Perpustakaan Digital ITB

Inversi dalam geofisika adalah mencoba mengestimasi distribusi sifat fisik di interior bumi dari data observasi yang dikumpulkan atau dari atas permukaan. Beberapa teknik inversi konvensional yang diajukan dalam mengembangkan solusi masalah biasanya menggunakan least-square, simulated annealing, Levenberg- Marquardt dan lain sebagainya. Namun, metode inversi yang dilakukan masih memiliki potensi besar dalam kuantifikasi ketidakpastian dan membuat tugas komputasi menjadi berat. Maka dalam tulisan ini, sebuah metode diusulkan menggunakan Deep Neural Network (DNN) untuk data geolistrik agar memberikan solusi yang efektif dan akurat. Tujuan dari penelitian ini adalah untuk menerapkan inversi menggunakan DNN pada data geolistrik dan membandingkan dengan inversi konvensional yaitu algoritma Levenberg-Marquardt (LM). Lapangan geotermal Wayang Windu didesain dengan mengetahui komponen sistem geotermal menjadi model sintetis dan pengukuran lapangan yang telah dilakukan. Pengolahan model dan pengukuran lapangan dilakukan dalam bahasa pemgrograman python di mana inversi konvensional menggunakan Levenberg-Marquardt algoritma dan DNN menggunakan enam lapisan tersembunyi dengan fungsi aktivasi berupa sigmoid dan ReLU. Hasil yang di dapatkan dari inversi konvensional pada lapisan pertama, kedua, kelima dan keenam tidak memiliki perbedaan yang jauh dengan data pengukuran, tetapi pada lapisan ketiga dan keempat memiliki perbedaan ketebalan yang signifikan. Namun, produk dari DNN dalam mengestimasi tahanan-jenis dan ketebalan pada model sintetis memiliki kemiripan dengan apa yang ingin diprediksi. Keluaran dari inversi konvensional dan DNN juga dilakukan pada data pengukuran lapangan geotermal Wayang Windu, dimana DNN dalam memprediksi ketebalan memiliki error yang sangat minim daripada inversi konvensional. Prediksi DNN dibandingkan dengan data lubang bor dari lapangan geotermal Wayang Windu, menunjukkan prediksi ketebalan dan tahanan-jenis yang tepat sehingga interpretasi geolistrik dapat dilakukan dengan efektif dan akurat.