44
BAB III METODOLOGI PENELITIAN
3.1 Lokasi Penelitian
Lokasi penelitian terletak di salah satu daerah Semenanjung Iberia, Spanyol. Peta dasar lokasi penelitian dapat ditunjukkan pada gambar 3.1. Garis berwarna biru merupakan panjang lintasan pengukuran. Panjang lintasan penelitian pada tugas akhir ini dari jarak 0 – 440 meter pada peta dasar lokasi penelitian. Peta dasar lokasi penelitian tersebut juga menunjukkan lokasi dari borehole/trench yang di simbolkan dengan simbol X berwarna kuning. Borehole/trench tersebut terletak dekat dengan lintasan pengukuran dimana data dari borehole/trench dapat digunakan sebagai data pendukung dalam interpretasi hasil pengolahan data.
Gambar 3.1 Peta dasar lokasi penelitian. Lokasi penelitian ini terletak di salah satu semenanjung
45 3.2 Waktu dan Tempat Penelitian
Penelitian ini dilakukan pada waktu dan tempat sebagai berikut: Waktu : September 2020 - Mei 2021
Tempat : Institut Teknologi Sumatera, Jalan Terusan Ryacudu, Desa Way Hui, Kecamatan Jatiagung, Lampung Selatan 35365
Rincian jadwal peneletian yang dilakukan adalah sebagai berikut:
Tabel 3.1 Jadwal Penelitian
3.3 Alat dan Bahan
Penelitian ini menggunakan perangkat keras dan lunak untuk proses pengolahan data. Perangkat keras yang digunakan adalah laptop ASUS intel inside core i3, series A455L dan laptop ASUS TUF GAMING fx505 ryzen 7, series gtx 1650. Sedangkan perangkat lunak yang digunakan adalah RadExPro Professional 2020.4, Microsoft Excel, dan Microsoft Word. Data yang digunakan pada penelitian ini adalah sebagai berikut:
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 Studi Literatur Organisasi Data Penulisan Draf Pengolahan Data Interprestasi Hasil dan pembahasan Seminar Proposal Ujian Komprehensif Sidang Tugas Akhir Mei Maret April
46 4.3.1 Ketersediaan Data
Data yang digunakan adalah rekaman seismik yang terdiri dari beberapa parameter seperti ditunjukkan pada tabel 3.2.
Tabel 3.2 Parameter pengukuran rekaman seismik
Parameter Deskripsi
Seismic source Accelerated weight-drop (200 kg) Source interval 10 m Receiver interval 2 m Receiver number 240 Time record 1 s Time sampling 1 ms
File format SEG-Y
Panjang lintasan 440 m
Data pendukung penelitian dalam interpretasi lapisan sedimen menggunakan metode MASW berupa data Borhole/trench yang ditunjukkan pada tabel 3.3.
Tabel 3.3 Data Borhole/trench (Martínez-Díaz, et al., 2012)
Clay and gravels 700 - 800 m/s
Breccia of metamorfic fragments of schists, and phylites. Reddish clayey matrix. 800 - 1200 m/s B1 Description S - Velocity Fillings 300 - 400 m/s Rounded gravels of quarzite and microconglomerates with sand 500 - 750 m/s D ep th ( m )
47 3.4 Prosedur Penelitian
Penelitian ini dilakukan beberapa tahapan pengolahan data. Adapun tahapan pengolahan data menggunakan metode MASW adalah sebagai berikut:
3.4.1 Pre-processing
Sebelum dilakukan tahap pre-processing dilakukan pembacaan data file SEG-Y untuk menampilkan rekaman seismik pada masing-masing trace. Kemudian dilakukan penetapan geometri yang digunakan untuk melacak dan menyimpan sejumlah nilai-nilai dalam suatu bidang yang telah ditentukan dari data dalam proyek. Penetapan geometri dilakukan dengan memasukkan modul Near-Surface Geometry Input pada software yang digunakan dan memasukkan niali parameter geometri seperti yang ditunjukkan pada gambar 3.2 berikut ini.
Gambar 3.2 Parameter Near-Surface Geometry Input. Tahap ini memasukkan parameter pada
seismik refleksi/MASW dengan memilih design pengukuran secara variable. Geometri yang dimasukkan sesuai parameter pada pengukuran di lapangan.
48
Tahap pre-processing yang digunakan adalah metode Automatic Gain Control (AGC). Automatic Gain Control (AGC) merupakan salah satu metode yang dilakukan untuk memunculkan amplitude-amplitudo gelombang seismik yang lemah. Automatic Gain Control (AGC) berfungsi untuk menghilangkan efek spherical divergent yang menyebabkan ketidakmerataan penyebaran amplitudo pada masing-masing trace seismik. Metode AGC ini juga dapat memotong trace yang tidak merekam seismik dan mengandung banyak noise. Pada tahap ini, diuji besarnya gain yang dimasukkan untuk memperoleh rekaman seismik yang merata pada masing-masing trace dengan baik. Parameter AGC yang dimasukkan pada pengolahan data ini sebesar 3. Perbedaan trace seismic setelah dilakukan tahap pre-processing ini diperlihatkan pada gambar 3.3 berikut ini.
(a)
(b)
Gambar 3.3 (a) Data tanpa AGC dan (b) Data dengan penerapan AGC. Gambar (a) masih sulit
untuk diidentifikasi jenis gelombang yang terekam sehingga dilakukan tahap pre-processing dengan
Channel Channel T im e (m s) T im e (m s) P-wave Surface wave
49
penerapan AGC sehingga gelombang badan dan gelombang permukaan dapat diidentifikasi (gambar (b)).
Data awal dari pengukuran di lapangan, pada umumnya masih mengandung noise. Dalam praktek metode MASW, sifat gelombang permukaan relatif mudah dikenali, sehingga tidak membutuhkan tahap pemfilteran yang komplek. Sehingga hanya dilakukan AGC saja sudah dapat di identifikasi bentuk gelombang seismik yang direkam. Pada gambar 3.3 terdiri dari dua gambar, yaitu poin (a) merupakan data awal tanpa AGC yang pertama kali ditampilkan dan poin (b) merupakan data dengan penerapan AGC. Terlihat jelas perbedaan antara data tanpa AGC dan data dengan penerapan AGC tersebut. Pada gambar 3.3 poin (b) memperlihatkan bentuk ataupun sifat dari gelombang badan dan gelombang permukaan. Gelombang badan diperlihatkan di bagian kotak berwarna kuning sedangkan gelombang permukaan diperlihatkan di bagian kotak berwarna merah.
3.4.2 Transformasi Fourier
Tahap transformasi fourier dilakukan pada sistem kalkulasi oleh program pada software. Proses transformasi yang digunakan yaitu mengubah domain jarak-waktu (x-t) menjadi domain frekuensi-bilangan gelombang (f-k). Kemudian program dapat mengkalkulasi transformasi dari domain frekuensi-bilangan gelombang (f-k) menjadi domain frekuensi-kecepatan fasa (f-ω).
3.4.3 Citra Dispersi
Hasil transformasi berupa citra dispersi dalam domain frekuensi-kecepatan fasa (f-ω). Pada tahap ini, nilai kecepatan fasa yang dimasukkan yaitu antara 0 – 1200 m/s dan nilai frekuensi sebesar 0 – 60 Hz. Citra dispersi menunjukkan respon warna dari nilai amplitudo atau energy gelombang. Warna putih menunjukkan nilai amplitudo yang rendah sampai kapada warna merah yang menunjukkan nilai amplitudo yang tinggi. Pada penelitian ini citra dispersi yang diperolah sebanyak
50
32 buah dan tahap selanjutnya untuk melakukan picking terhadap citra dispersi. Citra dispersi ini dapat ditunjukkan pada gambar 3.4 berikut.
Gambar 3.4 Citra Dipersi. Citra dispersi diperoleh dari hasil transformasi dan normalisasi
amplitudo. Warna biru adalah amplitudo rendah atau mendekati angka 0 dan warna merah amplitudo tinggi mendekati angka 1.
3.4.4 Picking Citra Dispersi
Tahap ini dilakukan picking pada citra dispersi pada semua citra dispersi yang diperoleh dari banyaknya data. Picking citra dispersi berfungsi untuk menentukan nilai terbaik/maksimum dari kurva dispersi. Picking ini dilakukan dengan mode dasar (fundamental mode) pada amplitudo tertinggi atau pada citra dispersi ditunjukkan oleh warna merah. Sebagai panduan, cara paling mudah adalah dengan mengikuti trend amplitudo tinggi maka akan diperoleh kurva dispersi eksperimental. Kurva dispersi ini diekstraksi sehingga memperoleh kurva dispersi teoritis. Kurva dispersi eksperimental yang baik akan menghasilkan misfit atau nilai error yang kecil (< 10) terhadap kurva dispersi teoritis. Tahapan ini dilakukan pada semua citra dispersi yang dipilih yaitu sebanyak 32 citra dispersi sehingga memperoleh 32 kurva dispersi eksperimental. Beberapa contoh picking-an kurva
1200 800 400 0 10 20 30 40 50 60 Frequency (Hz) Ph a se Ve lo cit y (m /s) Normalized Amplitude 0 1
51
dispersi yang ditunjukkan pada gambar 3.5. Nilai ekstraksi kurva dispersi ini digunakan sebagai input untuk tahap inversi.
(a) (b) (c) (d)
Gambar 3.5 Picking kurva dispersi (a) Receiver Midpoint 483, (b) Receiver Midpoint 1753, (c)
Receiver Midpoint 2883, dan (d) Receiver Midpoint 3343.
Pada gambar 3.5, merupakan sampel picking kurva dispersi sebanyak 4 buah receiver midpoint untuk menunjukkan kurva dispersi eksperimental dari hasil picking secara manual. Kurva dispersi eksperimental yang di picking ini dimulai dari frekuensi 5 Hz karena dalam survei lapangan menggunakan metode MASW digunakan jenis geophone dengan frekuensi 5 Hz. Besar frekuensi geophone akan bergantung juga pada frekuensi keberapa saat dilakukan picking kurva dispersi. Dari empat gambar diatas juga menunjukkan picking kurva dispersi dilakukan pada zona yang memiliki amplitudo yang tinggi atau yan digambarkan dengan warna merah.
3.4.5 Inversi
Langkah terakhir yaitu dengan melakukan inversi yang bertujuan untuk menurunkan profil kecepatan gelombang geser. Kalkulasi yang dilakukan didasarkan pada perambatan gelombang dengan mengasumsikan model bawah
1200 800 400 0 1200 800 400 0 10 20 30 40 50 60 10 20 30 40 50 60 P has e V elocity (m /s ) Frequency (Hz) Frequency (Hz) P has e V elocity (m /s ) 1200 800 400 0 10 20 30 40 50 60 P has e V elocity (m /s ) P has e V elocity (m /s ) Frequency (Hz) 1200 800 400 0 10 20 30 40 50 60 Frequency (Hz)
52
permukaan yang berlapis. Hasil inversi ini akan menampilkan profil kecepatan gelombang geser secara satu dimensi dan dua dimensi yang menunjukkan adanya perbedaan kecepatan gelomban geser pada lapisan yang berbeda. Model yang diperoleh dari hasil versi ini bergantung pada saat picking kurva dispersi hingga mendekati nilai RMS Error minimum. Jika nilai RMS Error minimum masih besar, maka perlu dilakukan picking ulang pada kurva dispersi fundamental untuk disesuaikan terhadap kurva dispersi teoritis.
3.5 Diagram Alir Penelitian
Berikut ini adalah diagram alir penelitian:
Gambar 3.6 Diagram alir penelitian. (1) Pre-processing, (2) Analisis Dispersi, dan (3) Analisa
