Analisis Operator Filter Second Vertical Derivative (SVD) Pada Data Gayaberat Menggunakan Pemrograman Python

Abstract

Penelitian ini membahas mengenai metode Second Vertical Derivative (SVD) dengan menggunakan Operator Filter SVD yang diaplikasikan pada data anomali gayaberat menggunakan Pemrograman Python. Tujuan dari penelitian ini untuk melihat performa masing – masing teknik perhitungan nilai anomali SVD pada data sintetik dan juga data lapangan menggunakan bahasa pemrograman Python. Penelitian tugas akhir ini menggunakan 5 model sintetik diantaranya Model Sintetik Satu Sumber Anomali dengan variasi kedalaman Dangkal, Menengah, Dalam, Model Sintetik Dua Sumber Anomali, Model Sintetik Dua Sumber Anomali Tumpang Tindih. Dan juga digunakan penggunaan Data Lapangan di Situs Fallon, Nevada yang diperoleh dari data Geothermal Data Repository (GDR). Pengerjaan tugas akhir ini menggunakan software Jetbrains Pycharm untuk penyusunan script pemrogramannya. Metode konvolusi matriks 2D dilakukan dengan menumpangkan suatu Window Kernel yang berisi angka – angka pengali pada setiap piksel yang ditimpali, kemudian nilai jumlah diambil dari hasil – hasil perkalian tersebut, Kernel disini merupakan Operator – Operator Filter SVD yang digunakan dalam penelitian tugas akhir ini, diantaranya Operator Henderson & Ziets (1949), Operator Elkins (1951), dan Operator Rosenbach (1953) yang nantinya akan dilakukan proses konvolusi matriks 2D dengan data grid anomali gayaberat. Maka didapatkan hasil pada data sintetik setiap Operator mampu mendelineasi tepian anomali yang ada namun akan optimal hanya pada data berstruktur dangkal atau berfrekuensi tinggi, sehingga data dengan variasi kedalaman dalam akan tidak optimal hal ini dikarenakan adanya pengaruh efek regional dari anomali yang dibentuk, kemudian hasil SVD yang optimum didapatkan pada Operator Elkins (1951) hal ini ditunjukkan pada setiap data sintetik yang digunakan bahwa Operator Elkins (1951) memiliki nilai pergeseran anomali secara relatif yang paling kecil dan paling representatif. Selanjutnya analisis dilakukan pada Data Lapangan Situs Fallon Nevada. Hasil yang paling optimal didapatkan pada Operator Elkins (1951) dikarenakan mampu memvisualisasikan hasil yang optimal dengan resolusi hasil yang lebih jelas, didapatkan batas – batas tepian anomali yang paling representatif bila dibandingkan operator lainnya. kata kunci: SVD (Second Vertical Derivative), Python, Fallon, HGG