LAPORAN PRAKTIKUM

INVERSI GEOFISIKA TG 3004

MODUL KE – 1
FORMULASI PERMASALAHAN INVERSI
Oleh:
Erika Cesmiranda Siagian 120120044

Asisten :
Alifah Iftinan 119120042
Andika Bonardo Sipahutar 119120122
Bernard Cavin Ronlei 119120087
Kiki Harfianza 119120111
Mu'amar Hafiz 119120084
Nisa Nur Azizah 119120027

PROGRAM STUDI TEKNIK GEOFISIKA

JURUSAN TEKNOLOGI PRODUKSI DAN INDUSTRI
INSTITUT TEKNOLOGI SUMATERA
2022/2023
I. HASIL
1.1 Script Permasalahan 1

#Erika Cesmiranda Siagian_120120044

import numpy as np
from numpy.linalg import inv
import matplotlib.pyplot as plt

T=[35.4, 50.1, 77.3, 92.3, 137.6, 147.0, 180.8, 182.7, 188.5, 223.2]
z=[5, 16, 25, 40, 50, 60, 70, 80, 90, 100]

G= np.zeros((len(z),2))

for i in range(10):
G[i,0] = 1
G[i,1] = z[i]

d = np.reshape(T,(10,1))

m = np.mat(inv(np.mat(G.transpose()) * np.mat(G)))
*np.mat(G.transpose()) *np.mat(d)
m = m.tolist()

m1 =m[0][0]
m2 =m[1][0]

linear = []
for i in range(len(z)):
linear.append(m1 + m2*z[i])
plt.plot(z, T, '*r', label='Sebaran Data')
plt.plot(z, linear, label='Solusi inversi')
plt.grid()
plt.legend()
plt.xlabel('Kedalaman (m)')
plt.ylabel('Suhu(Celcius)')
plt.title('Variasi Suhu Vs Kedalaman')
plt.show()
1.2 Hasil

1.3 Script Permasalahan 2

#Erika Cesmiranda Siagian_120120044

import matplotlib.pyplot as plt
import numpy as np
from numpy.linalg import inv

#Data Observasi
t = [0.00, 0.25, 0.50, 0.75, 1.00, 1.25, 1.50, 1.75, 2.00, 2.25, 2.50,
2.75, 3.00, 3.25, 3.50, 3.75, 4.00, 4.25, 4.50, 4.75, 5.00]
h = [5.00, 5.75, 6.40, 6.94, 7.38, 7.72, 7.96, 8.10, 8.13, 8.07, 7.90,
7.62, 7.25, 6.77, 6.20, 5.52, 4.73, 3.85, 2.68, 1.77, 0.58]

#Membuat matriks kernel G dan vektor d

G = np.zeros((len(t), 2))

for i in range(10):
G[i,0] = t [i]
G[i,1] = t[i]**2
hz = [x-5 for x in h]
d = np.reshape(hz,(21,1))

# Perhitungan inversi Least-Squares

m = np.mat(inv(np.mat(G.transpose()) * np.mat(G)) * np.mat(G.transpose())
* np.mat(d))
m = m.tolist()
print (m)
m1 = m[0][0]
m2 = m[1][0]

linear = []
for i in range(len(t)):
linear.append(m1*t[i] + m2*(t[i]**2)+5)
 #plot data
plt.plot(t, h, '*r', label='sebaran data')
plt.plot(t, linear, label='solusi inversi')
plt.grid()
plt.legend()
plt.xlabel('Time (s)')
plt.ylabel('Ketinggian (m)')
plt.title('Menghitung Gravitasi di Planet X')
plt.show()

1.4 Hasil
II. ANALISIS
Pada problem 1 bisa dilihat pada gambar bahwa penyebaran data yang didapatkan
berpengaruh terhadap sebaran data yang mana variasi suhu dengan kedalaman. Secara teori,
semakin dalam pengukuran yang dilakukan maka variasi dari suhunya akan meningkat pula.
Seperti terdapat pada problem 1, yang dimana dilakukan pengukuran sebanyak 10 kali dan
pada pengukuran tersebut variasi dari suhunya meningkat seiring dengan bertambahnya
kedalaman. Dari hasil problem 1, terdapat sebaran data dimana terdapat juga dari solusi
linear. Data pada problem 1 diolah dengan pola inversi linear yang menampilkan regresi
linear sebaran datanya.
Pada problem 2 menunjukkan kurva hasil inversi beserta sebaran titik data observasi.
Garis bewarna biru pada hasil inversi problem 2 merupakan garis kurva fitting hasil inversi
parabola. Sedangkan titik bewarna merah adalah data pengukuran ketinggian terhadap
waktu. Pada garis kurva bewarna biru berada melewati semua titik data pengukuran, yang
membuat akurasi dari pengukuran sangat tinngi. Sehinnga nilai kecepatan awal dan gravitasi
hasil inversi cukup valid untu menjelaskan gerak batu di planet X.
Pada kedua permasalahan tersebut, hasil yang ditampilkan atau data yang didapatkan
sama seperti hasil yang didapat pada perhitungan manual.