Perpustakaan Digital ITB

Dengan munculnya Artificial Intelligence (AI) atau kecerdasan buatan yang mewakili peningkatan signifikan di banyak bidang, Artificial Neural Network (ANN) atau jaringan saraf tiruan dengan cepat menjadi teknik pemodelan yang paling kuat di hampir semua bidang teknik, sains, dan masalah ekonomi. Magnetotelurik sebagai metode eksplorasi geofisika pasif yang menggunakan medan elektromagnetik alami, dapat digunakan untuk tujuan eksplorasi sumber daya alam seperti mineral, minyak dan gas, panas bumi, serta untuk tujuan mempelajari masalah lingkungan. Inversi 1D Data Magnetotelurik sebagai masalah inversi nonlinier memerlukan solusi yang lebih baik untuk dapat menghindari minima lokal. Menjadi bagian dari AI, ANN dapat menyelesaikan permasalahan yang kompleks tanpa persamaan matematis dengan memprediksi pola pada data. Penggunaan ANN dalam inversi magnetotelurik diharapkan dapat menjadi sebuah alternatif solusi permasalahan inversi nonlinier. Pada penelitian ini, data yang digunakan adalah data sintesis berupa 20 set data frekuensi, resistivitas semu, dan fasa. Pengolahan data dilakukan dengan inversi magnetotelurik yang menghasilkan nilai resistivitas dari dua lapisan bawah bumi beserta ketebalan lapisan pertamanya. Arsitektur ANN dibuat menggunakan bahasa pemrograman Python sebagai bahasa pemrograman yang mudah dimengerti. Model ANN dibuat dengan library Scikit-Learn pada Python menggunakan fungsi MLPRegressor sebagai model ANN dengan multiple layers. Model ini menggunakan beberapa hyperparameter yaitu Rectified Linear Unit (ReLU) sebagai fungsi aktivasi dan Limited-memory Broyden-Fletcher-GoldfarbShanno (LBFGS) sebagai fungsi optimasi. Variasi dilakukan pada hyperparameter jumlah hidden lay