Perpustakaan Digital ITB

Pengolahan data seismik refleksi dengan metode Common Reflection Surface (CRS) - Stack saat ini dirasakan kurang pupuler, karena proses perhitungan yang lebih sangat lambat dibandingkan dengan metode konvensional. Namun demikian, metode CRS-Stack ini diyakini sebagai metode yang dapat memetakan reflektor miring dan berundulasi dengan lebih baik, sekaligus dapat meningkatkan rasio S/N. Pencarian atribut CRS-Stack ?, RN, dan RNIP yang selama ini dianut ialah dengan menggunakan metode bertahap (cascade). Jika atribut-atrubut tersebut dicari secara langsung, maka kombinasi atribut CRS-Stack terbaik ditentukan dari seluruh data seismik, sehingga memerlukan waktu proses yang sangat lama. Penelitian sebelumnya menunjukkan bahwa penggunaan komputasi parallel dengan CPU - OpenMP dapat meningkatkan performa pengolahan data CRS-Stack dengan metode langsung sebesar 3,6 kali lebih cepat dibandingkan tanpa komputasi paralel. Namun demikian, proses pengolahan data seismik yang lebih cepat lagi sangat dibutuhkan. Dengan demikian, tujuan dari penelitian ini adalah untuk mencari metode-metode alternatif yang dapat mempercepat proses pengolahan data CRS-Stack dibandingkan metode-metode sebelumnya. Pada penelitian ini, penggunaan data sintetik yang sama perlu dilakukan, agar percepatan pengolahan data seismik dari suatu metode terhadap metode lainnya dapat dibandingkan. Metode percepatan pengolahan data yang diusulkan pada penelitian ini adalah metode komputasi paralel GPGPU-CUDA dan optimasi Differential Evolution. Performa dari kedua metode ini selanjutnya dibandingkan dengan implementasi CPU-OpenMP yang diusulkan peneliti sebelumnya. Hasil penelitian menunjukkan bahwa performa kecepatan waktu penghitungan CRS dengan metode GPGPU-CUDA meningkat 9 kali dan Differential Evolution meningkat 26 kali lebih cepat dari metode CPU-OpenMP. Perbaikan kecepatan pengolahan data dengan metoda GPGPU-CUDA masih belum sebaik hasil dari metode Differential Evolution, karena lebih banyak core yang dipakai dibandingkan pemakaian CPU. Selain itu, metode GPGPU-CUDA memiliki permasalahan Input-Output antara CPU dan GPU, selain juga karena menggunakan brute force untuk seluruh kombinasi parameter. Sedangkan pada penerapan metode Differential Evolution, percepatan terjadi karena menggunakan penebakan nilai optimum suatu sampel dengan iterasi tertentu. Dengan demikian, peningkatan kecepatan pengolahan data seismik refleksi dengan metode CRS-Stack yang dihasilkan dari penelitian ini diharapkan dapat meningkatkan popularitasnya, sehingga gambaran struktur bawah permukaan bumi dengan lebih baik dan akurat dapat tercapai dengan waktu yang jauh lebih singkat.