Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dekomposisi spektral telah diaplikasikan pada data seismik dalam meningkatkan resolusi, visualisasi stratigrafi, memprediksi ketebalan lapisan tipis, dan mendeteksi langsung keberadaan hidrokarbon. Pada kasus ini, Metode Empirical Mode Decomposition digunakan untuk mendekomposisi suatu sinyal utama menjadi beberapa sub-sinyal yang bervariasi, yang memiliki berbagai macam frekuensi. Beberapa sub-sinyal tersebut biasa disebut IMF (Intrinsic Mode Function). Tahap selanjutnya dilakukan Transfromasi Hilbert untuk setiap IMF.Hasil yang didapatkan dari proses Spectral Decomposition dengan metode Empirical Mode Decomposition dan Transformasi Hilbert menunjukkan kemampuan yang bagus pada data sintetik. Sedangkan pada data riil mampu membedakan respon gas dan batu bara pada anomali brigth spot dengan melalui analisis Transformasi Hilbert berdasarkan respon amplitudo sesaat.

---

Spectral decomposition have been applied for seismic data to enhance resoution, improve stratigraphy visualization, thin bed prediction, and direct hydrocarbon indicator. In this case, the empirical mode decomposition method is used to decompose main signal into several variated sub-signal that have many types of frequencies. Some sub signal are usually called IMF (intrinsic mode function). Then do the Hilbert Transform to each IMF to get the time frequency section.

The result from the spectral decomposition method using empirical mode decomposition show good performance on syntethic data. While on real data can be clarified gas and coal response from the brigth spot anomaly by Hilbert-Huang transform method based on instantaneous amplitude."

"This book is written for scientists and engineers who use HHT (Hilbert-Huang Transform) to analyze data from nonlinear and non-stationary processes. It can be treated as a HHT user manual and a source of reference for HHT applications. The book contains the basic principle and method of HHT and various application examples, ranging from the correction of satellite orbit drifting to detection of failure of highway bridges. The thirteen chapters of the first edition are based on the presentations made at a mini-symposium at the Society for Industrial and Applied Mathematics in 2003. Some outstanding mathematical research problems regarding HHT development are discussed in the first three chapters. The three new chapters of the second edition reflect the latest HHT development, including ensemble empirical mode decomposition (EEMD) and modified EMD. The book also provides a platform for researchers to develop the HHT method further and to identify more applications."

"This book is written for scientists and engineers who use HHT (Hilbert-Huang Transform) to analyze data from nonlinear and non-stationary processes. It can be treated as a HHT user manual and a source of reference for HHT applications. The book contains the basic principle and method of HHT and various application examples, ranging from the correction of satellite orbit drifting to detection of failure of highway bridges. The thirteen chapters of the first edition are based on the presentations made at a mini-symposium at the Society for Industrial and Applied Mathematics in 2003. Some outstanding mathematical research problems regarding HHT development are discussed in the first three chapters. The three new chapters of the second edition reflect the latest HHT development, including ensemble empirical mode decomposition (EEMD) and modified EMD. The book also provides a platform for researchers to develop the HHT method further and to identify more applications."

"Pulau Kalimantan merupakan pulau yang memiliki aktivitas tektonik yang cenderung stabil. Hal ini mengakibatkan pulau ini dapat menjadi reservoar hidrokarbon yang baik. Lapangan 'B' terletak di Kalimantan timur dan berada pada cekungan Tarakan yang merupakan salah satu cekungan intrakraton di Indonesia. Pada lapangan 'B' telah ditemukan hidrokarbon berupa gas di sumur 'M'. Gas ditemukan pada interval kedalaman 1800 - 1900 m. Hasil ini merupakan dasar untuk tahapan pengembangan suatu lapangan gas 'B' guna mengoptimalkan produksi. Dalam upaya mengoptimalkan produksi gas dibutuhkan pengeboran sumur tambahan di lapangan 'B'. Akan tetapi pengeboran sumur memakan biaya yang sangat mahal sehingga pengeboran harus tepat sasaran. Agar pengeboran tepat sasaran perlu dilakukan pendekatan tehadap persebaran hidrokarbon gas pada reservoar. Hidrokarbon gas lebih mudah teridentifikasi dengan metode dekomposisi spektral karena sifat dari gas yang akan mengatenuasi gelombang dengan frekuensi tinggi. Penelitian ini mengunakan dekomposisi spektral untuk menentukan persebaran gas dengan mengamati pola dari respon frekuensi. Berdasarkan hasil analisa dekomposisi spektral diperoleh persebaran hidrokarbon gas pada reservoar batu pasir formasi Tarakan berada pada bagian barat laut dan selatan yang memiliki potensi yang menjanjikan.

---

Kalimantan is an island with stable tectonic activity. So this island has high potential to be good hydrocarbon reservoir. 'B' field is located in the Tarakan basin eastern Kalimantan. In 'B' field hydrocarbon gas was found at 'M' well. Gas was found in the depth between 1800-1900 m. These results are the basis for the development of 'B' gas field in order to optimize production. To optimize production we must drilling another wells in this field. Because of drilling cost are very expensive, so drilling should be right on target. to make drilling precise we need representation of distribution hydrocarbon gas in the reservoir. Hydrocarbon gas more easily identified by spectral decomposition method because gas will atenuated with increasing frequency. This study uses spectral decomposition to determine the distribution of gas by observing the pattern of the frequency response. Based on spectral decomposition result, distribution of hydrocarbon gas detected in Northwest and Southern field on sandstone reservoir Tarakan formation."

"OFDM merupakan teknik yang cukup menarik perhatian karena dapat mempertahankan performansinya dalam kondisi kanal yang buruk. Namun Teknik OFDM memiliki beberapa kelemahan yaitu PAPR yang tinggi dan sensitivitas terhadap error frekuensi carrier. PAPR yang tinggi menyebabkan interferensi dengan sinyal dari kanal lain, selain itu juga menyebabkan meningkatnya kekompleksitasan A/D converter maupun D/A converter serta mengurangi efisiensi dari power amplifier. Untuk mengatasi permasalahan tersebut, maka digunakanlah teknik-teknik reduksi PAPR, yang salah satunya adalah metode companding μ-law transform. Namun disamping usaha untuk mereduksi PAPR pada sinyal OFDM, diupayakan untuk dapat meningkatkan performansi sinyal agar menjadi semakin baik dalam arti Bit Error Rate (BER) yang semakin rendah. Dari penelitian sebelumnya pada sistem SC-FDMA, didapatkan bahwa dengan teknik wavelet transform 1 (satu) level dan companding, dapat meningkatkan performansi BER dan menurunkan PAPR. Tetapi bila level dekomposisi wavelet ditingkatkan menjadi 2 (dua) level, maka terjadi peningkatan performansi BER namun PAPR juga meningkat sehingga tidak terjadi penurunan nilai PAPR bila dibandingkan dengan sistem Konvensional SC-FDMA semula. Thesis ini mengusulkan suatu teknik Hybrid yaitu menggabungkan teknik DCT dengan wavelet transform dan companding μ-law transform , untuk diterapkan pada sistem OFDM. Hasil simulasi menunjukkan bahwa sistem OFDM dengan teknik Hybrid DCT-Wavelet transform dan Companding μ-law transform mempunyai performansi BER yang lebih baik daripada : sistem Konvensional OFDM, sistem OFDM dengan wavelet transform-companding μ-law transform dan sistem DCT-OFDM ,serta mempunyai nilai PAPR yang lebih rendah daripada : sistem Konvensional OFDM dan sistem OFDM dengan wavelet transform-companding μ-law transform.

---

OFDM is an interesting technique because it can maintain its performance under bad channel condition. But this technique has several weaknesses such as high PAPR and sensitivity at carrier frequency error. High PAPR cause interference with signal from another channel, can increase the complexity of both A/D converter and D/A converter and also reduce the efficiency of power amplifier.

In order to solve that problem, we can use several PAPR reduction techniques ,in which one of them is companding technique using μ-law transform. Beside all the effort to reduce PAPR in OFDM system, we also have to increase the BER performance or in other words, to more reduce bit error rate in OFDM system.

From previous research on SC-FDMA system, result that using wavelet transform 1(one) level decomposition and companding, can increase BER performance and also reduce PAPR. But the problem occur if we increase the decomposition level become 2(two), result in increasing BER performance but PAPR also increase so there will be no PAPR reduction in SC-FDMA system. That is the main point of reason for author to do research.

So in this thesis, author proposed a Hybrid technique which combine DCT with Wavelet Transform and Companding μ-law transform, to be implemented in OFDM system.

Simulation result shows that OFDM system using Hybrid technique have better BER performance than : Convensional OFDM system, OFDM system with wavelet transform-companding μ-law transform and DCT-OFDM system. Furthermore, that Hybrid OFDM system have lower PAPR value than : Convensional OFDM system and OFDM system with wavelet transform-companding μ-law transform."

"Indeks Harga Saham Gabungan (IHSG) merupakan indeks saham yang biasanya digunakan investor untuk melihat kondisi pasar saham. IHSG merupakan data yang berjenis runtun waktu. Peramalan yang akurat pada IHSG dapat membantu investor meminimalisir risiko. Salah satu model runtun waktu yang sering digunakan adalah model Autoregressive Integrated Moving Average (ARIMA) dimana model ini mengasumsikan bahwa runtun masa kini memiliki hubungan linier dengan runtun historisnya. Jika terdapat pola nonlinier pada data runtun waktu, diperlukan model lain yang dapat mengakomodir pola nonlinier tersebut seperti model Recurrent Neural Network (RNN). Namun, bisa saja sebuah runtun waktu memiliki pola linier dan nonlinier sehingga dikembangkan sebuah model hybrid ARIMA-RNN. Data runtun waktu yang digunakan pada model hybrid ARIMA-RNN direpresentasikan sebagai penjumlahan dari komponen linear dan nonlinier. Ketika dijumpai runtun waktu yang kompleks, model hybrid ARIMA-RNN tidak mampu mendekomposisi data sebagai komponen linier dan nonlinier. Kompleksitas suatu runtun waktu dapat ditentukan dengan menggunakan Sample Entropy (SE). Meramalkan runtun waktu yang kompleks dengan model hybrid ARIMA-RNN dapat mengakibatkan penurunan performa peramalan. Untuk meningkatkan performa model hybrid ARIMA-RNN, diperkenalkan metode dekomposisi (filter) untuk mengurangi kompleksitas dari runtun waktu. Penelitian ini mengonstruksi model hybrid ARIMA-RNN dengan filter Empirical Mode Decomposition (EMD). Konstruksi model hybrid ARIMA-RNN diterapkan pada data indeks penutupan harian IHSG dari tanggal 1 Januari 2016 hingga 31 Desember 2019. Filter EMD pada data tersebut menghasilkan 6 IMF (Intrinsic Mode Function) dan residual yang kompleksitasnya bervariasi. Berdasarkan perhitungan menggunakanSample Entropy (SE) didapat IMF1 hingga IMF5 adalah runtun kompleksitas tinggi sedangkan IMF6 dan residual adalah runtun kompleksitas rendah. Runtun kompleksitas tinggi dan kompleksitas rendah selanjutnya masing-masing dimodelkan dengan RNN danARIMA. Hasil peramalan akhir pada model hybrid ARIMA-RNN dengan filter EMD memberikan nilai RMSE sebesar 35,5702. Nilai RMSE yang didapat lebih kecil dibandingkan nilai RMSE pada model ARIMA, model RNN, dan model hybrid ARIMARNN. Hasil penelitian menunjukkan bahwa model hybrid ARIMA-RNN dengan filter EMD memberikan performa peramalan terbaik pada ramalan IHSG dan juga penggunaan filter EMD memberikan peningkatan performa peramalan pada model hybrid ARIMARNN.

---

Indonesia Composite Index (IDX Composite) is a stock index that is usually used by investors to see stock market conditions. Accurate forecasting on the IDX composite, which is time series data, may assist investors in reducing risk. Autoregressive Integrated Moving Average (ARIMA) model, which implies a linear relationship between the current series and its historical series, is one of the time series models that is frequently used. Other model, such as the Recurrent Neural Network (RNN) model, is required if the time series data contain a nonlinear pattern. A hybrid ARIMA-RNN model was developed since it is possible for a time series that have both a linear and nonlinear pattern. The sum of the linear and nonlinear components is used to represent the time series data in the ARIMA-RNN hybrid model. The ARIMA-RNN hybrid model is unable to separate the data into linear and nonlinear components when a complex time series is present. The complexity of a time series can be determined by using Sample Entropy (SE). The ARIMA-RNN hybrid model's forecasting performance may suffer when forecasting complex time series. To improve the performance of the hybrid ARIMA-RNN model, a decomposition (filter) method is introduced to reduce complexity and deal with nonstationary and nonlinear time series. This research constructs a hybrid ARIMA-RNN model with the Empirical Mode Decomposition (EMD) filter. The construction of the hybrid ARIMA-RNN model is applied to the daily closing of IDX composite from 1 January 2016 to 31 December 2019. The EMD filter on the data produces 6 IMFs and a residual with varying complexity. Based on calculations using Sample Entropy (SE), IMF1 to IMF5 are high complexity time series, while IMF6 and the residual are low complexity time series. The high and low complexity time series are then modeled with RNN and ARIMA, respectively. The final forecasting result on the hybrid ARIMA-RNN model with the EMD filter gives an RMSE value of 35.5702. This RMSE value is smaller than the RMSE values of the ARIMA model, the RNN model, and the hybrid ARIMARNN model. The results show that the hybrid ARIMA-RNN model with the EMD filter provides the best forecasting performance for the IDX composite forecast and also the use of the EMD filter improves the forecasting performance of the hybrid ARIMA-RNN model."

"Cluster analysis dari atribut seismik merupakan suatu metode yang digunakan untuk mengelompokkan litologi dari data seismik yang telah direkam dan diproses. Secara prinsip, cluster analisis memproyeksikan N atribut seismik ke sistem koordinat dengan N-dimensi yang menghasilkan K cluster yang merepresentasikan litologi yang berbeda. Penentuan center dari data dapat dilakukan secara acak yang kemudian berubah-rubah karena proses iterasi (unsupervised). Dekomposisi spektral mengubah amplitudo seismik sebagai fungsi ruang dan waktu menjadi frekuensi, ruang, dan waktu. Dekomposisi spektral telah digunakan dalam berbagai aplikasi seperti penentuan ketebalan lapisan tipis, visualisasi stratigrafi, dan deteksi hidrokarbon secara langsung. Metode dekomposisi spektral yang biasa digunakan antara lain STFT (short-time fourier transform), CWT (continuous wavelet transform), dan EMD (Empirical Mode Decomposition). Ada banyak atribut-atribut yang dapat diekstrak dari data seismik dan pemilihan atribut yang hanya dapat mempengaruhi distribusi litologi ini secara dominan bukan merupakan hal yang mudah karena pada kenyataannya beberapa atribut tidak memberikan kontribusi dalam pengelompokkan litologi. Untuk mengurangi hal itu, penulis menggunakan principal component analysis pada atribut seismik. Metode ini memilih atribut yang telah terotasi yang memberikan kontribusi untuk clustering berdasarkan urutan nilai eigen valuenya. Hasil yang didapatkan menunjukkan konsistensi dengan peta litologi yang sudah ada.

---

Cluster analysis of seismic attributes is a method used to classify the lithology of the seismic data that has been recorded and processed. In principle, cluster analysis of seismic attributes to transform the N system with N-dimensional coordinates that produce K clusters that represent different lithologies. Determination of center of data is done through a random process that later change of due process of iteration (unsupervised).

The spectral decomposition of seismic change amplitude as a function of space and time into the frequency, space and time. Spectral decomposition has been used in various applications such as thickness estimation for thin beds, visualization stratigraphy, reservoir characterization, and direct hydrocarbon detection. There are a variety of spectral decomposition methods, STFT (short-time Fourier transform), CWT (continuous wavelet transform), MPD (matching pursuit decomposition) and EMD (Empirical Mode Decomposition). The method used in this study is the method of EMD.

There are many attributes that can be extracted from seismic data and the selection of attributes that can only affect the distribution of the dominant lithology is not an easy thing because of the fact that some attributes do not contribute to the grouping of lithology. To reduce it, the author uses principal component analysis on seismic attributes. This method of selecting the attributes that have been rotated to contribute to clustering based on the sequence of eigenvalues valuenya. The results obtained show consistency with existing lithologic maps."

"Lapangan Talavera seluas 230km2 adalah lapangan migas yang berada di Cekungan Sumatera Utara yang merupakan salah satu cekungan mature di Indonesia. Lapangan ini diduga memiliki fitur stratigrafi berupa chanel dan delta dengan perlapisan batu pasir yang tipis sehingga tidak dapat terdeteksi dalam peta seismik konvensional. Dalam penelitian ini dipilih atribut seismik dekomposisi spektral berbasis Continuous Wavelet Transform (CWT) yang dapat mengekstrak informasi frekuensi dari peta seismik fungsi waktu menjadi peta fungsi waktu-frekuensi. Hasilnya diharapkan akan dapat digunakan untuk mendelineasi fitur stratigrafi dan mengetahui penyebaran lapisan batu pasir (batuan reservoar). Sementara atribut RMS amplitude digunakan untuk melihat distribusi kandidat reservoar sekaligus menjadi data pembanding dan pendukung informasi yang didapat dari atribut dekomposisi spektral. Pada akhirnya, hasil penellitian ini akan sangat berguna bagi perhitungan cadangan rinci, yang akan sangat tergantung pada geometri dan kualitas reservoar. Selain itu, juga akan berguna bagi perencanaan produksi pada fase eksploitasi. Dari hasil penelitian ini didapatkan tiga fasies reservoar dan hubungan korelasi yang kuat antara metode dekomposisi spektral dengan ekstraksi atribut RMS amplitude. Dengan atribut RMS amplitude dapat dilihat distribusi reservoar berdasarkan tingginya nilai amplitudo. Sementara untuk delineasi batu pasir secara lebih rinci diperoleh dari hasil analisa dekomposisi spektral.

---

Talavera is a 230km2 area of the oil and gas field located in the North Sumatra Basin, which is one mature basins in Indonesia. This field has allegedly stratigraphic features such as channels and delta sandstone with thin bedding that can not be detected in conventional seismic map.

In this study, seismic attribute spectral decomposition based on Continuous Wavelet Transform ( CWT ) is selected to extract the frequency information from the seismic map time domain becomes a seismic map time - frequency domain. The results are expected to be used to delineate the stratigraphic and geographic distribution of feature layers of sandstone (reservoir rock) . While the RMS amplitude attribute is used to look at the distribution of the reservoir as well as a candidate benchmark data and supporting information obtained from spectral decomposition attributes. In the end, this study results will be useful for a detailed calculation of reserves, which will depend on the geometry and quality of the reservoir. In addition, it will also be useful for the planning of production in the exploitation phase.

From the results of this study, the three reservoir facies and a strong correlation between the spectral decomposition method with RMS amplitude attribute extraction are detected. With RMS amplitude attribute can be seen by the high value of reservoir distribution amplitude . As for the delineation of sandstone in more detail the results obtained from the spectral decomposition analysis."

"Walsh trnasform is similiar to fourier trnasform.In fourier transforms, a periodic signal can be broken down into sine and cosine wave at fundamental frequency and higher frequency (harmonic frequencies)...."

"Persamaan differensial banyak digunakan untuk menyelesaikan masalah fisika dengan menggunakan koordinat silinder seperti yang terjadi pada elektromagnetik, optik, vibrasi, dan seismologi (Chave, 1983). Salah satu fungsi khusus yang banyak ditemukan pada permasalahan itu berupa fungsi Bessel jenis pertama yaitu solusi dari persamaan differensial Bessel.Solusi dari permasalahan tersebut dapat berbentuk transformasi Hankel yang mengandung bentuk integral tak wajar dari fungsi Bessel jenis pertama, fungsi Gamma dan fungsi f(x) tertentu. Oleh karena itu, solusi analitik dari transformasi Hankel tidak mudah untuk dihitung, sehingga metode integrasi kuadratur Gauss menjadi alternatif untuk menghitung transformasi Hankel. Dalam tesis ini akan dihitung beberapa transformasi Hankel yang diklasifikasikan berdasarkan integrand, yaitu fungsi eksponensial dan fungsi trigonometri yang masing-masing telah diketahui nilai eksaknya berdasarkan tabel integral (Gradshteyn dan Ryzhik, 2000). Banyak titik yang akan digunakan dalam kuadratur adalah n = 4, 8, 16, 32 dan 64. Kemudian, dengan mengambil order fungsi Bessel 0 dan 1, hasil perhitungan tersebut dapat mendekati nilai eksak dengan error yang kurang dari 10-5.

---

Some differential equations have been used to solve some problems of physics which use cylindrical coordinate system such as electromagnetics, optics, vibration, and seismology (Chave, 1983). A special function that have been discovered on this problems is Bessel function of the first kind, which is a solution of the Bessel differential equation. Solution of these problems can be represented as improper integral which integrand contains Bessel function of the first kind, Gamma function and some function f(x). This improper integral is known as Hankel transform.The solution of the Hankel transform is not easy to be calculated analytically, so the Gaussian quadrature method is used to calculate value of the Hankel transfom. Some Hankel transforms which have the analytic solution based on the integral tabel (Gradshteyn dan Ryzhik, 2000), will be calculated by using the Gaussian quadrature method. The Hankel transforms have been classified based on the integrand, those are exponential function and trigonometry function. This process uses the Gaussian quadrature n = 4, 8, 16, 32 and 64 points. Finally, for the order 0 and 1 of Bessel function of the first kind, the results have error less than 10-5."