Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal PROSIDING SEMINAR NASIONAL FISIKA (E-JOURNAL)
Eko Priyatno
Unknown Affiliation
Electrical & Electronics Engineering Energy Physics Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
MODEL HYBRID DAE-GAN DENGAN ARSITEKTUR U-NET UNTUK DENOISING SINYAL SEISMIK Eko Priyatno; Ahmad Kadarisman; Santoso Soekirno; Martarizal
Joint Prosiding IPS dan Seminar Nasional Fisika Vol. 14 No. 1 (2026): Joint Prosiding IPS dan Seminar Nasional Fisika
Publisher : Program Studi Pendidikan Fisika dan Program Studi Fisika Universitas Negeri Jakarta, LPPM Universitas Negeri Jakarta, HFI Jakarta, HFI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/03.1401.FA08

Abstract

Data seismik penting untuk studi geofisika, tetapi sering menghadapi gangguan yang memperumit analisis struktur bawah tanah. Penelitian ini memperkenalkan metode baru menggunakan deep learning untuk mengurangi noise dalam rekaman seismik. Ini menggabungkan Denoising Autoencoder (DAE) dengan Generative Adversarial Network (GAN). Dalam metode ini, model U-Net berfungsi sebagai Generator untuk membuat sinyal bebas noise dari input yang terkontaminasi. Sebuah Discriminator berbasis CNN membedakan antara sinyal yang dihasilkan dan sinyal asli. Fungsi Loss Generator mencakup Mean Squared Error (MSE) untuk akurasi dan Adversarial Loss untuk fitur yang realistis. Model ini dilatih pada dataset STEAD dan kinerjanya dievaluasi dengan ukuran seperti Signal To Noise Ratio Sinyal (SNR), RMSE, dan PRD. Hasil menunjukkan bahwa model ini meningkatkan SNR dan menghasilkan sinyal bersih yang mirip dengan aslinya baik secara visual maupun spektral. Pendekatan ini dapat meningkatkan otomatisasi dan efisiensi dalam praproses data seismik.
Co-Authors Ahmad Kadarisman Martarizal Santoso Soekirno