aplikasi ensemble empirical mode decomposition(eemd) pada data vlf-em vgrad untuk memetakan fosfat...

Seminar Nasional Pascasarjana XII ITS, Surabaya 12 Juli 2012 ISBN No.

Aplikasi Ensemble Empirical Mode Decomposition(EEMD) Pada Data

VLF-EM vGrad Untuk Memetakan Fosfat Di Daerah Sukolilo Pati

Jawa Tengah

J.P.G.N. Rochman 1, A.S.Bahri

1, B.J.Santosa

1, Ghufron

1

Jurusan Fisika, Institut Teknologi Sepuluh Nopember,Surabaya,Indonesia1

[email protected]

Abstrak

Telah dilakukan analisis dari data VLF-EM vGrad dengan menggunakan Ensamble Empirical Mode

Decomposition (EEMD) dan inversi 2-D untuk mengetahui sebaran deposit fosfat di Perum Perhutani

KPH PATI BKPH Sukolil-Pati Jawa Tengah. EEMD ini digunakan sebagai filter. Pengolahan data

dengan EEMD ini bertujuan untuk menghilangkan noise geologi dan background EM wave yang

bersifat non linier. Filter ini merupakan pengembangan dari metode Empirical Mode Decomposition

(EMD). Data yang digunakan paper ini berupa inphase dan quadrature pada data VLF-EM vGrad.

Dari hasil penggunanan EEMD ini didapatkan data inphase dan quadrature dengan kurva yang lebih

smoth, dan mampu meningkatkan signal to noise ratio (S/N). Setelah diolah dengan EEMD dilakukan

proses inversi. Software yang digunakan dalam proses inversi ini adalah Inv2DVLF yang berbasiskan

metode finite elemen. Hasil dari proses inversi dengan input data yang sudah difilter dengan EEMD

didapatkan sebaran fosfat yang lebih jelas yaitu terlihat mengarah ke utara dengan kedalaman 5 40 m.

Katakunci: EEMD, VLF-EM vGrad, Inv2DVLF, fosfat, Sukolilo-Pati

1. Pendahuluan

Fosfat merupakan bahan tambang yang sangat

penting bagi industri pupuk. Sejak tahun 2003

Indonesia harus mengimpor bahan tersebut.

Padahal cadangan fosfat Indonesia diperkirakan

2,5 juta tons. Salah satu cadangan phospate di

temukan di daerah kars Pati Jawa Tengah.

Temuan phospate tersebut terletak di permukaan

sampai kedalaman 8 meter (Ghufron, 2010).

Untuk itu perlu dilakukan penelitian lebih lanjut

mengenai keberadaan fosfat di daerah tersebut.

Metode geofisika yang lebih efektif dan efisien

untuk mengeksplorasi bahan tambang dengan

kedalaman dangkal adalah Very Low Frequency

(VLF-EM) (Pal, 1965; Paterson da Ronka,

1971; Bernard dan Valla, 1991; Jeng et al.,

(2004). Bosh dan muller (2001) mengembangkan

metode very low frequency elektromagnetik

vertical Gradient (VLF-EM-vGrad) dengan

memvariasikan ketinggian pada suatu titik

pengukuran yang diapkikasikan untuk mencari

rongga bawah permukaan di daerah kars, lebih

jelas dalam tergambarkan dari hasil pengolahan

dan intepretasinya (Santos dkk, 2006 ; Bahri dkk,

2008). Kualitas data VLF-EM sering terganggu

dengan berbagai noise misalnya kondisi geologi

yang menginduksi VLF-EM (Everett dan Weiss,

2000). Hampir semua noise tersebut bersifat non

linier sehingga sulit dihlangkan dengan cara

konvensiaonal. Untuk itu perlu di lakukan

pengolahan data VLF-EM dengan menggunakan

Ensamble Emperical Mode Decomposition

(EEMD) filter yang dikenalkan oleh Wu dan

Huang (2009). Metode ini di dasarkan pada

pengembangan lebih lanjut dari Empirical Mode

Decomposotion (Huang dkk, 1998). Metode ini

terbukti bisa menigkatkan signal to noise ratio

(S/N) pada signal nonlinear.

2. Dasar Teori

2.1 Metode VLF-EM dan VLF-EM vGrad

Metode VLF-EM adalah salah satu

metode elektromagnetik yang digunakan untuk

memprediksi nilai resistivitas struktur bawah

permukaan berdasarkan medan elektromagnetik

alam. Metode ini termasuk metode pasif karena

hanya menerima sinyal yang berasal dari

pemancar radio militer (untuk navigasi) sebagai

gelombang primer. Pemancar ini menghasilkan

gelombang EM yang dapat menginduksi arus

eddy sekunder, terutama pada daerah yang

memiliki nilai konduktivitas pada daerah target

2D yang memanjang. Paal (1965) mengamati

pada gelombang radio pada VLF bisa digunakan

memetakan daerah yang memiliki deposit

mineral. Pengenalan pengukuran baru dengan

teknik gradio di lalukan dengan mengulang

variasi ketinggian di setiap titik pengukuran

(Bosch dan Muller, 2001). Pada pengukuran

teknik ini yang terpenting adalah nilai pada titik

pengukuran yang berbeda tinggi, dimana nilai

perbedaaannya hanya ditentukan oleh medan

magnet sekunder yang disebabnkan nilai

konduktivitas bahwa permukaan saja. Secara

matematis :


HRy=(HPy+HSy(Z2))-(HPy+HSy(Z1)) HRy=HSy(Z2)-HSy(Z1)...............................1)

adalah nilai vGrad pada Z2>Z1, Hsy(Z2)

adalah pengukuran medan magnet sekunder pada

ketinggian Z2 dan Hsy(Z1) adalah pengukuran

medan magnet sekunder pada ketinggian Z1.

2.2 Filter EEMD

Metode Ensemble Empirical Mode

Decomposition (EEMD) merupakan

pengembangan baru dari metode EMD

(Empirical Mode Decomposition) yang

diperkenalkan Huang (2009). EMD yang

diperkenalkan oleh Huang dkk, (2009) diperbaiki

dengan melakukan penggabungan noise-assited

dari data dan dengan metode EMD sendiri,

menunjukkan perbaikan dari hasil EMD saja.

Dari revisi tersebut EMD menjadi filter yang

robust dalam menganalisis data yang nonliner

dan non stasioner (Wu dan Huang, 2009).

Problem utama yang dari EMD adalah pada saat

proses sifting pada mode mixing dimana

menunjukkan bahwa pada singgle IMF mungkin

terdiri dari beberapa signal dari skala yang

berbeda atau satu signal yang sekalanya sama

akan tetapi berbeda letak komponen IMFnya.

Hal ini disebabkan karena signal bersifat

intermitting biasanya dihasilkan dari mode

mixing dan juga disebabkan oleh

pendekomposisian yang membuat signal tidak

stabil serta kehilangan keunikan dari sifat fisis

signal tersebut. Untuk mengatasi problem EMD

tersebut maka EEMD ini mengadopsi dua

konsep yaitu noise-assisted data analysis

approach (NADA) dan noise-assisted signal

extraction (NASE) (Wu dan Huang, 2009).

Pada prinsipnya metode EEMD ini pertama :

menambahkan white noise, terutama pada finite

amplitude yang akan mengisi ketidak seragaman

pada ruang frekuensi dan waku dengan

komponen yang memiliki skala yang bebeda.

Bisa dilihat bahwa penggunaan EMD ini sebagai

dyadic filter (filter dari rentang frekuensi

overlapping) (Flandrin dkk, 2004; Wu dan

Huang, 2004). Hal ini menunjukkan bahwa

signal dari skala yang mirip dengan noise

memungkikan dapat digabungkan untuk

dihilangkan dengan noise pada salah satu

komponen IMF sebagai hasil dari proses EMD.

Karena penambahan white noise memberikan

referensi distribusi skala yang seragam pada

ruang waktu dan frekuensi pada signal untuk

tetap. Sebagai konsekuensinya penambahan

white noise dapat membantu memecahkan

masalah pada mode mixing dari EMD. Metode

EEMD dapat dituliskan dalam ekspresi

matematis secara simpel sebagai berikut.

Sebelum proses sifting, dilakukan penambahan

finite amplitude dari white noise p(t) untuk data

input y(t) untuk mendapatkan data dari tambahan

noise Y(t) yaitu :

................2)

Dimana R adalah rasio standart deviasi dari

amplitudo penambahan noise pada original data

y(t).White noise p(t) merupakan angka nilai

random dimiliki dari amplitude dengan distribusi

normal dari zero mean. Proses EMD kemudian

diaplikasikan pada Y(t) untuk mendapatkan

penambahan noise IMF dengan mengiterasi

sebanyak k dari prosedur penambahan noise

dengan white noise yang berbeda akan tetapi

memiliki amplitudo yang sama dari tiap waktu,

Penyusunan komponen IMF dari i t, Ei akan

menjadi

.....................3)

Nilai aktual dari amplitudo penambahan noise R

dan bilangan k Wu dan Huang (2005, 2009)

menyarankan 0.2. Sedangkan Lin dan Jeng

(2010) menyarankan berturut turut 0.5 dan 100 pada R dan k untuk dominasi data dengan sinyal

dengan frekuensi rendah.

3. Metodologi

3.1 Akuisi data VLF-EM vGrad

Data yang digunakan pada paper ini berasal dari

pengukuran yang sudah dilakukan oleh Ghufron

(2009). Lokasi pengukuran di daerah pernbukitan

kars Sukolilo Pati Pengukuran dilakukan pada 4

lintasan dengan spasi 5 meter di setiap lintasan

dengan metode gradio yaitu pada satu titik

dilakukan 2 kali pengukuran (posisi duduk dan

berdiri).

3.2 Pengolahan Data

Tahapan pengolahan data pada paper ini adalah

sebagai berikut pemfilteran dengan

menggunakan EEMD yang bertujuan untuk

menghilangkan noise yang bersifat non liner dari

VLF EM itu sendiri. Selanjutnya digunakan untuk filter fraser. Menurut Bahri dkk (2009)

filter fraser yang digunakan pada data VLF-EM

biasa sudah dapat menunjukkan anomaly secara

horisontal dan dapat mempertajam hasil dari data

VLF-EM vGrad. Kemudian untuk dapat

memodelkan bentuk lapisan struktur bawah

permukaan dan bentuk anomali dilakukan

dengan menggunakan pemodelan ke belakang

terhadap data dengan software Inv2DVLF yang

berbasiskan finite element (Santos dkk, 2007).

Pemodelan ini untuk mengetahui letak jebakan

fosfat.


Gambar 1.Efek filter EEMD (a) data raw inphase dan quadrature (b)IMF menggunakan teknik EEMD dengan

ensamlbe size 100 dan estndar deviasi 0.5 (b1)inphase (b2)quadrature (c) Hasil rekuntruksi data dengan

mengeliminasi IMF pertama dan residu.

4. Pembahasan

4.1 Hasil filter EEMD pada data VLF-EM

vGrad.

Data mentah(raw) dari akuisi VLF-EM vGrad

dapat dilihat pada Gambar 1 (a). Terlihat bahwa

data tersebut didominasi sinyal frekuensi tinggi

yang berasosiasi dengan kondisi geologi yang

harus dihilangkan dengan menggunakan filter

EEMD. Agar pendekomposisian sinyal bisa

efektif, nilai amplitude sedang di tambahkan

noise (Wu Huang, 2009). Pada kasus ini IMF

pertama dan kedua yang berupa sinyal dengan

frekusi tinggi dihilangkan. Kemudian dilakukan

rekonstruksi data dengan memjumlahkan IMF 3

sampai 5. Residu tidak ikut direkontruksi karena

merepresentasikan energi yang rendah atau drift

(Lin dan Jang, 2010) (Gambar 1 b). Hasil EEMD

data inphase dan quadrature lebih halus dan bisa

diterima(Gambar 1c). Sesuai penelitian yang

dilakukan Bahri dkk (2008) letak anomali pada

perpotongan antara inphase dan quadrature.

Gambar 2. Peta Kontur VLF-EM vGrad inphase dan

quadrature(a)data awa.l(a1)inphase.(a2)Fraser FIlter.

(b1)Inphase (b2)quadrature.

4.3 Hasil filter EEMD dan filter fraser pada

data VLF-EM vGrad.

Data yang sudah difilter dengan EEMD

dilakukan filter fraser untuk melokalisir anomali

(Fraser, 1969). Pada Gambar 2 peta kontur dari

keempat lintasan. Hasil dari filter fraser saja

(a1)

(a2)

Y (m

ete

r)

X (meter)

X (meter) Y (m

ete

r) Y

(me

ter)

Y (m

ete

r)

X (meter)

X (meter)

X (meter)

(b1)

(b2)

U

U

U

U

(a)

(b1)

(b2)

(c)


dapat dilihat pada Gambar 2a1, 2a1, dan 2b1,

2b2 masih belum terlihat anomali karena titiknya

masih menyebar. Anomali yang lebih jelas

setelah difilter dengan EEMD dapat dilihat pada

Gambar 3a1,3a2, dam 3b1, 3b2. Kita menduga

bebarapa anomali pada data inphase, dicirikan

nilai konduktif yang maksimum ditandai dengan

A,B,C,D dan anomali resistiv dicirikan dengan

nilai minimum ditandai E,F,G, akan tetapi pada

data quadrature hanya anomaly yang ditandai C.

Untuk pemprosesan data yang

Gambar3. Peta Kontur hasil filter EEMD VLF-EM vGrad

inphase dan quadrature (a)data awa.l(a1)inphase.(a)2EEMD danFraser FIlter. (b1)Inphase (b2)quadrature.

paling baik dengan mengkombinasikan antara

EEMD dan fraser, kita dapat melihat lebih jelas

dugaan anomalinya ditandai dengan A,B,C,D,E.

Kita dapat memperkitakan arah persebaran fosfat

dengan anomali posistif pada data inphase

(Ghufron, 2010). Hasil identifikasi penyebaranya

mengarah kearah utara. Hal ini telah sesuai

dengan penelitian sebelumnya Rauf (2009) dan

Ghufron (2010).

4.4 Hasil Inversi VLF-EM vGrad

Hasil pengolahan data dengan EEMD dan fraser

hanya dapat memprediksi arah persebaran fosfat

saja. Sedangkan dimensi dan kedalaman fosfat

belum bias diketahui dengan pasti. Agar mampu

mengetahui dimensi dan kedalaman fosfat yang

terperangkap, harus di analisis dengan inversi

resistivitas 2D pada data VLF-EM vGrad.

Software yang digunakan menggunakan software

Inv2DVLF yang berbasiskan finite element

(Santos dkk, 2007). Masukan software tersebut

berupa inphase dan quadrature yang sudah

difilter dengan EEMD.

Model resistivitas dapat dilihat pada Gambar 4.

Sebelum kita mengintepretasikan hasil model

inverse, kita harus mengetahui nilai resistivitas

Gambar 4. Model resistivitas 2D hasil inversi menggunakan

resistivitas lingkungan 1350 ohm meter pada lintasan 1 4.

Gambar 5. Gabungan Model resistivitas pada Lintasan 1-4 . Arah persebaran jebakan fosfat pada area studi Lintasan 1-

4 mengarah ke utara pada kedalaman 5 40 meter.

fosfat. Rauf (2009) telah mengukur dalam skala

laboratorium nilai fosfat berkisar 200-500 ohm

meter. Hal ini didukung Bakkali (2006) yang

mengidentifikasi nilai resistivitas fosfat berkisar

290-600 ohm meter. Dari data tersebut kita dapat

melakukan analisis resistivitas 2D yang bernilai

200-500 ohm meter yang merupakan rentang

nilai fosfat. Kita dapat mengintepretasikan fosfat

terletak pada kedalaman 5-40 meter dan arah

sebarannya mengarah ke utara (Gambar 5). Hasil

ini sesuai dengan penelitian sebelumnya Ghufron

(2009).

(a1) Y (m

ete

r)

X (meter)

X (meter)

X (meter)

X (meter) Y

(me

ter)

Y (m

ete

r) Y

(me

ter)

(a2)

(b1)

(b1)

a

c

b

d

A B C D

C

A C D B

E

F


5. Kesimpulan

Berdasarkan hasil pemrosesan data dapat diambil

kesimpulan sebagai berikut :

1. Proses filter EEMD mampu meningkatkan kualitas data pada VLF-EM vGrad.

2. Hasil yang paling jelas anomali di dapatkan dengan menggabungkan filter fraser dan

EEMD.

3. Hasil inversi dari data inphase dan quadrature menunjukkan sebaran fosfat dengan nilai

resistivitas 200-500 ohm meter pada

kedalaman 5-40 meter.

4. Sebaran arah fosfat mengarah ke utara.

6. Penghargaan

Penulis mengucapkan terima kasih kepada Prof.

Bagus Jaya Santosa dan Ghufron M.Si atas

pemberian ijin untuk memakai data yang

digunakan dalam paper ini.

7. Pustaka

Bahrie, A.S, Santoso, D, Paradimedja,D.D,

Tofan RM, Santos, FM., 2008, Penerapan

Metode VLF-EM-VGrad Untuk Memetakan

Sungai Bawah Permukaan Daerah Karst,

Indonesion Scientific Karst, Jogjakarta, 19-

20 Agustus 2008.

Bakkali, Saad. 2006. A resistivity survey of

phosphate deposits containing hardpan

pockets in Ouland Abdoun, Marocco.

Geofisica internacional (2006), Vol.45,

Num. 1, pp. 73-82

Bosch, F.P. and Muller, I., 2001, Continuous

Gradient VLF Measurements: A New

Possibility For High Resolution Mapping

Of Karst Structures, First Break, vol 19.6:

343-350

Everett, M.E., Weiss, C.J., 2002.Geological

noise in near-surface electromagnetic

induction data. Geophysical Research

Letters29,1010.doi:10.1029/2001GL01404.

Fraser, D. C. (1969), Contouring of VLF-EM

data, Geophysics 34, 958967. Ghufron,2010, Estimasi Penyebaran Deposit

Fosfat di Wilayah Perum Perhutani KPH

Pati BKPH Sukolilo Pati dengan Metode

VLF-EM vGrad. Thesis Jurusan FMIPA

ITS.

Jeng,Y and Chen S, 2011, A nonlinier Method of

Removing Harminic noise in Geophysical

data,Nonlinier Processes in Geophysics,

doi:10.5194/npg-18-367-2001.

Lin, Ming-Juin, Yih Jeng. 2010. Aplication of

The VLF-EM Method With EEMD to the

Study of a Mud Volcano in Southern

Taiwan. Elsavier.

Rauf, M. 2009. Aplikasi metode Geolistrik Untuk

Menentukan Cadangan Fosfat Studi Kasus

Sukolilo Pati Jawa Tengah. Thesis Jurusan

Fisika FMIPA ITS

Santos, Monteiro F.A., Antnio Mateus, Jorge

Figueiras, Mrio A. Gonalves, 2006.

Mapping Groundwater Contamination

Around A Landfill Facility Using The VLF-

EM Method A Case Study. Journal of Applied Geophysics.

Z. Wu and N. E. Huang, Ensemble empirical mode decomposition: A noise-assisted data

analysis method, Advances in Adaptive Data Analysis, vol. 1, no. 1, pp. 141,2009.

aplikasi ensemble empirical mode decomposition(eemd) pada data vlf-em vgrad untuk memetakan fosfat...

Documents