendah.Data yang mengandung
frekuensi tinggi diasumsikan sebagai sinyal, sedangkan data berfrekuensi rendah
diasumsikan sebagai gangguan (noise).Sehingga saat moving average, sinyal yang
disaring benar-benar merupakan anomali benda-benda konduktif dibawah
permukaan. Moving average berfungsi menghaluskan matriks yang diakibatkan dari
noise saat pengukuran sehingga anomalinya dapat terlihat dengan jelas. Data
yangdiperhalus dengan menggunakan moving average adalah tilt dan ellips. Grafik
untuk hasil moving average dapat dilihat pada gambar di bawah ini. Grafik yang
dihasilkan lebih smooth daripada berdasarkan data pengukuran. Hasil analisa data
menggunakan metode VLF, kita dapat mengetahui hubungan antara jarak dengan
tilt dan ellips sebelum dilakukan moving average.
B. Identifikasi Anomali berdasarkan Grafik Tilt dan Eliptisitas vs Jarak Setelah Moving
Average
Gambar 5. Identifikasi Anomali berdasarkan Grafik Tilt dan Eliptisitas vs Jarak Setelah Moving
Average Lintasan I

Pembahasan: Kotak berwarna cokelat Menunjukkan adanya pola ellips rendah dan anomali tilt
yang tinggi. Hal ini menunjukkan bahwa daerah ini merupakan konduktor yang
baik, tetapi lapisan penutupnya resistif atau konduktor buruk, tetapi lapisan
penutupnya konduktif. Kotak gitam Menunjukkan adanya pola dan tanda elips dan
tilt yang sama. Hal ini menunjukkan bahwa daerah merupakan konduktor buruk.
Sedangkan lingkaran yang berwarna kuning Menunjukkan adanya cross antara tilt
dengan ellips dan biasa disebut dengan anomali. Hal Ini menunjukkan daerah yang
lebih konduktif dibandingkan sekitarnya. Grafik tersebut menunjukkan data hasil
moving average yang lebih smooth daripada saat grafik data pengukuran yang
belum di smoothing. Disini terlihat jelas perbedaannya antara grafik sesudah dan
sebelum moving average. Dari hasil moving average sebenarnya sudah dapat
diketahui area-area konduktif dan resistif hanya saja hal ini dinilai masing kurang
karena tidak bisa melihat distribusi konduktivitas ataupun resistivitas secara jelas
beserta kedalamannya.
C. Identifikasi Anomali berdasarkan Perbandingan Grafik Fraser Filter dan Grafik Tilt
dan Eliptisitas vs Jarak Setelah Moving Average Lintasan I
Gambar 6. Perbandingan Grafik Fraser Filter dan Grafik Tilt dan Eliptisitas vs Jarak Setelah
Moving Average Lintasan I
Gambar 7. Grafik Fraser Filter Lintasan I menggunakan Software WinVLF
Pembahasan: Bulatan hijau tersebut menunjukkan adanya anomali pada tilt di grafik smoothing
tilt dan ellips yang disesuaikan dengan grafik frase fraser. Sedangkan hasil dari filter
fraser mengubah pola anomali cross over pada data tilt yang mulanya berada antara
puncakan dan lembahan menjadi berada pada puncakan (positif) atau pada lembahan
(negatif), posisi benda anomali berada tepat di bawah puncakan atau lembahan.
Dimensi benda anomaly dapat diperkirakan dari lebar puncakan atau lembahan.