LAPORAN AKHIR

PRAKTIKUM ANALISIS SINYAL GEOFISIKA

MODUL KE – 01
CONVOLUTION THEOREM

Oleh:
Ricky Ariyansyah 119120123

Asisten :
Dani Puspita Sari 119120030
Alifah Iftinan 119120042
Abdul Huseinsyah Capah 119120053
Omega Delima Munthe 119120114
Pahri 119120126
Taufik Nur Hidayatulloh 119120158

PROGRAM STUDI TEKNIK GEOFISIKA

JURUSAN TEKNOLOGI PRODUKSI DAN INDUSTRI
INSTITUT TEKNOLOGI SUMATERA
2022
I. Tujuan
Mahasiswa memahami teorema konvolusi dan mampu menjabarkannya secara grafis pada
domain waktu serta domain frekuensi.

II. Teori Dasar

2.1. FFT (Fast Fourier Transform) dan DFT (Discrete Fourier Transform)
FFT (Fast Fourier Transform) Fast Fourier Transform adalah suatu algoritma yang
digunakan untuk merepresentasikan sinyal dalam domain waktu diskrit dan domain
frekuensi. Sementara itu, IFFT adalah singkatan dari Inverse Fast Fourier Transform.
Membahas mengenai FFT-IFFT tentunya tidak dapat dilepaskan dari DFT (Discrete
Fourier Transform). DFT merupakan metode transformasi matematis untuk sinyal waktu
diskrit ke dalam domain frekuensi. Secara sederhana dapat dikatakan bahwa DFT
merupakan metode transformasi matematis sinyal waktu diskrit, sementara FFT adalah
algoritma yang digunakan untuk melakukan transformasi tersebut. Secara mendasar,
masalah komputasional untuk DFT adalah menghitung deret X(k) dari jumlah bernilai
kompleks N yang diberikan deret data x(n) lain dengan panjang N, sesuai dengan rumus:

()∑[]

Pada algoritma FFT radiks-2 ada 2 struktur algoritma penting, yaitu algoritma penguraian
dalam waktu dan algoritma peguraian dalam frekuensi.
a) Algoritma penguraian dalam waktu.
b) Algoritma penguraian dalam frekuensi.

FFT dipergunakan untuk mengurangi kompleksitas transformasi yang dilakukan dengan

DFT. Sebagai perbandingan, bila kita menggunakan DFT, maka kompleksitas
transformasi kita adalah sebesar O(N2), sementara dengan menggunakan FFT, selain
waktu transformasi yang lebih cepat, kompleksitas transformasi pun menurun, menjadi
O(N log (N)). Untuk jumlah sample yang sedikit mungkin perbedaan kompleksitastidak
begitu terasa, namun lain ceritanya bila kita mengambil jumlah sample yang sedikit lebih
banyak. Misalnya kita hanya mengambil 2 sample, dengan menggunakan DFT, tingkat
kompleksitas transformasi kita adalah 4, sementara dengan menggunakan FFT
kompleksitasnya sebesar 0,602.
2.2. Wavelet
Wavelet merupakan fungsi matematis yang dapat mewakili data menjadi beberapa
komponen frekuensi dan waktu yang berbeda-beda dan hasil analisisnya berupa
komponen-komponen dengan resolusi yang sesuai dengan skalanya (Graps, 1995). Teori
Wavelet didasarkan pada analisis komponen-komponen sinyal menggunakan sekumpulan
fungsi-fungsi basis (dasar). Salah satu karakter penting fungsi-fungsi basis wavelet
tersebut adalah keterkaitan antara satu dengan yang lainnya dengan penskalaan dan
translasi yang sederhana. Fungsi wavelet asli, biasa disebut sebagai “wavelet induk” atau
mother wavelet, yang biasanya dirancang berdasar beberapa karakter yang berkaitan
dengan fungsi tersebut, digunakan untuk menghasilkan semua fungsi basis turunannya.

Wavelet secara umum dapat dikelompokkan kedalam beberapa kelas dengan beberapa
macam cara, misalnya, kita dapat menggolongkan berdasarkan durasi atau support:
wavelet dengan support tak-hingga (infinite support wavelet) dan wavelet dengan support
berhingga (finite support wavelet). Ada beberapa wavelet dengan support tak-hingga
yang populer seperti Wavelet Gaussian, Mexican Hat, Morlet, dan Meyer, sebagaimana
ditunjukkan pada Gambar
III. Pengolahan Data

3.1. Flowchart

Mulai

Masukkan nilai KR (50) = 0,63 ; KR (100)

=0,18 ; RR(150) = -0,18 ; Sampling rate = 2ms
; frekuensi domain = 35 Hz; record length
=0,1 s

Hitung nilai vector koefisien refleksi pada kedalaman 50 m

Hitung nilai frekuensi sampling dan time vector fs= 1/dt ; tw= -
RL/2 : dt :RL/2

Lakukan transpose nilai tw

Membuat wavlet Ricker

Lakukan konvolusi domain frekuensi dan domain

waktu

Plot konvolusi dalam domain waktu dan

frekuensi

Selesai
3.2. SS Script
3.2.1. Script B4 Parameter Tetap
3.2.2. Script B4 Menggunakan Tabel Parameter
IV. Hasil dan Pembahasan
4.1. Hasil dan Pembahasan B4 Parameter Tetap

Pada hasil B4 merupakan hasil dari trace konvolusi domain waktu dimana pada
gelombang yang dihasilkan berupa sinyal yang berwarna merah, terdapat sumbu x dan y,
dimana sumbu x merupakan nilai dari kedalaman dan sumbu y merupakan amplitude.
sedangkan untuk sinyal berwarna biru merupakan trace konvolusi dalam domain
frekuensi, terdapat sumbu x dan y, dimana sumbu x merupakan nilai dari frekuensi dan
sumbu y merupakan amplitude. Dapat kita lihat bahwa gelombang yang dihasilkan Z(t)
dan Zft(t) dapat dikatakan identik, pada saat kedalaman dan waktu sampai 50 nilai
amplitude menunjukan nilai maksimum yang bernilai 1. Identifikasi yang dapat
disimpulkan mungkin pada saat kedalaman 50 meter terdapat reservoir yang dapat
diamati.
4.2. Hasil dan Pembahasan B4 Menggunakan Tabel Parameter

Pada hasil B4 merupakan hasil dari trace konvolusi domain waktu dimana pada
gelombang yang dihasilkan berupa sinyal yang berwarna merah, terdapat sumbu x dan y,
dimana sumbu x merupakan nilai dari kedalaman dan sumbu y merupakan amplitude.
sedangkan untuk sinyal berwarna biru merupakan trace konvolusi dalam domain
frekuensi, terdapat sumbu x dan y, dimana sumbu x merupakan nilai dari frekuensi dan
sumbu y merupakan amplitude. Dapat kita lihat bahwa gelombang yang dihasilkan Z(t)
dan Zft(t) dapat dikatakan identik, pada saat kedalaman dan waktu sampai 50 nilai
amplitude menunjukan nilai maksimum yang bernilai lebih dari 0,5. Sedangkan pada saat
nilai kedalaman dan waktu menunjukan 100 amplitudo bernilai kurang lebih 0,1 dan pada
saat waktu dan amplitude menunjukan nilai 150 amplitudo bernilai minum 0,1 .
Identifikasi yang dapat disimpulkan mungkin pada saat kedalaman 50 meter terdapat
reservoir yang dapat diamati.
V. Kesimpulan dan Saran
5.1. Kesimpulan
Pada praktikum kali ini dapat disimpulkan bahwa pada hasil konvolusi pada domain
waktu dan frekuensi berbanding lurus, pada nilai tertentu nilai amplito akan menunjukan
nilai maksimumnya dari kondisi awal ini menunjukan bahwa kemungkinan ada sesuatu
dibawah permukaan contohnya reservoir dan lain-lain

5.2. Saran
Tidak ada saran pada praktikum kali ini.
Daftar Pustaka

[1]Alfina, R., Arifianto, I., Astharini, D., & Wulandari, P. (2019). Mendisain GUI Untuk

Menampilkan Nilai FFT dan IFFT Menggunakan LabVIEW. TESLA: Jurnal Teknik

Elektro, 21(1), 50. https://doi.org/10.24912/tesla.v21i1.3250

[2]Putra, A., Susanto, A., Brotopuspito, K., Istiyanto, J., Program, Elektronika, S.,

Instrumentasi, J., Fisika, F., & Mipa. (2008). ISSN: 1979-2328 UPN “Veteran”

Yogyakarta. In Seminar Nasional Informatika.

https://media.neliti.com/media/publications/174114-ID-none.pdf

[3] Sinaga, Mandala Tunggul. (2017). Karakterisasi Reservoar Menggunakan Atribut

Amplitudo Seismik Dan Inversi Seismik Impedansi Akustik Pada Lapangan “Dalihan

Natolu” Formasi Batu Raja Cekungan Sumatera Selatan - Brawijaya Knowledge

Garden. Ub.ac.id.
https://doi.org/http://repository.ub.ac.id/id/eprint/8640/1/Skripsi%20Mandala%20Tungg

ul%20Sinaga_135090707111002_Geofisika_Fisika_Fakultas%20MIPA.pdf
Lampiran