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.

[img]
Preview
Text (Cover dan Abstrak)
COVER & ABSTRAK.pdf - Published Version

Download (553kB) | Preview
[img]
Preview
Text (BAB 1)
BAB 1.pdf - Published Version

Download (329kB) | Preview
[img]
Preview
Text (BAB Akhir)
Bab Akhir.pdf - Published Version

Download (180kB) | Preview
[img]
Preview
Text (Daftar Pustaka)
Daftar Pustaka.pdf - Published Version

Download (305kB) | Preview
[img] 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

Item Type: Thesis (Diploma)
Primary Supervisor: Elistia Liza Namigo, M.Si
Subjects: Q Science > QC Physics
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Fisika
Depositing User: s1 fisika fisika
Date Deposited: 18 Oct 2018 15:31
Last Modified: 18 Oct 2018 15:31
URI: http://scholar.unand.ac.id/id/eprint/38621

Actions (login required)

View Item View Item