Aplikasi Transformasi Curvelet untuk Denoising Random Noise : Studi Kasus Data Seismik Sintetik 2D Darat “Antiklin"

Abstract

B46Abstrak-Denoising (reduksi noise) merupakan hal umum yang dilakukan pada pengolahan data seismik. S ecara umum, kita telah mengenal berbagai filter konvensional seperti bandpass filter dan metode signal enhancemet seperti F-X Deconvolution. Metode tersebut telah lama digunakan dan memiliki kelemahan yakni belum mampu mengembalikan reflektor secara maksimal dengan baik sedangkan noise memiliki nilai frekuensi yang sama dengan nilai sinyal yang baik. Pada penelitian ini, penulis menggunakan data seismik sintetik. Noise yang digunakan adalah gaussian noise karena noise ini merupakan noise yang digunakan secara umum dalam dunia statistik. S etelah ditambahkan noise, maka data sintetik akan diolah menggunakan transformasi curvelet. Hasil dari pengolahan data adalah data seismik sintetik "Antiklin" memiliki nilai signal to noise ratio (S NR) yakni antara 27 hingga 28 dB. Data seismik sintetik ketika diberikan noise memiliki nilai S NR yakni antara 19 hingga 25 dB. Dengan demikian, dapat dikatakan bahwa transformasi curvelet mampu melemahkan dan menghapus random noise. S ementara itu, reflektor pada data masih memiliki bentuk yang hampir sama dengan data forward modelling.Kata Kunci-Denoising, Transformasi Curvelet, Signal to Noise Ratio. I. PENDAHULUANENGOLAHAN data seismik merupakan langkah untuk memperoleh data dengan sinyal yang baik. Akuisis i data seismik yang dilakukan di lapangan kadang memberikan sinyal yang buruk sehingga menampilkan data seismik yang kurang baik. Data seismik perlu dilakukan berbagai macam filter sehingga akan mempermudah proses langkah selanjutnya. Salah satu tantangan dalam pengolahan data adalah menghilangkan sinyal buruk (noise). Noise terjadi akibat gelombang seismik yang menjalar pada bawah permukaan melewati berbagai macam perlapisan dengan nilai densitas yang bermacam-macam serta akibat gangguan angina, instrumen dan aktivitas manusia. Akibatnya, pada data seismik menghasilkan dua jenis noise yaitu noise acak dan noise koheren. Noise acak merupakan noise yang diakibatkan oleh kegiatan manusia meliputi instrumen, dan angina [1]. Noise koheren disebabkan oleh adanya kondisi geologi permukaan sehingga gelombang seakan-akan terjebak, seperti multiple, gelombang permukaan, efek ghosting, difraksi dan lain-lain.Filter umum yang sering digunakan dalam pengolahan data seimsik yakni band pass filter, F-X Deconvolution [2] dan lain-lain merupakan metode yang menggunakan skala tunggal, yaitu pada frekuensi atau waktu. Kelemahan pada metode ini (F-X Deconvolution) adalah filter koheren yang digunakan belum tentu mampu melemahkan noise acak yang tersebar pada penampang seismik dengan energi yang acak sehingga menyebabkan event seismik yang terlihat buatan dan membuat interpretasi menjadi tidak unik [3]. Tidak hanya itu, penggunaan teknik konvensional filter seperti F-X Deconvoluiton dan Median Filtering menghilangkan jumlah noise yang banyak namun juga membahayakan komponen sinyalnya [4] sehingga perlu suatu filter untuk memisahkan sinyal dan noise yang baik. II. TRANSFORMASI CURVELETTransform...

Atenuasi Derau Acak Dan Koheren Pada Data Seismik 2d Di Perairan Aru, Papua

“…Oleh karena itu, atenuasi derau merupakan tahapan yang penting dan krusial dalam pengolahan data seismik karena dapat berdampak signifikan terhadap hasil interpretasi akhir. Semua tahapan pengolahan data seismik memiliki tujuan utama untuk melemahkan derau dan menguatkan sinyal utama yang diinginkan (Nugraha et al, 2018). Penelitian ini menggunakan dua cara untuk mengatenuasi derau koheren yang umum digunakan yakni menerapkan filter koheren dan denoising koheren yang merupakan turunan dari algoritma Time-Frequency Denoising (TFDN).…”