ANALISA FORWARD MODELLING DENGAN BERBAGAI VARIASI PARAMETER DAN

ANALISA INVERSI
GEOLISTRIK

YOLANDA MUSTIKA BOHAL

03411640000012
KELAS A

TAHUN AJARAN 2018/2019

DEPARTEMEN TEKNIK GEOFISIKA
FAKULTAS TEKNIK SIPIL LINGKUNGAN DAN KEBUMIAN
A. Horizontal Cylinder
Script yang digunakan untuk melihat grafik model Horizontal Cylinder adalah
clear all
close all
clc

K=-125; %current dipole

z=[2.5 5.5 8.5]; %kedalaman
teta1=pi/5; %Sudut Polarisasi thd horinzontal 1
teta2=pi/3.6; %Sudut Polarisasi thd horinzontal 2
teta3=pi/2.5; %Sudut Polarisasi thd horinzontal 3

% Untuk Model Horizontal Cylinder, q=1

q=1;
x=[-15:15]; %Posisi atau distance

for i=1:length(x)
for j=1:length(z)
v1(i,j)=K*(x(i)*cos(teta1)+z(j)*sin(teta1))/(x(i).^2+z(j).^2).^q
v2(i,j)=K*(x(i)*cos(teta2)+z(j)*sin(teta2))/(x(i).^2+z(j).^2).^q
v3(i,j)=K*(x(i)*cos(teta3)+z(j)*sin(teta3))/(x(i).^2+z(j).^2).^q
end
end
figure(1)
plot(x,v1,'-')
title('Horizontal Cylinder Anomaly Forward Modelling, Theta =36')
xlabel('Jarak (m)')
ylabel('Nilai SP (mV)')
legend('z1=2.5','z2=5.5','z3=8.5')
figure(2)
plot(x,v2,'-')
title('Horizontal Cylinder Anomaly Forward Modelling, Theta =50')
xlabel('Jarak (m)')
ylabel('Nilai SP (mV)')
legend('z1=2.5','z2=5.5','z3=8.5')
figure(3)
plot(x,v3,'-')
legend('z1=2.5','z2=5.5','z3=8.5')
title('Horizontal Cylinder Forward Modelling, Theta =72')
xlabel('Jarak (m)')
ylabel('Nilai SP (mV)')
B. Vertical Cylinder
Script yang digunakan untuk melihat grafik model Vertical Cylinder adalah
clear all
close all
clc

K=-125; %current dipole

z=[2.5 5.5 8.5]; %kedalaman
teta1=pi/5; %Sudut Polarisasi
teta2=pi/3.6; %Sudut Polarisasi
teta3=pi/2.5; %Sudut Polarisasi

% Untuk Model Vertical Cylinder, q=0.5

q=0.5;
x=[-15:15]; %Posisi atau distance

for i=1:length(x)
for j=1:length(z)
v1(i,j)=K*(x(i)*cos(teta1)+z(j)*sin(teta1))/(x(i).^2+z(j).^2).^q
v2(i,j)=K*(x(i)*cos(teta2)+z(j)*sin(teta2))/(x(i).^2+z(j).^2).^q
v3(i,j)=K*(x(i)*cos(teta3)+z(j)*sin(teta3))/(x(i).^2+z(j).^2).^q
end
end
figure(1)
plot(x,v1,'-')
title('Vertical Cylinder Anomaly Forward Modelling, Theta =36')
xlabel('Jarak (m)')
ylabel('Nilai SP (mV)')
legend('z1=2.5','z2=5.5','z3=8.5')
figure(2)
plot(x,v2,'-')
title('Vertical Cylinder Anomaly Forward Modelling, Theta =50')
xlabel('Jarak (m)')
ylabel('Nilai SP (mV)')
legend('z1=2.5','z2=5.5','z3=8.5')
figure(3)
plot(x,v3,'-')
legend('z1=2.5','z2=5.5','z3=8.5')
title('Vertical Cylinder Forward Modelling, Theta =72')
xlabel('Jarak (m)')
ylabel('Nilai SP (mV)')
C. Sphere
Script yang digunakan untuk melihat grafik model Sphere adalah
clear all
close all
clc

K=-125; %current dipole

z=[2.5 5.5 8.5]; %kedalaman
teta1=pi/5; %Sudut Polarisasi
teta2=pi/3.6; %Sudut Polarisasi
teta3=pi/2.5; %Sudut Polarisasi

% Untuk Model Sphere, q=1.5

q=1.5;
x=[-15:15]; %Posisi atau distance

for i=1:length(x)
for j=1:length(z)
v1(i,j)=K*(x(i)*cos(teta1)+z(j)*sin(teta1))/(x(i).^2+z(j).^2).^q
v2(i,j)=K*(x(i)*cos(teta2)+z(j)*sin(teta2))/(x(i).^2+z(j).^2).^q
v3(i,j)=K*(x(i)*cos(teta3)+z(j)*sin(teta3))/(x(i).^2+z(j).^2).^q
end
end
figure(1)
plot(x,v1,'-')
title('Sphere Anomaly Forward Modelling, Theta =36')
xlabel('Jarak (m)')
ylabel('Nilai SP (mV)')
legend('z1=2.5','z2=5.5','z3=8.5')
figure(2)
plot(x,v2,'-')
title('Sphere Anomaly Forward Modelling, Theta =50')
xlabel('Jarak (m)')
ylabel('Nilai SP (mV)')
legend('z1=2.5','z2=5.5','z3=8.5')
figure(3)
plot(x,v3,'-')
legend('z1=2.5','z2=5.5','z3=8.5')
title('Sphere Forward Modelling, Theta =72')
xlabel('Jarak (m)')
ylabel('Nilai SP (mV)')
ANALISA
A. Perbandingan Teta Terhadap Variasi q

Dari ketiga grafik diatas kita dapat melihat perbadingan dari ketiga model forward dengan variasi bentuk
yaitu vertical cylinder, horizontal cylinder, dan sphere. Semakin besar teta atau sudut polarisasinya maka
nilai SP nya semakin kecil dilihat ketika teta 36 dimulai dari range 50-100mV sedangkan model Sphere
hanya dimulai di sekitara 0 mV lebih tidak sampai 1 mV. Dan kecuraman anomali yang ditimbulkan juga
terlihat berbeda dimana pada model sphere setelah jarak nol dapat meningkat lagi secara tajam dan
semakin kecilnya nilai q(bentuk) maka peningkatannya pun rendah seperti model horizontal cylinder dan
vertical cylinder yang naik tidak terlalu significant. Selain itu pada bentuk vertical cylinder grafik dari
masing-masing kedalamannya cenderung memiliki nilai yang tidak terlalu jauh dibandingkan dengan
horizonal cylinder dan shepre. Karena kita dapat melihat bahwa melalui persamaan dalam membuat grafik
q sebagai pangkat, sehingga semakin tinggi pangkatnya yakni q maka setiap grafik yang dihasilkan akan
memiliki signifikansi yang cukup jauh satu sama lain. Kita dapat melihat juga bahwa range Vertical
Cylinder cukup besar di range -150 hingga 100 mV dibandingkan Sphere yang hanya -15 hingga 2 mV
jadi dapat ditarik kesimpulan semakin besar q maka range nilai SPnya semakin sempit.

B. Perbandingan Kedalaman Terhadap Variasi Teta

Ketiga gambar diatas secara umum dapat dilihat bahwa semakin besar tetanya maka semakin besar
anomalinya diketahui melalui penunjaman teta 72 yang lebih tajam dan dalam dibandingkan dengan teta
yang lebih kecil lainnya. Namun bisa dilihat perbedaan setiap kedalaman atau z akan semakin besar jika
tetanya semakin kecil. Kita dapat melihatnya di gambar teta 36 dimana setiap grafik kedalamannya
memliki nilai yang masing-masingnya cukup jauh. Sebaliknya pada teta yang besar seperti 72 antar grafik
kedalamannya tidak terlalu memiliki nilai SP yang jauh karena grafiknya hampir berhimpit satu sama
lainnya.
 INVERSI DATA
Script yang digunakan pada MATLAB untuk menginversi data
% Inverse Modeling of Self Potential (SP) Method
% Model Parameters and Variables:
% q = Shape factor (dimensionless)
% theta = The polarization angle between the axis of polarization
% and the horizontal (in degree)
% k = Electric current dipole moment (mV)
% z = Depth (unit)
% x = A discrete point along x-axis (unit)
% v = Anomaly value at the origin, x0 (mV)
% s = Observation point
% vsp = SP value at observation point s, with xi=s (mV)
% vsn = SP value at observation point s, with xi=-s (mV)
% Y = Observed SP anomaly values at xi
% x_0 = Distance at position xi=0
clear,clc
q=1.5; %(sphere=1.5; horizontal cylinder=1; or vertical cylinder=0.5)
s=6; %(changeable)
xi=-12:12; %(depend on SP data)
Y=[0.386802516 0.433437702 0.486124616 0.544187527 0.604956601 0.66152077
0.698347241 6.83E-01 0.556279455 2.20E-01 -4.34E-01 -1.412829378 -2.469135802 -
3.180992082 -3.334564962 -3.064648234 -2.618098265 -2.16175465 -1.765013908 -
1.442398158 -1.186869052 -0.985879967 -0.827384223 -0.701496354 -0.600576301];
%(depend on SP data)
x_0=13; %(depend on SP data)
v=Y(x_0); %(depend on SP data)
vsp=Y(x_0+s); %(depend on SP data)
vsn=Y(x_0-s); %(depend on SP data)
%F and P are known numerical values from measured SP anomaly at x=0, x=s,
%x=-s ---> The solution for q instead of the unknowns z and theta
F=(vsp+vsn)/(2*v);
P=(vsp-vsn)/(2*v);
%Formula for W
W=(s^(2*q-1))*(((xi.*P)+(s*F))./((xi.^2+(F^(1/q))*((s^2)-(xi.^2))).^q));
%The first derivative of W
AA=(xi.*P+s*F)-s^(2*q-1);
BB=(xi.^2+(s^2-xi.^2)-F^(1/q)).^q;
CC=s^2;
DD=xi.^2+(s^2-xi.^2)*F^(1/q);
EE=(s^2-xi.^2)*(F^(1/q))*(log(F));
FF=q*(xi.^2+(s^2-xi.^2)*F^(1/q));
AB=AA./BB;
CD=CC./DD;
EF=EE./FF;
Wd=(AB).*(log(CD)+(EF));
%Find q value
GG=v*(W.^2);
HH=rdivide((((s^2-xi.^2).*F^(1/q))*log(F)),(xi.^2+((F^(1/q))*(s^2-xi.^2))));
II=Y.*Wd;
JJ=v*((W.^2).*log(rdivide(s^2,(xi.^2)+(F^(1/q))*(s^2-xi.^2))));
qc=rdivide(sum((GG).*(HH)),sum(II)-sum(JJ))
%Find z, theta, k, and e
z2=(sqrt(((s^2)*(F^(1/qc)))/(1-(F^(1/qc)))))
theta2=acotd((P/(s*F))*(sqrt(((s^2)*(F^(1/qc)))/(1-(F^(1/qc))))))
k2=v*((z2^(2*qc-1))/sind(theta2))
e=abs(qc-q)

figure(1)
plot(xi,Y,'*b')

Gambar dari script diatas dapat dilihat di gambar 1.

 Gambar 1. Grafik Pemodelan Inversi
Setlah dilakukan inversi pada data yang bisa kita lihat di script matlab, selanjutnya kita bisa menambahkan random
noise 10% dan 20% kemudian diinversikan lagi. Dan script yang di gunakan ialah
% Inverse Modeling of Self Potential (SP) Method
% Model Parameters and Variables:
% q = Shape factor (dimensionless)
% theta = The polarization angle between the axis of polarization
% and the horizontal (in degree)
% k = Electric current dipole moment (mV)
% z = Depth (unit)
% x = A discrete point along x-axis (unit)
% v = Anomaly value at the origin, x0 (mV)
% s = Observation point
% vsp = SP value at observation point s, with xi=s (mV)
% vsn = SP value at observation point s, with xi=-s (mV)
% Y = Observed SP anomaly values at xi
% x_0 = Distance at position xi=0
clear,clc
q=1.5; %(sphere=1.5; horizontal cylinder=1; or vertical cylinder=0.5)
s=6; %(changeable)
xi=-12:12; %(depend on SP data)
Y=[0.386802516 0.433437702 0.486124616 0.544187527 0.604956601 0.66152077
0.698347241 6.83E-01 0.556279455 2.20E-01 -4.34E-01 -1.412829378 -2.469135802 -
3.180992082 -3.334564962 -3.064648234 -2.618098265 -2.16175465 -1.765013908 -
1.442398158 -1.186869052 -0.985879967 -0.827384223 -0.701496354 -0.600576301];
%(depend on SP data)
u = rng
r = 10/100*Y; Added Random Noise 10%
rn = r.*(-1 + (1+1).*rand(1,25));
rng(u);
Yn = Y+rn;
x_0=19; %(depend on SP data)
v=Yn(x_0); %(depend on SP data)
vsp=Yn(x_0+s); %(depend on SP data)
vsn=Yn(x_0-s); %(depend on SP data)

%F and P are known numerical values from measured SP anomaly at x=0, x=s,
%x=-s ---> The solution for q instead of the unknowns z and theta
F=(vsp+vsn)/(2*v);
P=(vsp-vsn)/(2*v);
%Formula for W
W=(s^(2*q-1))*(((xi.*P)+(s*F))./((xi.^2+(F^(1/q))*((s^2)-(xi.^2))).^q));
%The first derivative of W
AA=(xi.*P+s*F)-s^(2*q-1);
BB=(xi.^2+(s^2-xi.^2)-F^(1/q)).^q;
CC=s^2;
DD=xi.^2+(s^2-xi.^2)*F^(1/q);
EE=(s^2-xi.^2)*(F^(1/q))*(log(F));
FF=q*(xi.^2+(s^2-xi.^2)*F^(1/q));
AB=AA./BB;
CD=CC./DD;
EF=EE./FF;
Wd=(AB).*(log(CD)+(EF));
%Find q value
GG=v*(W.^2);
HH=rdivide((((s^2-xi.^2).*F^(1/q))*log(F)),(xi.^2+((F^(1/q))*(s^2-xi.^2))));
II=Y.*Wd;
JJ=v*((W.^2).*log(rdivide(s^2,(xi.^2)+(F^(1/q))*(s^2-xi.^2))));
qc=rdivide(sum((GG).*(HH)),sum(II)-sum(JJ))
%Find z, theta, k, and e
z2=(sqrt(((s^2)*(F^(1/qc)))/(1-(F^(1/qc)))))
theta2=acotd((P/(s*F))*(sqrt(((s^2)*(F^(1/qc)))/(1-(F^(1/qc))))))
k2=v*((z2^(2*qc-1))/sind(theta2))
e=abs(qc-q)

figure(1)
plot(xi,Y,'-b');hold on
plot(xi,Yn,'-r')

Gambar 2 (a) noise added 10% (grafik merah) (b) noise added 20% (grafik merah)
ANALISA
Dari ketiga perbandingan model tersebut hasil command windownya adalah

Model Normal Model dengan Noise Model dengan Noise

Added 10% Added 20%
qc = 1.4222
qc = 1.1057 qc = 1.0447
z2 =4.3106
z2 = 15.6281 z2 = 14.4902
theta2 = 31.0780
theta2 = -32.1576 theta2 = -34.0470
k2 = -70.8080
k2 = 89.7741 k2 = 54.4003
e = 0.0778
e = 0.3943 e = 0.4553

Dari gambar 2 dan tabel command window kita bisa melihat bahwa semakin besar noise yang ada maka
model yang dihasilkan semakin tidak fit. Kita bisa membuktikannya melalui noise 20% memiliki bentuk
grafik yang sangat berbeda dengan model normal (tidak berimpit) sedangkan noise dengan 10% tidak
terlalu berbeda dengan grafik model yang asli. Selain itu nilai error yang dihasilkan cenderung semakin
tinggi ketika noise yang ada semakin besar hal ini dibuktikan dari noise 10% besar e= 0.3943 sedangkan
noise 20% besar e=0.4553.