Karakterisasi

BAB 3. METODE PENELITIAN

3.1. Karakterisasi

Data rekaman seismometer disebut sebagai seismogram. Rekaman tersebut merekam segala getaran yang terjadi di tanah. Getaran tersebut dapat disebabkan oleh gempa bumi atau sumber getaran lain seperti gelombang laut di sekitar pulau. Data didapat dengan melakukan komputasi program obspy yang berbasis bahasa pemrogram Python. Data tersebut diunduh dari jaringan gempa bumi internasional yang berbasis di Jerman (GFZ). Data rekaman gempa bumi yang akan digunakan berasal dari tujuh laut utama di Indonesia: Samudera Hindia, Laut Banda, Laut Arafuru, Samudera Pasifik, Selat Makasar, Laut Sulawesi, dan Laut Maluku.

12

Gambar 9. Stasiun gempa bumi yang akan digunakan sebagai uji mekanisme filter.

Proses pengumpulan data dilakukan untuk data sepanjang tahun selama tiga tahun berturut-turut. Karakterisasi ini dilakukan untuk mengetahui pengaruh musiman dari gelombang laut di daerah target. Proses karakterisasi dilakukan dengan melakukan metode short time Fourier transform. Metode short time Fourier transform merupakan pengembangan dari metode transformasi Fourier. Metode ini dapat menunjukkan karakter frekuensi data pada jangka waktu tertentu. Kemampuan ini jauh lebih baik dibanding proses transformasi Fourier sederhana yang hanya dapat menghasilkan karakter frekuensi tanpa mengetahui waktu pasti kapan data dengan frekeunsi tertentu terjadi (Gambar 10).

𝐹_𝑦(𝜏, 𝜉) = ∫_−∞^∞ 𝑦(𝑡)𝐺(𝑡 − 𝜏) exp(−𝑖𝜉𝑡) 𝑑𝑡 (1)

Gambar 10. a) Rekaman gempa bumi, b) hasil transformasi dengan STFT, dan c) hasil transformasi dengan transformasi Fourier.

13 3.2. Sintetik

Sintetik rekaman gempa dengan program Instaseis (Van Driel et al., 2015) yang juga berbasis Python. Data sintetik akan digunakan untuk uji kemampuan filter yang akan didesain.

Instaseis meruapakan program cepat yang mampu menghasilkan rekaman seismogram dari stasiun yang ada di dunia. Instaseis menggunakan prinsip teorema fungsi Green dari data global sehingga dapat menghasilkan rekaman gempa teleseismic dengan cepat dan akurat.

Perhitungan Instaseis menggunakan axisymmetric spectral element metod (AxiSEM).

AxiSEM menghitung fungsi Green dan menyimpan hasil perhitungan tersebut dalam bentuk koefisien numerik Lagrange dengan akurasi data spasial orde 4 dan kemampuan untuk mendapatkan sampel data dengan berbagai periode pencuplikan menyesuaikan seismogram yang telah ada. Perhitungan Instaseis diselesaikan dengan dua kali komputasi metode AxiSEM, yang pertama untuk menghitung seismogram komponen vertical, dan kedua untuk menghitung seismogram komponen horizontal.

3.3. Filter

Sinyal sintetis selanjutnya ditambahkan dengan noise yang benar-benar ada di daerah tersebut untuk waktu tertentu. Prinsip data gempa rekaman gempa bumi memiliki komponen yang merupakan sinyal asli dari kejadian gempa bumi yang selanjutnya disebut sebagai sinyal gempa bumi dan bising atau gelombang yang berasal dari sumber selain sinyal gempa bumi dan diusahakan untuk ditekan keberadaanya. Secara matematis persamaan yang menghubungkan data rekaman seismogram, sinyal gempa bumi dan bising dirumuskan sebagai berikut:

𝐷𝑎𝑡𝑎 = 𝑠𝑖𝑛𝑦𝑎𝑙 + 𝑏𝑖𝑠𝑖𝑛𝑔 (2)

Dan untuk medapatkan sinyal yang bersih dari bising harus melewati sebuah system filter. Sistem filter yang digunakan harus diuji sebelum digunakan untuk data asli. Proses pengujian ini hanya dapat dilakukan dengan data sinyal gempa sintetis dikombinasikan dengan sinyal bising yang ada. karena tanpa data sintetis kita tidak akan mengetahui kebenaran hasil yang didapat.

14

Gambar 11. a) Data rekaman gempa bumi dengan bising gelombang laut, b) skema filter data untuk menghasilkan sinyal gempa yang bersih dari noise, dan c) data rekaman gempa

bumi yang bersih dari bising gelombang laut.

Filter adalah sebuah operasi yang diterapkan terhadap rekaman data seismogram. Filter yang digunakan pada penelitian ini adalah filter digital yang digunakan untuk mengolah data digital hasil rekaman seismograf digital. Filter digital yang umum digunakan adalah filter digital sederhana dan filter digital butterworth. Kedua filter tersebut tersebut memiliki empat jenis sesuai dengan daerah sinyal yang dibuang, yaitu filter lowpass, highpass, bandpass, dan notch. Filter butterworth memiliki parameter lain dalam proses desain frekeunsi, yaitu orde filter (Gambar 12). Orde filter ini mempengaruhi seberapa agresif filter dalam membuang bising. Hal yang perlu diteliti adalah orde berapa yang paling tepat dalam menghasilkan sinyal gempa yang sesuai dengan sumber aslinya tanpa merusak sinyal tersebut. Hal ini terjadi karena jika orde filter terlalu kecil maka bising tidak akan dapat dibuang dengan baik, dan jika orde filter terlalu besar maka sinyal hasil kan terdistorsi dibanding sinyal sintetik yang seharusnya.

15

Gambar 12. Desain filter Butterworth dengan jenis a) lowpass, b) highpass, c) bandpass, dan d) notch filter.

Proses pemilihan filter yang tepat menggunakan alat ukur yaitu relative root mean square error yang dirumuskan sebagai berikut :

𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑒 𝑟𝑜𝑜𝑡 𝑚𝑒𝑎𝑛 𝑠𝑞𝑢𝑎𝑟𝑒 𝑒𝑟𝑜𝑟 = ¹

𝑁∑ √^{(𝑑𝑠𝑖𝑛𝑡𝑒𝑡𝑖𝑘}

𝑖 −𝑑_𝑢𝑗𝑖^𝑖 )² (𝑑_{𝑠𝑖𝑛𝑡𝑒𝑡𝑖𝑘}^𝑖 )²

𝑁𝑖=1 (3)

3.4. Real data

Setelah dilakukan berbagai uji coba desain filter dan kondisi stasiun, waktu pengukuran yang berbeda maka akan ditentukan mekanisme paling tepat dalam melakukan proses pembersihan sinyal gempa bumi dari bising gelombang laut. Mekanisme ini akan dijadikan sebagai sebuah modul program yang kemudian akan dapat digunakan secara mudah pada bahasa pemrograman Python. Pengguna hanya perlu memasukkan lokasi stasiun gempa bumi dan waktu gempa bumi maka akan didapatkan filter yang paling efektif sesuai dengan kondisi bising gelombang laut di daerah tersebut pada waktu yang diinginkan.

Modul program ini selanjutnya digunakan untuk membersihkan bising berbagai rekaman pada data rekaman asli stasiun gempa bumi. Hasil sinyal yang telah bersih kemudian digunakan untuk menentukan lokasi dan bentuk mekanisme fokus gempa bumi. Mekanisme yang telah dibuat akan dianggap valid ketika lokasi dan bentuk mekanisme fokus bersesuaian dengan data dari jaringan gempa bumi internasional.

16

Gambar 13. Rekaman data gempa bumi di Indonesia yang mengandung bising gelombang laut.

17

BAB 4. BIAYA DAN JADWAL PENELITIAN

4.1. Anggaran Biaya

Besarnya biaya yang dibutuhkan dalam kegiatan penelitian ini secara keseluruhan adalah Rp15.000.000,00. Biaya digunakan untukpembelian alat dan bahan, biaya perjalanan, pembelian alat tulis dan bahan habis pakai, serta laporan/diseminasi dan Publikasi. Berikut adalah rincian anggaran biaya yang dibutuhkan dalam melaksanakan penelitian ini,

Tabel 1. Rencana Anggaran dan Biaya

No Komponen Biaya Biaya yang Diusulkan (Rp.)

4 Laporan/Diseminasi dan Publikasi 3.000.000 20

Jumlah 15.000.000 100

4.2. Jadwal Penelitian

Jadwal rencana kegiatan pelaksanaan penelitian ini selama 6 bulan, yang terdiri dari studi hingga pelaporan hasil kinerja. Penelitian ini dilaksanakan mengikuti jadwal yang tercantum pada Tabel 2.

Tabel 2. Jadwal Pelaksanaan Penelitian

No Jenis Kegiatan Bulan

18

DAFTAR PUSTAKA

Ardhuin, F., Stutzmann, E., Schimmel, M., & Mangeney, A. (2011). Ocean wave sources of seismic noise. Journal of Geophysical Research: Oceans, 116(9), 1–21.

https://doi.org/10.1029/2011JC006952

Ermert, L., Villaseñor, A., & Fichtner, A. (2016). Cross-correlation imaging of ambient noise sources. Geophysical Journal International, 204(1), 347–364.

https://doi.org/10.1093/gji/ggv460

Lin, X., Chu, R., & Zeng, X. (2019). Rupture processes and Coulomb stress changes of the 2017 Mw 6.5 Jiuzhaigou and 2013 Mw 6.6 Lushan earthquakes. Earth, Planets and Space, 71(1). https://doi.org/10.1186/s40623-019-1061-3

Mousavi, S. M., & Langston, C. A. (2017). Automatic noise-removal/signal-removal based on general cross-validation thresholding in synchrosqueezed domain and its application on earthquake data. Geophysics, 82(4), V211–V227. https://doi.org/10.1190/GEO2016-0433.1

Reading, A. M., Koper, K. D., Gal, M., Graham, L. S., Tkalčić, H., & Hemer, M. A. (2014).

Dominant seismic noise sources in the Southern Ocean and West Pacific, 2000–2012, recorded at the Warramunga Seismic Array, Australia. Geophysical Research Letters, 41(10), 3455–3463. https://doi.org/https://doi.org/10.1002/2014GL060073

Santosa, B. J. (2012). Source Parameters Estimations of February 23 rd and 24 th , 2009 Nias Earthquakes Using Local Seismogram Analysis. Geosciences, 2012(5), 140–150.

https://doi.org/10.5923/j.geo.20120205.06

Santoyo, M. A., Mikumo, T., & Quintanar, L. (2006). Faulting process and coseismic stress change during the 30 January, 1973, Colima, Mexico interplate earthquake (Mw=7.6).

Geofisica Internacional, 45(3), 163–178.

https://doi.org/10.22201/igeof.00167169p.2006.45.3.203

Van Driel, M., Krischer, L., Stähler, S. C., Hosseini, K., & Nissen-Meyer, T. (2015). Instaseis:

Instant global seismograms based on a broadband waveform database. Solid Earth, 6(2), 701–717. https://doi.org/10.5194/se-6-701-2015

Yang, Y., & Ritzwoller, M. H. (2008). Characteristics of ambient seismic noise as a source for surface wave tomography. Geochemistry, Geophysics, Geosystems, 9(2).

https://doi.org/10.1029/2007GC001814