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

ABSTRAK Marshanda Adisti Rahmadini
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

COVER Marshanda Adisti Rahmadini
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 1 Marshanda Adisti Rahmadini
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 2 Marshanda Adisti Rahmadini
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 3 Marshanda Adisti Rahmadini
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 4 Marshanda Adisti Rahmadini
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 5 Marshanda Adisti Rahmadini
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

PUSTAKA Marshanda Adisti Rahmadini
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

Metode Magnetotelurik (MT) merupakan metode geofisika pasif yang digunakan untuk memetakan struktur resistivitas bawah permukaan berdasarkan respons medan elektromagnetik alami. Dalam memetakan distribusi resistivitas bawah permukaan, tantangan utamanya adalah melakukan proses inversi, yaitu proses memperkirakan model resistivitas yang sesuai dengan data observasi. Penelitian Tugas Akhir ini bertujuan untuk membandingkan kinerja dua algoritma inversi satu dimensi yang berbeda pendekatan dalam menghasilkan model resistivitas bawah permukaan, yaitu algoritma Occam yang bersifat deterministik menggunakan pendekatan linier dan algoritma Simulated Annealing (SA) yang bersifat stokastik menggunakan pendekatan global. Metodologi yang digunakan dalam Tugas Akhir ini meliputi studi literatur, eksperimen numerik dengan data sintetik dan data lapangan sekunder di daerah Aceh, serta implementasi kedua algoritma tersebut dalam bahasa pemrograman MATLAB. Performa kedua algoritma inversi dievaluasi berdasarkan nilai RMS, sensitivitas terhadap parameter input dan model tebakan awal, jumlah iterasi, stabilitas, kecepatan konvergensi, dan waktu komputasi. Pada data sintetik, hasil inversi Occam dan SA masing-masing menghasilkan RMS total <10% dan <2%, sedangkan pada data lapangan masingmasing berada pada rentang 17–42% dan 5–10%. Occam menunjukkan konvergensi lebih cepat (20 iterasi, ~10?¹ s) dan menghasilkan model yang smooth dan stabil, sementara SA lebih lambat (300 iterasi, ~10³ s), tetapi menghasilkan RMS yang lebih kecil serta fleksibel terhadap struktur data dan model.