Laporan Progres: Pemodelan Sintetik Seismogram dan Interpolasi 5D

Ringkasan Eksekutif

Status pekerjaan per aspek

1. Latar dan Tujuan

Survei 3D pada area ini menghadapi kendala permukaan: kilang, jalan, sungai, dan permukiman memaksa sejumlah titik sumber dan penerima dihapus. Akibatnya lipatan tidak seragam dan terbentuk bin tanpa pasangan sumber–penerima yang memadai.

Pertanyaan yang ingin dijawab bukan berapa lipatan yang hilang, melainkan seberapa banyak yang bisa dipulihkan oleh interpolasi, dan seberapa jujur kita mengukurnya. Karena itu dipakai data sintetik: pada data sintetik kebenaran diketahui, sehingga galat interpolasi dapat diukur langsung. Pada data lapangan, hal yang sama tidak mungkin dilakukan tanpa sumur pembanding.

Tujuan pekerjaan dirumuskan dalam empat butir:

1. Membangun volume sintetik yang mengikuti geometri akuisisi sebenarnya, termasuk lipatan per bin.
2. Memetakan di mana trace benar-benar hilang dan seberapa luas.
3. Menerapkan rekonstruksi 5D pada lubang tersebut dan mengukur hasilnya terhadap model acuan.
4. Menyatakan dengan jelas batas metode, agar angka yang keluar tidak dibaca melebihi artinya.

2. Model Sintetik

Bagian ini menjelaskan bahan yang dipakai: model kecepatan, horizon pengikat waktu, dan geometri akuisisi yang menentukan di mana lipatan hilang.

2.1 Model Waktu–Kedalaman dan Horizon

Volume sintetik dibangun dalam domain waktu, bukan kedalaman. Sumbu waktu diikat ke tiga horizon yang terukur sehingga event pada tab sintetik jatuh tepat di waktu yang dipakai tab lain. Model kecepatan memakai gradien linear.

Tiga horizon pengikat waktu

Hubungan kedalaman–waktu memakai v(z) = v₀ + g·z dengan t(z) = (2/g)·ln(1 + g·z/v₀). Nilai v₀ dan g dicari melalui pencarian grid yang dilanjutkan penurunan koordinat, sehingga ketiga twtt horizon terpasang dengan residu tipikal di bawah 15 ms.

Model gradien linear dipilih setelah model kuadratik gagal: pada model kuadratik kecepatan berbalik arah di sekitar 4,7 km, waktu memuncak lalu turun, sehingga jangkauan 6 s tidak pernah tercapai. Gradien linear monoton untuk seluruh kedalaman.

Perlu dicatat bahwa kedalaman di sini adalah turunan model, bukan hasil konversi log. Proyek ini tidak memiliki berkas LAS.

2.2 Rantai Pembentukan Volume

Volume dibentuk melalui lima tahap yang saling bergantung.

1. Reflektivitas dihitung dari kontras impedansi pada tiap horizon, lalu dikonvolusi dengan wavelet Ricker 30 Hz.
2. Geometri sumber dan penerima tiap konfigurasi dibaca dari daftar SP–RP, lalu lipatan dihitung per bin 20 m.
3. Mute bergantung offset diterapkan: tanpa offset dekat, bagian dangkal tidak terlipat dan terbentuk z-gap.
4. Volume disusun pada grid 56 × 56 × 1501 sampel, bin 100 m, sampling 2 ms, panjang 3 s.
5. Rekonstruksi 5D dijalankan pada bin berlubang, lalu volume selisih dihitung.

2.3 Empat Konfigurasi Akuisisi

Perbandingan empat konfigurasi akuisisi

K1 dan K4 memiliki jumlah SP dan RP yang sama. Yang membedakan keduanya hanya posisi titik yang dihapus, sehingga keduanya menjadi pembanding yang bersih untuk efek geometri, bukan efek jumlah.

K3 memotong sekitar 20 % titik sumber dan 11 % titik penerima. Yang menarik, cakupan bin hampir tidak berubah, yaitu 98,7 %. Artinya kerugiannya bukan berupa lubang besar yang terkonsentrasi, melainkan lipatan tipis yang menyebar.

3. Lipatan dan Konsekuensinya

Lipatan adalah penghubung antara desain akuisisi dan kualitas data. Bagian ini menunjukkan bagaimana pengurangan titik berubah menjadi lubang yang harus diisi, dan mengapa lubang itu tidak boleh dicampur dengan z-gap.

3.1 Sebaran Lipatan

Lipatan median turun dari 224 pada K1 menjadi 151 pada K3, yaitu 33 %. Namun sebarannya lebih penting daripada nilai tengahnya. Di atas lipatan 140, keempat kurva hampir berimpit. Selisih sebenarnya muncul di bawah 140, tempat rasio sinyal terhadap derau mulai jatuh.

Persentil ke-5 turun dari 20 pasangan pada K1 menjadi 9 pasangan pada K3. Nilai ini bukan nol, tetapi berada di bawah ambang yang layak untuk pengolahan.

Gambar 1. Sebaran lipatan per bin 20 m. Keempat kurva berimpit di atas lipatan 140; selisih antar konfigurasi baru muncul di bawah nilai itu, tempat rasio sinyal terhadap derau mulai jatuh. Sumber: fold_out/summary.json.

3.2 Lubang Trace

Lubang didefinisikan sebagai bin tanpa pasangan SP–RP yang memadai.

Luas lubang trace per konfigurasi

Lubang tidak tersebar merata. Ia mengumpul di satu koridor dekat zona eksklusi. K3 memiliki lidah memanjang ke selatan yang tidak dimiliki K2 maupun K4, dan di situlah jarak ke donor terdekat melewati 200 m.

Sebaran lubang per horizon menunjukkan pola yang mengecil ke bawah: pada K3, lubang di UBI mencakup 5,1 % luas, di MBE 3,8 %, dan di UPM 1,2 %. Geometri yang sama menutup lebih banyak pada kedalaman dangkal karena panjang offset yang dibutuhkan lebih pendek.

Gambar 2. Lubang trace sebagai persentase luas survei pada tiga horizon: UBI 923 m, MBE 1215 m, dan UPM 2.001 m. Lubang mengecil ke bawah karena offset yang dibutuhkan untuk menutup satu bin bertambah panjang. Sumber: offset_out/hole_5d_probe.json. Kedalaman pada gambar berasal dari grid model offset, sedangkan Tabel 2.1 memakai statistik horizon di meta.js, sehingga UPM berbeda 43 m; urutan dan kesimpulannya tidak berubah.

3.3 Z-gap

Z-gap adalah kedalaman di atas mana tidak tersedia offset dekat. Besarnya dihitung dari offset terdekat yang ada di bin berlubang.

  z-gap = x_min / (2 tan θ) — dengan x_min sebesar 2.880 m dan sudut maksimum 35 derajat, diperoleh z-gap 2.057 m. Di atas kedalaman tersebut tidak ada data, dan tidak ada yang bisa diinterpolasi antar-trace.

Perbedaan ini penting dan sering dicampur. Lubang lateral adalah trace yang hilang, sedangkan z-gap adalah trace yang dimute di bagian atas. Pada lubang lateral bahan untuk mengisi tersedia; pada z-gap tidak. Karena itu keduanya dilaporkan terpisah.

4. Interpolasi 5D

Bagian ini menjelaskan metode yang benar-benar dijalankan, tiga kegagalan yang ditemukan sepanjang jalan, dan hasil yang terukur setelah perbaikan.

4.1 Apa yang Benar-Benar Diimplementasikan

Rekonstruksi bekerja pada bin yang bukan donor. Untuk setiap bin tersebut, sejumlah donor terdekat dipilih, masing-masing digeser mengikuti horizon UBI dan UPM, lalu dirata-ratakan berbobot.

Penyelarasan dilakukan sebelum perata-rataan, bukan sesudahnya. Ini bukan detail kecil: tanpa penyelarasan, statik sisa antar-trace saling meniadakan dan sinyalnya hilang.

Perlu dinyatakan terus terang bahwa ini bukan 5D penuh. Metodenya adalah rata-rata berbobot di domain ruang, sedangkan MWNI dan ALFT bekerja di domain transformasi dan menyelesaikan sistem invers global. Konsekuensinya, donor terdekat tidak dapat merekonstruksi dip yang tidak ada di sekitarnya, sementara solver transformasi dapat melakukannya.

Parameter rekonstruksi yang dipakai

Gambar 3. Kelas bin pada K2, K3, dan K4. Putih adalah donor, yaitu trace yang benar-benar ada dan tidak perlu diinterpolasi. Biru terisi dengan donor berjarak sampai 80 m, kuning marginal 80–200 m, merah tidak terisi karena donor terdekat melewati 200 m.

4.2 Tiga Kegagalan yang Ditemukan

Pekerjaan ini tidak berjalan sekali jadi. Tiga kegagalan berikut ditemukan dan diperbaiki, dan ketiganya meninggalkan pelajaran.

Pertama, koreksi dip tidak pernah bekerja. Fungsi horizon mengembalikan waktu dalam detik, sedangkan fungsi penyelaras memakai satuan indeks sampel. Tanpa pembagian dengan sampling rate, pergeseran yang diterapkan hanya sekitar 0,01 sampel dan dibulatkan menjadi nol. Pada struktur yang miring 21 ms per bin, reflektor tetangga sebenarnya bergeser 10 sampel. Setelah diperbaiki, korelasi naik dari 0,15 menjadi 0,615 pada K3.

Gambar 4. Pengaruh koreksi dip pada K3, tempat reflektor bergeser 10 sampel per bin. Tanpa penyelarasan horizon korelasi terhadap model hanya 0,15; dengan penyelarasan UBI–UPM nilainya menjadi 0,61, sekitar empat kali lipat.

Kedua, pemilihan donor sempat memakai hukuman atap yang terlalu kuat. Tujuannya menghindari donor yang trace-nya terpotong, tetapi karena nilai atap mencapai ratusan sampel, suku hukuman mengalahkan jarak sepenuhnya. Seluruh gugus lubang akhirnya memakai satu donor yang sama, dengan korelasi antar-tetangga 1,000 namun korelasi terhadap model hanya 0,04. Aturan yang dipakai sekarang sederhana: donor terdekat yang trace-nya berisi.

Ketiga, volume selisih sempat tidak menampilkan apa pun karena donor dimasking menjadi nol. Cekungan z-gap berada di dalam bin donor, sehingga bagian terbesar dari apa yang ditambahkan justru tidak pernah tergambar.

4.3 Hasil Terukur

Pengukuran dilakukan terhadap model maju tanpa mute, sehingga setiap angka galat punya pembanding yang benar.

Metrik rekonstruksi 5D pada bin 100 m

Gambar 5. Tiga ukuran yang harus dibaca bersama. Panel kiri memisahkan cakupan lubang lateral dari pemulihan amplitudo; panel tengah memisahkan korelasi lubang lateral dari z-gap; panel kanan menunjukkan galat z-gap yang seluruhnya di atas garis 100 %, artinya ekstrapolasi lebih buruk daripada membiarkannya kosong.

Setiap daerah dilaporkan dengan dua angka, yaitu cakupan dan galat, karena galat saja dapat terbaca terlalu bagus apabila yang terisi hanya sebagian. Galat dihitung hanya pada sampel yang benar-benar berisi.

Angka pemulihan didefinisikan sebagai 100 % dikurangi galat RMS relatif, dan sah dibaca demikian karena pada lubang volume acuan bernilai tepat nol. K3 memperoleh angka terburuk bukan karena metodenya berbeda, melainkan karena lubangnya paling lebar.

Galat z-gap di atas 100 % berarti ekstrapolasi lebih buruk daripada tidak diisi sama sekali. Angka ini dilaporkan apa adanya karena memang begitulah hasilnya, dan karena menyembunyikannya akan membuat keseluruhan laporan menyesatkan.

5. Selisih 5D sebagai Alat Verifikasi

Volume selisih dihitung sebagai hasil rekonstruksi dikurangi volume sintetik bermute, dan dihitung pada semua bin. Jumlah sampel yang berubah adalah 306.506 pada K2, 402.666 pada K3, 296.531 pada K4, dan nol pada K1.

Peta jejak menunjukkan bahwa sebagian besar materi yang ditambahkan berasal dari ekstrapolasi z-gap, bukan dari pengisian lubang lateral. Ini temuan yang penting untuk pengambilan keputusan: apabila ekstrapolasi z-gap tidak diinginkan, ia harus dimatikan secara eksplisit, karena secara volume ia mendominasi.

Gambar 6. Jejak 5D, yaitu jumlah sampel yang benar-benar berubah per bin. Materi terbesar terkumpul di koridor z-gap, bukan di lubang lateral. Sumber: _footprint.json.

  Koreksi tampilan. Nilai di bawah 4 % persentil ke-99 digambar tembus pandang. Tanpa ambang tersebut, seluruh irisan jatuh ke tengah peta warna dan tampak seolah tidak ada perubahan, padahal isinya ada.

6. Keterbatasan dan Tingkat Keyakinan

Penilaian keyakinan terhadap klaim utama

Empat perbedaan berikut membuat angka pada data lapangan hampir pasti lebih rendah.

1. Geometri sintetik teratur, sedangkan geometri lapangan tidak; dead trace tersebar acak.
2. Tidak ada derau maupun statik sisa, padahal interpolasi lapangan harus melawan keduanya.
3. Metode berbasis donor tidak dapat merekonstruksi dip yang tidak ada di sekitarnya.
4. Amplitudo pada volume sintetik tidak berubah terhadap offset, karena offset sudah diruntuhkan.

Karena itu simulasi ini sah untuk menguji metode dan kejujuran metrik, tetapi tidak sah untuk memprediksi persentase pemulihan pada data lapangan.

7. Rekomendasi

1. Pelaporan lubang lateral dan z-gap dipisahkan secara permanen. Angka gabungan menyesatkan dan tidak boleh dipakai lagi dalam pengambilan keputusan.
2. Ambang cakupan diturunkan sebelum menaikkan galat. Lubang yang jarak donornya melewati 200 m sebaiknya dibiarkan kosong dan ditandai, bukan diisi dengan donor jauh.
3. Solver transformasi diuji pada grid yang sama. MWNI atau ALFT pada volume ini akan menunjukkan selisih metode tanpa mengubah masukan, sehingga menjadi pembanding yang adil.
4. Jalur pre-stack disiapkan apabila 5D sejati dibutuhkan. Ini perubahan masukan, bukan tambalan pada kode yang ada.

Pertanyaan yang masih terbuka adalah apakah angka 17–35 % cukup untuk memutuskan kelayakan K3, atau keputusannya harus menunggu hasil uji solver transformasi.

Lampiran: Sumber Angka

Seluruh angka dalam laporan ini dibaca dari berkas yang dihasilkan proses, bukan dimasukkan secara manual.

Berkas sumber per kelompok data

Catatan: parameter metode dan ambang tampilan diambil langsung dari kode sumber js/vol3d.js, bukan dari asumsi.