Perpustakaan Digital ITB

Pengolahan data merupakan salah satu bagian penting dalam tahapan metode magnetotellurik (MT). Proses pengolahan data sangat berperan dalam menentukan tingkat kualitas data juga model struktur bawah permukaan yang dihasilkan dari pemodelan. Data MT yang terukur di lapangan dipengaruhi oleh noise yang menyebabkan kualitas data rendah. Untuk mendapatkan kualitas data yang baik memerlukan tahapan yang panjang. Selain itu, MT merupakan metode yang relatif baru dibandingkan dengan metode geofisika lainnya. Oleh karena nya perangkat pengolahan data masih terbatas dan masih terus dikembangkan. Dalam penelitian ini dilakukan pengolahan data MT menggunakan Python mulai dari data time series hingga diperoleh kurva resistivitas semu dan fasa. Peningkatan kualitas data MT dapat diketahui dengan nilai koherensi medan listrik dan medan magnet. Akan tetapi, nilai koherensi tidak lagi menjadi acuan pada frekuensi rendah. Pada beberapa data, peningkatan nilai koherensi tidak sebanding dengan perubahan kurva resistivitas semu dan fasa yang semakin halus (smooth) pada frekuensi rendah. Oleh karena itu dalam penelitian ini diusulkan pembobotan statistik dengan metode MEstimation dan Bounded Influence untuk meningkatkan kualitas data MT. Hasil penelitian menunjukkan adanya peningkatan kualitas data berkisar antara 15.35% sampai dengan 25% dengan rata-rata sebesar 19.95% antara raw data hingga pada proses robust. Kurva resistivitas semu dan fasa dengan pembobotan M-estimation dan Bounded Influence lebih baik dibandingkan Robust Ordinary Least Square, terutama pada frekuensi rendah. Pembobotan MEstimation cenderung memperlihatkan tren kurva perubahan variasi nilai resistivitas pada frekuensi rendah yang lebih halus dibandingkan dan pembobotan Bounded Influence dan Ordinary Least Square. Namun pada zona deadband MT di sekitar 0.1 Hz, metode Bounded Influence memperlihatkan kurva yang lebih halus dibandingkan dengan M-Estimation.