ANALISIS DERET WAKTU UNTUK PENINGKATAN KUALITAS DATA MAGNETOTELURIK (STUDI KASUS LAPANGAN GEOTHERMAL)

Proseding Seminar Nasional Fisika dan Aplikasinya Sabtu, 19 November 2016 Bale Sawala Kampus Universitas Padjadjaran, Jatinangor

ANALISIS DERET WAKTU UNTUK PENINGKATAN KUALITAS DATA MAGNETOTELURIK (STUDI KASUS LAPANGAN GEOTHERMAL) ARIEF RACHMAN HIDAYAT*1, G.M. LUCKI JUNURSYAH2, ASEP HARJA3 *1,3 Program Studi Geofisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran Jl. Raya2Bandung-Sumedang Km 21, Jatinangor 45363 Pusat Survei Geologi (PSG) Bandung Abstrak. Salah satu metode geofisika yang sangat berguna pada lapangan geothermal adalah metode magnetotelurik. Metode ini mampu menggambarkan secara baik bawah permukaan lapangan geothermal dengan parameternya yaitu tahanan jenis. Akan tetapi banyaknya kendala dilapangan karena sensitifnya metode ini terhadap listrik dan magnet menghasilkan sebuah data yang memungkinkan terjadinya penyimpangan(noise). Oleh karena itu data yang telah didapatkan harus ditingkatkan kualitasnya terlebih dahulu guna mendapatkan data yang lebih baik dan dapat merepresentasikan bawah permukaan lapangan geothermal secara tepat. Penelitian ini dilakukan di daerah Makale Tana Toraja, Sulawesi Selatan, Indonesia. Akuisisi data dilakukan di 8 titik berbeda membentuk dua lintasan sejajar diatas bidang potensi geothermal daerah tersebut. Koherensi data yang didapatkan tanpa analisis deret waktu berkisar 30-60 persen kemudian setelah dilakukan analisis deret waktu meningkat hingga nilai koherensi mencapai 70 hingga 82 persen. Kata kunci : geothermal, magnetotelurik, analisis deret waktu, koherensi. Abstract. Geophysic method that very useful in geothermal field is Magnetotelluric Method. This method is able to describe the sub-surface of geothermal field with the parameter that is resistivity. But many obstacles in the field because of the sensitivity of this method to the electric field and magnetic field produce a data that allow deviations(noise). Therefore, the data that have been obtained should be improved in advance in order to obtain better data and may represent the subsurface of geothermal field accurately. This research was conducted in the area of Makale Tana Toraja, South Sulawesi, Indonesia. Acquisitions carried out in eight different points form two parralel tracks in the top of geothermal potential area. The value of coherence that have been obtained in each point without timeseries analysis just 30-60 percents and then after timeseries analysis the value of coherence in each point increased into 70-82 percents. Kata kunci : geothermal, magnetotelluric, time-series analysis, coherence. 1. Pendahuluan Metode Magnetotelurik (MT) Magnetotelurik (MT) adalah metode pasif yang mengukur arus listrik alami dalam bumi yang dihasilkan oleh induksi magnetik dari arus listrik di ionosfer. Metode ini dapat digunakan untuk menentkan sifat listrik bahan pada kedalaman yang relatif besar (termasuk mantel) di dalam bumi. Dengan teknik ini, variasi waktu *

email : [email protected]

Kode Artikel :FB-01 ISSN : 2477-0477

2

Arief Rachman Hidayat dkk

pada potensi listrik diukur pada stasiun pangkalan dan stasiun survei dengan variasi medan magnet yang menghasilkan gelombang elektromagnetik yang kontinyu dengan rentang frekuensi yang cukup lebar antara 104 – 10-5 Hz. Koherensi Sinyal Pada penelitian ini, koherensi sinyal (Gambar 1) sangat ditekankan dan menjadi tujuan inti dari penelitian. Koherensi sinyal merupakan besaran yang menyatakan hubungan antara medan magnet dan listrik yang saling tegak lurus. jika data koheren maka Hx, dan Ey, harus sama begitu pula dengan Hy dan Ex. Idealnya nilai koherensi sinyal harus 1 akan tetapi hal ini sangat sulit terjadi di sebabkan karena sinyal akan selalu terkena gangguan alami, jaringan komunikasi dan gangguan yang disebabkan oleh aktifitas manusia, oleh karena itu nilai koherensi yang mendekati angka 1 merupakan data yang baik (Mwakirani, 2012).

Gambar 1. Plot koherensi sinyal, biru menujukan koheren Hx, dan Ey dan hijau Hy dan Ex (Mwakirani, 2012).

Koherensi sinyal dinyatakan sebagai sebagai rasio spectral (persamaan 1) yang terdiri dari korelasi medan listrik dan medan magnet <E*H>, (* menunjukan konjungsi kompleks, E dan H adalah komponen medan elektromagnetik) yang digunakan untuk menghitung fungsi transfer, dibagi dua auto spektrum (Mwakirani, 2012): 2

y dimana,

xy :

!"#

$

!"" !##

i ҂ j …………………………………………….(1)

𝐶&' : Kerapatan antara spektrum medan listrik dan medan magnet. 𝐶&& : Kerapatan spektrum medan listrik. Cyy : Kerapatan spektrum medan magnet.

Proses Robust Pada tahap awal pengolahan data adalah proses robust. Menurut Simpson dan Bahr (2005) proses robust adalah teknik pemrosesan statistikal untuk mengidentifikasi dan menghapus data yang menyimpang oleh noise. Robust processing digunakan untuk merendahkan nilai outliers pada proses iterasi. 2

Analisis Deret Waktu Untuk Peningkatan Kualitas Data Magnetotelurik …

outliers adalah data dengan nilai yang menyimpang jauh dari nilai rata-rata, umumnya data tersebut dianggap sebagi noise. Prosesing Robust berperan sebagai filtering noise awal pada data MT dan pembobotan data berdasrkan nilai frekuensi tinggi dan rendah: 1. No weight, merupakan pembobotan data mentah (Raw data) dimana tidak ada data yang dipotong ataupun dikurangi (data bersifat penuh). 2. Rho variance, proses pembobotan data berdasarkan variasi/perubahan nilai rho sehingga nilai rho menjadi tinjauan robust jenis ini 3. Ordinary Coherence, pembobotan data berdasarkan koherensi yang bagus pada medan E dan medan H. Analisis Deret Waktu (Time-Series Analysis) Karena koherensi data yang didapatkan masih kurang baik maka dilakukan analisis deret waktu (Time-Series Analysis). Analisis deret waktu (Time-Series Analysis) adalah proses lanjutan dari Robust Processing. Tahap ini dilakukan untuk menaikkan nilai koherensi data pengukuran magnetotelurik dengan cara membuang sebuah respon sinyal pada waktu tertentu yang dianggap noise. Noise ini dapat kita tentukan berdasarkan hasil data yang diperoleh. Pada data magnetotelurik dengan menggunakan alat MTU-5A Phoenix, didapatkan 3 rentang frekuensi dalam sebagai berikut: - TS 3( Frekuensi tinggi 320 Hz – 40 Hz), energi dari gelombang masih sangat kuat akan tetapi penetrasi masih dangkal - TS 4 (Frekuensi sedang 5.6 Hz – 3.3 Hz), energi dari gelombang telah berkurang dan penetrasi dalam. - TS 5 (Frekuensi rendah 4.7 Hz - 0.00034 Hz) , energi sudah sangat lemah cenderung habis akan tetapi penetrasi sudah sangat dalam. Berdasarkan TS 3, TS 4, dan TS 5 yang telah dijelaskan tersebut, noise dapat diidentifikasi jika ada lonjakan amplitude yang signifikan pada TS 5 yang koheren dengan TS 3 dan TS 4, sedangkan seharusnya energi pada TS 5 telah sangat lemah cenderung habis karena teratenuasi medium sehingga amplitudenya tidak melonjak. 2. Metode Penelitian Penelitian ini menggunakan data magnetotelurik di daerah Sangalla, Kecamatan Makale, Kabupaten Tana Toraja, Sulawesi Selatan, Indonesia (gambar 2). Akuisisi data dilakukan oleh Pusat Survei Geologi pada tahun 2010 (Junursyah, 2010) dengan menggunakan alat magnetotelurik MTU-5A Phoenix Geophysics. Berikut diagram alir untuk penelitian ini (gambar 3):

3

4


Gambar 2. (a)Peta daerah regional Pengukuran Daerah Sangalla dengan kotak hitam. (b)Daerah penelitian berdasarkan struktural dengan titik-titik pengukuran (MK-01, MK-02, MK-03, MK-05. MK-07, MK-08, MK-09, dan MK-10) relatif memotong atau tegak lurus terhadap struktur (Junursyah dan Lestari, 2013)

Gambar 3. Alur Penelitian

4


Hasil akuisisi data magnetotelurik untuk setiap titik berupa data Time-Series (TS) yang terbagi menjadi 3 berdasarkan frekuensinya yang terdiri dari TS 3 (frekuensi tinggi), TS 4 (frekuensi sedang), dan TS 5 (frekuensi lemah). Indikasi noise koheren terletak pada impuls gelombang baik medan listrik ataupun medan magnet di TS 5 yang seharusnya tidak terjadi karena energi pada TS 5 telah lemah cenderung habis karena gelombang teratenuasi medium. Pada penelitian ini, robust processing menggunakan perangkat lunak SSMT2000 Phoenix Geophysics. Proses ini dilakukan untuk filtering awal noise serta proses pembobotan. Pada penelitian ini pun digunakan jenis pembobotan No Weight atau data masih bersifat asli tidak ada pemotongan bobot disetiap titi pada masingmasing frekuensinya. Beberapa parameter yang harus ditentukan pada proses robust ini ialah nilai nilai seleksi crosspower. Pada penelitian ini digunakan nilai seleksi crosspower sebanyak 100 dengan minimum koherensi 0,75 dan maksimum koherensi 0,95. pada proses ini akan dihasilkan file-file dengan ekstensi (MTL) yang berarti frekuensi rendah dan (MTH) yang berarti frekuensi tinggi. Nilai koherensi ini menjadi sebuah acuan keberhasilan dalam penelitian ini. Pada proses ini digunakan perangkat lunak MTEditor Phoenix Geophysics. Nilai koherensi ini menentukan apakah data yang telah kita ambil telah baik atau belum baik. Pada penelitian ini nilai koherensi memiliki standar minimal 75 %. Jika data pada suatu titik telah mencapai nilai tersebut, maka data tersebut dapat dikatakan baik kualitasnya. Berikut sebagai contoh kurva koherensi terhadap frekuensi (gambar 4):

Gambar 4. Kurva Koherensi Magnetotelurik

Setelah proses robust dilakukan, selanjutnya adalah tahap analisis deret waktu (Time-Series Analysis). Tahapan ini merupakan hal yang sangat penting dalam peningkatan kualitas data magnetotelurik pada penelitian ini. Sinyal pada TS 3, TS4, dan TS5 dilihat dengan perangkat lunak Synchro Time-Series Viewer Phoenix Geophysic (gambar 3). Analisis deret waktu (Time-Series Analysis) akan membuang sinyal pada TS 5 yang koheren dengan TS 3 dan TS 4 yang dianggap noise karena pada TS 5 itu sendiri seharusnya sudah tidak ada lagi impuls amplitudo dikarenakan energi yang telah lemah cenderung habis karena atenuasi gelombang oleh medium bawah permukaan. Setelah analisis deret waktu (Time5

6


Series Analysis) dilakukan, maka nilai koherensi akan meningkat karena data yang berupa noise telah dibuang (direduksi).

Gambar 5. TimeseriesMagnetotelurik dengan Kotak Merah adalah Sinyal Koheren (Noise)

Frekuensi Waktu Mulai Waktu Berhenti TS3 10:14:00 20:49:00

Lama Pengukuran 10:35:00

TS4

10:14:00

20:27:00

10:13:00

TS5

10:14:00

21:59:00

11:45:00

Gambar 6. Hasil Analisis Timeseries (didapatkan sinyal koheren pada TS 3, TS 4, dan TS 5)

Setelah kualitas data baik dengan dibuktikannya oleh nilai koherensi yang meningkat, kita juga harus meninjau dari kurva tahanan jenis semu dan fase yang dihasilkan. Kurva tahanan jenis semua harus memiliki keteraturan (tren) yang baik serta kurva fase diharuskan tidak Sali bersebrangan yang menandakan pengukuran dilapangan telah baik berdasarkan arah rambat gelombang baik medan listrik maupun medan magnetnya. 6


3. Hasil dan Pembahasan Metode analisis deret waktu (Time-Series Analysis) bukanlah yang pertama digunakan untuk peningkatan kualitas data. Metode analisis ini pernah dilakukan (Junursyah dan Lestari, 2013) akan tetapi belum maksimal. Dilihat dari perbandingan robust yang digunakan untuk reduksi noise yang terjadi disekitar lapangan. Pada penelitian terdahulu digunakan perbandingan robust No Weight dan Rho Variance. Digunakannya 2 parameter robust ini untuk peningkatan kualitas data dengan cara mereduksi noise belum terlalu baik. Oleh karena itu penelitian ini merupakan penyempurnaan dari metode analisis deret waktu. Didapatkan sebuah data secara kualitatif dan kuantitatif. Data kualitatif didasarkan pada grafik atau kurva dengan parameter yang dihasilkan antara lain koherensi, tahanan jenis semu, dan fase sedangkan data kuantitatif didasarkan pada nilai-nilai pasti dari koherensi (dalam persen) Sebelum analisis deret waktu zona koherensi tinggi

Sebelum analisis deret waktu zona koherensi rendah

(a) Gambar 7. Kurva (a) adalah koherensi sebelum analisis deret waktu (No Weight) dan setelah analisis deret waktu beserta tahanan jenis semu dan fasenya pada titik MK-01.

Dapat dilihat bahwa pada tahapan analisis timeseries(Gambar 4), pada rentang waktu 09,22 – 10,06 terdapat noise koheren yang ditandai oleh kotak berwarna merah. Respon ini terekam pada TS3, TS4, dan TS5. Pada rentang waktu itu lah data akan dibuang karena berupa noise yang tidak seharusnya tampil. Sebelum data dibuang, kurva koherensi terhadap frekuensi cenderung didominasi oleh sebaran titik zona rendah (Gambar 5), setelah analisis timeseries dilakukan terlihat bahwa kurva koherensi terhadap frekuensi naik pada zona tinggi (Gambar 6). Jika kita tinjau secara kuantitatif dengan mengeluarkan nilai koherensi untuk setiap titiknya menggunakan MTEditor, didapatkan data (Tabel 1) sebagai berikut:

7

8


Tabel 1. Koherensi Data Sebelum(Raw Data) dan Sesudah Analisis Time Series NO STAT.

TOTAL DATA

RAW DATA

MK01

80

MK02

80

MK03

COHERENCY (%) RHO XY

RHO YX

AVERAGE (%)

NW

60.29

66.10

63.20

NW

22.40

52.40

37.40

80

NW

68.26

58.97

63.62

MK07

80

NW

58.91

63.71

MK08

80

NW

36.67

50.88

MK09

80

NW

53.94

60.38

COHERENCY (%)

TIMESERIES (%)

RHO XY

RHO YX

AVERAGE (%)

RHO XY

RHO YX

AVERAGE (%)

RV AUTO

72.52

80.57

76.54

76.74

85.63

81.19

OC UP AUTO

52.85

76.01

64.43

51.71

78.33

65.02

OC UP AUTO

82.68

72.57

77.62

81.28

74.34

77.81

61.31

RV AUTO

89.98

53.67

71.83

90.24

65.54

77.89

43.78

OC UP AUTO

57.69

65.05

61.37

59.98

70.66

65.32

57.16

OC UP AUTO

69.78

81.43

75.60

70.69

80.98

75.84

ROBUST

Pada penelitian ini terlihat secara detail kenaikan kualitas (Tabel 1) data dari mulai No Weight (Raw Data) atau dengan kata lain data masih bersifat asli tanpa adanya pembobotan serta penyaringan titik/data diluar garis (outliers) hingga dilakukan proses robust untuk menyaring titik/data yang berada diluar tren dari titik/data itu sendiri (outliers). Proses UP pada robust bermaksud menyaring nilai koherensi terendah sebesar 0,75 dan nilai koherensi tertinggi 0,95. Proses auto sendiri merupakan bawaan perangkat lunak sebagai pembanding data dengan perilaku robust yang mana yang menghasilkan kualitas terbaik. Pada tahapan akhir dilakukannya proses analisis deret waktu (Time-Series Analysis). Dapat terlihat jelas (Tabel 1), dari setiap titik pengukuran, raw data berjenis No Weight (tanpa pembobotan) ini dihasilkan nilai koherensi yang rendah dengan rentang 30 – 65 persen. Setelah dilakukan analisis deret waktu, nilai koherensi naik drastis untuk setiap titiknya dengan rentang nilai 65 – 82 persen. Berikut detail kenaikan nilai koherensi untuk setiap titik: - Stasiun Makale 1 (MK01) sebelum dilakukan proses analisis deret waktu (Time-Series Analysis) didapatkan nilai koherensi sebesar 63,20 %, setelah dilakukan proses analisis deret waktu (Time-Series Analysis) didaptkan nilai koherensi sebesar 81,19 %. Dengan kata lain stasiun Makale 1 (MK01) memiliki kenaikan nilai koherensi sebesar 17,99 %. - Stasiun Makale 2 (MK02) sebelum dilakukan proses analisis deret waktu (Time-Series Analysis) didapatkan nilai koherensi sebesar 37.40 %, setelah dilakukan proses analisis deret waktu (Time-Series Analysis) didaptkan nilai koherensi sebesar 65,02 %. Dengan kata lain stasiun Makale 2 (MK02) memiliki kenaikan nilai koherensi sebesar 27,62 %. - Stasiun Makale 3 (MK03) sebelum dilakukan proses analisis deret waktu (Time-Series Analysis) didapatkan nilai koherensi sebesar 63,62 %, setelah dilakukan proses analisis deret waktu (Time-Series Analysis) didaptkan nilai koherensi sebesar 77,81 %. Dengan kata lain stasiun Makale 3 (MK03) memiliki kenaikan nilai koherensi sebesar 14,19 %. - Stasiun Makale 7 (MK07) sebelum dilakukan proses analisis deret waktu (Time-Series Analysis) didapatkan nilai koherensi sebesar 61,31 %, setelah 8


-

-

dilakukan proses analisis deret waktu (Time-Series Analysis) didaptkan nilai koherensi sebesar 77,89 %. Dengan kata lain stasiun Makale 7 (MK07) memiliki kenaikan nilai koherensi sebesar 16,58 %. Stasiun Makale 8 (MK08) sebelum dilakukan proses analisis deret waktu (Time-Series Analysis) didapatkan nilai koherensi sebesar 43,78 %, setelah dilakukan proses analisis deret waktu (Time-Series Analysis) didaptkan nilai koherensi sebesar 65,32 %. Dengan kata lain stasiun Makale 8 (MK08) memiliki kenaikan nilai koherensi sebesar 21,54 %. Stasiun Makale 9 (MK09) sebelum dilakukan proses analisis deret waktu (Time-Series Analysis) didapatkan nilai koherensi sebesar 57,16 %, setelah dilakukan proses analisis deret waktu (Time-Series Analysis) didaptkan nilai koherensi sebesar 75,84 %. Dengan kata lain stasiun Makale 9 (MK09) memiliki kenaikan nilai koherensi sebesar 18.68 %.

4. Kesimpulan Pada penelitian ini, nilai koherensi menjadi titik utama pembahasan. Nilai koherensi hasil pengukuran banyak dipengaruhi noise-noise koheren yang tidak bisa dihindari disekitar titik pengukuran, sebagai contoh Saluran Udara Tegangan Ekstra Tinggi (SUTET), kendaraan bermobil, serta aktivitas manusia karena pengukuran dilakukan didaerah padat penduduk serta hal lain yang memungkinkan menjadi sebuah sumber medan listrik ataupun medan magnet. Oleh karenanya, nilai koherensi data yang didapatkan harus bersih dari noisenoise tersebut. Pembersihan noise ini dilakukan dengan metode analisis deret waktu (Time-Series Analysis). Sebelum dilakukan analisis deret waktu, nilai koherensi hanya berkisar dengan rentang 30 – 65 persen dan kurva tahanan jenis semua serta fasenya yang tidak begitu baik. Setelah dilakukan analisis deret waktu, nilai koherensi naik drastis untuk setiap titiknya dengan rentang nilai 65 – 82 persen dengan kurva tahanan jenis semu serta fasenya yang membaik (terjadi kemenerusan). Ucapan Terima Kasih Penulis mengucapkan terimakasih kepada Bapak G.M. Lucki Junursyah. ST., MT. sebagai dosen pembimbing di Pusat Survei Geologi Bandung atas diskusi dan ilmu-ilmu yang telah diberikan baik teoritis maupun aplikatif selama proses pembuatan jurnal ini serta Bapak Dr. Asep Harja selaku dosen pembimbing di Universitas Padjadjaran Bandung. Daftar Pustaka 1. Grandis, H. 2006. Metoda Magnetotelurik (MT). Institut Teknologi Bandung:Bandung. 2. Hermance, J.F., 1973. Processing of Magnetotelluric Data. Physics of the Earth and Planetary Interiors, Vol 7. p.349-364. 3. Junursyah, G.M.L., 2010. Laporan Akhir Kegiatan Aplikasi Peralatan Magnetotelurik di Daerah Tana Toraja dan Sekitarnya, Provinsi Sulawesi Selatan. Pusat Survei Geologi. Bandung. 4. Mwakirani, R., 2012. Magnetotelluric (MT) Data Processing. Geothermal Development Company Ltd. Nakuru. 9

10


5. Rezky, Y., Kasbani, Kusnadi, D., 2006. Penyelidikan Geologi dan Geokimia Daerah Panas Bumi Sangalla-Makale, Kabupaten Tanatoraja, Sulawesi Selatan. Proceeding Pemaparan Hasil-Hasil Kegiatan Lapangan dan Non Lapangan Tahun 2006. Pusat Sumber Daya Geologi. Bandung. 6. Simpson, Fiona. 2005. Practical Magnetoteluriks. Cambridge University Press. United Kingdom. 7. Simpson, F and Bahr K., 2005. Practical Magnetotellurics. Cambridge University Press. 8. Unsworth, M., 2013. Theory of Electromagnetic Field Propagation in the Earth, Geophysics. 9. Vozoff, K., 1991: The Magnetotelluric Method, in Nabighian, M.N., Electromagnetic methods in applied geophysics: Tulsa, Okla., Society of Exploration Geophysicists, v. 2, pt. B, p.641–711.

10

ANALISIS DERET WAKTU UNTUK PENINGKATAN KUALITAS DATA MAGNETOTELURIK (STUDI KASUS LAPANGAN GEOTHERMAL)

Recommend Documents