Claim Missing Document
Check
Articles

Found 27 Documents
Search

ANALISIS POLAR DIAGRAM DAN TENSOR FASE UNTUK PEMODELAN 2D MODE TE DAN TM DATA MAGNETOTELLURIK SAN PABLO BAY, CALIFORNIA, USA Irawati, Selvi Misnia; Sitorus, Dorlensa; Paembonan, Andri Yadi
Jurnal Geosaintek Vol. 10 No. 3 (2024)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j25023659.v10i3.2398

Abstract

Daerah San Pablo Bay California mempunyai patahan utama yaitu patahan Rodgers Creek yang diperkirakan memiliki keberlanjutan pada patahan Hayward di bawah permukaan San Pablo Bay yang dapat mengakibatkan bencana alam seperti gempa bumi. Penelitian ini bertujuan untuk memahami dimensionalitas dan arah geoelectrical strike melalui analisis diagram polar dan tensor fase, serta pemodelan 2D TE mode dan TM. Penelitian ini juga bertujuan dalam mengidentifikasi struktur bawah permukaan di wilayah San Pablo Bay, California, USA, dengan menggunakan metode magnetotellurik (MT). Terdapat 14 titik pengukuran data MT yang digunakan. Hasil pengolahan data menunjukkan bahwa di daerah penelitian terdapat dimensionalitas 2D dengan arah geoelectrical strike dari barat daya ke timur laut sebesar N50°E. Berdasarkan penampang resistivitas 2D pada TE mode dan TM mode, struktur utama Rodgers Creek teridentifikasi di titik SP12. Struktur ini mencapai kedalaman 1250 m pada TE mode serta 1700 m pada TM mode di bawah permukaan Teluk San Pablo Bay yang terdiri dari batuan sedimen kuarter. Selain itu, juga terdapat struktur minor pada titik SP01 - SP02, SP06 - SP07, dan SP09, dengan kedalaman antara 100 - 500 m.
ANALISIS TENSOR FASE DAN PEMODELAN 2D DATA MAGNETOTELURIK GABBS VALLEY, NEVADA, USA Pahri, Pahri; Paembonan, Andri Yadi; Irawati, Selvi Misnia
JGE (Jurnal Geofisika Eksplorasi) Vol. 9 No. 3 (2023)
Publisher : Engineering Faculty Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jge.v9i3.301

Abstract

Metode magnetotellurik (MT) merupakan salah satu teknik dalam metode geofisika yang menggunakan sumber alami dalam bentuk medan elektromagnetik yang berasal dari medan listrik dan variasi medan magnet di bumi. Dalam proses interpretasi kondisi bawah permukaan bumi, data MT masih dipengaruhi oleh noise atau distorsi yang akan menutupi dimensionalitas sebenarnya. Oleh karena itu dilakukan analisis tensor fase untuk menentukan dimensionalitas dan arah geoelectrical strike guna mengidentifikasi struktur bawah permukaan yang tidak dipengaruhi oleh distorsi galvanic. Berdasarkan hasil yang diperoleh, daerah penelitian memiliki dimensionalitas 2D dengan orientasi barat laut – tenggara dengan arah N345 E. Hasil inversi 2D menunjukkan bahwa nilai resistivitas < 10  diidentifikasi sebagai zona alterasi atau clay cap yang didominasi oleh mineral smektit. Nilai resistivitas 20 – 250  diidentifikasi sebagai reservoar yang bersifat permeabel yang tersusun atas batu pasir kasar, kerikil, basal, andesit, riolit, riodasit tuff dan konglomerat. Lapisan dengan nilai resistivitas > 250  diidentifikasi sebagai Upper Triassic Metasediment yang mengalami sedimentasi yang sangat keras, hal tersebut disebabkan tekanan dan suhu tinggi. Lapisan ini tersusun atas meta batu lanau, batu lempung, meta batu pasir, dan meta konglomerat.
PENERAPAN METODE VERTICAL ELECTRICAL SOUNDING (VES) DALAM PENENTUAN KEDALAMAN AKUIFER DI KELURAHAN SUKARAME Nainggolan, Boy Fernando Grace; Paembonan, Andri Yadi; Farduwin, Alhada
JGE (Jurnal Geofisika Eksplorasi) Vol. 10 No. 1 (2024)
Publisher : Engineering Faculty Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jge.v10i1.343

Abstract

Kelurahan Sukarame di sebelah selatan kampus ITERA memiliki lahan kosong yang potensial untuk pembangunan perumahan, rumah kontrakan, dan industri. Namun, eksplorasi air tanah di daerah ini kurang banyak dilakukan, sehingga memerlukan perhatian khusus untuk dilakukan eksplorasi air tanah untuk kebutuhan pembangunan dan penduduk sekitar. Langkah penting dalam menghadapi masalah ini adalah mengetahui keberadaan akuifer untuk memperoleh sumber air tanah yang memadai. Identifikasi akuifer dilakukan menggunakan metode Vertical Electrical Sounding (VES). Dengan studi ini akan dapat menentukan jenis litologi bawah permukaan, mengetahui kedalaman lapisan akuifer dan dapat juga mengidentifikasi jenis akuifernya. Pengukuran dilakukan dengan 11 titik sounding menggunakan konfigurasi Schlumberger dengan AB/2 maksimal 100 meter. Berdasarkan nilai resistivitas, kawasan tersebut tersusun dari batu lempung tufan dengan nilai resistivitas < 20 Ωm, batu pasir tufan dengan rentang nilai resistivitas antara 20-80 Ωm, dan batu tuf dengan nilai resistivitas > 80 Ωm. Lapisan batu pasir tufan diduga merupakan lapisan dari akuifer. Pada daerah penelitian terdapat dua jenis akuifer yaitu akuifer bebas yang ditemukan pada kedalaman < 3 meter dan akuifer semi-tertekan pada kedalaman > 5 meter.
CONTROLLED-SOURCE ELECTROMAGNETIC (CSEM) DATA PROCESSING WITH HIGH ELECTROMAGNETIC NOISE LEVELS Jaya, Muhammad Rendi; Paembonan, Andri Yadi; Irawati, Selvi Misnia; M. Strack, Kurt
JGE (Jurnal Geofisika Eksplorasi) Vol. 10 No. 2 (2024)
Publisher : Engineering Faculty Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jge.v10i2.345

Abstract

The Controlled-Source Electromagnetic (CSEM) method is one of the electromagnetic methods utilized in geophysical exploration. This method provides a subsurface image through the resistivity anomalies of materials encountered by electromagnetic waves. The research area is located near a major city, resulting in high electromagnetic noise. Electromagnetic noise can be categorized into two types of the noise namely periodic noise and sporadic noise. Eliminating noise is a crucial objective to enhance data quality, as it can introduce uncertainty into interpretations. Three noise removal techniques are employed: pre-stack to filter the harmonic noise, stacking to remove the sporadic noise, and post-stack for smoothing. The CSEM data used consists of signals in the time domain with a 10-second period and a 50% duty cycle. The results of applying these noise removal techniques indicate that all three methods are highly effective in noise reduction. The pre-stack technique can remove periodic noise, while sporadic noise is addressed by the stacking technique, and signal smoothing can be achieved using the poststack technique.
C-RIA: PERANGKAT LUNAK INVERSI DAN ANALISIS DATA RESISTIVITAS BERBASIS CLOUD Paembonan, Andri Yadi; Sigalingging, Asido Saputra; Andika, Putu Pradnya; Irawati, Selvi Misnia; Nathania, Edlyn Yoadan; Jaya, Muhammad Rendi
JGE (Jurnal Geofisika Eksplorasi) Vol. 10 No. 1 (2024)
Publisher : Engineering Faculty Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jge.v10i1.389

Abstract

Pada umumnya, proses inversi dan analisis data geofisika konvensional menggunakan komputasi lokal yang memerlukan sumber daya besar baik dalam proses pengolahannya maupun dalam penyimpanan data yang dapat menghambat efisiensi dan skalabilitasnya. Seiring dengan kemajuan teknologi cloud computing, penyimpanan dan pengolahan data secara terpusat menjadi lebih efisien, memungkinkan geofisikawan untuk mengoptimalkan kinerja dalam melakukan pengolahan data seperti inversi data geolistrik secara signifikan. Dengan memanfaatkan infrastruktur cloud, perangkat lunak ini dapat diakses secara fleksibel dan dapat disesuaikan, memungkinkan pengguna untuk mengelola dan menganalisis dataset geolistrik dengan lebih efektif. Tujuan dari penelitian ini adalah untuk mengoptimalkan pengolahan data geolistrik resistivitas dengan teknologi cloud yang dapat mempercepat kinerja maupun memberikan kemudahan pengolahan data (user friendly) melalui pengembangan perangkat lunak C-RIA. Sebelum melakukan pengolahan data perlu dilakukan pemilihan metode optimasi dan penentuan beberapa parameter, kemudian dilakukan proses inversi. Hasil yang diperoleh setelah dilakukan proses inversi untuk membuat model memperlihatkan kemampuan pengolahan data yang stabil dengan model awal yang berbeda. Selain itu hasil yang diperoleh dengan menggunakan data sintesis memperlihatkan hasil yang hampir sama walaupun sudah ditambahkan sedikit gangguan (noise) dengan nilai RMSE <3%, sedangkan pada pengujian data lapangan nilai RMSE <1%. Selanjutnya pada data lapangan nilai Selain itu dengan antarmuka (interface) yang lebih mudah dapat mempercepat dan mengoptimalkan pengolahan data.  Secara keseluruhan dari penggunaan teknologi cloud yang diimplementasikan untuk data geolistrik dapat menjadi solusi untuk pengolahan data lebih efisien dan efektif serta fleksibel.
Pengembangan Model Computer Vision dengan Arsitektur YOLOv12 untuk Deteksi Utilitas Bawah Tanah pada Data Ground Penetrating Radar Andika, Putu Pradnya; Paembonan, Andri Yadi
Jurnal Pendidikan, Sains, Geologi, dan Geofisika (GeoScienceEd Journal) Vol. 6 No. 4 (2025): November
Publisher : Mataram University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/goescienceed.v6i4.1380

Abstract

Abstract: Perkembangan infrastruktur perkotaan yang pesat menuntut metode pemetaan utilitas bawah tanah yang akurat dan efisien untuk mitigasi risiko selama konstruksi. Keterbatasan interpretasi manual data Ground Penetrating Radar (GPR), yang bersifat subjektif, lambat, dan memerlukan keahlian tinggi, menjadi hambatan utama dalam efisiensi survei geofisika. Penelitian ini berfokus pada deteksi objek secara end-to-end berbasis deep learning yang memanfaatkan arsitektur YOLOv12 untuk otomatisasi identifikasi anomali hiperbolik yang merepresentasikan utilitas pada citra radargram. Model prediksi dilatih dan divalidasi pada dataset utilitas GPR kustom yang telah melalui tahap pra-pemrosesan dan anotasi yang cermat. Hasil pengembangan awal model menunjukkan bahwa model YOLOv12 mencapai kinerja yang cukup baik, dengan mean Average Precision (mAP0.5) sebesar 70%, precision 80% serta recall 70%. Studi ini menunjukkan bahwa arsitektur YOLOv12 bisa menjadi solusi yang kuat, akurat, dan efisien untuk otomatisasi pemetaan utilitas bawah tanah, yang berpotensi merevolusi praktik survei geofisika di bidang teknik sipil dan manajemen infrastruktur. Keywords: GPR, Utilitas, Deep Learning, YOLOv12
PENGEMBANGAN APLIKASI “ITERA-VISION-GPR-UI (ITERA VISION SYSTEM FOR GPR UTILITIES INFERENCE)” BERBASIS COMPUTER VISION DENGAN MODEL YOLOV12 UNTUK DETEKSI UTILITAS PADA METODE GROUND PENETRATING RADAR Rumansah, Raka Putra Pratama; Paembonan, Andri Yadi; Andika, Putu Pradnya
JOURNAL ONLINE OF PHYSICS Vol. 11 No. 1 (2025): JOP (Journal Online of Physics) Vol 11 No 1
Publisher : Prodi Fisika FST UNJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22437/jop.v11i1.49883

Abstract

Permasalahan dalam interpretasi data Ground Penetrating Radar (GPR) adalah ketergantungan terhadap keahlian operator, waktu analisis yang lama, dan potensi subjektivitas hasil. Untuk mengatasi hal tersebut, penelitian ini mengimplementasikan teknologi computer vision menggunakan model YOLOv12 (You Only Look Once) yang mampu mendeteksi pola hiperbolik secara otomatis. Pengembangan aplikasi berbasis computer vision bernama “ITERA-VISION-GPR-UI (ITERA Vision System for GPR Utilities Inference)” dirancang untuk mendeteksi utilitas bawah permukaan menggunakan citra radargram dari metode GPR.  Dataset penelitian terdiri dari 82 citra radargram yang telah melalui tahapan pre-processing dan labelling menggunakan Roboflow. Pelatihan model dilakukan pada Google Colaboratory menggunakan varian YOLOv12s dengan parameter utama epochs 500, optimizer AdamW, dan patience 100. Pada epoch ke-292, hasil evaluasi menunjukkan bahwa model mencapai nilai Precision sebesar 0,85, Recall 0,77, mAP@50 0,82, dan mAP@50–95 0,51 dengan akurasi keseluruhan 69%. Nilai-nilai tersebut membuktikan bahwa model memiliki performa yang cukup baik dalam mendeteksi utilitas bawah permukaan. Aplikasi yang dibangun kelak dapat membantu geophysicist dalam melakukan interpretasi citra radargram secara lebih efisien, cepat, dan akurat.