PENGOLAHAN LANJUT DATA GAYABERAT DAN MAGNETIK

Oleh: Yanisa Zafira (12311028)

Anomali gayaberat yang terukur di permukaan adalah merupakan penjumlahan dari semua

kemungkinan sumber anomali yang ada di bawah permukaan dimana salah satunya merupakan

target event dari eksplorasi. Sehingga untuk kepentingan interpretasi, target event harus

dipisahkan dari event lainnya. Jika target event adalah anomali residual, maka event lainnya

adalah Noise dan Regional. Secara sederhana, dari segi lebar anomali, Noise akan memiliki lebar

anomali lebih kecil dari target (residual), sedangkan Regional lebih besar dari Residual dari

kedalaman, Noise lebih dangkal dari Residual, sedangkan Regional lebih dalam. Dengan cara

memisahkan anomali bourguer untuk menjadi dnagkal dan memiliki efek gayaberat yang dalam.

Kemudian efek dangkal tersebut diperlihatkan oleh anomali residual, sedangkan efek dalam oleh

anomali regional.

Untuk anomali magnetik, proses ini bertujuan untuk memisahkan efek magnetik pada

permukaan yang ditunjukan oleh frekuensi spasial yang relatif tinggi. Proses ini disebut smoothing.

Untuk kepentingan pemisahan Regional-Residual, maka diperlukan suatu proses pengolahan

lanjut yang juga disebut advanced processing yaitu:

1. Spectral analysis

Spectral analysis digunakan untuk mengestimasi window filter dan kedalaman rata-rata dari

suatu basement menggunakan fast fourier transform. Kemudian lebar window dari spectral

analysis dapat dipakai dalam pemisahan Regional-Residual menggunakan metode moving

average. Melalui transformasi nilai gayaberat, pada lintasan yang ingin diperkirakan

kedalamannya, dapat diestimasi nilai bilangan gelombang (k) dan amplitudo (A) yang dapat

digunakan untuk menghitung lebar jendela filter yang selanjutnya digunakan sebagai input

data proses filtering (dalam pemisahan anomali regional dan residual).

2. Filtering (Smoothing, Anomalies Separation)

Teknik pemisahan regional dan residual yang bisa digunakan yaitu:

Moving average window filter

Penurunan anomali residual dengan metoda ini adalah secara tidak langsung karena

keluaran dari moving average adalah regionalnya. Sehingga residual didapat dengan

mengurangkan regional terhadap anomali hasil pengukura (data ini sebagai input

dalam prosesnya).

Anomali residual:

Berdasarkan karakter dari filter spectral, lebar window, N x N menggambarkan

secara langsung dari low cut panjang gelombang atau high cut frekuensi spasial dari

low-pass filter. Sehingga, jika lebar window bertambah, makan panjang gelombang

regional akan bertambah juga. Dalam kata lain, lebar window terkecil akan

mempengaruhi hasil regional yang akan semakin mendekati anomali bouguer nya.

Polynomial Trend Surface Analysis

Dalam metode ini, anomali regional didekati oleh persamaan polynomial. Artinya

bahwa anomali residual diturunkan secara tidak langsung.

Persamaan polynomial yang menunjukan anomali regionalnya untuk orde kedua:

Dimana, i = 1,2,3,....,n = nomor stasiun

gi = anomali gayaberat

xi, yi = koordinat stasiun

c1, c2, ..., c6 = konstanta polynomial

Dalam matrix:

3. Second Vertical Derivative

Metode ini mempunyai perbedaan mendasar dengan dua metoda yang dijelaskan

sebelumnya. Pada metode moving average dan persamaan polynomial, anomali residual

diestimasi melalui anomali regionalnya, sedangkan pada metoda second vertical derivative,

anomali residual ditunjukkan oleh anomali second vertical derivative yang menggambarkan

sumber-sumber anomali yang bersifat lokal/dangkal, sehingga identik dengan anomali

residual pada dua metode sebelumnya.

Secara teoritis, metode ini diturnkan dari persamaan Laplaces untuk anomali

gayaberat permukaan yang diberikan sebagai:

Second vertical derivative dari suatu anomali gayaberat permukaan adalah sama

dengan negatif dari derivatif orde dua arah horizontal. Sehingga untuk mencari

second vertical derivative dapat dicari dari derivatif horizontalnya, yang lebih mudah

untuk dikerjakan.