TUGAS KELOMPOK 4 : METODE MAGNETIK

Setiana Wanita U.S (20/459236/PA/19897)​

Sulaiman Nurhidayat (20/459237/PA/19898)​
Vania Hadi Putri (20/459238/PA/19899)​
Yudha Arisandhy S. (20/459239/PA/19900)​
Zaidhania Nabila (20/459240/PA/19901)​
Alif Ardiansyah Surya W (20/462128/PA/20100)​
Alvin Farisa Lazuardi (20/462129/PA/20101)​
Anggita Dwi Nugraheni (20/462130/PA/20102)​
Arkan Naufal H (20/462131/PA/20103)​
Artha Aprilla Mulya (20/462132/PA/20104)​
Bimas Herpi P (20/462133/PA/20105)​
Damaristya Salsabila (20/462134/PA/20106)

TUGAS KELOMPOK 4 : METODE MAGNETIK 1

I. Metode Interpolasi pada Pengolahan Magnetik 2
Minimum Curvature 2
Bi-Directional Line 3
Kriging 4
Tinning (Triangular Irregular Network Gridding) 6
IDW (Inverse Distance Weighting) 6
Trend Surface Analysis (TSA) 7
II. Langkah Pengolahan Magnetik 7
 I. Metode Interpolasi pada Pengolahan Magnetik

Minimum Curvature
Minimum Curvature merupakan salah satu metode interpolasi yang menganalogikan
suatu permukaan adalah bidang elastis yang dihamparkan ke seluruh titik data sedemikian
sehingga hanya sedikit lekukan yang terbentuk. Metode ini melakukan generalisasi permukaan
secara halus. Oleh karena itu, metode ini dapat membuat permukaan sehalus mungkin pada data
yang diinterpolasi. Pada dasarnya, metode ini bukanlah metode yang non-eksak pada software
Oasis Montaj dan akan menghasilkan grid secara berulang dengan menerapkan persamaan
matematis pada grid tersebut sebagai upaya untuk memperhalus grid. Setiap melewati grid
nantinya akan dihitung sebagai satu iterasi. Nilai tiap grid dihitung secara berulang hingga
perubahan berturut-turut dalam nilai kurang dari nilai Residual Maksimum atau jumlah iterasi
maksimum tercapai (bidang iterasi maksimum). Metode ini juga secara luas digunakan dalam
ilmu bumi karena hasil interpolasi dengan metode Minimum curvature dengan perbedaan yang
sangat tipis, piringan linier elastis melewati setiap nilai data dengan jumlah minimum yang dapat
berubah. Rumusan matematis dalam metode minimum curvature dapat dilihat dari penggunaan
iterasi maksimum metode numerik oleh Smith dan Wessel (1990). Rumusan tersebut dinyatakan
sebagai berikut:
AX + BY + C = Z(X,Y)
Dengan penggunaan algoritma interpolasinya dinyatakan dengan rumus:

Terdapat beberapa batasan masalah yang dapat digunakan sesuai dengan kondisi masing-masing
data, antara lain:

Dengan keterangan dari masing-masing variabel sebagai berikut:

 Pada Oasis Montaj, pertama-tama, dilakukan perkiraan nilai grid pada suatu simpul grid
yang kasar (umumnya 8 kali ukuran grid akhir). Perkiraan ini didasarkan pada rata-rata jarak
terbalik dari data aktual dalam radius pencarian tertentu. Jika tidak ada data dalam radius
tersebut, rata-rata semua titik data dalam grid akan digunakan. Selanjutnya, metode iteratif
digunakan untuk menyesuaikan grid agar sesuai dengan data aktual yang terdekat dengan bentuk
grid yang dikalkulasi. Setelah kecocokan ini tercapai, ukuran grid yang dihitung dibagi menjadi
2. Proses yang sama dilakukan menggunakan grid hitung sebagai permukaan awal. Proses ini
diulangi secara iteratif hingga permukaan kelengkungan minimum sesuai dengan ukuran sel grid
akhir. Oleh karena itu, parameter yang sangat penting dalam proses Minimum Curvature adalah
jumlah iterasi yang digunakan untuk menyesuaikan permukaan pada setiap langkah. Makin besar
jumlah iterasi, makin dekat permukaan akhir dengan permukaan kelengkungan minimum yang
sebenarnya. Namun, waktu pemrosesan sebanding dengan jumlah iterasi. Minimum Curvature
akan berhenti iterasi ketika telah mencapai jumlah iterasi maksimum yang ditentukan dan
persentase tertentu dari titik yang diamati berada dalam batas toleransi permukaan.
Minimum Curvature memiliki kelebihan antara lain, dapat mengakses titik pengamatan input dan
jumlah tak terbatas, tensi internal dapat disesuaikan, dapat menerapkan filter de-aliasing, dapat
menerapkan gridding linier dan logaritmik, menerapkan proyeksi serta mengosongkan area yang
tidak disampel juga mengeluarkan hasil grid hingga berbagai ukuran. Namun, salah satu
kelemahan metode ini adalah kecenderungan mengekstrapolasikan nilai-nilai di daerah yang
tidak ada datanya. Oleh karena itu, ukuran maksimum kisi sebenarnya yang dapat digunakan
bergantung pada memori yang tersedia di masing-masing komputer/laptop.

Bi-Directional Line
Interpolasi Bi-Directional atau interpolasi Dwimatra adalah interpolasi dengan dua
peubah atau dapat dikatakan sebagai interpolasi dua dimensi (tweening). Pada dasarnya,
interpolasi adalah melakukan penyisipan di antara dua bagian yang berbeda atau memperkirakan
nilai dari suatu fungsi antara nilai yang telah diketahui. Pada Oasis Montaj, interpolasi digunakan
untuk menggabungkan beberapa efek yang ingin dilakukan pada suatu objek. Namun, ada
kalanya dibutuhkan perkiraan nilai fungsi dengan dua peubah. Fungsi dengan dua peubah, x dan
y, secara umum dinyatakan sebagai:
Z = f(x,y)
Grafik fungsi Z akan berbentuk permukaan atau selimut kurva dengan alasnya adalah
bidang x-y. Jadi, nilai-nilai Z terletak pada permukaan tersebut. Jika Z diinterpolasikan dengan
interpolasi dwimatra, maka harus ditentukan orde dalam arah-x dan order dalam arah y. Pada
setiap arah, harus dipilih peubah yang konstan. Artinya, dalam arah-y, nilai x yang dipegang
akan konstan, begitupun dalam arah-x, nilai y yang dipegang harus konstan. Misal, Z dihampiri
dengan suatu polinom dua-peubah yang dalam hal ini, orde dalam arah-x adalah 2 dan orde
dalam arah-y adalah 3. Maka, bentuk fungsi Z adalah:
 Pada Oasis Montaj, opsi ini akan menghasilkan file grid menggunakan proses dua
langkah, yaitu setiap garis diinterpolasi sepanjang garis aslinya untuk menghasilkan nilai data
pada perpotongan setiap garis grid yang diperlukan dengan nilai yang diamati. Selanjutnya,
titik-titik yang berpotongan dari setiap garis kemudian diinterpolasi dalam arah lintas garis untuk
menghasilkan nilai pada setiap titik kisi yang diperlukan. Bi-Directional sendiri merupakan
teknik numerik untuk garis survei yang paralel dan digunakan jika data yang dikumpulkan
seperti pada gambar di bawah ini

Gambar 1. Ilustrasi Garis Survei yang Paralel

Penggunaan metode ini tidak dapat menggunakan garis ikat karena cara kerja algoritma
dari Gridding yang tidak cocok dengan metode ini. Oleh karena itu, metode ini sangat ideal
untuk data berorientasi garis karena secara inheren cenderung memperkuat tren agar tegak lurus
terhadap arah garis survei. Kecenderungan geologis dalam data dapat ditekankan dengan
orientasi yang sesuai dari grid sehingga interpolasi kedua arah berada sesuai dengan arah strike.
Selain peningkatan tren, metode ini memungkinkan metode interpolasi dipilih secara independen
untuk arah down-line dan across-line. Interpolasi yang tersedia adalah linear, Minimum
Curvature, dan Akima Spline. Metode ini pun dapat merancang dan menerapkan filter numerik
non-linear atau linier ke data garis asli. Penggunaan filter ini sangat efektif untuk menghilangkan
outlier dari data asli.

Kriging
Metode Kriging merupakan metode yang mengestimasi stochastik dimana menggunakan
kombinasi linear dari bobot untuk memperkirakan nilai di antara sampel data. Metode ini
umumnya digunakan untuk memperkirakan nilai dari bahan tambang. Asumsi dari metode ini
adalah jarak dan orientasi antara sampel data menunjukkan korelasi spasial yang penting dalam
hasil interpolasi. Kecepatan perhitungan dengan menggunakan metode Kriging bergantung dari
banyaknya sampel data yang digunakan dan cakupan dari wilayah yang diperhitungkan. Kriging
dapat menghubungkan titik-titik bernilai ekstrim tanpa mengisolasinya sehingga tidak terbentuk
efek “mata sapi” karena metode ini menggunakan semivariogram yang merepresentasikan
perbedaan spasial dan nilai di antara semua pasangan sampel data. Semivariogram juga
menunjukkan bobot yang digunakan dalam interpolasi. Semivariogram dihitung berdasarkan
sampel dengan suatu jarak (h), beda nilai (Z), dan jumlah sampel data (n) yang dapat dilihat
melalui persamaan di bawah ini:

Pada jarak yang dekat (sumbu horizontal), semi varian akan bernilai kecil, tetapi pada
jarak yang lebih besar, semi varian akan bernilai tinggi yang menunjukkan bahwa variasi dari
nilai Z tidak lagi berhubungan dengan jarak sampel titik. Jenis Kriging yang bisa dilakukan
umumnya dengan cara spherical, circular, exponential, gaussian, dan linear. Tahapan dalam
menggunakan metode ini antara lain, analisis statistik dari sampel data, pemodelan variogram
menggunakan rumusan matematis di atas, lalu membuat hasil interpolasi, dan menganalisis nilai
varians. Kriging pada software Oasis Montaj dapat difungsikan sebagai interpolator yang eksak
atau sebagai penghalus, bergantung pada parameter yang digunakan. Hasil prediksi Kriging lebih
akurat daripada metode regresi. Metode ini sangat tepat digunakan bila diketahui korelasi spasial
jarak dan orientasi data. Oleh karena itu, metode ini sering digunakan dalam bidang kebumian.
Metode ini memperbolehkan error yang berkorelasi, sehingga semakin dekat nilai masukan,
semakin kuat korelasi keluaran. Regresi menggunakan satu himpunan parameter estimasi untuk
semua nilai masukan, sementara Kriging mengadaptasi parameternya (pembobotan) untuk
memprediksi perubahan nilai masukan.
Pada Oasis Montaj, Kriging adalah teknik Gridding statistik untuk data yang acak, yang
merupakan data garis non-paralel atau data garis yang tegak lurus. Data seperti itu disebut acak
karena memberikan tampilan acak saat lokasi data diplot, juga garis data dengan garis survei
yang tegak lurus memiliki arah yang acak. Gambar di bawah ini mengilustrasikan bentuk data
yang acak:

Gambar 2. Ilustrasi Sebaran Titik Data

Pada Oasis Montaj, dapat dilakukan Kriging biasa dan Kriging Universal. Kriging Universal
digunakan untuk mengikuti tren regional apapun yang mungkin ada dalam kumpulan data.
Tinning (Triangular Irregular Network Gridding)
Dalam Oasis Montaj, TIN digunakan untuk membuat dan menyusun data menggunakan
metode Nearest Neighbor. Algoritmanya berupa klasifikasi yang bekerja dengan mengambil
sejumlah K data terdekat (tetangganya) sebagai acuan untuk menentukan kelas dari data baru.
Algoritma ini mengklasifikasikan data berdasarkan kemiripan atau kedekatannya terhadap data
lainnya. Secara umum, cara kerja algoritma Nearest Neighbor yaitu, menentukan jumlah
tetangga (K) yang akan digunakan untuk pertimbangan penentuan kelas, lalu dihitung jarak dari
data baru ke masing-masing data titik di dataset, lalu diambil sejumlah K data dengan jarak
terdekat untuk ditentukan kelas dari data baru tersebut.
TIN dibuat dari kumpulan data spasial menggunakan domain sweepline di mana metode
ini memerlukan satu titik data untuk setiap (X, Y) lokasi data dalam dataset. Tinning
memberikan kemampuan untuk menjumlahkan atau merata-ratakan duplikat sampel data yang
memiliki beberapa nilai Z di lokasi titik tunggal.
Metode TIN ini bermanfaat untuk menghasilkan analisis patahan. Metode ini
membutuhkan data yang banyak karena jika kekurangan data maka akan terjadi pembentukan
pola segitiga pada permukaan kontur. Walaupun demikian metode ini dapat menangani situasi
sulit seperti pembuatan fitur seperti teras dan lubang. Metode ini tidak mengekstrapolasi
nilai-nilai Z diluar jangkauan data.

IDW (Inverse Distance Weighting)

Algoritma Inverse Distance Weighting pada Oasis Montaj adalah algoritma interpolasi
moving average yang biasanya diterapkan pada data yang sangat bervariasi. IDW menghitung
nilai untuk setiap simpul jaringan dengan memeriksa titik data di sekitar yang berada dalam
radius pencarian yang ditentukan oleh pengguna. Nilai simpul dihitung dengan rata-rata jumlah
tertimbang dari semua titik, di mana pembobotan berbanding terbalik dengan jarak dari simpul
jaringan. Beberapa langkah untuk melakukan IDW adalah melakukan Anti-Aliasing yaitu semua
nilai yang berada di dalam sel grid tunggal dirata-ratakan dan datanya kemudian diwakili oleh
nilai rata-rata tunggal di pusat sel grid. Kesalahan apapun dalam representasi spasial fitur tidak
akan pernah melebihi seperempat panjang gelombang Nyquist atau sama dengan ukuran 2 sel
dengan menggunakan Anti-Aliasing. Lalu, dilakukan fungsi pembobotan jarak terbalik untuk
memberikan bobot rata-rata berdasarkan jarak ke radius pencarian yang ditentukan. Tabel berikut
menunjukkan pengaruh berbagai kemiringan pada pembobotan yang diberikan pada berbagai
jarak dari sel pusat dan telah dinormalisasi sehingga bobot pada pusat sel sama dengan 1.

Gambar 3. Tabel Pengaruh Kemiringan dengan Pembobotan

saat kemiringan meningkat, pembobotan lebih terkonsentrasi pada sel tengah. Radius pencarian
juga harus dipilih berdasarkan penurunan fungsi pembobotan. Meningkatkan radius pencarian di
luar fungsi pembobotan yang signifikan akan berdampak kecil pada hasil, dan dapat
mengakibatkan peningkatan besar dalam waktu pemrosesan, karena waktu pemrosesan bervariasi
sebanding dengan kubus radius pencarian. (Ingat bahwa radius pencarian ditentukan dalam
satuan dasar, bukan kelipatan ukuran sel.)

Trend Surface Analysis (TSA)

Metode TSA (Trend Surface Analysis) merupakan salah satu metode polinomial yang
merupakan model regresi linear matematik, berupa koordinat polinomial dalam bentuk x dan y
dari pola anomali magnet untuk skala besar.. Metode ini digunakan untuk memisahkan data yang
direpresentasikan sebagai peta tren dan peta anomali lokal. Anomali magnet total merupakan
respon dari berbagai sumber anomali yang relatif dalam, sedangkan anomali magnet lokal
merupakan respon dari sumber anomali yang relatif dangkal. Dari kedua jenis anomali tersebut
pola anomali yang dalam maupun yang dangkal diharapkan bisa lebih terlihat. Dengan
menerapkan metode TSA maka anomali lokal yang dihasilkan dapat melengkapi data dalam
beberapa penafsiran yang menggambarkan tatanan geologi daerah penelitian.
Dalam kasus polinomial orde 2, digunakan persamaan berikut :

Dengan :
f(x_i,y_i ) = fungsi anomali regional
b = konstanta polinomial
x_i = koordinat pada sumbu x di setiap titik pengmatan
y_i = koordinat pada sumbu y di setiap titik pengmatan
n = orde

II. Langkah Pengolahan Magnetik

1. Melakukan input data ke dalam database Oasis Montaj,
Data merupakan hasil olahan data format surfer dari Res2Dinv dengan bentuk .dat topres
untuk resistivitas dan topip untuk IP. Sedangkan untuk format data pada excel, kolom “x
location” diisi dengan letak titik datum, “line” diisi dengan jarak antar lintasan, kolom
“elevation” dan “resistivity” diisi sesuai nama kolom dengan data dari file .dat. Data
dipindah ke notepad dan disimpan dengan format ‘.txt’.
2. Melakukan import data pada Oasis Montaj,
Import data dilakukan File > project > new kemudian buka data lintasan yang telah
disimpan dalam .txt dengan Data > Import > Ascii. Kemudian menu wizard > delimited
> next
3. Memperoleh peta anomali medan magnet total,
 Selanjutnya pilih grid and image > gridding > minimum curvature > control file. Pilih
channel to grid dengan file berformat .txt yang telah dibuat sebelumnya. Kemudian beri
nama.
4. Melakukan Reduce to Pole pada Oasis Montaj
Pilih menu MAGMAP > step by step filtering > Define Filter. Pada control file name
masukkan nama magmap.con dan pilih filter reduce to pole. Masukkan sudut inklinasi
dan amplitude correction inclination sesuai daerah penelitian > Klik ok. Kembali pada
menu MAGMAP > step by step filtering > Apply Filter.
5. Melakukan filter upward continuation untuk mendapatkan anomali regional
Pilih menu MAGMAP > MAGMAP 1-Step Filtering > Masukkan file yang sudah di RTP
> beri nama file outputnya > Klik Filter. Setelah itu, akan muncul tab window yang baru
pilih upward continuation pada filter 1 > masukkan nilai jarak yang akan dinaikkan > klik
Ok.Setelahnya akan diperoleh hasil dari upward continuation berupa peta anomali
regional
6. Selanjutnya adalah menentukan anomali lokal dengan mengurangkan hasil RTP dengan
anomali regional.
Dimulai dengan Pilih menu Grid and Image > Grid Math > masukkan rumus
pengurangan yang akan dilakukan dengan G0 = x - y > tentukkan file dan beri nama
outputnya > masukkan file RTP sebagai nilai x > masukkan file anomali regional sebagai
y > Klik Ok. Dari langkah - langkah tersebut akan didapatkan anomali lokal.
7. Melakukan Forward Modelling dengan Oasis Montaj
1) Langkah pertama adalah menetapkan target yang akan dimodelkan. Selanjutnya
adalah melakukan forward modelling dengan cara klik Load Menu > Pilih
gmsys.omn > Klik Open. Selanjutnya adalah pilih tab menu GM-SYS > New
Model > From map profile > akan muncul jendela baru. Masukkan informasi -
informasi yang perlukan. Informasi tersebut adalah :
- Model name → nama dari model yang akan dibuat
- Magnetik grid → input peta atau grid magnetik yang telah dibuat
sebelumnya
- Magnetik elevation grid → input peta atau grid magnetik jika titik
pengukuran magnetik yang tidak berada di permukaan bumi (ex : survey
aeromagnetik) dan input grid topografi bila berada di permukaan
- Constant magnetic elevation: dilakukan input ketinggian pengukuran dan
disamakan setiap titik (ketinggian rata-rata pesawatnya).
- Topography grid: input berupa peta/grid dari topografi, ketinggian di
setiap pengukuran berpengaruh cukup besar pada proses modelling
sehingga inputan di sini cukup penting.
- Setelah selesai, klik finish.
2) Selanjutnya muncul peta yang akan disayat sesuai input peta/grid. Buat sayatan di
lokasi yang diinginkan kemudian klik Done. Dilakukan penyesuaian garis yang
 dibuat dengan target perkiraan. Lalu akan muncul jendela Earth’s Magnetic Field.
Dilakukan pengisian kolom sebagai berikut:
● Magnitude, H = Nilai IGRF pada daerah tersebut
● Inklinasi, FI = Nilai inklinasi, jika peta yang digunakan adalah peta setelah
RTP maka nilai inklinasi diisi 90 derajat.
● Deklinasi, FD = Nilai deklinasi, jika peta yang digunakan adalah peta
setelah RTP maka deklinasi diisi 0 derajat.
3) Lalu klik OK dan akan muncul jendela baru untuk pembuatan model dengan
beberapa kolom, yaitu:
● Kolom Plan View depth : menggambarkan litologi dan bentuk hasil
pemodelan pada sebuah di kedalaman tertentu yang diatur pada garis sayat
berwarna merah di kolom depth. Untuk merubah kedalaman Plan View
Depth, atur pada menu View > Plan View Depth
● Kolom nT : merupakan kolom yang menggambarkan grafik nilai magnetik
sesuai sayatan yang dibuat. Berikut keterangannya :
○ Titik titik hitam merupakan bentuk grafik yang ingin disesuaikan
○ Garis hitam merupakan garis hasil perhitungan pemodelan,
semakin mirip garis hitam dengan bentuk titik-titik hitam, semakin
sesuai model dengan perhitungan.
○ Garis biru merupakan garis koreksi error
○ Garis merah merupakan garis hasil perhitungan yang
menggambarkan nilai error, semakin dekat garis merah dan garis
biru, maka semakin kecil error yang dihasilkan.
● Kolom mGals : merupakan kolom data gravitasi
● Kolom Time Seconds : merupakan kolom jika terdapat data seismik yang
diinputkan.
4) Hanya data magnetik yang tersedia sehingga kolom selain nT dan Depth lebih
baik ditutup dengan di-drag ke atas atau bawah. Kemudian dilakukan pembuatan
lapisan atau blok dengan panjang yang mendekati tak hingga (infinite slab)
dengan view-infinite. Untuk menyesuaikan bentuk grafik, digunakan view-full
view.
5) Langkah selanjutnya adalah membuat lapisan yang diperkirakan. Klik Add point
pada jendela action. Lalu klik di kedua sisi garis dan digunakan opsi Split block
dengan menyambungkan titik dengan titik lain di seberangnya. Kedalaman dari
lapisan juga harus dipertimbangkan secara geologi maupun perhitungan fisika.
6) Setelah itu, dilakukan pembuatan pemodelan bawah permukaan sesuai yang
diperkirakan dengan menggerakkan titik sauh pada garis hijau. Jika ingin
menambah titik, klik Add point sesuai kebutuhan.
7) Pada proses pemodelan ini, nilai error dan garis hitam di kolom nT belum
berubah. Hal ini disebabkan oleh belum ditetapkannya suseptibilitas tiap lapisan.
 8) Dilakukan input nilai suseptibilitas sekaligus memberi warna dan keterangan tiap
lapisan/blok dengan tombol Examine di jendela Action.
9) Selanjutnya, nilai error yang muncul mungkin akan sangat besar (ribuan-puluhan
ribu). Digerakkan titik sauh yang telah dibuat sebelumnya untuk memperkirakan
model geologi yang sesuai sehingga nilai error mengecil. Semakin besar
suseptibilitas lapisan maka pengaruh terhadap grafik juga akan semakin besar.
Kemudian, semakin kecil nilai ERR di pojok kiri bawah kurva maka model yang
dibuat semakin mendekati data observasi.

8. Melakukan Backward Modelling dengan Oasis Montaj

1) Langkah pertama, pada action menu pilih invert
2) Lalu klik X drop-down list lalu pilih parameter to free
3) Klik pada model point yang kosong
4) Pada free block parameter, pilih density atau susceptibility dalam drop-down list
5) Kemudian klik blok yang kosong
6) Cek Auto DC level dengan mengizinkan DC level atau DC offsite
7) Setelah itu, bersihkan semua botton fixes all model parameter
8) Cek constraints pada limit jarak yang mungkin dipindahkan selama inversion
iteration
9) Enter maximum range distance untuk dX/dZ
10) Klik OK
11) Selanjutnya melakukan cross check pada constraints checkbox
12) Terakhir, klik G:M button untuk mengubah gravity-magnetic weighting