ABSTRAK Muhamad Diva Pratama.pdf
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
COVER MUHAMAD DIVA PRATAMA
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
BAB1 MUHAMAD DIVA PRATAMA
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
BAB2 MUHAMAD DIVA PRATAMA
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
BAB3 MUHAMAD DIVA PRATAMA
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
BAB4 MUHAMAD DIVA PRATAMA
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
BAB5 MUHAMAD DIVA PRATAMA
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
PUSTAKA MUHAMAD DIVA PRATAMA
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
Source Independent Full Waveform Inversion (SI-FWI) merupakan sebuah metode
pencitraan seismik yang menggunakan seluruh bagian dari gelombang seismik yang
terdapat pada seismogram. Metode ini mengatasi tantangan ketergantungan pada
sumber wavelet selama proses rekonstruksi model kecepatannya. Dalam SI-FWI,
ketidakakuratan atau kesalahan pada informasi sumber wavelet dapat diatasi dengan
memodifikasi perhitungan misfit dan sumber adjoint yang digunakan dalam proses
pemodelan adjoint. Modifikasi ini melibatkan proses konvolusi trace seismik
antara data seismogram observasi dan yang dimodelkan, tanpa mengubah algoritma
FWI secara keseluruhan. Sehingga, metode SI-FWI tidak lagi bergantung pada
sumber wavelet. Dalam studi ini, SI-FWI diimplementasikan dan diuji pada model
sintetik akustik dan isotropik overthrust. Proses iterasi dilakukan dengan optimasi
menggunakan metode conjugate gradient dan algoritma line search untuk
memperoleh konvergensi yang lebih cepat dan efektif. Program ini dikembangkan
menggunakan bahasa Python dengan pemrosesan yang paralel dan terdistribusi
untuk mempercepat eksekusi program. Dua skenario dilakukan dalam penelitian
ini, masing-masing menggunakan sumber wavelet yang berbeda. Hasil yang
diperoleh dalam kedua kasus telah dapat menurunkan nilai misfit yang signifikan.
Dalam kedua kasus tersebut, model yang dihasilkan sudah sangat mirip dengan
model aktualnya. Hal ini dapat dikonfirmasi oleh analisis profil kecepatan 1D di
beberapa lokasi berbeda yang sudah hampir cocok dengan model aktualnya.
Berdasarkan hasil tersebut, studi ini dapat menunjukkan kemampuan program SIFWI untuk menghilangkan efek sumber wavelet serta menghilangkan
ketergantungannya pada kesesuaian sumber wavelet dalam kerangka SI-FWI.