Perpustakaan Digital ITB

Abstrak: Dekonvolusi merupakan suatu metode seismik untuk menghilangkan efek wavelet seismik sehingga didapat estimasi reflektifitas bawah permukaan. Hilangnya efek wavelet akan meningkatkan resolusi temporal sehingga data seismik akan lebih mudah untuk di-interpretasikan. Disamping itu, hasil estimasi reflektifitas akan dapat digunakan sebagai input data yang lebih layak untuk proses inversi seismik. Dalam tugas akhir ini, digunakan metoda neural network untuk melakukan proses dekonvolusi. Aplikasi dari neural network yang digunakan untuk melakukan dekonvolusi adalah backpropagation. Backpropagation adalah salah satu program komputasi untuk penerapan neural network yang banyak digunakan untuk memecahkan masalah non-linear. Dalam neural netwok ini, digunakan sebuah input layer, tiga buah hidden layer, dan sebuah output layer. Fungsi transfer yang digunakan adalah logsig pada hidden layer dan linear pada output layer. Model sintetik yang digunakan adalah model wedge yang terdiri atas empat buah lapisan dengan kecepatan yang berbeda-beda. Tugas akhir ini menggunakan data sintetik tanpa noise hingga yang ber-noise 25persen Noise yang digunakan adalah random noise yang telah melalui filter Butterworth, sehingga berupa color noise. Dekonvolusi dengan menggunakan neural network cukup optimal digunakan untuk memetakan batas lapisan dengan data yang tidak terlalu ber-noise. Operator filter dekonvolusi yang baik diperoleh dari data yang ber-noise rendah sehingga dapat diaplikasikan pada data yang cukup ber-noise. Namun jika operator filter diperoleh dari data yang bernoise tinggi maka operator filter yang diperoleh tidak akan bekerja dengan optimal.