digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Muhammad Ihsan Sagara.pdf
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan

COVER MUHAMMDA IHSAN SAGARA PUTERA
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan

BAB1 MUHAMMDA IHSAN SAGARA PUTERA
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan

BAB2 MUHAMMDA IHSAN SAGARA PUTERA
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan

BAB3 MUHAMMDA IHSAN SAGARA PUTERA
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan

BAB4 MUHAMMDA IHSAN SAGARA PUTERA
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan

BAB5 MUHAMMDA IHSAN SAGARA PUTERA
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan

PUSTAKA MUHAMMDA IHSAN SAGARA PUTERA
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan

Indonesia adalah negara dengan potensi panas bumi yang besar maka dari itu perlu dibarengi dengan pemantauan sistem panas bumi dalam pemanfaatannya. Salah satu pemantauan panas bumi yang dilakukan adalah pemantauan seismisitas pada area panas bumi. Pemantauan ini berkaitan dengan recharge fluida baik dari recharge buatan maupun recharge alami pada sekitar patahan sehingga dapat menimbulkan tekanan dan fracturing pada pori batuan. Maka dari itu, penulis melakukan analisis dari pemantauan seismisitas area panas bumi secara otomatis menggunakan PhaseNet dan membandingkannya dengan data katalog. PhaseNet merupakan machine learning yang dapat menentukan waktu tiba gelombang P dan S seraca otomasis. Selanjutnya dilakukan asosiasi fase dengan menggunakan Gasussian Mixture Model Associator (GaMMA). Tahap akhir dari pemrosesan data adalah penentuan lokasi gempa dengan Nonlinloc. Pada penelitian ini digunakan data waveform dari area panas bumi periode Januari – Maret 2022, PhaseNet dapat melakukan picking tetapi masih mempunyai kekurangan dalam pemilihan gelombang P dan S untuk suatu event. Dari hasil picking PhaseNet, dilakukan asosiasi event dengan GaMMA dan quality control dengan diagram wadati yang menghasilkan 18 event. Selanjutnya 18 event tersebut diinputkan ke dalam NonLinLoc untuk menentukan hiposenternya. 15 event NonlinLoc mempunyai selisih hiposenter kurang dari satu kilometer dengan hiposenter katalog dan tiga event lainnya mempunyai lebih dari satu kilometer.