Please use this identifier to cite or link to this item: http://paper.sci.ui.ac.id/jspui/handle/2808.28/494
Full metadata record
DC FieldValueLanguage
dc.contributor.authorHaris, Abdul-
dc.contributor.authorHaryono-
dc.contributor.authorRiyanto, Agus-
dc.date.accessioned2018-10-11T03:26:29Z-
dc.date.available2018-10-11T03:26:29Z-
dc.date.issued2017-12-
dc.identifier.issn2089-3361-
dc.identifier.urihttp://paper.sci.ui.ac.id/jspui/handle/2808.28/494-
dc.description.abstractMetode dekomposisi spectral merupakan salah satu teknik interpretasi seismik lanjut seperti inversi seismik, analisis amplitude versus offset (AVO) dan atribut seismik yang dapat berperan sebagai indikasi secara langsung keberadaan hidrokarbon dalam kegiatan eksplorasi seismik. Teknik ini menggunakan algoritma transformasi, sehingga sinyal seismik yang berasal dari domain waktu dapat ditransformasikan menjadi beberapa nilai frekuensi tertentu. Terdapat beberapa jenis algoritma yang dapat dipergunakan dalam melakukan dekomposisi sinyal dari domain waktu menjadi domain frekuensi. Beberapa algoritma tersebut diantaranya adalah Short Time Fourier Transform (STFT) dan Continuous Wavelet Transform (CWT). Algoritma STFT adalah metode yang konvensional dan sederhana dalam menghasilkan spektrum waktu-frekuensi, dimana pada algoritma ini menggunakan prinsip transfomasi Fourier. Namun demikian algoritma STFT memiliki kelemahan terkait resolusi frekuensi. Dimana resolusi frekuensi akan sangat tergantung pada lebar jendela analisis yang dipilih, semakin kecil jendela analisis maka semakin rendah resolusi frekuensi yang didapatkan. Disisi lain, algoritma CWT dapat mengatasi kelemahan yang dimiliki pada algoritma STFT dalam hal penggunaan lebar jendela analisis. Pada algoritma CWT lebar jendela analisis akan menjadi lebih fl eksibel yang bergantung pada karakter dari frekuensi wavelet. Pada penelitian ini, telah dilakukan perbandingan antara dekomposisi speckral berdasarakan algoritma STFT dan CWT dalam aplikasinya pada data sintetik dan data real. Masing masing algoritma memiliki kelebihan dan kekurangan dalam proses dekomposisi sinyal seismik. Lebih lanjut, hasil analisis dari perbandingan kedua algoritma ini dapat dijadikan sebagai referensi dalam pemilihan algortima yang terbaik pada suatu aplikasi interpretasi seismik. Aplikasi kedua algoritma pada data sintetik menunjukkan bahwa algoritma CWT menghasilkan resolusi frekuensi yang lebih baik jika dibandingkan dengan algoritma STFT. Sedangkan untuk kasus data real aplikasi kedua algoritma menunjukkan kenampakan konten frekuensi dari lintasan seismic sehingga dapat digunakan untuk identifi kasi reservoar hidrokarbon yang berasosisasi dengan anomali frekuensi rendah.en_US
dc.language.isoen_USen_US
dc.publisherLemigasen_US
dc.relation.ispartofseriesVolume 40;No. 3-
dc.sourceSCIENTIFIC CONTRIBUTIONS OIL AND GAS Vol. 40, Number 3, December 2017: 3 of 6en_US
dc.source.urihttp://www.journal.lemigas.esdm.go.iden_US
dc.subjectdekomposisi spektralen_US
dc.subjectSTFTen_US
dc.subjectCWTen_US
dc.subjectanomali frekuensi rendahen_US
dc.titleSpectral Decomposition Technique Based On Stft And Cwt For Identifying The Hydrocarbon Reservoiren_US
dc.typeArticleen_US
Appears in Collections:Journal Collection



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.