Perpustakaan Digital ITB

Teknik pemodelan inversi secara deterministik pada umumnya digunakan dalam inversi gravity memiliki keterbatasan pemberian model awal yang baik untuk menghasilkan persebaran densitas bawah permukaan sesuai dengan keadaan geologi lapangan. Teknik inversi stokastik sering digunakan untuk menghindari ambiguitas atau optimal lokal. Ambiguitas terjadi pada pemodelan data gravity karena parameter model yang dicari lebih banyak dibandingkan dengan parameter data pengukuran (underdetermined). Penerapan metode Bat Algorithm (BA) sebagai salah satu metode meta-heuristic digunakan pada teknik inversi stokastik untuk menanggulangi kendala ini. Metode ini meniru perilaku microbat memburu mangsa dalam populasi secara acak di ruang model dan dapat mencegah solusi model terjebak di optimum lokal. Penelitian ini bertujuan untuk membuat pendekatan metode inversi baru dalam memodelkan respons gravity dalam kerangka kerja 3D. Model densitas yang digunakan adalah susunan grid 3D dan 2,5D yang berbentuk prisma segi empat. Implementasi BA pada pencarian parameter gravity berupa geometri dan densitas dengan melakukan perturbasi model dengan cara memanipulasi indeks array 3D sebagai grid densitas. Pengembangan BA melalui modifikasi komponen kecepatan individu akan mempengaruhi perturbasi solusi terbaik untuk setiap iterasi. Pengujian modifikasi BA dilakukan menggunakan model sintetik sederhana seperti bodi densitas tunggal, ganda, dan tiga bodi densitas dengan variasi jarak antara bodi serta model geologi berupa model intrusi, lipatan antiklin, cekungan, dan sesar normal bervariasi sudut kemiringan zona sesar. Parameter tingkat keberhasilan (success rate) diperoleh melalui perhitungan persentase kecocokan antar gird model inversi terhadap model referensi. Hasil pengujian menunjukkan peningkatkan success rate 15%. Model hasil inversi juga memperlihatkan posisi bodi batuan sebagai sumber anomali dengan success rate > 85% untuk model single layer dan multi-layer array pada model 3D berupa bodi densitas tunggal terpusat di tengah mesh grid. Lokasi sumber anomali densitas batuan juga dapat diidentifikasi dengan baik pada model 2,5D terutama untuk model-model geologi sederhana seperti intrusi, lipatan, dan lapisan miring. Keterbatasan yang muncul dalam penelitian ini ketika mengidentifikasi sebaran model densitas secara 3D dan variasi kedalaman densitas pada model 2,5D seperti model sesar normal dan lapisan miring. Pengujian model 2.5D memperoleh success rate > 75% untuk semua model geologi sintetik. Pengembangan algoritma ini memiliki potensi besar dalam inversi metode gravity berdasarkan hasil.iii pengembangan yang akan dilakukan di masa depan adalah menggunakan geometri prisma poligon irregular grid diharapkan mampu mencapai hasil yang lebih optimal