ANALISIS MULTI-ATRIBUT DAN JARINGAN SYARAF TIRUAN DENGAN OPTIMALISASI FILTER UNTUK DETEKSI PATAHAN PADA PENAMPANG SEISMIK LAPANGAN F3 LAUT UTARA BELANDA

Melanz, Hasan (2018) ANALISIS MULTI-ATRIBUT DAN JARINGAN SYARAF TIRUAN DENGAN OPTIMALISASI FILTER UNTUK DETEKSI PATAHAN PADA PENAMPANG SEISMIK LAPANGAN F3 LAUT UTARA BELANDA. Diploma thesis, Universitas Andalas.

Preview	Text (Cover dan Abstrak) COVER & ABSTRAK.pdf - Published Version Download (553kB) | Preview
Preview	Text (BAB 1) BAB 1.pdf - Published Version Download (329kB) | Preview
Preview	Text (BAB Akhir) Bab Akhir.pdf - Published Version Download (180kB) | Preview
Preview	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (305kB) | Preview
	Text (Skripsi Full Text) Tugas Akhir full text.pdf - Published Version Restricted to Repository staff only Download (3MB)

Abstract

Identifikasi patahan merupakan salah satu langkah awal dalam interpretasi seismik dan menjadi komponen penting dalam pengembangan strategi eksplorasi. Deteksi patahan dilakukan dengan metode analisis multi-atribut dan jaringan syaraf tiruan (JST). Metode ini diterapkan pada data blok F3 Sektor Laut Utara Belanda. Atribut seismik yang digunakan sebagai data masukan terdiri dari similarity, spectral decomposition, curvature, dip dan semblance. Pickset yang digunakan pada penelitian ini terdiri dari pickset pada patahan besar dan patahan kecil dengan jumlah pick 400. Data latih yang digunakan pada pelatihan JST adalah penampang seismik pada inline 325. Penampang seismik yang digunakan sebagai data uji adalah inline 256 dan 272. Hasil penelitian menunjukan efektifitas yang paling tinggi untuk deteksi patahan dihasilkan pada pelatihan JST dengan kombinasi atribut similarity, spectral decomposition dan semblance. Pelatihan JST pada patahan besar secara visual menghasilkan kualitas deteksi yang lebih baik dibandingkan dengan patahan kecil. Penerapan fault enhancement filter (FEF) menghasilkan penampang seismik yang lebih tajam sehingga mempermudah proses picking dan menghasilkan pelatihan JST yang lebih baik dengan nilai error lebih kecil. Pickset yang sudah dilatih pada inline 325 dapat diterapkan pada data uji dengan probabilitas patahan yang makin jelas dan tajam dengan nilai misclassification error 2,56%. Kata kunci: deteksi patahan, jaringan syaraf tiruan, analisis atribut

Actions (login required)

View Item