Perpustakaan Digital ITB

Disertasi ini membahas penerapan metode stokastik dalam proses inversi data geofisika, dengan fokus utama pada inversi 1D data metode transien elektromagnetik (TEM). Penelitian ini dilatarbelakangi oleh keterbatasan dari pendekatan inversi standar, khususnya pendekatan deterministik berbasis gradien, yang sangat bergantung pada pemilihan model awal dan strategi regularisasi untuk memperoleh solusi optimum. Ketergantungan tersebut mengakibatkan hasil inversi dapat bervariasi bergantung pada parameter yang digunakan pengguna, menjauhi kondisi yang idealnya bersifat objektif dan sepenuhnya mengacu pada data observasi yang diperoleh. Dalam studi yang dilakukan, dua metode stokastik yang dibahas secara mendalam adalah Particle Swarm Optimization (PSO) dan inversi Bayesian. Kedua metode tersebut telah diterapkan dalam proses inversi data TEM. Namun, algoritma PSO standar belum dilengkapi dengan mekanisme pencarian hiperparameter secara otomatis pada model TEM. Sementara itu, analisis konvergensi pada inversi Bayesian masih menjadi topik penelitian aktif hingga saat ini. Dalam penerapannya pada data TEM, kedua metode tersebut juga membutuhkan pemodelan ke depan yang akurat dan andal. Berdasarkan hal tersebut, penelitian ini memiliki tiga tujuan utama: (1) mengembangkan pemodelan ke depan yang akurat, (2) mengembangkan program inversi berbasis PSO yang dapat mengakomodasi pencarian hiperparameter secara otomatis, dan (3) merancang kerangka inversi Bayesian yang dilengkapi dengan analisis konvergensi. Untuk mencapai tujuan tersebut, pendekatan numerik digunakan secara dominan dalam studi ini. Program pemodelan ke depan dikembangkan dengan memanfaatkan metode digital filter pada tahapan perhitungan transformasi domain. Perbandingan antara hasil numerik dan solusi analitik pada beberapa model homogen dengan nilai resistivitas yang berbeda menunjukkan rata-rata galat relatif < 1%. Nilai tersebut mengindikasikan tingkat akurasi yang tinggi. Hal tersebut menjadikan program pemodelan ke depan yang dikembangkan layak digunakan sebagai komponen inti dalam proses inversi dengan metode stokastik. Skema Optimized Particle Swarm Optimization (OPSO) digunakan dalam pengembangan metode stokastik berbasis PSO yang dapat mengakomodasi pencarian hiperparameter. Adaptasi terhadap inversi data TEM dilakukan dengan merancang fungsi objektif yang di dalamnya juga memperhitungkan hiperparameter berupa jumlah lapisan dan pengali Lagrange. Pengujian terhadap data sintetik dari beberapa model uji menunjukkan bahwa OPSO termodifikasi dapat menghasilkan model inversi yang sesuai dengan model sebenarnya, baik dari segi nilai parameter fisis (resistivitas listrik dan ketebalan tiap lapisan) maupun nilai hiperparameter (jumlah lapisan dan pengali Lagrange). Perbandingan antara data kalkulasi dan observasi pada data uji menunjukkan kecocokan yang baik, terkuantifikasi sebagai weighted mean absolute error (WMAE) dengan rentang 0,58 hingga 0,91. Inversi Bayesian dilakukan dengan menggunakan skema Reversible-jump Markov-chain Monte Carlo (RJ-MCMC). Pada skema ini, jumlah lapisan juga diperlakukan sebagai parameter yang tidak diketahui. Kondisi konvergen dinilai berdasarkan perhitungan statistik R^ dan effective sample size (ESS), yang masingmasing memberikan informasi terkait konvergensi dari rantai Markov yang berbeda dan jumlah sampel independen yang diperoleh dari proses pengambilan sampel. Skema birth-death diadaptasi untuk pengambilan sampel dengan dimensi yang berbeda, sedangkan pada dimensi yang sama digunakan skema Metropolisadjusted Langevin algorithm (MALA). Penggunaan R^ dan ESS terbukti membantu meningkatkan efisiensi dan efektivitas proses inversi dengan penghentian iterasi setelah indikator konvergensi terpenuhi. Distribusi posterior yang diperoleh dari inversi data sintetik dari beberapa model uji memberikan informasi yang lebih lengkap dibandingkan dengan pencarian satu solusi terbaik. Program OPSO termodifikasi dan inversi Bayesian trans-dimensional yang dikembangkan diaplikasikan pada data lapangan yang diperoleh di kawasan pesisir Santolo, Kabupaten Garut, Jawa Barat, Indonesia. Kedua metode menghasilkan profil resistivitas serupa, yaitu dengan pola resistif-konduktif. Pola tersebut mencerminkan kondisi hidrogeologi pesisir, yang mengindikasikan keberadaan lapisan dengan material kering atau mengandung air tawar di atas lapisan jenuh air asin atau kaya akan lempung.