ABSTRAK
Struktur geologi seperti patahan merupakan salah satu komponen penting darisistem perminyakan. Patahan berperan sebagai jalur migrasi hidrokarbon daribatuan induk menuju reservoar sehingga identifikasi patahan menjadi pentingdalam interpretasi seismik. Sejauh ini identifikasi patahan dilakukan secaramanual dan dilakukan oleh interpreter sehingga sangat subjektif. Pada studi kaliini telah dibuat teknik identifikasi patahan secara otomatis dengan menggunakanmetode atribut kurvatur. Atribut kurvatur pada dasarnya menghitung seberapalengkung sebuah kurva dari suatu titik. Metode tersebut menggunakan pendekatanleast square quadratic dalam perhitungannya. Metode least square quadraticmerupakan metode fitting data dan menghasilkan beberapa solusi dalam bentukkonstanta. Penelitian ini dimulai dengan membuat source code dalam bahasapemograman Matlab kemudian dilanjutkan dengan menerapkannya pada dataseismik. Dalam langkah terakhir dihasilkan beberapa peta sebaran turunan atributkurvatur, namun hanya atribut kurvatur most positive (Kmp) dan kurvatur mostnegative (Kmn) yang dapat memberikan informasi tentang sebaran patahan secarabaik. Pada akhirnya disimpulkan bahwa atribut kurvatur dapat menghasilkan petastruktur secara automatis tanpa perlu melakukan interpretasi konvensional.

---

Abstract
Geological structure such as fault is one of important components of thepetroleum system. Fault act as hydrocarbons migration ways from source rock tothe reservoir therefore fault identification become important aspect from seismicinterpretation. So far, fault identification has done manually and very subjectivefrom an intepreter. In this study, the author proposes a technique automatically forfault identification with curvature attributes method. Basically, curvatureattributes calculate how curved a curve of a point. The method uses least squarequadratic approach in its calculations. Quadratic least square method is a fittingdata method and generates solutions in the form of constants. This study began bymaking the source code in Matlab programming language and then proceeds toapply it to seismic data. In the final step some of curvature has been generated butonly the most positive curvature attribute (KMP) and most negative curvature(NMR) can provide information about the distribution of fault as well. Finally itcan be concluded that curvature attribute method can automatically produce astructure map without conventional interpretation.