LAPORAN AKHIR

INVERSI GEOFISIKA TG 3004

MODUL KE – 2
Formulasi Inversi Linier

Oleh:
Syifa Khoirinnisa 119120060

Asisten :
1. Yudha Styawan, S.T (Koordinator)
2. Rizki Dinata (118120007)
3. Limwan Sihombing (118120014)
4. Sapruddin Pulungan (118120064)
5. Petrus Elvindo (118120083)
6. Olvi Anggi Oloani (118120109)
7. Prastowo Adhi Irwanto (118120111)
8. M Rafly Abdillah (118120168)

PROGRAM STUDI TEKNIK GEOFISIKA

JURUSAN TEKNOLOGI PRODUKSI DAN INDUSTRI
INSTITUT TEKNOLOGI SUMATERA
2021/2022
I. TUJUAN
Tujuan dari praktikum modul 1 adalah :
a. Mampu mendemonstrasikan pengaruh ketidak pastian data pada solusi inversi linier
dan ketidak pastian solusi pada inversi linier..

II. DASAR TEORI

2.1 Pemodelan Geofisika
Dalam Geofisika, Model dan parameter model digunakan untuk
mengkarakteristik suatu kondisi geologi bawah permukaan. Pemodelan
merupakan proses estimasi model dan parameter model berdasarkan data yang
diamati di permukaan bumi. Dalam beberapa referensi istilah model tidak
hanya menyatakan representasi kondisi geologi oleh besaran fisis tetapi
mencakup pula hubungan matematik atau teoritik antara parameter model
dengan respons model. Pemodelan ke depan atau forward modelling digunakan
untuk menyatakan pemodelan data geofisika dengan cara coba-coba tersebut.
Dengan kata lain, istilah pemodelan ke depan tidak hanya mencakup
perhitungan respons model tetapi juga proses coba-coba secara manual untuk
memperoleh modelyang memberikan respons yang cocok dengan data.
(Grandis, 2009)

2.2 Klasifikasi Masalah Inversi

Dalam masalah inversi, kita selalu berhubungan dengan parameter model
(M) dan jumlah data (N) yang mana jumlah dari masing-masing akan
menentukan klasifikasi permasalahan inversi dan cara penyelesaiannya. Bila
jumlah model parameter lebih sedikit dibandingkan data lapangan (M < N),
maka ini disebut overdetermined, dan cara penyelesaiannya biasanya
menggunakan pencocokan (best fit) terhadap data lapangan. Jika dalam kondisi
yang lain dimana jumlah parameter yang ingin dicari lebih banyak dari pada
jumlah datanya, maka ini disebut problem underdetermined. Dalam kasus ini
terdapat sekian banyak model yang dapat sesuai kondisi datanya. Masalah ini
disebut 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 dengan metode inversi
langsung. (Dr. Eng. Supriyanto, 2007)

2.3 Inverse Modelling

Proses inversi adalah suatu proses pengolahan data lapangan yang
melibatkan teknik penyelesaian matematika dan statistik untuk mendapatkan
informasi yang berguna mengenai distribusi sifat fisis bawah permukaan. Di
dalam proses inversi, kita melakukan analisis terhadap data lapangan dengan
cara melakukan curve fitting (pencocokan kurva) antara model matematika dan
data lapangan. Contoh problem inversi dalam bidang geofisika adalah:
1. Penentuan struktur bawah tanah
2. Estimasi parameter-parameter bahan tambang
3. Estimasi parameter-parameter akumulasi sumber energi
4. Penentuan lokasi gempa bumi berdasarkan waktu gelombang datang
5. Pemodelan respon lithospere untuk mengamati proses sedimentasi
6. Analisis sumur bor pada hidrogeologi.
2.4 Inversi model garis
Pengukuran temperatur terhadap kedalaman di bawah permukaan bumi
menunjukkan bahwa semakin dalam, temperatur semakin tinggi. Misalnya
telah dilakukan sebanyak empat kali (N= 4) pengukuran temperatur (Ti) pada
kedalaman yang berbeda beda (zi). Tabel pengukuran secara sederhana
disajikan seperti ini: Grafik sebaran data observasi ditampilkan pada Gambar
2.4. Lalu kita berasumsi bahwa variasi temperatur terhadap kedalaman
ditentukan oleh rumus berikut ini:
m1 + m2zi = T
table 2.4 data temperature bawah permukaan tanah terhadap kedalaman
 Gambar 2.5 sebaran data observasi antara temperature dan kedalaman

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 = 4), yaitu nilai-nilai kedalaman, zi, dan temperatur,
Ti. Berdasarkan model tersebut, kita bisa menyatakan temperatur dan
kedalaman masing-masing sebagai berikut:
m1 + m2z1 = T1
m1 + m2z2 = T2
m1 + m2z3 = T3
m1 + m2z4 = T4

Lalu ditulis secara singkat Gm = d dimana d adalah data yang dinyatakan

dalam vektor kolom, m adalah model parameter, jugadinyatakan 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 GtGm = Gtd dimana t disini maksudnya adalah tanda transpos
matrik. Selanjutnya, untuk mendapatkan elemen-elemen m, diperlukan
langkah-langkah perhitungan berikut ini:
-
Tentukan transpos dari matrik kernel, yaitu Gt
 - Lakukan perkalian matrks GtG

dimana N = 4 dan i = 1, 2, 3, 4.

- Kemudian tentukan pula Gtd

- Sekarang persamaan 2.2 dapat dinyatakan sebagai

Berdasarkan data observasi pada table diatas, diperoleh

Operasi matriks diatas akan menghasilkan nilai m1=25 dan m2=2

Program Matlab telah menyediakan sebuah baris perintah untuk menghitung
elemen-elemen, yaitu m=inv(G’*G)*G’*d 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.
III. LANGKAH PENGERJAAN
3.1 Langkah Kerja Problem 1
Adapun langkah kerja modul satu ini yaitu:
1. Open Google Collab, gunakan deklarasi module matplotlib, numpy
2. Buat script sesuai dari setiap problem yang dibutuhkan.
3. Input data observasi.
4. Kemudian buat script matriks pembobotan, data outlier dan matriks kernel.
5. Kemudian lakukan estimasi pembobotan dan tanpa pembobotan.
6. Lakukan Perhitungan misfit
7. Plot Temperatur dan kedalaman.
8. Hasil Grafik Akan muncul.

3.2 Diagram Alir Problem 1

Mulai
Mulai

Input Data

Data Observasi (Ti dan Zi)

Menjelaskan outlier

Buat Matriks Kernel

Inversi linier pembobotan

Inversi linier tanpa

pembobotan

Hitung misfit
 Hasil plot data menggunakan
bobot dan tanpa bobot

Selesai

3.3 Langkah Kerja Problem 2

1. Open Google Collab, gunakan deklarasi module matplotlib, numpy
2. Buat script sesuai dari setiap problem yang dibutuhkan.
3. Input data posisi, hiposenter, dan model kecepatan gelombang.
4. Input script forward modelling untuk menghitung travel time.
5. Menambahkan outlier.
6. perhitungan inversi dengan menggunakan metode Least Square.
7. Plot hasil Hiposenter dan Kurva Erms vs N Iterasi.
8. Hasil akan muncul.
3.4 Diagram Alir Problem 2

Mulai
Mulai

Input Data

Data Observasi (Ti dan Zi)

Menghitung travel time

Posisi awal stasiun

Inversi linier tanpa

pembobotan

Hitung Rms eror

 Hasil kurva hiposenter dan
rms eror terhadap iterasi

Selesai

3.5 Langkah Kerja Problem 3

1. Open Google Collab, gunakan deklarasi module matplotlib, numpy
2. Buat script sesuai dari setiap problem yang dibutuhkan.
3. Input data posisi, hiposenter, dan model kecepatan gelombang.
4. Input script forward modelling untuk menghitung travel time.
5. Menambahkan outlier.
6. Buat matriks bobot.
7. Perhitungan inversi dengan menggunakan metode Least Square.
8. Plot hasil Hiposenter dan Kurva Erms vs N Iterasi.
9. Hasil akan muncul.
10. Hasil running akan muncul.
3.6 Diagram Alir Problem 3

Mulai
Mulai

Input Data

Data Observasi (Ti dan Zi)

Menghitung panjang ray

setiap kotak

Menghitung waktu tempuh

kalkulasi

Menghitung delay time

Membuat matriks bobot

Menghitung V1 dan V2

Hasil Kecepatan
V1 dan V2

Selesai
IV. HASIL DAN PEMBAHASAN
4.1 Hasil Problem 1

Gambar 1. Kurva Hasil Inversi Problem 1 dengan bobot dan tanpa bobot

4.2 Hasil Problem 2

Gambar 2. Kurva Hasil Inversi Problem 2 tanpa bobot

4.3 Hasil Problem 3

Gambar 3. Output Problem 3 kecepatan v1 dan v2

4.4 PEMBAHASAN
Pada praktikum modul ini membahas mengenai Inversi linier
menggunakan bobot dengan tujuan Mampu mendemonstrasikan pengaruh ketidak
pastian data pada solusi inversi linier dan ketidak pastian solusi pada inversi linier.
Problem 1 menjelaskan mengenai inversi linier Berbobot sederhana, Problem 2
mengenai data outlier pada data observasi travel time pada inversi penentuan
hiposenter, dan problem 3 mengenai aplikasi inversi linier berbobot pada tomografi
seismik.
Problem 1 menjelaskan bagaimana melakukan perhitungan inversi linier
menggunakan bobot sederhana pada temperatur dibeberapa kedalaman yaitu sampai
10. Kemudian nilai misfit pada data menggunakan bobot 46.846 sedangkan tanpa
bobot 417.308. Nilai tersebut didapatkan dari data outlier yang diberi bobot 0.1, dari
nilai data tersebut terlihat semakin kecil setelah diberikan pembobotan sehingga
meningkatkan akurasi dari inversi linier. Data outlier ini dihasilkan dari kesalahan
saat melakukan pengukuran atau observasi di lapangan sehingga diperlukan
penambahan bobot, untuk Grafik orange menunjukkan kurva tanpa bobot sedangkan
kurva berwarna biru menunjukkan kurva menggunakan bobot.
Pada problem 2 mengenai inversi linier penentuan hiposenter menghasilkan dua
kurva yang berbeda. Kurva yang berwarna merah menunjukkan hasil tanpa
menggunakan bobot terlihat data inversi menyebar dan lebih jauh posisinya dengan
true hiposenter. Berbeda dengan kurva berwarna orange menunjukkan hasil
menggunakan bobot lebih dekat jaraknya dengan true hiposenter. Hal ini
menunjukkan penggunaan bobot menghasilkan data yang lebih akurat. Hal ini juga
berpengaruh dengan misfit yang dimiliki kedua kurva, bahwa setelah ditambahkan
pembobotan nilai misfit lebih kecil.
Problem 3 membahas mengenai inversi linier berbobot pada tomografi seismik
untuk mengetahui nilai V1 dan V2 menggunakan inversi linier metode pembobotan.
Tidak hanya melakukan perhitungan menggunakan google collab tetapi juga
menggunakan perhitungan manual. Data yang digunakan pada koordinat hiposenter
yaitu stasiun R1(2000 m, -1000 m) serta R2 (0 m, -1000 m), R1b setengah R1R2.
Waktu tempuh masing-masing kejadian gempa yaitu t1= 1.560s, t2=1.460, dan t3=
0.760 + 0.360 = 1.12s sedangkan untuk pembobotan digunakan 0.360. Untuk
mendapatkan nilai Kecepatan setiap lapisan diperlukan menghitung nilai panjang
raypath, menghitung model untuk mendapatkan nilai waktu tempuh kalkulasi setiap
kotak ray. Kemudian mencari nilai delay time dan setelah itu menghitung matriks
tomografi. Pada Hasil perhitungan menggunakan google collab didapatkan nilai V1 =
32.3095 dan V2= 55.1128. Hasil ini berbeda dengan perhitungan manual yang
dikerjakan oleh praktikan. Pada perhitungan manual didapatkan hasil V1= 1.341,64
dan V2= 1.341,6144. Dari kedua hasil terdapat perbedaan hal ini dikarenakan kurang
teliti yang dilakukan oleh praktikan saat perhitungan, terlihat pada hasil perhitungan
manual nilai V1 lebih besar daripada V2 sedangkan perhitungan menggunakan google
collab sebaliknya.
V. KESIMPULAN
Pada praktikum modul ini dapat disimpulkan bahwa:
1. Penggunaan bobot pada perhitungan inversi linier mempengaruhi kurva garis
linier pada data.
2. Problem 1 menghasilkan nilai misfit data terlihat semakin kecil setelah
diberikan pembobotan sehingga meningkatkan akurasi dari inversi linier.
3. Problem 2 kurva yang menggunakan pembobotan memiliki jarak lebih dekat
dengan true hiposenter dibandingkan tanpa pembobotan hal ini menunjukkan
penggunaan bobot menghasilkan data yang lebih akurat.
4. Problem 3 mencari nilai V1 dan V2 menggunakan perhitungan manual dan
perhitungan inversi dengan google collab yang berbeda. Hal ini dikarenakan
kesalahan praktikan saat melakukan perhitungan manual.
5. Hasil Tomografi menggunakan google collab nilai V1 leboh kecil dari V2,
berbeda dengan perhitungan manual yang mana V1 lebih besar dari V2
DAFTAR PUSTAKA
Dr. Eng. Supriyanto, M. (2007). Analisis Data Geofisika:Memahami Teori Inversi. Depok:
Departemen Fisika-FMIPA Univeristas Indonesia.
Grandis, D. H. (2009). Pengantar Pemodelan Inversi Geofisika. Bandung: Himpunan Ahli Geofisika
Indonesia.
Hendra, G. (2009). Pengantar Pemodelan Inversi Geofisika. bandung: Himpunan Ahli Geofisika
Indonesia (HAGI).
Meju, A Max. Geophysical Data Analysis: Understanding Inverse Problem Theory
andPractice, (1994), Society of Exploration Geophysicsts (SEG)
LAMPIRAN
- Link Google Collab
https://colab.research.google.com/drive/1JPB3eWnN00UtVYrpYSPoL59
KgdawS65c?usp=sharing

- Perhitungan Manual Problem 2

- Script
Problem 1
- Problem 2
- Problem 3