Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kondisi zona yang sangat lapuk pada lapangan penelitian ini menciptakan kualitas seismik yang kurang baik. Untuk itu pada penelitian ini geophone ditanam sedalam 6 meter di bawah lapisan lapuk. Berdasarkan model kecepatan tomography, kecepatan gelombang seismik di lapisan lapuk berada pada rentang nilai 880 sampai dengan 1100 m/s. Lapisan lapuk dan elevasi yang ekstrim pada daerah penelitian dapat diatasi dengan menggunakan travel time tomography. Hasil data seismik dari buried geophone memberikan hasil yang baik pada kualitas citra di bawah permukaan, signal-to noise ratio yang lebih tinggi dan frekuensi yang lebih tinggi.Hasil analisis RMS Amplitude pada data seismik dari buried dan surface geophone menyatakan nilai RMS Amplitude pada data seismik dari surface geophone lebih tinggi dibandingkan data seismik buried geophone karena data seismik surface geophone memiliki banyak noise. Hasil migrasi dari data seismik buried geophone memperlihatkan reflektor yang lebih jelas dengan signal to noise ratio yang lebih tinggi dibandingkan dengan hasil migrasi dari data seismik surface geophone.

---

Conditions were very weathered zone in this research field creating quality seismic unfavorable. Therefore in this study geophones planted deep as 6 meters below the weathered layer. Based on the model velocity tomography, seismic wave velocity in the weathered layer is in the range value of 880 up to 1100 m s. Weathered layers and extreme elevation of the research area can be overcome by using a travel time tomography.

The results of seismic data from geophones buried give good results on the quality of the image below the surface, the signal to noise ratio is higher and higher frequencies. The results of the analysis of the RMS amplitude of the buried and surface geophone seismic data declared value RMS amplitude on surface geophones seismic data is higher than buried geophone seismic data because surface geophones seismic data have a lot of noise. The results of the buried geophones seismic data migration showed clearer reflector, signal to noise ratio that is higher than the result of the migration of surface geophones seismic data."

"Saat ini perekaman gelombang seismik masih menggunakan geophone konvensional, yaitu terdiri dari koil yang digantung oleh pegas. Pada penelitian ini, telah dikembangkan sebuah sistem perekam gelombang seismik menggunakan akselerometer MEMS. Data keluaran akselerometer diakuisisi dengan menggunakan mikrokomputer Raspberry Pi, kemudian data tersebut disimpan di dalam Raspberry Pi dan dikirim ke sebuah komputer host setelah proses akuisisi selesai. Keluaran data dari sistem ini setara dengan data keluaran dari geophone konvensional, yaitu dalam domain kecepatan. Sistem ini menggunakan komunikasi Wi-Fi untuk terhubung ke sebuah server sehingga memungkinkan kegiatan eksplorasi tanpa memerlukan kabel. Hasil rekaman sistem ini dibandingkan dengan geophone konvensional. Uji coba dilakukan di Universitas Indonesia.

---

Currently recording seismic waves still use conventional geophones, which consists of coils suspended by springs. This research has developed a system of recording seismic waves using MEMS accelerometer. Accelerometer output data acquired using microcomputers Raspberry Pi, then the data is stored in the Raspberry Pi and sent to a host computer after the acquisition is completed. The output data from this system is equivalent to the output data from conventional geophones, which is in the domain of speed. This system uses the Wi-Fi communication to connect to a server making it possible exploration activities without cables. Recording the results of this system compared with conventional geophones. Tests performed at the University of Indonesia."

"Sensor geophone memiliki peranan yang sangat penting dalam memperoleh data seismik tersebut. Sensor ini berfungsi mengubah besaran mekanik (getaran seismik) menjadi sinyal listrik. Kualitas dari transformasi ini secara keseluruhan akan memberikan informasi tentang kandungan fluida dan struktur lapisan batuan dibawah permukaan bumi. Pabrik pembuat geophone telah menetapkan batas-batas nilai parameter ketika memproduksi geophone. Akan tetapi karena faktor usia dari geophone, serta faktor keseringan dipakai, para pengguna geophone harus melakukan kalibrasi terlebilih dahulu terhadap semua parameter sebelum geophone tersebut digunakan. Padahal alat kalibrator geophone komersial relatif mahal karena masih impor. Disisi lain perkembangan teknologi komputer PC (personal computer) dewasa ini, sangat memungkinkan ntuk diimplementasikan menjadi kalibrator yang handal dalam menguji parameter-parameter geophone. Atas dasar tersebut, penelitian uji ini bertujuan untuk mendapatkan salah satu parameter penting geophone, yaitu frekuensi alamiah, dimana layak tidaknya geophone dipakai dilapangan sangat ditentukan dari seberapa jauh simpangan antara nilai frekuensi alamiah aktual dan frekuensi alamiah pada spesifikasi yang ditetapkan oleh pabrik."

"Pemeliharaan prediktif pada stasiun pengamatan gempa bumi dan tsunami menjadi sangat penting sebagai kualitas kontrol atau pengendalian mutu. Saat ini penentuan kualitas stasiun pengamatan gempa bumi dan tsunami dilakukan secara pemeliharaan preventif dan pemeliharaan korektif dimana seorang pakar akan melakukan pemeliharaan secara berkala ataupun melakukan pemeliharaan apabila keadaan stasiun pengamatan gempa bumi dan tsunami mengalami kerusakan total. Pada penelitian ini pemeliharaan prediktif dilakukan pada seismometer dua stasiun yang berdekatan dengan menganalisis dalam domain frekuensi. Data yang digunakan adalah sinyal seismik pada rekaman seismometer tiga komponen (North-South, East-West, Z-Vertical) pada jaringan stasiun pengamatan gempa bumi dan tsunami. Rancangan penelitian ini yaitu rekaman sinyal seismik pada dua stasiun diubah dalam domain frekuensi menjadi power spectral density kemudian dilakukan cross spectral density dan mendapatkan nilai koherensi dari cross spectral density. Kemudian nilai tersebut menjadi feature untuk machine learning dan label untuk machine learning diberikan oleh pakar dari Badan Meteorologi Klimatologi dan Geofisika. Evaluasi dengan model machine learning berbasis data koherensi cross spectral density pada fault detection seismometer berdasarkan machine learning yang dipakai adalah random forest dan xgboost dengan memiliki akurasi 0,89 dan 0,91. Selain itu, waktu training untuk permodelan xgboost lebih cepat daripada random forest.

---

Predictive maintenance of earthquake and tsunami observation stations is very important for quality control. Currently, the determination of the quality of earthquake and tsunami observation stations is carried out by preventive maintenance and corrective maintenance, where an expert will perform regular maintenance or perform maintenance if the earthquake and tsunami observation station is completely damaged. In this research, predictive maintenance is carried out on the seismometers of two adjacent stations by analyzing in the frequency domain. The data used are seismic signals in three-component seismometer recordings (North-South, East-West, Z-Vertical) in the earthquake and tsunami observation station network. The design of this research is that seismic signal recordings at two stations are converted in the frequency domain into power spectral density, then cross spectral density is carried out and the coherence value of the cross spectral density is obtained. Then the value becomes a feature for machine learning and the label for machine learning is given by experts from the Meteorology Climatology and Geophysics Agency. Evaluation with machine learning models based on cross spectral density coherence data on seismometer fault detection based on machine learning used is random forest and xgboost with an accuracy of 0.89 and 0.91. In addition, the training time for xgboost modeling is faster than random forest."

"Metode Common Reflection Surface (CRS) Stack merupakan metode stack yang lebih baru dari metode konvensional atau Common Mid Point (CMP) Stack. Kedua metode ini digunakan untuk mendapatkan penampang bawah permukaan yang sesuai dengan kondisi lapangan. Operator yang digunakan pada metode CRS stack sangat berbeda dengan metode CMP stack. Pada metode konvensial dibutuhkan pembuatan model kecepatan dari proses analisis kecepatan untuk dapat melakukan koreksi NMO. Semakin tepat pemilihan kecepatan yang dilakukan maka semakin baik penampang bawah permukaan yang dihasilkan. Pada metode CRS stack, atribut yang digunakan lebih sesuai dengan keadaan lokal dari reflektor. Atribut ini berupa sudut datang gelombang normal (α), jari-jari kelengkungan gelombang Normal Incidence Point (RNIP) dan jari-jari kelengkungan gelombang normal (RN). Ketiga atribut ini dapat di ekstrak dengan melakukan penentuan dip dan luas apertur. Penggunaan atribut lokal ini menjadikan metode ini dapat melakukan imaging yang lebih baik pada reflektor yang memiliki kemiringan tajam dibandingkan metode konvensional. Parameter luas apertur dapat memperbanyak jumlah trace yang akan di stack pada metode CRS stack sehingga dapat meningkatkan rasio S/N daripada metode konvensional dikarenakan proses stack pada metode konvensional dilakukan hanya dengan beberapa gather CMP. Pada pengolahan data seismik laut ini, dilakukan proses geometri, sorting, filtering, trace editing dan dekonvolusi untuk mengkondisikan data sebelum masuk pada tahapan stacking. Metode CMP stack dimulai dengan melakukan velocity picking pada penampang semblance untuk mendapatkan model kecepatan yang menjadi syarat dalam melakukan stacking konvensional. Untuk metode CRS stack, dilakukan variasi pada parameter maksimum dip, dip increament dan lebar apertur agar menghasilkan penampang bawah permukaan yang paling sesuai. Hasil dari penelitian ini memperlihatkan bahwa metode CRS stack dapat melakukan imaging subsurface lebih baik dibandingkan metode konvensional, terutama dalam aspek kemenerusan reflektor, meningkatnya rasio S/N, imaging reflektor dalam, dan dapat menangani reflektor yang memiliki kemiringan atau dip yang curam.

---

The Common Reflection Surface (CRS) Stack method is a newer stack method than the conventional method or the Common Mid Point (CMP) Stack. Both methods are used to obtain a subsurface section that is suitable for field conditions. The operators used in the CRS stack method are very different from the CMP stack method. In the conventional method, it is necessary to create a velocity model from the velocity analysis process to be able to apply NMO corrections. The more precise the selection of velocity, the better the resulting subsurface cross-section. In the CRS stack method, the attributes used are more in line with the local state of the reflector. These attributes are the emergence angle (α), the radius of curvature of the Normal Incidence Point (RNIP), and the radius of curvature of the normal wave (RN). These three attributes can be extracted by determining the dip and aperture width. The use of this local attribute makes this method able to perform better imaging on reflectors that have a steep dip than conventional methods. The aperture area parameter can increase the number of traces that will be stacked on the CRS stack method so that it can increase the S/N ratio than the conventional method because the stacking process in the conventional method is carried out only with a few CMP gathers. In this marine seismic data processing, geometry, sorting, filtering, trace editing, and deconvolution processes are carried out to condition the data before entering the stacking stage. The CMP stack method starts with velocity picking on the semblance cross-section to obtain a velocity model that is a requirement for conventional stacking. For the CRS stack method, variations are carried out on the parameters of maximum dip, dip increment, and aperture width in order to produce the most suitable subsurface section. The results of this study show that the CRS stack method can perform subsurface imaging better than conventional methods, especially in terms of reflector continuity, increased S/N ratio, deep reflector imaging, and can handle reflectors that have steep dip."

"Teknologi alat akuisi seismic sudah semakin berkembang. Pada penelitian sebelumnya sudah dilakukan penelitian mengenai alat akuisisi sinyal seismik berbasis sensor accelerometer MEMS. Sehingga pada penelitian ini telah memperbaharui alat akuisisi sinyal seismik dari sisi komunikasi agar dapat mengakuisisi lebih banyak geophone atau alat akuisisi sinyal seismik. Selain itu agar jangkauan kabel atau jarak antar geophone juga semakin panjang. Keluaran data dari sistem ini hamper setara dengan keluaran data dari geophone konvensinal. Sistem ini menggunakan Modul SPI Extender untuk membuat satu buah Raspberry Pi dapat mengakuisisi geophone MEMS dengan lebih banyak dan jengan jangakaun kabel yang lebih panjang. Hasil respon atau keluaran dari geophone disimpan kedalam Raspberry Pi terlebih dahulu untuk kemudian bisa diambil secara wireless oleh komputer host. Uji coba dilakukan di Universitas Indonesia.

---

The technology of seismic acquisition instrumentation has getting developed. In previous research, a study of seismic signal acquisition instrumentation based on MEMS accelerometer sensor has been done. This research has renewed seismic signal accelerometer by communication aspect to acquire more geophones or seismic signal acquisition instrumentation. Output data of this system is almost same with output from conventional geophone. This system uses SPI Extender modul to make one Raspberry Pi to acquire more MEMS geophone and with further cable reach. Respond result or output of geophone is saved into Raspberry Pi first so that it can be taken wirelessly by host computer. Trial test is done at Universitas Indonesia."

"ABSTRAKSebagai area frontier, cekungan Selatan Jawa masih diyakini memiliki potensi hidrokarbon. Namun berdasarkan kegiatan eksplorasi yang ada sebelumnya, belum ada bukti yang menujukkan kemampuan cekungan ini untuk memproduksi dan memerangkap hidrokarbon. Tesis ini membahas mengenai metode AVO yang diaplikasikan pada beberapa target yang diprediksi sebagai daerah yang mempunyai prospek hidrokarbon.Telah dilakukan analisis AVO terhadap 9 lintasan data seismik 2D di area frontier cekungan Selatan Jawa dengan spasi antar lintasan 40 km. Atribut AVO berupa intercept dan gradient dihitung menggunakan data pre stack dan stacking velocity untuk membuat penampang atribut AVO yaitu product A B dan A B. Sementara itu kecepatan gelombang S dihitung dari persamaan Castagna untuk menurunkan atribut AVO yang lain yaitu Rp, Rs untuk membuat penampang Rp-Rs serta fluid factor pada seluruh lintasan seismik. Berdasarkan analisis terhadap penampang atribut AVO, terdapat beberapa daerah yang diduga mempunyai prospek hidrokarbon yang ditunjukkan dengan nilai nilai positif dari product A B dan atribut yang lain, dugaan ini semakin diperkuat karena lokasi anomali konsisten dengan struktur dan stratigrafi yang dapat dikenali dari data seismik.Berdasarkan hasil analisis AVO ini, masih terlalu dini untuk memberikan kesimpulan bahwa Cekungan Selatan Jawa mempunyai prospek hidrokarbon yang menjanjikan, mengingat adanya beberapa batasan karena faktor keterbatasan data yang digunakan di dalam penelitian ini. Selain itu masih memiliki resiko keekonomian yang besar di dalam eksplorasi di Cekungan Selatan Jawa karena berdasarkan analisis, belum ditemukan suatu struktur yang cukup besar dengan anomaly AVO, mengingat kedalaman air rata-rata lebih dari 3.500 meter. Hasil penelitian menyarankan bahwa eksplorasi lebih lanjut untuk daerah ini masih diperlukan untuk membuktikan potensi hidrokarbon pada daerah penelitian.

---

ABSTRACTAs a frontier area, South Java Basin is believed to have hydrocarbon potential. However, based on pre existing exploration activities, there is no evidence that shows the ability of the basin to produce and trap hydrocarbons. This thesis discusses the AVO method applied to several targets that were predicted as regions with hydrocarbon prospects.AVO analysis has been carried out on 9 2D seismic lines data in the frontier area South Java basin which have 40 km in spacing. AVO attributes such as intercept and gradient were calculated using pre stack and stacking velocity data to create AVO attributes sections product A B and A B. While the S wave velocity is calculated from Castagna equation to produce another AVO Rp, Rs attributes to make Rp Rs sections as well as fluid factor sections. Based on cross sectional analysis of AVO attributes, there are some areas that have allegedly shown hydrocarbon prospects of positive attributes, this conjecture is strengthened because it is consistent with the structure and stratigraphy that can be identified from seismic data.Based on the AVO analysis, it is still too early to give the conclusion that the South Java Basin has the promising hydrocarbons, given some constraints because of the limited data used in the study. In addition there are still major economic risks in the exploration of South Java Basin, because based on the analysis, yet to be found a structure which quite large with AVO anomaly, considering that the depth of water column is in average of more than 3,500 meters.The results suggest that further exploration of this area is still needed to prove the potential of hydrocarbons in the study area."

"Migrasi seismik merupakan salah satu proses akhir dalam processing seismik. Proses migrasi bertujuan untuk meningkatkan resolusi lateral data seismik dengan cara memindahkan kedudukan reflektor pada posisi dan waktu pantul yang sebenarnya berdasarkan lintasan gelombang. Hal ini disebabkan karena penampang seismik hasil stack belumlah mencerminkan kedudukan yang sebenarnya, karena rekaman normal incident belum tentu tegak lurus terhadap bidang permukaan, terutama untuk bidang reflektor yang miring. Selain itu, migrasi juga dapat menghilangkan pengaruh difraksi gelombang yang muncul akibat pengaruh struktur geologi seperti patahan, sinklin, dan antiklin. Migrasi yang digunakan dalam penelitian ini, yaitu migrasi dengan menggunakan metode fourier split step dan finite-difference. Kedua metode migrasi yang digunakan tersebut diaplikasikan pada empat macam data seismik sintetik yang telah dibuat melalui pemodelan seismik Data seismik sintetik yang dibuat terdiri dari empat macam model geologi, yaitu model geologi dua perlapisan (sinklin-antiklin), model geologi tiga perlapisan (patahan), dan model geologi empat perlapisan dan satu channel, pada model geologi yang ketiga ini terdapat dua macam model kecepatan, yaitu model yang memiliki kecepatan kontinu dan model yang memiliki kecepatan tidak kontinu. Dilakukan perbandingan antara kedua metode migrasi yang digunakan terhadap data seismik sintetik yang ada. Hasil migrasi dengan menggunakan metode finite-difference terlihat lebih baik dalam mengatasi variasi kecepatan lateral yang sederhana maupun kompleks dibandingkan dengan metode fourier split step. Tapi, migrasi dengan menggunakan metode fourier split step lebih membutuhkan waktu yang singkat dalam hal proses komputasi dibandingkan metode finite-difference.

---

Seismic migration is a part of final process in seismic processing. The purpose of migration is to enhance spatial resolution of seismic data. This migration is performed by moving the position of reflector with regards to the real position and reflecting time based on the wave path. The different image between the stacked section and true subsurface position of the event due to the record of normal incidence is not always perpendicular to its reflector, especially a reflector with a certain dip. In addition, migration collapse diffraction effect is shown from the result of geological structure such as fault, sincline and anticline.

The migration algorithm that was used is split step fourier and finite-difference migration. Both migration methods were applied to four types of synthetic seismic data that were produced by seismic modeling. The produced synthetic seismic data consisted of four types of geological modeling which are: double layered geological model (syncline - anticline), triple layered geological model (fault), four layered geology model, and one channel. For the third geological models it was found that there were two types of velocity model, a continual velocity and the other was not. Comparison was then done for the two migration methods used with the existing synthetic seismic data.

The results show that finite-difference migration is better than split step fourier migration in solving and handling variation of a simple and complex lateral velocity. In contrast, split step fourier migration is faster than finite-difference migration in the computation process."

"Cadangan migas semakin sulit ditemukan, hal ini dikarenakan kondisi geologi yang lebih kompleks. Kondisi yang kompleks ini menyebabkan kesulitan dalam menentukan persebaran reservoir. Maka dari itu diperlukan metode yang lebih bagus untuk mengatasi kondisi geologi yang kompleks tersebut. Penelitian ini menggunakan metode multiatribut dan Probabilistic Neural Network (PNN) yang dapat mencari hubungan antara atribut seismik dengan data yang dicari, untuk prediksi nilai properti dari batuan sekitarnya. Dari metode ini dihasilkan persebaran pada data porositas dengan nilai korelasi 0,52, saturasi air dengan nilai korelasi 0,73, dan shale content dengan nilai korelasi 0,58. Dimana gabungan dari data porositas, saturasi air, shale content, dan data impedansi akustik (AI) hasil inversi dapat menjadi petunjuk untuk identifikasi persebaran reservoir. Dari nilai porositas dan saturasi dapat dibuat persebaran hidrokarbon, dimana pada penelitian ini didapatkan nilai antara 0,01 – 0,03. Lapangan FA ini memiliki reservoir yang berada di antara sumur F-06, FA-05, FA-15, dan FA-18 dan menyebar ke arah barat dari sumur FA-05, FA-15 & FA-18.

---

Oil and gas reserves are increasingly difficult to find due to more complex geological conditions. This complex condition causes difficulties in determining reservoir distribution. Therefore a better method is needed to overcome these complex geological conditions. This study uses a multi-attribute method and Probabilistic Neural Network (PNN) that can search for correlation between seismic attributes and the data sought, for the prediction of property values ​​from surrounding rocks. From this method the distribution of porosity data with a correlation value of 0.52 was generated, water saturation with a correlation value of 0.73, and shale content with a correlation value of 0.58. Where the combination of porosity data, water saturation, shale content, and acoustic impedance (AI) data of inversion results can be a clue to identify reservoir distribution. From the porosity and saturation values, hydrocarbon dispersion can be made, where in this study values ​​were obtained between 0.01 - 0.03. This FA field has a reservoir between wells F-06, FA-05, FA-15, and FA-18 and spreads westward from wells FA-05, FA-15 & FA-18."