<![CDATA[Tujuan mendasar dalam mempelajari struktur geologi dibawah permukaan adalah bagaimana fitur-fitur geologi dapat tercitrakan dengan baik dengan resolusi tinggi dengan menggunakan metode geofisika dan metode lain di bidang ilmu geosains. Salah satu fitur geologi yang penting dalam bidang eksplorasi dan mitigasi bencana geologi adalah sesar atau patahan. Sesar atau patahan adalah bidang yang memisahkan lapisan batuan secara vertikal atau sub-vertikal yang mengakibatkan diskontinuitas pada lapisan batuan. Dalam pengamatan citra bawah permukaan menggunakan seismik refleksi, diberikan citra gambaran batas antar lapisan dua buah lapisan batuan dan patahan sebagai bidang ketidakmenerusan. Pada penelitian ini, penulis telah mengaplikasikan metode kecerdasan buatan dengan menggunakan Convolutional Neural Network (CNN) dalam membantu interpretasi bidang sesar yang biasanya dilakukan secara konvensional. Penelitian ini bertujuan untuk menerapkan metode CNN pada data seismik di sekitar Laut Utara, Belanda, untuk membantu mempercepat tahapan interpretasi dengan akurasi yang baik. Pada penelitian ini, tahapan-tahapan penelitian dilakukan dengan tahapan Extract, Transform, Load (ETL) proses, train data dan model arsitektur deep learning U-Net. Hasil dari penelitian ini menunjukkan bahwa prediksi menggunakan machine learning memberikan hasil yang bersesuaian dengan pendekatan secara konvensional, dimana akurasi sekitar 90% data yang bersesuaian terutama pada bidang-bedang sesar yang dominan, baik secara dimensi yang panjang maupun zona rekahan yang kompleks. Dengan menerapkan metode CNN pada data seismik, diharapkan perkembangan kecerdasan buatan dalam bidang geosains dapat semakin positif bagian kemajuan IPTEK di Indonesia.]]>
Copyrights © 2023
