Melalui persamaan di atas maka akan terbentuk pola radargram yang. melukiskan garis-garis / pola pendekatan dari keadaan yang sebenarnya.

Transkripsi

1 BAB IV SIMULASI DAN ANALISIS 4.1 Pembuatan Data Sintetis Dalam karya tulis ini pembuatan data sintetis mengikuti pola persamaan (3.1) Melalui persamaan di atas maka akan terbentuk pola radargram yang melukiskan garis-garis / pola pendekatan dari keadaan yang sebenarnya. Dari persamaan diatas telah diatur sebelumnya agar menghasilkan matriks yang berukuran 64 X 64. Selain dari pada itu telah ditentukan sebelumnya dan. Tampilan dari program yang telah dibuat dengan menggunakan GUI MATLAB akan terlihat seperti dibawah ini : Gambar 4.1 Menu Utama Program

2 Dengan memilih Aplikasi Data Sintetis atau dengan menekan Ctrl + D. Maka akan masuk ke layar pembuatan data sintetis dengan spesifikasi pembuatan telah dijelaskan diatas. Layar tersebut akan tampak seperti ini : Gambar 4.2 Layar Aplikasi Pembuatan Data Sintetis Selanjutnya jika kita menekan tombol demo maka tampilan yang akan dihasilkan adalah serangkaian garis yang merepresentasikan keadaan noise pada radargram (Gambar 4.3). Pada bagian Data (Gambar 4.2) terdapat garis dari a sampai dengan g. Garis a dan g merepresentasikan bentuk hiperbola dari noise surface scattering. Dua buah garis e dan f menggambarkan keadaan noise system ringing. Sementara garis b-c dan d menggambarkan anomali keadaan bawah permukaan. Pada bagian DEMO ini pengguna hanya dapat melihat bentuk dari data sintetis, tanpa dapat merubah polanya. Untuk dapat

3 membuat polanya, pengguna dapat memasukkan data secara langsung kedalam kolom Data dan kolom Range X. Gambar 4.3 Tampilan dari data DEMO Berikut dibawah ini serangkaian data yang coba penulis buat untuk menampilkan data sintetis yang berbeda dari yang sebelumnya. Pada data sintetis di bawah ini garis a dan b menggambarkan efek system ringing di dekat permukaan. Kemudian data f dan g merupakan pola dari surface scattering yang diperkirakan membentuk hiperbola. Data d-e dan c menggambarkan keadaan anomali bawah permukaan. Garis Intercept time τ (ns) Slope p (ns/m) a 5 0 b 9 0 c 30 2 d 15 0 e 9 2

4 f 41-9 g 3 8 Tabel 4.1 Data rekonstruksi untuk model sintetis Gambar 4.4 Tampilan Data Sintetis pada program Selanjutnya data sintetis tersebut disimpan dalam format gambar (image) untuk selanjutnya diolah dengan menggunakan Wavelet Analysis 2 Dimensi dengan memanfaatkan Wavelet Toolbox ver 3.1 dari MATLAB R2006b. Masih dengan menggunakan program yang telah dibuat penulis, kita dapat melihat rangkaian data dalam bentuk transformasi radon linier. Cukup dengan menekan tombol Transformasi Radon yang terdapat pada bagian Menu.

5 4.2 Akusisi Data Lapangan Akusisi data lapangan telah dilakukan sebanyak tiga kali oleh penulis, pengambilan data pertama kali dilakukan di daerah Tasikmalaya Kecamatan Cikalong desa Cikancra pada tanggal 31 Maret 2007 menggunakan antena 50 MHz dan 100 MHz. Hasil dari pengambilan data ini kurang begitu memuaskan dikarenakan gangguan ( noise ) yang diharapkan muncul pada radargram tidak terlalu terlihat. Sehingga penulis bermaksud unntk melakukan akusisi data untuk yang kedua kalinya mengambil tempat di dalam Kampus ITB di sekitar Teknik Geofisika ITB. Pengambilan data menggunakan RAMAC/GPR dengan metode profiling (transmitter dan receiver bergerak bersamaan), antena yang dipergunakan memakai antena 200 MHz. Pemilihan antena ini diharapkan dapat memperlihatkan pola refleksi noise pada keadaan dangkal. Pengukuran dilakukan pada tanggal 21 April Gambar 4.5 Akusisi Data GPR

6 Gambar di atas merupakan tempat yang diambil untuk melakukan akusisi data GPR. Garis merah putus-putus (Gambar 4.5) merupakan lintasan yang diambil pada saat pengambilan data. Gambar 4.6 Radargram hasil Akusisi Gambar 4.7 Radargram GPR dengan noise surface scattering

7 Pada bagian gambar di atas (Gambar 4.6) tidak terlalu terlihat perilaku dari surface scattering yang diharapkan. Meskipun tempat yang dipilih sudah memenuhi kriteria noise, terdapat pepohonan besar, tiang besi dan beberapa pondasi beton. Pada radargram di atas cukup terlihat perilaku dari noise system ringing. Sebagai pembanding penulis telah mengambil data lapangan yang cukup mengandung noise system ringing dan surface scattrering (Gambar 4.7). Pengambilan data yang ketiga, mengambil tempat di sekitar selasar Fisika Bumi ITB dedengan menggunakan antenna 200 MHz. Pada pengambilan ketiga ini, penuis bermaksud membuat noise buatan dengan cara membentangkan kabel listrik AC dibagian atas antena diharapkan kehadiran kabel listrik ini akan memberikan noise/derau pada radargram GPR. Tanpa Noise Mengandung Noise Gambar 4.8 Komparasi Radargram dengan Noise buatan

8 Dari Gambar 4.8 dapat dilihat bahwa noise/derau terdapat pada radargram GPR. Tetapi, bukan bentuk noise seperti ini yang diharapkan dari pengambilan data ini. Setelah dianalisis ternyata noise tidak terlalu tampak disebabkan oleh frekuensi listrik yang terlampau kecil yaitu 60 Hz dan frekuensi antena yang besar yaitu 200 MHz sehingga gangguan tidak terlalu tampak pada radargram tersebut. 4.3 Analisis Data dengan DWT 1D dan 2D Analisis Data Sintetis dengan Analisis 2D Hasil dari pembuatan data sintetis kemudian dibuka dalam Matlab dengan menggunakan wavelet toolbox. Penggunaan Wavelet Toolbox 2D Analysis menjadikan radargram yang telah diperoleh sebagai suatu citra yang akan diolah secara digital. Untuk itu, keadaan sinyal yang berada di belakang citra tersebut tidak terlalu diperhatikan. Dalam pembahasan selanjutnya akan dijelaskan mengenai pengolahan data yang didapat dari citra radargram GPR. Pada proses (Gambar 4.9) dapat dilihat bahwa model sintetis yang telah kita buat pada subbagian sebelumnya diolah dengan menggunakan Multi Resolution Anlysis (MRA) 2 Dimensi. Pada bagian paling kiri atas gambar tersebut diperlihatkan bentuk asli dari citra yang akan diolah. Pada bagian selanjutnya terlihat kode H untuk detail Horizontal, V untuk Vertikal dan D unntuk Diagonal. Masing-masing dedtail tersebut telah di dekomposisi sebanyak 3 kali ( level 3 decomposition ) dengan menggunakan wavelet basis daubechies4 (db4). Pada bagian detail D1 telah diperlihatkan bahwa bagian

9 noise system ringing sudah tidak terlihat lagi. Sementara untuk surface scattering masih cukup terlihat jelas. Pada bagian lainnya kita dapat melihat bahwa 2D MRA berhasil menghilangkan system singing noise terlebih lagi ketika dekomposisi dilakukan sampai ke level3. Pada bagian selanjutnya akan diperlihatkan bagaimana penulis mengolah sampel dari lapangan kemudian melakukan MRA pada bagian baris yang dianggap noise pada radargram. Karena, noise yang muncul pada radargram biasanya muuncul secara horizontal untuk itu perlu dilakukan filtering secara horizontal pada bagian yang dianggap noise tersebut. 2D MRA A3 H1 V1 D1 H2 V2 D2

10 H1 V1 D1 Gambar 4.9 Multi Resolution Analysis 2D Level 3 Data sintetis yang telah dibuat sebelumnya hanya dapat digunakan untuk pengolahan 2D, dikarenakan nilai dari vektor yang berada dibalik citra radargram bukanlah nilai amplitudo dari gelombang elektromagnet yang dipancarkan GPR. Tetapi, hanya berupa nilai konstanta yang dihasilkan dari persamaan Analisis Data Lapangan dengan Analisis 1D Pada bagian ini akan diperlihatkan pemotongan pada radargram yang memiliki posisi melintang (horizontal). Radargram yang akan diolah terlebih dahulu adalah radargram pada Gambar 4.7. Terlebih dahulu akan dianalisis mengenai perilaku noise dalam radargram tersebut. Sehingga kita dapat mengetahui noise / gangguan apa saja yang muncul pada radargram terseut. Untuk selanjutnya noise tersebut dihilangkan dengan menggunakan Transformasi Wavelet Diskrit.

11 Gambar 4.10 Analisis noise pada radargram GPR Pada gambar di atas telah diambil dua buah garis putus putus sebagai penanda adanya noise. Garis tegas horizontal yang pertama menunjukan adanya noise system ringing dan garis hiperbola pada bagian kanan radargram menggambarkan noise surface scattering beserta dengan multiplenya. Sampel noise system ringing yang diambil adalah yang terletak pada row85 atau pada 70,83 ns. Pada bagian ini akan dilakukan dekomposisi dengan pendekatan wavelet db4. Sampai tingkat pengulangan ke-3.

12 Gambar 4.11 MRA row85 dengan db4 sampai level3 Multi Resolution Analysis diatas memperlihatkan sampai tingkat pengulangan ke-3 dimana sinyal noise yang ada pada row85 telah mengalami perubahan dari bentuk awalnya. Approksimasi A3 telah memperlihatkan kondisi sinyal yang terakhir sebagai bentukan dari penyaringan frekuensi rendah dan frekuensi tinggi sinyal tersebut Analisis Data Lapangan dengan Analisis 2D Data lapangan pada Gambar 4.6 akan dimasukan kedalam analisis 2D. Prosedur pertama dalam penghilangan noise adalah mendeteksi noise dengan mencari bagian dari noise tersebut. Pada gambar di bawah ini garis putus putus berwarna merah memperlihatkan pola horizontal yang merupakan noise dari data tersebut.

13 Gambar 4.12 Noise pada data lapangan Setelah mendapatkan data lapangan diatas, untuk melakukan filtering dilakukan MRA dengan menggunakan wavelet basis db4. Proses ini dilakukan sampai tingkat ke-3.berikut hasil yang didapat dari proses MRA tersebut. Original signal 2D MRA A3 H3 V3 D3 H2 V2 D2

14 H1 V1 D1 Gambar 4.13 Multi Resolution Analysis 2D Level 3 Proyeksi ringing yang cukup kuat terlihat dapat dihilangkan oleh DWT level 3 dengan menggunakan db4. Dibawah ini penulis sajikan gambar radargram yang menggunakan penyaringan Background Removal sebagai pembanding metode di atas. Gambar 4.14 Background Removal Filtering Dari hasil Background removal diatas masih terlihat beberapa bagian dari ringing yang tidak bisa dihilangkan. Selain daripada itu, bentukan dari sinyal menjadi bertumpuk secara tidak beraturan. Pola ringing yang ada pada bagian atas radargram masih nampak terlihat jelas.

15 Dengan prosedur yang sama Gambar 4.7 yang telah mengalami analisis 1D kemudian diproses dalam analisis 2D sehingga didapatkan keluaran sebagai berikut. Original signal 2D MRA A3 H3 V3 D3 H2 V2 D2 H1 V1 D1 Gambar 4.15 Multi Resolution Analysis Level 3 Pemilihan wavelet juga berpengaruh dalam pengerjaan analisis wavelet terutama pada bagian 1D. Dikarenakan cara kerja dari DWT adalah mendekati perbagian secara kontinu sampai sinyal tersebut habis dengan wavelet yang digunakan. Untuk kemudian perbandingan kemiripan antara wavelet yang

16 dipergunakan dengan sinyal yang akan diolah akan menghasilkan koefisien wavelet. Wavelet yang banyak dipergunakan dalam penilitan kali ini adalah Daubechies4 (db4) karena wavelet tersebut memiliki pola yang baik untuk analisis lokal. Sehingga sangatlah cocok untuk dipergunakan dalam analisis wavelet. Biasanya digunakan juga wavelet Daubechies1 atau Haar wavelet, untuk analisis wavelet. 4.4 Flow Chart dan Analisis Berikut disajikan flow chart yang menggambarkan keseluruhan proses dari program yang telah dibuat penulis serta program yang belum terintegrasi. Sehingga untuk melakukan proses filtering dilakukan secara terpisah. Gambar 4.16 Flowchart Program

17 Urutan kerja yang dilakukan penulis adalah sebagai berikut : Gambar 4.17 Alur pengerjaan Tugas Akhir Dimulai dengan akusisi data lapangan kemudian melakukan penelitian di laboratorium yang lebih banyak menekankan pada interaksi dengan software, maka lebih banyak unsur ketidak sengajaan dalam pengerjaan penelitian ini. Dikarenakan program yang belum ada sebelumnya maka cukup sulit untuk memahami konsep serta menerapkannya dan mengintegrasikannya dalam suatu program. Hal tersebut bukan suatu permasalahan yang besar dikarenakan akhir dari proses tersebut sudah diprediksi terlebih dahulu, sehingga proses yang dilalui tidak terlalu bermasalah.