Makalah Pengolahan Data Seismik - Aplikasi Fungsi Matematis - Bella Dinna Safitri 115090700111002
Transcript of Makalah Pengolahan Data Seismik - Aplikasi Fungsi Matematis - Bella Dinna Safitri 115090700111002
1
MAKALAH PENGOLAHAN DATA SEISMIK
“APLIKASI FUNGSI MATEMATIS DALAM EKSPLORASI GEOFISIKA”
Disusun oleh :
Bella Dinna Safitri
115090700111002
JURUSAN FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
LEMBAGA PENELITIAN DAN PENGABDIAN KEPADA MASYARAKAT
UNIVERSITAS BRAWIJAYA
MALANG
2014
2
DAFTAR ISI
DAFTAR ISI.......................................................................................................................2
BAB I Pembahasan..............................................................................................................3
BAB II Kesimpulan dan Saran............................................................................................15
2.1 Kesimpulan .....................................................................................................................15
2.2 Saran..............................................................................................................................15
Daftar Pustaka .....................................................................................................................16
3
BAB I
PEMBAHASAN
Gelombang seismik adalah rambatan energi yang disebabkan karena adanya gangguan di
dalam kerak bumi, misalnya adanya patahan atau adanya ledakan. Energi ini akan merambat
ke seluruh bagian bumi dan dapat terekam oleh seismometer. Data-data gelombang seismik
yang telah terekam, kemudian diproses atau diolah untuk suatu tujuan atau kepentingan
tertentu. Misalnya, dengan menggunakan rekaman data seismik gempa bumi (tektonik) dapat
ditentukan pusat dan kedalaman gempa bumi yang bersangkutan. Sedangkan pada gunung
berapi dapat digunakan untuk memperkirakan jenis aktivitas gunung berapi tersebut, seperti
gerakan magma, guguran lava padat, gejala-gejala akan terjadinya letusan dan lain-lain.
Secara umum, tujuan utama dari pengolahan data seismik adalah untuk memperoleh
rekaman yang berkualitas baik. Kualitas rekaman seismik dapat dinilai dari perbandingan
sinyal refleksi terhadap sinyal noise (S/N) yaitu perbandingan antara banyaknya sinyal
refleksi yang direkam dibandingkan dengan sinyal noisenya dan keakuratan pengukuran
waktu tempuh (travel time).
Dalam memperoleh kualitas rekaman seismik yang baik, pengolahan data seismik
menggunakan berbagai operasi matematis untuk menganalisis suatu fungsi fisis. Berikut ini
dijelaskan aplikasi fungsi matematis dalam pengolahan data seismik untuk berbagai terapan
dalam bidang seismologi.
1. Keterkaitan fungsi matematika dalam pemrosesan data seismik
Fungsi, dalam istilah matematika adalah pemetaan setiap anggota
sebuah himpunan (dinamakan sebagai domain) kepada anggota himpunanyang lain
(dinamakan sebagai kodomain). Istilah ini berbeda pengertiannya dengan kata yang sama
yang dipakai sehari-hari, seperti “alatnya berfungsi dengan baik.” Konsep fungsi adalah
salah satu konsep dasar dari matematika dan setiap ilmu kuantitatif. Istilah "fungsi",
"pemetaan", "peta", "transformasi", dan "operator" biasanya dipakai secara sinonim.
Anggota himpunan yang dipetakan dapat berupa apa saja (kata, orang, atau objek
lain), namun biasanya yang dibahas adalah besaran matematika seperti bilangan riil.
Contoh sebuah fungsi dengan domain dan kodomain himpunan bilangan riil adalah y =
f(2x), yang menghubungkan suatu bilangan riil dengan bilangan riil lain yang dua kali
lebih besar.
4
Dalam bidang seismologi, fungsi matematis dapat diaplikasikan dalam berbagai
bidang sebagai pengolahan data seismik maupun teori dasar interpretasi untuk
pemodelan bawah permukaan. Dalam pengolahan data seismik, terdapat aplikasi
transformasi Radon. Transformasi Radon yang dalam istilah eksplorasi sering disebut
Slant-Stack, merupakan salah suatu teknik pengolahan data seismik yang saat ini sedang
banyak diteliti dan dikembangkan. Dengan transformasi Radon, data dua dimensi dari
rekaman seismik pantul dalam kawasan (x,t), dipetakan kedalam kawasan (p,T), dimana
p adalah Ray-parameter dan T adalah Intercept time. Didalam kawasan (p,T), pola-pola
rekaman yang cukup komplek dalam kawasan (x,t) akan tampak lebih jelas dan
sederhana, sehingga mempermudah untuk mengidentifikasi antara sinyal dan gangguan.
Disamping itu pemetaan rekaman data seismik kedalam kawasan (p,r), akan
mempermudah proses pemisahan beberapa gangguan yang ada dalam rekaman data.
Transformasi Radon balik cukup sulit dilakukan secara langsung dari kawasan (p,T) ke
kawasan (x,t). Oleh karena itu untuk melakukan transformasi Radon balik perlu melalui
kawasan frekuensi (p,w). Hal tersebut dilakukan dengan menggunakan transformasi
Fourier cepat (Fast Fourier Transform) sebagai piranti pendukung dalam transformasi
Radon maju dan balik. Dengan transformasi Radon, masalah pemisahan gelombang P
dan S dalam seismik eksplorasi dapat dilakukan dengan mudah. Selain dari pada itu,
transformasi Radon dapat digunakan untuk menghilangkan gelombang langsung serta
gangguan acak yang ikut terekam dalam data seismik eksplorasi.
Secara matematis, persamaan Transformasi Radon merupakan persamaan integral
sebagai berikut :
Sedangkan dalam interpretasi seismik, terdapat proses pemodelan inversi yang
memanfaatkan fungsi matematis dekonvolusi. Inversi (perkalian antara percepatan dan
densitas) adalah salah satu hal yang sangat penting di dalam melakukan karakterisasi
reservoir. Inversi adalah proses pemodelan geofisika yang dilakukan untuk memprediksi
informasi sifat fisis bumi berdasarkan informasi rekaman seismik yang diperoleh atau
dengan kata lain merupakan suatu proses konversi dari data seismik menjadi data
Impedansi Akustik.
Dalam proses akuisisi data seismik, tras seismik konvensional S(t) didapatkan dari
hasil konvolusi antara deret Koefisien Refleksi RC(t) dengan wavelet w(t):
S(t) = RC(t)* w(t)
5
Sebaliknya data seismik impedansi akustik di dapatkan dengan “membagi” atau
dikenal dengan istilah dekonvolusi pada tras seismik dengan wavelet yang sesuai.
RC(t) = (1/ w(t))* S(t)
yang mana RC(t) = (AI2-AI1)/(AI2+AI1), dan 1/w(t) adalah inversi seismik.
Tujuan dari inversi seismik ini adalah untuk mendapatkan kembali koefisien
reflektifitas yang tak lain merupakan bidang batas antar laipsan batuan. Dalam proses
inversi seismik ini, data seismik yang bersifat band limited frequency karena kehilangan
kandungan frekuensi rendah dan tinggi akibat konvolusi dengan wavelet yang bersifat
band limited, mendapatkan kembali kandungan frekuensi yang hilang tersebut denagn
cara menambahkan kandungan frekuensi rendah dan tinggi yang diambil dari data log
sumur, sehingga data seismik tersebut kembali menjadi broad band frequency. Hasil
akhir dari inverse seismik adalah broad band impedance. Dengan demikian dapat
dikatakan bahwa inverse seismik merupakan suatu usaha untuk merubah data seismik
yang semula merupakan amplitudo sebagai fungsi waktu menjadi impedansi akustik
sebagai fungsi waktu (gambar 1.1).
Gambar 1.1 Skema inversi yang memanfaatkan konvolusi dan dekonvolusi
Russel et al., (2005) mengembangkan pendekatan baru yang memungkinkan auntuk
langsung membalikkan dari reflektifitas untuk impedansi P, impedansi S dan densitas.
Dimulai dengan mendefinisikan variable baru Lp = ln(Zp) yang merupakan log
impedansi akustik normal Zp.
atau ditulis dalam matriks :
Rp = (1/2) DLP atau
6
Kemudian wavelet ditambahkan kedalam persamaan matriks :
T = W.Rp atau
yang mana T adalah trace seismik dan W adalah wavelet seismik.
Operasi yang sama diterapkan untuk LS = ln(ZS) dan LD = ln(ZD) dimana Zs
adalah impedansi S dan ZD adalah densitas. Sekarang persamaan Aki-Richards
dapat dituliskan sebagai berikut :
Pada persamaan tersebut model seismik tracenya, T pada sudut θ sebagai fungsi
impedansi dan densitas. Persamaan ini memungkinkan juga untuk diimplementasikan
pada wavelet yang berbeda dengan sudut yang berbeda pula. Untuk mengestimasi
impedansi P, impedansi S dan densitas harus dipertimbangkan fakta bahwa densitas dan
impedansi saling terkait satu sama lain. Persamaan ini diharapkan dapat mewakili tren air
(wet trend) dengan asumsi bahwa kondisi basah dapat dimodelkan sebagai rasio konstan
antara Vp/Vs.
Kemudian dengan persamaan Gardner (Russel et al., 2005) hubungan antara densitas
dan impedansi P adalah :
2. Contoh dan studi kasus aplikasi suatu fungsi matematika dalam suatu pengolahan data
seismik pada bidang eksplorasi geothermal, oil and gas, dan volcano seismologi :
7
a. Geothermal
Mikroseismik adalah sebuah terobosan baru dalam keilmuan geofisika yang
dengan keunggulannya mampu mengancam keberlangsungan metode seismik
konvensional. Prinsipnya adalah geophone ditanam pada kedalaman tertentu.
Sumber mikroseismik yang paling banyak adalah dari peristiwa kompaksi yang
diakibatkan adanya overburden. Secara tidak langsung, metode mikroseismik juga
dapat mendeteksi terjadinya peristiwa overburden yang penting diperhatikan dalam
eksplorasi geofisika.
Pada mikroseismik tidak terjadi pembatasan panjang gelombang sumber seperti
pada seismik refleksi konvensional, sehingga dapat memberikan banyak informasi
tambahan, salah satunya adalah lebih mudah dalam mendeteksi sesar. Hal ini
dikarenakan mikroseismik dapat melihat diskontinuitas dan kesalahan akibat aliran
fluida. Informasi sesar juga diperlukan dalam kinerja reservoir karena dapat
mengubah arah migrasi hidrokarbon.
Pengolahan data seismik untuk eksplorasi geothermal ini merupakan penelitian
yang dilakukan oleh Silas M. Simiyu dengan judul “Application of Micro-seismic
Methods to Geothermal Exploration : Examples from The Kenya Rift”. Hasil dari
studi untuk lapangan geothermal menunjukkan memungkinnya pemetaan resource
untuk eksplorasi geothermal dan monitoring reservoir. Variasi rasio Vp/Vs
berhubungan dengan fase fluida yang mana nilai rendah berhubungan dengan
penurunan kecepatan P-wave dalam area dengan tekanan pro tinggi, aliran kalor
tinggi, fracturing, dan saturasi gas dalam reservoir.
Untuk mengevaluasi magnitudo seismik pada eksplorasi geothermal, digunakan
persamaan matematis sebagai berikut :
Program analisis menghitung matriks kovarians 4x4 dari penyelesaiaan
persamaan dan menurunkan error ellipsoid dan error horizontal dan vertikal.
Perhitungan error membutuhkan estimasi variansi dari waktu kedatangan sebagai
berikut :
keterangan :
8
b. Oil and gas
Dalam eksplorasi oil and gas, pengolahan data seismik sangat penting untuk
didapatkan rekaman seismik yang baik. Pengolahan data seismik tersebut
menyangkut berbagai fungsi matematis. Salah satu tahapan dalam pengolahan data
seismik dalam ekslorasi oil and gas adalah dekonvolusi. Dekonvolusi adalah suatu
proses untuk menghilangkan wavelet seismik sehingga yang tersisa hanya estimasi
dari reflektifitas lapisan bumi. Secara garis besar metode dekonvolusi dapat dibagi
menjadi dua, yaitu deterministik dan statistik. Dekonvolusi deterministik adalah
dekonvolusi menggunakan operator filter yang sudah diketahui atau didesain untuk
menampilkan suatu bentuk tertentu. Contoh dekonvolusi deterministik adalah
spiking deconvolution. Sementara jika disain filter tidak diketahui, dapat diperoleh
secara statistik dari data itu sendiri. Metode ini disebut dekonvolusi statistik. Contoh
dekonvolusi statistik adalah dekonvolusi prediktif.
Dekonvolusi berkaitan erat dengan konvolusi. Secara umum konvolusi
didefinisikan sebagai cara untuk mengkombinasikan dua buah deret angka yang
menghasilkan deret angka yang ketiga. Didalam dunia seismik deret-deret angka
tersebut adalah wavelet sumber gelombang, reflektivitas bumi, dan rekaman seismik.
Secara matematis, konvolusi adalah integral yang mencerminkan jumlah
lingkupan dari sebuah fungsi a yang digeser atas fungsi bsehingga menghasilkan
fungsi c. Konvolusi dilambangkan dengan asterisk ( *). Sehingga, a*b = c berarti
fungsi a dikonvolusikan dengan fungsi bmenghasilkan fungsi c. Konvolusi dari dua
fungsi a dan fungsi b dalan rentang terbatas [0, t] diberikan oleh :
Contoh:
a = [1, 2, 3] dan b = [4,5,6] maka a*b :
9
Sehingga a*b adalah (4,13,28,27,18).
Dari contoh tersebut dapat dilihat bahwa jumlah elemen c adalah jumlah
elemen a ditambah jumlah elemen b dikurangi 1 atau (3+3-1 = 5). Konvolusi
dikawasan waktu (time domain) ekuivalen dengan perkalian dikawasan frekuensi
dan sebaliknya konvolusi dikawasan frekuensi ekuivalen dengan perkalian
dikawasan waktu.
Dekonvolusi dilakukan dengan melakukan konvolusi antara data seismik
dengan sebuah filter. Ada beberapa macam filter sebagai berikut :
(1) Filter frekuensi
Tujuan dari filter frekuensi adalah untuk menghilangkan komponen
frekuensi yang menggangu pada data seismik dan meloloskan data yang
diinginkan. Gelombang permukaan (ground roll), contohnya, biasanya diamati
sebagai suatu event frekuensi rendah dengan amplitudo yang besar dan dapat
dipisahkan dengan filter frekuensi.
Filter frekuensi dilakukan dalam kawasan frekuensi. Transformasi Fourier
dibutuhkan sebelum filtering dan Transformasi Fourier Balik diaplikasikan
sesudahnya. Kedua transformasi tersebut biasanya merupakan rutin filter.
Dengan menentukan frekuensi cutt-off dan slope dari taper antara full-
reject dan full-pass, maka sinyal dapat dipisahkan menurut frekuensi yang
diinginkan. Taper seharusnya didisain untuk menghindari efek batas (boundary
effect). Kemiringan taper pada frekuensi rendah seharusnya lebih tajam
dibanding kemiringan pada frekuensi tinggi.
(2) Filter F-K
Filtering dalam kawawan frekuensi-angka gelombang (F-K) juga disebut
filter kecepatan. Semua energi seismik yang berasal dari source dengan
kecepatan perambatan yang sama yang melewati event miring. Transformasi
Fourier 2D dibutuhkan untuk mentransformasi data ke dalam kawasan f-k.
Pertama, transformasi Fourier mengubah kawasan waktu ke dalam kawasan
10
frekuensi. Kedua, mentransformasi kawasan spasial ke dalam kawasan angka
gelombang k. Seperti halnya frekuensi adalah kebalikan dari perioda, maka
angka gelombang ( atau ) adalah kebalikan dari panjang
gelombang.
Transformasi Fourier kontinu 2D dari suatu fungsi spasial f(x,y)
didefinisikan dengan:
F (ω1 , ω2 )=∫−∞
∞
∫−∞
∞
f ( x , y ). e− j (ω1 x+ω2 y ) dxdy
dimana F(1,2) adalah fungsi dalam domain frekwensi
f(x,y) adalah fungsi spasial atau citra
dan 2 adalah frekwensi radial 0 – 2π.
Transformasi Fourier semacam ini disebut dengan continuous fourier transform,
dan sulit dikomputasi karena ada operasi integral dan sifat kontinunya itu
sendiri.
(3) Filter Wiener
Dalam filter Wiener biasanya digunakan model dekonvolusi prediktif.
Dekonvolusi prediktif mengasumsikan x(t) sebagai masukan dan (t + γ)
merupakan nilai prediktif pada waktu tertentu, yang mana γ adalah prediction
lag. Hal ini dapat menunjukkan bahwa filter digunakan untuk mengestimasi x(t
+ γ ) yang dapat dihitung menggunakan persamaan matriks yang ditunjukkan
sebagai berikut :
Jika ditentukan 5 titik masukan deret waktu xi yang mana i = 0,1,2,3,4 dan γ =
2, autokorelasi dari xi dihitung sebagai berikut :
11
Sedangkan crosscorelation antara keluaran x(t+2) dan masukan x(t) ditunjukkan
sebagai berikut :
Dengan membandingkan perhitungan untuk autokorelasi dan crosscorelation, serta
mengingat ahwa gi = ri + γ, r = 2, dan 0,1,2,3,4, persamaan matriks untuk
dekonvolusi prediktif dapat ditulis sebagai berikut :
Sedangkan koefisien filter prediksi ai, yang mana i = 0,1,2,3,4, dapat dihitung
melalui matriks tersebut. Keluaran dari filter prediksi γ(t) dengan masukan
untuk menghitung keluaran y(t) adalah sebagai berikut :
Sehingga dapat dilakukan prediksi bentuk waktu dari masukan dengan keluaran
yang merupakan estimasi dari deret xi + γ, yang mana γ = 2. Deret error
prediksi ditunjukkan sebagai berikut :
12
Hasil dari matriks tersebut menunjukkan bahwa deret error dapat
ditentukan secara langsung dengan konvolusi deret masukan dengan koefisien
filter (1,0,-a0,-a1,-a2,-a3,-a4) seperti ditunjukkan sebagai berikut :
Deret (a0,a1,a2,a3,a4) sebagai filter prediksi dan deret (1,0,-a0,-a1,-a2,-a3,-a4)
disebut sebagai filter error prediksi. Dengan mengaplikasikan hal tersebut pada
deret masukan, filter akan menghasilkan deret error dalam proses prediksi.
Filter prediksi menghasilkan komponen prediksi dari tras seismik dan juga
menghasilkan bagian yang tidak dapat diprediksikan, sehingga deret error
merupakan hasil deret refleksi (Yilmaz, 1998). Filter n-long prediction dan γ –
long prediction lag dapat dihitung sebagai berikut :
c. Volkanologi seismologi
Data geofisika deformasi dan seismik hingga saat ini masih merupakan
komponen utama dalam monitoring gunungapi. Sehubungan dengan hal tersebut
maka eksploitasi pengolahan data secara lebih spesifik akan sangat berguna.
Pengolahan data seismik untuk gunungapi ini merupakan hasil penelitian yang
dilakukan oleh Akhmad Jufriadi, Sukir Maryanto, Adi Susilo, B. Heri Purwanto,
13
M.Hendrasto dengan judul “Analisis Sinyal Seismik untuk Mengetahui Proses Internal
Gunung Ijen Jawa Timur”.
Analisis sinyal seimik pada gunungapi dapat memberikan informasi mengenai
keterkaitan sinyal seismik yang satu dengan yang lain, sehingga dapat diteliti proses
internal yang terjadi pada gunungapi tersebut (dalam hal ini merupakan Gunung
Ijem). Pada analisis karakteristik ini, pertama yang dilakukan adalah menganalisis
bahwa event terpilih dari semua stasiun diduga berasal dari sumber yang sama
dengan membandingkan pola waveform, spektral ataupun spektrumnya, seperti
Gambar 1.
Gambar 1. Kemiripan spektral event 20111201025723
Dari Gambar 1, dapat dilihat bahwa ketiga spektral terlihat memiliki pola
spektral yang sama, sehingga bisa dinyatakan bahwa sinyal seismik yang terekam
oleh ketiga stasiun berasal dari sumber yang sama. Data rekaman seismik yang
terbukti berasal dari sumberer yang sama kemudian dianalisis berdasarkan
waveform dengan menggunakan software swarm untuk mengetahui waktu tiba
gelombang P, waktu tiba gelombang S, amplitudo, frekuensi dominan, spektrum,
dan energi gelombang seismik, seperti pada gambar 2.
14
Gambar 2. Kenampakan sinyal, spektral, dan spektrum Gempa Vulkanik
Penentuan posisi sumber gempa menyangkut pada 2 hal penting, yaitu posisi
sumber pada kedalaman tertentu, yang sering disebut sebagai hiposenter dan posisi
di permukaan, yang tegak lurus dengan posisi hiposenter, yang sering disebut
sebagai episenter. Metode penentuannya adalah dengan menganalisis beda waktu
tiba gelombang P dan S antar masing-masing stasiun, sesuai dengan persamaan
berikut :
dengan : i = 1, 2, 3, dan 4 (stasiun ke-i)
(X,Y,Z)0 = koordinat sumber gempa yang tidak diketahui, (X,Y,Z)I = koordinat
stasiun seismograf, k = koefisien jarak yang tidak diketahui. ti= waktu tiba
gelombang P, t0 = waktu terjadinya gempa yang tidak diketahui. Konstanta jarak (k)
merupakan konstanta Omori, yang digunakan dalam perhitungan hiposenter,
dirumuskan sebagai berikut :
Dengan cara matematis ini, sebelumnya harus ditentukan terlebih dulu koordinat
masing-masing stasiun dan dianggap semua stasiun tersebut terletak pada satu
bidang datar. Untuk memudahkan perhitungan dan menghindari kesalahan yang
selalu timbul, pada waktu akan dilakukan pengamatan dipilih dulu stasiun seismik
yang hampir sama ketinggiannya atau bila mungkin yang terdapat pada ketinggian
yang sama. Bila hal ini tidak mungkin, dapat diambil ketinggian rata-rata dan dari
15
ketinggian tersebut kedalaman gempa mulai dihitung.Untuk memudahkan
penjelasan, diumpamakan koordinat titik sumber adalah S yaitu Xi, Yi, Zi. Dan
koordinat stasiun diumpamakan titik H yaitu X,Y,Z. Dengan kedua koordinat
tersebut, dapat dihitung panjang garis SH atau D, yaitu :
Analisis dengan cara diatas memerlukan ketelitian pembacaan beda waktu tiba
antara gelombang P dan S, atau lebih dikenal dengan istilah (S-P). Sehingga akan
didapatkan posisi hiposenter yang akurat. Dimana posisi hiposenter ini akan
mempengaruhi bagaimana analisis terhadap pergerakan magma dari masing-masing
tipe gempa vulkanik sebagai dasar untuk mengetahui bagaimana proses internal
yang terjadi di Gunungapi Ijen.
Penjalaran gelombang seismik dalam aplikasi gunungapi dapat dinyatakan
dalam bentuk umum persamaan gelombang, misalkan persamaan dalam kasus
perjalaran gelombang 1-D dapat dinyatakan dalam persamaan diferensial parsial
orde 2 bersama kondisi syarat batas dan awal berikut (Powers,1999) :
Solusi persamaan elastodinamik di atas dapat dinyatakan dalam persamaan
potensial displacement(dapat juga dinyatakan dalam vektor potensial displacement)
secara berturutturut untuk gelombang P dan S (Lay dan Wallace, 1995) :
Dimana F(t) adalah gaya sumber, α = kecepatan gelombang P =
dan Β = kecepatan gelombang , μ = modulus rigiditas, λ = konstanta
Lame, ρ = densitas medium perambatan gelombang, misalnya potensial
displacement kompresi Ap= Ap k (untuk kasus gaya sumber gempa berarah sumbu
16
z), As = As k dimana hubungan antara potensial displacementdengan displacement
itu sendiri adalah sebagai berikut :
Persamaan diferensial orde 2 potensial displacementdi atas mempunyai solusi
dalam bentuk integral konvolusi berikut (Lay dan Wallace, 1995) :
Dalam kasus data seismik, yaitu sumber gempa berasal dari gempa gunungapi,
fungsi F(t)dapat dihubungkan dengan bentuk sinyal sumber gunungapi. Dinamika
erupsi gunungapi diharapkan diperoleh dengan cara mengetahui variasi besar dan
arah gaya maupun stress (momen tensor) dari sumber gempa gunungapi yang
mengakibatkan erupsi. Dalam Gunawan (2008) telah dicontohkan alternatif solusi
persamaan (1) dalam bentuk diskritisasi persamaan diferensial. Pada pembahasan
subbab berikutnya akan diturunkan hubungan parameter-parameter sumber gempa
dengan besarnya displacement(seismogram) yang terekam di permukaan secara
analitik.
Displacement akibat gelombang seismik tipe P (kompresi) dapat dinyatakan
sebagai berikut (Stein dan Wysession, 2003) :
keterangan :
cp: ¼*π*ρ*α3*r
ρ: densitas medium (batuan)
r : jarak antara sumber gempa dan stasion perekam gempa
α: kecepatan gelombang seismik kompresi t : waktu
∂M/∂t : seismic moment rate function atau source time function
Untuk gelombang S (shear wave) displacement dinyatakan dalam uθdan uφ :
17
keterangan :
cp : ¼*π*ρ*β3*r
ρ : densitas medium (batuan)
r : jarak antara sumber gempa dan stasion perekam gempa
β: kecepatan gelombang seismik kompresi
t : waktu
∂M/∂t : seismic moment rate function atau source time function
18
BAB II
KESIMPULAN DAN SARAN
2.1 Kesimpulan
Fungsi, dalam istilah matematika merupakan pemetaan setiap anggota
sebuah himpunan (dinamakan sebagai domain) kepada anggota himpunan yang lain
(dinamakan sebagai kodomain). Dalam aplikasi di bidang seismologi, fungsi matematis
sangat berkaitan dengan proses pengolahan data maupun pemodelan bawah permukaan
untuk interpretasi data seismik. Aplikasi tersebut biasanya terdapat dalam bidang
eksplorasi geothermal, oil and gas, dan volkano seismologi.
2.2 Rekomendasi
Diharapkan dengan pengetahuan mengenai aplikasi fungsi matematis dalam bidang
seismologi dapat menjadi dasar pengetahuan secara teori untuk pengolahan data maupun
interpretasi.
19
Daftar Pustaka
Gunawan, H. 2008. Analisis Data Geofisika Monitoring Gunungapi Berdasar Pengembangan
Pemodelan Analitik dan Diskrit. Buletin Vulkanologi.
Lay, T dan Wallace, T.C. 1995. Modern global Seismology. Academic Press, 521 pp.
Powers, D.L. 1999. Boundary value problems. Harcourt-Academic Press,528 pp.
Russell, et al. 2005. AVO Workshop Part 1 & 2. A CGG Veritas Company, CGG Veritas.
Stein, S., dan Wysession, M. 2003. An Introduction to Seismology, Earthquake, and Earth
Structure. Blackwell Publishing, 498 pp.