Analisis Multi-Atribut dan Jaringan Syaraf Tiruan Dengan Optimasi Filter Untuk Deteksi Patahan Pada Penampang Seismik Lapangan Penobscot Kanada

Yudi, Darma (2021) Analisis Multi-Atribut dan Jaringan Syaraf Tiruan Dengan Optimasi Filter Untuk Deteksi Patahan Pada Penampang Seismik Lapangan Penobscot Kanada. Diploma thesis, Universitas Andalas.

Preview	Text (Cover+Abstrak) ir37t-ztl35.pdf - Published Version Download (57kB) | Preview
Preview	Text (Bab 1 Pendahuluan) BAB 1 PENDAHULUAN.pdf - Published Version Download (46kB) | Preview
Preview	Text (Bab V Kesimpulan dan Saran) BAB V KESIMPULAN DAN SARAN.pdf - Published Version Download (35kB) | Preview
Preview	Text (Daftar Pustaka) DAFTAR PUSTAKA.pdf - Published Version Download (142kB) | Preview
	Text (Fulltext Yudi Darma) fulltext yudi darma.pdf - Published Version Restricted to Repository staff only Download (2MB)

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. Metode ini diterapkan pada data Lapangan Penobscot Kanada. 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 crossline 1271. Penampang seismik yang digunakan sebagai data uji adalah crossline 1305. 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 crossline 1271dapat diterapkan pada data uji dengan probabilitas patahan yang makin jelas dan tajam dengan nilai misclassification error 6,98%.

Actions (login required)

View Item