Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Jurnal Fisika Unand
Melanz Hasan
Laboratorium Fisika Bumi, Jurusan Fisika FMIPA Universitas Andalas
Earth & Planetary Sciences Electrical & Electronics Engineering Energy Materials Science & Nanotechnology Physics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Multi-Atribut dan Jaringan Syaraf Tiruan dengan Optimalisasi Filter untuk Deteksi Patahan Penampang Seismik Lapangan F3 Laut Utara Belanda Melanz Hasan; Elistia Liza Namigo
Jurnal Fisika Unand Vol 7, No 3 (2018)
Publisher : Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (772.581 KB) | DOI: 10.25077/jfu.7.3.215-221.2018

Abstract

Identifikasi patahan merupakan salah satu langkah awal dalam interpretasi seismik dan menjadi komponen penting dalam pengembangan strategi eksplorasi. Deteksi patahan dilakukan dengan metode analisis multi-atribut dan jaringan syaraf tiruan (JST). Metode ini diterapkan pada data blok F3 Sektor Laut Utara Belanda. Atribut seismik yang digunakan sebagai data masukan terdiri dari similarity, spectral decomposition, curvature, dip dan semblance. Pickset yang digunakan pada penelitian ini terdiri dari pickset pada patahan besar dan patahan kecil dengan jumlah 400 pick. Data latih yang digunakan pada pelatihan JST adalah penampang seismik pada inline 325. Penampang seismik yang digunakan sebagai data uji adalah inline 256 dan 272. Hasil pelatihan JST dengan kombinasi multi-atribut similarity, spectral decomposition dan semblance menunjukan efektifitas yang paling tinggi untuk deteksi patahan. Pelatihan JST pada patahan besar secara visual menghasilkan kualitas deteksi yang lebih baik dibandingkan dengan patahan kecil. Penerapan fault enhancement filter (FEF) menghasilkan penampang seismik yang lebih tajam sehingga mempermudah proses picking dan menghasilkan pelatihan JST yang lebih baik dengan nilai error lebih kecil. Pickset yang sudah dilatih pada inline 325 dapat diterapkan pada data uji dengan probabilitas patahan yang makin jelas dan tajam dengan nilai misclassification error 2,56%. Kata kunci: deteksi patahan, jaringan syaraf tiruan, analisis atribut
Co-Authors Elistia Liza Namigo, Elistia