Dalam dekade terakhir, banyak pekerjaan yang dilakukan pada resistivitas DC
terutama terkonsentrasi pada teknik 2D dan 3D. Namun hasil inversi 1D sangat
berguna dalam membangun model awal untuk interpretasi multidimensi. Oleh
karena itu studi keunikan inversi 1D menjadi penting. Terdapat permasalahan
yang dapat menyebabkan kesalahan estimasi parameter di susunan geologi
kompleks, yaitu equivalence dan suppression. Tujuan dari penelitian ini adalah
menganalisa performa standar FPA dan Variasi FPA yang terdiri dari Modified
Flower Pollination Algorithm (MFPA), elitism Flower Pollination Algorithm
(eFPA), Dimension by Dimension Improvement Flower Pollination Algorithm
(DDIFPA) dan Flower Pollination Algorithm with Bee Polinator (BPFPA) untuk
interpretasi kurva sounding schlumberger. Serta membuat variasi FPA untuk
menyelesaikan permasalahan equivalence dan suppression. Data yang digunakan
dalam penelitian ini adalah data sintetik yang mengandung noise dan bebas noise.
Data lapangan juga digunakan untuk meneliti efisiensi program di data
sebenarnya. Dibandingkan dengan program inversi DLSQR, PSO dan GWO, FPA
dapat memperoleh hasil yang lebih akurat dan memberikan RMS eror yang lebih
baik. Dibandingkan dengan MFPA, DDIFPA, BPFPA, and FPA, eFPA adalah
satu-satunya algoritma yang dapat mencapai optimal global. Selain memiliki
tingkat akurasi terbaik, eFPA juga memiliki stabilitas terbaik. Dalam kasus data
lapangan, eFPA memiliki hasil yang sama dengan standar FPA yang lebih baik
daripada IPI2Win berdasarkan RMS eror. Equivalence yang terkait dengan
lapisan konduktif tipis dapat diselesaikan lebih baik daripada lapisan resistif tipis.
Suppression yang terkait dengan model resistivitas yang menurun terhadap
kedalaman dapat diselesaikan lebih baik daripada model resistivitas yang
meningkat terhadap kedalaman.