of 15 /15
Firmansyah, Dicky. 2014 IDENTIFIKASI SISTEM PANAS BUMI MENGGUNAKAN METODE MAGNETOTELLURIK DI SEKITAR DAERAH TEGAL Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu BAB III METODE PENELITIAN 3.1 Metode Penelitian Penelitian ini dilakukan untuk mengidentifikasi potensi panas bumi di sekitar daerah Tegal dengan menggunakan metode deskriptif analitik. Data sekunder yang penulis dapatkan dari Puslit Geoteknologi LIPI Bandung. 3.2 Waktu dan Tempat Pengolahan Data Pengolahan data dilaksanakan pada bulan Mei Juli di Laboratory For Earth Hazards Pusat Penelitian Geoteknologi Gedung 70 LIPI Bandung. 3.3 Tempat Penelitian Penelitian yang dilakukan di sekitar daerah Tegal terdiri dari 11 titik pengukuran dalam satu lintasan. Titik tertinggi berada pada ketinggian sekitar 1528 m diatas permukaan laut sedangkan titik terendah pada ketinggian sekitar 1115 m. Gambar 3.1 merupakan lintasan pengukuran di sekitar daerah Tegal. Gambar 3.1 Lintasan Pengukuran

BAB III METODE PENELITIAN 3.1 Metode Penelitian Penelitian ini

  • Author
    lykhanh

  • View
    228

  • Download
    3

Embed Size (px)

Text of BAB III METODE PENELITIAN 3.1 Metode Penelitian Penelitian ini

  • Firmansyah, Dicky. 2014

    IDENTIFIKASI SISTEM PANAS BUMI MENGGUNAKAN METODE MAGNETOTELLURIK DI

    SEKITAR DAERAH TEGAL

    Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

    BAB III

    METODE PENELITIAN

    3.1 Metode Penelitian

    Penelitian ini dilakukan untuk mengidentifikasi potensi panas bumi di

    sekitar daerah Tegal dengan menggunakan metode deskriptif analitik. Data

    sekunder yang penulis dapatkan dari Puslit Geoteknologi LIPI Bandung.

    3.2 Waktu dan Tempat Pengolahan Data

    Pengolahan data dilaksanakan pada bulan Mei Juli di Laboratory For

    Earth Hazards Pusat Penelitian Geoteknologi Gedung 70 LIPI Bandung.

    3.3 Tempat Penelitian

    Penelitian yang dilakukan di sekitar daerah Tegal terdiri dari 11 titik

    pengukuran dalam satu lintasan. Titik tertinggi berada pada ketinggian sekitar

    1528 m diatas permukaan laut sedangkan titik terendah pada ketinggian sekitar

    1115 m. Gambar 3.1 merupakan lintasan pengukuran di sekitar daerah Tegal.

    Gambar 3.1 Lintasan Pengukuran

  • 21

    3.4 Peralatan Lapangan

    Perlengkapan yang digunakan saat melakukan survei magnetotellurik yaitu :

    1. Alat Magnetotellurik type MTU 5A

    2. Tiga koil magnetik (induction coil) komponen Hx, Hy dan Hz

    3. Lima buah electrode porous pot

    4. Kabel penghubung

    5. Air Garam

    6. Accu

    7. Conventer DC AC

    8. GPS Portable

    9. Kompas Geologi

    10. Multimeter

    11. Kamera

    12. Kompas Geologi

    13. Alat Tulis

    14. Laptop

    15. Alat alat yang mendukung yaitu tenda, cangkul, bor tanah, cutter, meteran.

    Gambar 3.2 menunjukkan peralatan akuisisi data terdiri dari MTU, elektroda, koil

    magnetik, kabel penghubung dan antena GPS.

  • 22

    Gambar 3.2 Peralatan Akuisisi Data Magnetotellurik

    (Phoenix Geophysics)

    Magnetotelluric unit (MTU) digunakan untuk merekam variasi medan

    listrik dan medan magnet terhadap waktu. Induction coil merupakan sensor

    medan magnetik (Hx, Hy dan Hz). Dua buah koil diletakkan secara horizontal

    saling tegak lurus dan satu buah dipasang secara vertikal. Sensor medan listrik

    (Ex dan Ey) digunakan electrode non polarizable agar tidak menimbulkan

    gangguan medan listrik yang dimiliki oleh electrode itu sendiri. Electrode ini

    menggunakan empat buah porous pot yang ditanam saling tegak lurus sebagai dua

    buah sensor (Ex dan Ey) seperti yang ditunjukkan gambar 3.3. Satu buah porous

    pot yang tersisa ditanam sebagai ground. Kabel konektor yang digunakan untuk

    menghubungkan induction coil dan porous pot ke MTU. Laptop digunakan untuk

    mengoperasikan MTU dan mengecek data mentah (raw data) hasil rekaman.

    Sinyal GPS digunakan untuk menyinkronkan waktu dan mengetahui posisi titik

    pengukuran MT. Accu digunakan sebagai sumber energi listrik untuk

    mengaktifkan MTU. DC AC converter digunakan untuk mengubah tegangan

    DC menjadi AC pada accu untuk mengaktifkan laptop.

    Bagian dasar lubang untuk tempat porous pot harus dilengkapi larutan

    bentonit yang terbuat dari bentonit, garam dan air agar electrode yang berada di

    sekitar lokasi bersifat elekrolit sehingga dapat merekam arus telurik dengan

  • 23

    optimal. Waterpass digunakan untuk mengatur coil agar berada tepat horizontal

    ketika ditanam. Kompas digunakan sebagai penunjuk arah mata angin. Multimeter

    digunakan untuk mengukur tahanan dari kabel elektroda, mengukur arus dan

    tegangan listrik dari accu.

    Tenda digunakan untuk melindungi alat MTU dari air hujan dan

    diletakkan di posisi tengah. Meteran digunakan untuk mengukur jarak lokasi

    antara koil dan elektroda. Cangkul dan bor tanah digunakan untuk menggali tanah

    sampai menemukan kedalaman yang tepat untuk meletakkan koil dan elektroda.

    Cutter digunakan untuk mengupas dan memotong kabel. Kabel sebaiknya

    diamplas terlebih dahulu agar bersih dari kotoran yang menempel dan dapat

    kontak dengan optimal.

    Gambar 3.3 Layout Pengukuran Magnetotellurik

    3.5 Pengolahan Data

    Data yang terukur dalam survei MT ini yaitu variasi nilai medan listrik dan

    medan magnet terhadap waktu atau berupa time series. Gambar 4.2 menampilkan

    data pada titik MT5 komponen Ex, Ey, Hx, Hy dan Hz yang berisi informasi

    amplitudo terhadap waktu. Data yang baik yaitu amplitudo gelombangnya

    cenderung kecil dan terlihat seperti garis lurus horizontal. Beberapa komponen

    menunjukkan data yang cukup baik hanya saja pada nilai Hz terlihat

  • 24

    amplitudonya cukup besar dan terlihat seperti garis zig zag yang artinya data yang

    terekam tidak cukup baik. Data yang ditamplikan belum dapat memberikan

    informasi mengenai resistivitas batuan ditempat dilakukannya pengukuran. Untuk

    itu, maka dilakukan proses pengolahan data selanjutnya yaitu memasuki tahap

    mengubah informasi domain waktu menjadi domain frekuensi menggunakan

    Transformasi Fourier.

    Gambar 3.4 Data Time Series

    3.5.1 Transformasi Fourier

    Salah satu jenis Transformasi Fourier yang digunakan yaitu Transformasi

    Fourier Diskret atau Discrete Fourier Trasnform (DFT) merupakan suatu fungsi

    matematis yang digunakan untuk mengubah suatu sinyal yang masih dalam

    domain waktu menjadi domain frekuensi dengan durasi berhingga. Berikut adalah

    persamaan DFT

    X( ) =

    [ ]

    (3.1)

    Gambar 3.5 menunjukkan proses Transformasi Fourier pada software SSMT2000.

  • 25

    Gambar 3.5 Transformasi Fourier

    3.5.2 Robust Processing

    Melakukan Robust Processing untuk menambahkan parameter

    parameter yang sesuai. Kedua proses ini menggunakan software SSMT2000.

    Informasi yang dihasilkan dari robust processing adalah berupa file MTH dan

    MTL yang didalamnya berisi informasi mengenai impedansi yang berisi informasi

    mengenai resistivitas semu dan fase. Informasi ini dapat ditampilkan

    menggunakan software MT Editor.

    Menurut Simpson dan Bahr (2005) mengatakan bahwa robust processing

    adalah teknik pemrosesan statistical untuk mengidentifikasi dan menghapus data

    yang menyimpang oleh noise. Robust processing digunakan untuk merendahkan

    nilai outliers pada proses iterasi. Outliers adalah data dengan nilai yang

    menyimpang jauh dari nilai rata-rata, umumnya data tersebut dapat dianggap

    sebagai noise sehingga robust processing dapat berperan sebagai filter noise awal

    bagi data MT. Gambar 3.6 menunjukkan robust processing saat sedang berjalan

    menggunakan software SSMT2000.

  • 26

    Gambar 3.6 Robust Processing

    3.5.3 Seleksi Cross Power

    Setiap titik yang berada pada kurva resistivitas maupun fasa dapat

    diwakilkan oleh titik-titik lainnya yang biasa disebut dengan cross power. Cross

    power ini dapat ditentukan pada saat robust processing dengan mengatur

    parameter tertentu tetapi secara umum biasanya setiap titik diwakilkan oleh dua

    puluh titik. Nilai cross power dapat disesuaikan agar bentuk kurva resistivitas dan

    kurva fasa dapat menjadi lebih halus. Pada saat proses inversi, apabila bentuk

    kurva baik model yang dihasilkan akan mempunyai nilai eror yang kecil dan dapat

    menggambarkan struktur bawah permukaan yang mendekati keadaan

    sesungguhnya.

    Pada gambar 3.7 terdapat dua kurva resistivitas terhadap frekuensi dan

    dua kurva fase terhadap frekuensi pada titik MT5. Kondisi idealnya adalah kurva

    TE dan kurva TM berhimpitan tetapi kenyataannya terjadi efek pergeseran ke atas

    maupun ke bawah dengan jarak tertentu dari yang seharusnya. Nilai restivitas

    akan berubah karena pergeseran ini, dan menyebabkan hasil interprestasi menjadi

    tidak tepat. Melakukan koreksi sangatlah diperlukan agar kurva menjadi benar

    dan hasil interpretasinya pun benar. Pada hasil yang didapat, kurva tersebut

    terlihat tidak rapi dan tidak halus diakibatkan oleh beberapa kondisi saat proses

    pengukuran berlangsung yaitu heterogenitas permukaan. Ketidakhomogenan akan

    mengganggu penjalaran arus dan menumpuk di daerah batas hetergoneitas

    tersebut. Akibatnya adalah kurva hasil pengukuran MT akan bergeser ke atas jika

  • 27

    melewati daerah yang resistif dan akan bergeser ke bawah jika melewati daerah

    yang konduktif. Proses seleksi cross power dilakukan untuk menaikkan atau

    menurunkan titik pada kurva. Cross power merupakan kumpulan data parsial

    yang jumlahnya dapat ditentukan pada saat melakukan robust processing. Jumlah

    robust processing paling sedikit adalah satu dan paling banyak berjumlah seratus.

    Pada penelitian ini dipilih jumlah cross power yang maksimal yaitu seratus agar

    dapat meminimalkan noise yang terukur dan agar lebih tepat dalam memodelkan

    citra bawah permukaan. Apabila memilih cross power yang maksimal maka kurva

    hasil smoothing nya akan lebih baik bila dibandingkan dengan memilih yang

    minimal. Terdapat keadaan dimana suatu titik pada kurva resistivitas yang

    memang nilainya sudah tepat tidak dapat dinaikkan atau diturunkan melalui

    seleksi cross power ataupun jika dapat tidak signifikan. Jumlah cross power

    dalam hal ini tidak terlalu berpengaruh dan keadaan kurva yang didapat sudah

    baik.

    Gambar 3.7 Kurva Resistivitas Terhadap Frekuensi dan Fase Terhadap

    Frekuensi Sebelum Dilakukan Proses Filtering pada MT Editor

    Gambar 3.8 menunjukkan kurva setelah dilakukan proses filtering yang

    hasilnya kurva menjadi jauh lebih baik dan halus .Kurva yang sudah baik ini di

    simpan ke dalam bentuk format .edi atau EDI file. File ini kemudian dapat dibuka

    menggunakan software WinGlink. Terdapat beberapa menu yang dapat digunakan

    yaitu Maps, Soundings, Pseudo Section, X Section, 2D Inversion , 3D Modeling

    dan Interpreted Views. Menu Maps digunakan untuk menampilkan lintasan

    pengukuran saat proses akuisisi data yang berisi informasi ketinggian titik

  • 28

    pengukuran, lintasan titik pengukuran dan koordinat tempat melakukan

    pengukuran.

    Gambar 3.8 Kurva Resistivitas Terhadap Frekuensi dan Fase Terhadap

    Frekuensi Setelah Dilakukan Proses Filtering pada MT Editor

    3.5.4 Penghalusan Kurva

    Menu Soundings digunakan untuk membentuk kembali kurva agar terlihat

    lebih halus. Melalui menu smoothing kurva dibentuk kembali berdasarkan garis

    tegas yang terbentuk setelah memasukkan nilai kesalahan yang diinginkan. Pada

    kasus ini semua nilai simpangan dimasukkan angka sebesar 0,1%. Angka ini

    dimasukkan untuk meminimalkan kesalahan yang terjadi. Memasukkan angka

    lebih kecil dari nilai 0,1% tidak dapat dilakukan, karena nilai tersebut merupakan

    nilai terkecil yang dapat dimasukkan. Nilai simpangan sebesar 0,1% merupakan

    nilai terkecil yang mungkin dijadikan bahan acuan untuk seluruh data yang

    dipakai.

    Gambar 3.9 menunjukkan kurva sebelum dilakukan proses smoothing

    pada software WinGlink. Sub menu Shift digunakan untuk menaikkan atau

    menurunkan satu per satu titik yang tidak tepat berada sedekat mungkin dengan

    kurva garis tegas. Gambar 3.10 menunjukkan kurva yang baik setelah dilakukan

    proses smoothing.

  • 29

    Gambar 3.9 Kurva Resistivitas Terhadap Frekuensi dan Fase Terhadap

    Frekuensi Sebelum Proses Smoothing pada WinGlink

    Gambar 3.10 Kurva Resistivitas Terhadap Frekuensi dan Fase Terhadap

    Frekuensi Setelah Dilakukan Proses Smoothing pada WinGlink

  • 30

    3.5.5 Pemodelan Inversi

    Hasil pengukuran dari setiap survei Geofisika disajikan dalam bentuk

    angka angka pengukuran. Hasil pengukuran tersebut bergantung pada kondisi

    dan sifat fisis material di bawah permukaan. Tabel angka angka pengukuran

    selanjutnya disebut data observasi atau biasa disebut data lapangan. Penghubung

    dari sifat fisis dan data observasi hampir selalu berupa persamaan matematika atau

    model matematika. Berdasarkan model matematika parameter fisis batuan dapat

    diesktrak dari data observasi. Proses ini disebut proses inversi atau inverse

    modeling.

    Pemodelan inversi pada dasarnya merupakan kebalikan dari pemodelan

    kedepan (forward modeling). Proses inversi bertujuan untuk memperoleh suatu

    model bawah permukaan dari data yang sudah ada atau dari hasil pengukuran

    sedangkan Forward modeling merupakan suatu metode untuk mendapatkan suatu

    data dari model yang sudah diketahui. Perbedaan kedua metode pemodelan

    tersebut ditunjukkan pada gambar 3.11.

    Inversi merupakan suatu proses untuk memperkirakan atau mencari model

    yang menghasilkan data teoritik yang paling cocok dengan data pengamatan. Data

    teoritik adalah respon model yang diperoleh dari proses pemodelan ke depan

    (Forward Modeling). Apabila m sebagai model, dan F sebagai fungsi keadaan,

    serta d adalah data yang diperoleh sesuai dengan model yang dibuat, maka dapat

    ditulis

    d= F(m) (3.1a)

    Persamaan 3.1a digunakan untuk mencari data jika model telah diketahui,

    atau bisa disebut forward modeling. Apabila ingin mendapatkan suatu model m

    dari data yang dimiliki d maka diperlukan proses inversi

    m=d (3.1b)

  • 31

    Gambar 3.11 Perbedaan Forward Modeling dan Inverse Modeling

    (Grandis, 2011)

    Menu X Section digunakan untuk melihat penampang semu berdasarkan

    data sounding yang telah dilakukan proses smoothing. Pada menu ini dapat

    dihasilkan penampang satu dimensi. Pada gambar 3.12 menunjukkan kurva

    sounding yang telah dilakukan proses smoothing pada bagian kiri gambar

    terhadap model satu dimensi Occam, Bostick dan model berdasarkan data yang

    didapatkan pada bagian kanan gambar. Model Occam dan Bostick merupakan

    model satu dimensi yang menggunakan metode Least Square Method untuk

    medapatkan solusi yang paling sederhana. Kurva menunjukkan kedalaman

    terhadap nilai resistivitas. Terlihat kurva ketiga model tersebut saling memotong

    satu sama lain. Ini menandakan bahwa model yang akan dihasilkan tidak berbeda

    jauh dengan model yang dijadikan acuan dengan nilai eror sebesar 0,1457.

    Nilai simpangan yang kecil merupakan model yang akan dihasilkan dan

    mendekati model yang sesungguhnya terhadap model acuan. Kurva MT 5

    menunjukkan hingga kedalaman 4000 m dihasilkan tiga lapisan yang berbeda

    dengan nilai resistivitas yang berbeda pula. Hal ini sesuai dengan gambar 3.13

    mengenai inversi model satu dimensi.

  • 32

    Gambar 3.12 Kurva Sounding WinGlink terhadap model satu dimensi

    Gambar 3.13 Model Inversi Satu Dimensi

    Jarak (Kilometer)

    Ked

    alam

    an (

    Met

    er)

    MT5

  • 33

    Menu 2D Inversion digunakan untuk melakukan proses inversi dua

    dimensi yang akan menghasilkan gambar seperti ditunjukkan pada gambar 4.1.

    Menu 3D Modeling dan Interpreted Views tidak dapat digunakan dikarenakan

    membutuhkan lisensi yang terpisah untuk dapat mengaksesnya. Gambar 3.14

    menunjukkan keseluruhan proses pengolahan data dalam bentuk diagram alir.

    Gambar 3.14 Diagram Alir Proses Pengolahan Data

  • 34

    3.6 Analisis Data

    Hasil akhir dari pengolahan data berupa model inversi dua dimensi

    struktur bawah permukaan yang berisi informasi resistivitas terhadap kedalaman.

    Sebaran resistivitas direpresentasikan oleh warna tertentu. Resistivitas warna

    merah menunjukkan nilai resistivitas yang terendah sedangkan resistivas warna

    biru menunjukkan resistivitas yang tertinggi dan resistivitas warna hijau

    menunjukkan nilai resistivitas sedang.

    Berdasarkan nilai resistivitas tersebut dapat ditentukan batuan penyusun

    sistem panas bumi. Batuan penyusun panas bumi terdiri dari caprock, reservoir

    dan heat source. Caprock mempunyai nilai resistivitas rendah. Reservoir

    mempunyai nilai resisitivitas sedang sedangkan heat source mempunyai nilai

    resistivitas yang besar.