Komputasi Geofisika 1: Pemodelan dan Prosesing Geofisika dengan Octave/Matlab

Transkripsi

1 Komputasi Geofisika 1: Pemodelan dan Prosesing Geofisika dengan Octave/Matlab Editor: Agus Abdullah Mohammad Heriyanto Hardianto Rizky Prabusetyo Judul Artikel: Bandpass Filter untuk Data Seismik Lutfi Nur Hidayat, Taufan Rifqi Syafrudin, Angreani Suwesti, Umar Abdul Khakim, Mega Dwi Astuti, dan Mochammad Ibnu Hanafi GitHub: Homepage: University: Contact Us: Program Studi Teknik Geofisika Fakultas Teknologi Eksplorasi dan Produksi Universitas Pertamina Jakarta Maret 2018

2 Lutfi Nur Hidayat *), Taufan Rifqi Syafrudin, Angreani Suwesti, Umar Abdul Khakim, Mega Dwi Astuti, dan Mochammad Ibnu Hanafi Proyek Pemograman - GP2103 Metode Komputasi Program Studi Teknik Geofisika Fakultas Teknologi Eksplorasi dan Produksi, Universitas Pertamina Jl. Teuku Nyak Arif, Simprug, Jakarta Selatan, Indonesia, *) hidayatlutfi1809@gmail.com (corresponding author) Abstrak Dunia eksplorasi tidak dapat lepas dari ilmu kebumian seperti geofisika. Peran geofisika di dunia eksplorasi tidak bisa dihilangkan sebagai pemegang peran yang sangat vital dengan penggunaan metode geofisika seperti metode seismik untuk mengetahui kenampakan subsurface. Dalam metode seismik terdapat banyak program yang dijalankan seperti bandpass filter salah satunya. Bandpass filter yaitu upaya menyaring gelombang seismik dengan rentang frekuensi tertentu dengan menghilangkan frekuensi rendah dan tinggi bedasarkan konsep low cut dan high cut. Pada proyek pemograman ini menggunakan Matlab dengan fungsi utama yang digunakan untuk proses bandpass filter adalah butter dan penggunaan fungsi transformasi forier, fast Fourier transform, untuk analisis spektrum sebagai langkah awal untuk menentukan frekuensi yang akan diambil dan dibuang sebelum melakukan bandpass filter. Setelah proses band pass filter dilakukan, noise berkurang dan signal to noise ratio menjadi bertambah. Hal yang bisa didapat setelah dilakukan proses bandpass filter yaitu gelombang seismik pada penampang seismik menjadi lebih bersih sehingga mempermudah penentuan waktu firstbreak dan interpretasi. Kata-kata kunci: Bandpass filter, noise, seismik, transformasi forier Tersedia online 1 Maret 2018 Lisensi kode: MIT License Bahasa: Indonesia Kutip artikel ini sebagai berikut: Lutfi Nur Hidayat, Taufan Rifqi Syafrudin, Angreani Suwesti, Umar Abdul Khakim, Mega Dwi Astuti, & Mochammad Ibnu Hanafi. (2018) PENDAHULUAN 1.1. Latar Belakang Gelombang seismik adalah gelombang energi yang berjalan melalui lapisan bumi dan merupakan hasil dari gempa bumi, letusan gunung berapi, gerakan magma, tanah longsor besar, dan ledakan buatan besar yang memberikan energi akustik frekuensi rendah. Medan gelombang seismik dicatat oleh seismometer, hidrofon (dalam air), atau akselerometer. Kecepatan perambatan gelombang bergantung pada densitas dan elastisitas media. Kecepatan cenderung meningkat dengan kedalaman dan berkisar dari sekitar 2 sampai 8 km/s di kerak bumi sampai 13 km/s di dalam mantel dalam. Dalam seismologi, seismic trace mengacu pada kurva yang direkam dari seismograf tunggal saat mengukur ground movement. Nama trace berasal dari kurva yang digambarkan oleh seismograf saat gulungan kertas diputar dan jarum meninggalkan jejak dari mana informasi tentang permukaan bawah permukaan dapat diekstraksi. Instrumen saat ini merekam data secara digital dan kata trace telah mengacu pada kurva digital. Jejak seismik mewakili respon medan gelombang elastis terhadap variasi kecepatan dan kerapatan di seluruh lapisan batuan atau sedimen saat energi bergerak dari sumber melalui lapisan bawah ke penerima atau rangkaian penerima. 17

3 Metode seismik adalah salah satu metode eksplorasi yang didasarkan pada pengukuran respon gelombang seismik (suara) yang dimasukkan ke dalam tanah dan kemudian direfleksikan atau direfraksikan sepanjang perbedaan lapisan tanah atau batas-batas batuan. Sumber seismik umumnya adalah sledgehammer yang dihantamkan pada pelat besi di atas tanah, benda bermassa besar yang dijatuhkan atau ledakan dinamit. Respon yang tertangkap dari tanah diukur dengan sensor yang disebut geofon, yang mengukur pergerakan bumi. Dalam melakukan eksplorasi menggunakan metode seismik, pada data yang diperoleh sering terdapat noise atau data pengotor yang tidak kita kehendaki sehingga harus dibuang dari data utama. Identifikasi data utama dan noise dapat dilakukan dengan melihat grafik spektrum data seismik tersebut. Grafik spektrum data seismik adalah grafik yang menampilkan frekuensi versus amplitudo spektrum yang diperoleh dari melakukan transformasi fast fourier (fast Fourier transform). Analisis Fourier adalah metode untuk mendekomposisi sebuah gelombang seismik menjadi beberapa gelombang harmonik sinusoidal dengan frekuensi berbeda-beda. Dengan kalimat lain, sebuah gelombang seismik dapat dihasilkan dengan menjumlahkan beberapa gelombang sinusoidal frekuensi tunggal. Sedangkah sejumlah gelombang sinusoidal tersebut dikenal dengan Deret Fourier. Di sisi lain, transformasi Fourier adalah metode untuk mengubah gelombang seismik dalam domain waktu menjadi domain frekuensi. Proses sebaliknya adalah inversi transformasi Fourier (inverse Fourier transform). Filter secara bahasa memiliki makna menyaring. Pada proses filter dilakukan penyaringan data yang akan meloloskan data tertentu dan menghilangkan noise. Ada tiga jenis filter pada data seismik yakni lowpass, highpass, dan bandpass. Parameter untuk melakukan filter adalah frekuensi. Untuk menentukan batas frekuensi perlu memperhatikan spektrum frekuensi serta rekaman reflektor yang dilihat pada shot gather sehingga dapat ditentukan yang mana noise dan yang mana data utama Tujuan Tujuan yang ingin dicapai pada proyek pemograman ini adalah: a. Menghasilkan data seismik dengan S/N (signal to noise ratio) yang baik. b. Menghilangkan komponen frekuensi yang mengganggu pada data seismik dan meloloskan data yang diinginkan. c. Melakukan proses bandpass filter data seismik. 2. METODOLOGI 2.1. Teori Bagian Bandpass filter merupakan filter yang melewatkan frekuensi di antara frekuansi cut-off bawah dan frekuensi cut-off atas. Fungsi dari bandpass filter menghilangkan komponen frekuensi yang menggangu (noise) pada data seismik dan meloloskan data yang diinginkan dengan analisis spektrum. Gambar 1. Contoh data awal domain waktu (a) dan domain frekuensi(b) (A. Abdullah, 2008) Gambar 2. Bandpass filter (A. Abdullah, 2008) Dalam melakukan bandpass filter tidak terdapat rumus matematisnya, namun terdapat berbagai fungsi yang mendukung untuk memperoleh hasilnya. Fungsi tersebut terdiri dari: a. Import Data Seismik Fungsi ini merupakan suatu fungsi untuk membaca data seismik memasukkan datanya untuk dilakukan proses selanjutnya (menampilkan file berformat.sgy). Data = ReadSegy( Nama_File.sgy ); (1) 18

4 b. Melihat Frekuensi pada Trace Data Seismik Seperti penjelasan diatas, supaya dapat melihat frekuensi pada trace data seismik harus menggunakan spektrum analisis (mengubah domain waktu menjadi frekuensi). Variabel=fft(data seismik yang terbaca); (2) c. Bandpass Filter Tahap utama dalam melakukan bandpass filter yaitu menggunakan fungsi yang ada di bawah ini: [b a] = butter(order,[batas frekuensi atas batas frekuensi bawah]/(fs/2)); (3) Order yang dimasukkan bernilai genap (dalam proses bandpass filter data seismik order = 2). Fs merupakan frekuensi sampling yang muncul pada data seismik (1/T). b dan a merupakan suatu nilai yang selanjutnya akan difilter bersama dengan data seismik yang akan dilakukan prosesnya sehingga mendapatkan hasil bandpass filter-nya. d. Plot Gambar Plot gambar merupakan suatu proses yang dapat menampilkan data yang telah dilakukan proses sebelumnya dalam bentuk gambar (menunjukkan apakah hasilnya akan benar atau tidak). Plot(sumbu x, sumbu y, warna ) (4) 2.2. Flowchart Pemograman Flowchart yang digunakan pada pemrograman bandpass filter pada data seismik adalah: Start import Data Seismik Analisis Spektrum Masukkan Batas Frekuensi Bandpass Filter Data Seismik Hasil Bandpass End Gambar 3. Flowchart bandpass filter pada data seismik. 19

5 3. HASIL PEMOGRAMAN DENGAN OCTAVE Gambar 4. Proses bandpass filter pada data seismik 20

6 Gambar 5. Hasil spektrum analisis pada 1 trace pertama (a) (b) Gambar 6. Hasil bandpass filter 1 trace pertama frekuensi Hz menggunakan Matlab (a) dan Sigview (b) 21

7 Gambar 7. Hasil bandpass filter pada 1 trace pertama frekuensi Hz menggunakan Matlab Gambar 8. Hasil bandpass filter pada 1 trace pertama frekuensi Hz menggunakan Sigview Gambar 9. Hasil spektrum snalisis pada 100 trace pertama 22

8 Gambar 10. Hasil raw pada 100 trace pertama menggunakan Matlab Gambar 11. Hasil bandpass filter pada 100 trace pertama frekuensi Hz menggunakan Matlab 23

9 4. DISKUSI Dalam pemograman yang dibuat menjelaskan hal-hal yang harus dilakukan supaya dapat berfungsi untuk menjalankan bandpass filter pada data seismik. Pada gambar 4 menunjukkan hal yang harus dilakukan. Seperti pada dasar teori yan telah dijelaskan sebelumnya, pemograman ini menggunakan semua fungi (1) sampai (5). Hal yang sangat mendasar untuk dibahas adalah hasil yang telah diperoleh dari program bandpass filter. Seperti pada gambar 5 menunjukkan analisis spektrum yang terdiri dari grafik frekuensi terhadap amplitudo sehingga dapat diketahui frekuensi yang dominan pada data seismik trace pertama tersebut. Namun sebelum menggunakan frekuensi yang dominan, dapat menggunakan frekuensi yang kecil (10-20 Hz) untuk melihat apakah prosesnya berjalan lalu menggunakan frekuensi yang dominan (57-65 Hz). Untuk memastikannya, hasil program yang dibuat akan dibandingkan dengan software untuk memproses signal (sigview). Pada gambar 6, 7, maupun 8 mendapatkan hasil yang relatif sama antara program yang dibuat maupun melalui sigview. Perbedaan yang terlihat yaitu pada garis, untuk sigview lebih smooth dibandingkan dengan program yang dibuat. Hal tersebut dipengaruhi oleh moving average yang terdapat pada software sigview. Setelah melihat bahwa bandpass filter berjalan pada satu trace, maka dilanjutkan program untuk data seismik dengan jumlah trace yang lebih banyak lagi (kompleks). Terlihat pada gambar 9, bahwa jumlah data yang akan melalui proses bandpass filter adalah 100 trace. Data seismik tentunya tidak akan terlepas dari frekuensi, yaitu dengan menggunakan analisis spektrum (terdapat fungsi fast fourier transform) untuk mendeteksi frekuensi rata rata dari sekian trace. Untuk menampilkan rata rata frekuensinya maka harus memanggil fungsi sum(dataseismik,2) yang berfungsi menjumlahkan beberapa trace menjadi sebuah data seperti pada gambar 9. Disisi lain untuk data seismik frekuensinya sekitar Hz. Dari data seismik awal yang terlihat pada gambar 10 dilakukan bandpass filter dengan rentang frekuensi Hz. Hasil yang akan diperoleh adalah gambar 11 yang bisa terlihat waktu firstbreak dan akan memudahkan dalam melakukan interpretasi. Namun ada kejanggalan juga dalam hasil bandpass filter yaitu terlihat bahwa data sebelum dan sesudah bandpass filter hampir terlihat sama (tetap terdapat pebedaan) yang dapat diindikasikan bahwa data yang dibandpass filter merupakan data yang sudah bersih dari noise (sudah melalui filtering). 5. KESIMPULAN Kesimpulan dari proyek pemrograman yang telah dibuat adalah : a. Bandpass filter merupakan filter yang melewatkan frekuensi antara frekuansi cut-off bawah dan frekuensi cut-off atas. b. Fungsi dari bandpass filter adalah menghilangkan komponen frekuensi yang menggangu (noise) pada data seismik dan meloloskan data yang diinginkan dengan analisis sprektrum. c. Dengan menggunakan bandpass filter kita dapat menghasilkan data seismik dengan S/N (signal to noise ratio) yang baik. d. Matlab tidak dapat memproses secara langsung data dengan format sgy sehingga perlu digunakan program khusus. e. Program bandpass filter dapat dilakukan menggunakan Matlab. f. Proses atau fungsi bandpass filter yang paling sederhana yaitu butterworth bandpass karena mudah dirancang dan mudah dipahami. g. Kekurangan dari program bandpass filter yaitu terbatas untuk bentuk file sgy dan gelombang yang dihasilkan tidak smooth.. UCAPAN TERIMA KASIH Puji dan syukur penulis panjatkan ke hadirat Tuhan Yang Maha Esa, karena berkat rahmat serta hidayah- Nya penulis dapat menyelesaikan tugas proyek pemograman ini. Selama menyelasaikan tugas proyek pemograman ini penulis telah banyak mendapatkan bantuan dari berbagai pihak, baik secara langsung maupun tidak langsung. Untuk itu, dengan segala kerendahan hati, penulis ingin menyampaikan ucapan terima kasih yang sebesar besarnya kepada semua pihak yang turut membantu dalam penyelesaian proyek pemograman ini, khususnya kepada orangtua dan keluarga yang senantiasa selalu memberikan doa dan kasih sayang serta dorongan moril maupun material yang tak terhingga. 24

10 Penulis mengucapkan terima kasih kepada Bapak Agus Abdullah selaku dosen mata kuliah metode komputasi yang telah membantu dalam proyek pemograman ini. Kepada Bapak Arya Bagoes Oka selaku dosen geofisika, Bapak Mohammad Heriyanto dan Bapak Hardianto Rizky Prabusetyo selaku asisten dosen metode komputasi yang telah membantu dan membimbing penulis dalam penyalesaian proyek pemograman ini. Penulis juga mengucapkan terima kasih kepada teman teman sepejuangan dan pihak pihak yang tidak dapat penulis sebutkan satu persatu.. REFERENSI 1. A. Abdullah Spike. URL [2017/11/22] 2. A. Abdullah Analisis Fourier Deret Fourier Transformasi Fourier. URL [20/11/2017] 3. Anonim. MathWorks: butter. URL [2017/11/20]. 4. Anonim. Octave-Forge-Extra packages for GNU Octave. URL [2017/11/20] 5. Anonim. Band-pass filter. URL [2017/11/20] 6. Anonim. Seismic-Wave. URL [2017/11/20] 7. Anonim. Seismic Trace. URL [2017/11/20] LAMPIRAN close all; clear; clc; % Input Data N = input('masukkan banyak trace: '); data = ReadSegy('l12f1_000.sgy'); %Membaca Data Seismik t = [0:500]*0.004; %Rentang Waktu % Analisis Spektrum Menggunakan FFT y = data(:,n); m = sum(y,2); Fs = 250; LD = length(m); YD = fft(m); P2D = abs(yd/ld); P1D = P2D(1:LD/2+1); fd = Fs*(0:(LD/2))/LD; figure(1) plot(fd,p1d) hold on title ('Spektrum Analisis') ylabel ('Amplitude') xlabel ('Frekuensi (Hz)') axis([min(fd) max(fd) min(p1d) max(p1d)]) % m dan n adalah batas frekuensi yang dimasukkan untuk bandpass filter % Syarat m < n m = input('masukkan batas frekuensi bawah = '); n = input('masukkan batas frekuensi atas = '); % Plot Raw Data figure(2) 25

11 for i = 1:N subplot(1,2,1) plot(data(:,i)+300*i,t,'k'); set(gca,'ydir','reverse'); title ('Before Bandpass Filter') legend('raw') ylabel ('Time (s)') xlabel ('Offset (m)') hold on axis([min(data(:,1)+300*1) max(data(:,i)+300*i) min(t) max(t)]) end % Bandpass filter dan plotting hasil filter for i = 1:N y = data(:,i); Fs = 250; %Frekuensi Sampling [b,a] = butter(2,[m n]/(fs/2)); %Bandpass dengan Fungsi Butter yabp = filter(b,a,y);%mendefinisikan Bandpass yang akan Ditampilkan subplot(1,2,2) plot(yabp+300*i,t,'k')%plot Bandpass Filter set(gca,'ydir','reverse'); legend('band') title ('After Bandpass Filter') legend('bandpass') ylabel ('Time (s)') xlabel ('Offset (m)') hold on axis([min(yabp+300*1) max(yabp+300*i) min(t) max(t)]) end 26