Handbook Pengerjaan/pengolahan Data Seismik Laut Menggunakan Software Berbayar Promax

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA
FK FILTER ,SURFACE RELATED MULTIPLE ELIMINATION (SRME) DAN RADON FILTER
2015
Dalam kegiatan pengembangan teknologi,Dalam hal ini merupakan

kegiatan lanjutan dari proses akusisi. Data seismik yang diperoleh dari kegiatan
akusisi, adalah data yang belum terolah (raw data) sehingga diperlukan
beberapa tahapan pengolahan (Processing) untuk mendapatkan gambaran
kondisi atau penampang seismik bawah permukaan sampai mendekati kondisi
sebenarnya. Adapun pengolahan data yang dilakukan di atas kapal (onboard
processing) hanyalah bersifat sementara yang tujuannya untuk mengetahui
seberapa baik kualitas data yang diperoleh dari akusisi.
Untuk mendapatkan penampang seismik yang baik dan presisi, maka
diperlukan pengolahan data yang lebih sistematis. Proses ini pada umumnya
memakan waktu yang relatif cukup lama dengan menggunakan perangkat lunak
tertentu yang disertai perangkat keras yang memiliki kemampuan pemrosesan
yang cepat dan kapasitas penyimpanan data yang besar. Pada dasarnya
pengolahan data seismik bersifat relatif, proses yang dilakukan amat bergantung
dari kebutuhan dan kualitas data.
Setelah tahap processing selesai tahap selanjutnya adalah tahap
interpretasi yang merupakan tahap akhir dari pengolahan data seismik. Secara
umum proses interpretasi bertujuan untuk menterjemahkan penampang seismik
dalam analisa atau bahasa geologi.

Dari penjelasan di atas maka harus
2015
dibuat flowchart baru perlu diciptakan untuk
mengatasi hal tersebut.

Input data
Geometry
STACK
Editing
(muting, killing)
srme
Filtering
FK Filter
Velocity
analysis
Dekonvolusi
radon
1. Input data
Input data merupakan proses pemasukkan data kedalam software dan reformatting
data ke dalam format software (seg-y promax).
2. Geometry
Geometry dilakukan untuk menggabungkan data seismic dengan desain akuisisi
yang dilakukan. Karena data seismic hanya menyimpan data berupa FFID, shot
point, dan channel perlu ditambahkan data lain sepert shot point koordinat, CDP,
offset dan lainnya untuk mempermudah proses pengolahan data.
3. Editing
Editing dilakukan untuk menghilangkan trace-trace yang dianggap error dan
menghilangkan gelombang yang dapat mengganggu proses pengolahan data
(gelombang langsung dan gelombang refraksi).
4. Filtering
Filtering adalah proses pemilihan frekuensi yang akan digunakan dalam
pengolahandata selanjutnya. Frekuensi perlu untuk dipilih untuk menghasilkan
data yang bebas noise.
5. FK filter
FK filter merupakan filter yang mengkoheren linier pada persamaan gelombang
dengan domain ruang-waktu (t-z), ditransformasikan ke dalam domain frekuensibilangan gelombang akibat kehadiran lintasan miring (dip). noise koheren berupa
ground-roll, gelombang langsung dan gelombang bias yang secara umum

2015
merupakan refleksi pertama dalam data seismik. Noise pada jenis ini dapat
ditangani dari energi refleksi dalam domain f k. Kelebihan metode ini adalah
waktu komputasi yang cepat dan dapat meresolusi struktur dengan kemiringan
yang curam, dan dapat dilakukan pada data dengan rasio signal to noise yang
rendah (data buruk). Dan diharapkan dapat merubah rasio singnal to noise
menjadi tinggi (data baik)
6. Deconvolusi
Deconvolusi dilakukan untuk mempertajam sinyal refleksi dan menghilangkan
multiple jarak pendek.
7. Velocity Analysis
Velocity analisis merupakan proses penentuan kecepatan bawah permukaan
berdasarkan data seismic yang dimiliki.
8. Stack
Merupakan proses penggabungan beberapa trace seismic dalam satu CDP yang
sama guna menghasilkan suatu penampang bawah permukaan.
9. SRME
SRME adalah metoda untuk menghilangkan energi multiple yang dihasilkan oleh
batas air-udara. Multiple yang dihasilkan oleh batas air-udara ini kadang-kadang
sangat sulit dihilangkan dengan menggunakan metoda demultipel konvensional
seperti Radon ataupun Tau-P (Geotrace).Metoda SRME memiliki tiga tahap
utama: pertama, menghilangkan noise non fisis, regulasisasi data sehingga
diperoleh grid sumber-penerima yang konstan, interpolasi near dan intermediate
offset yang hilang, menghilangkan gelombang langsung dan gelombang
permukaan. Kedua: prediksi multiple, prediksi ini didasarkan pada observasi
bahwa multiple yang terkait dengan permukaan
dapat diprediksi melalui konvolusi temporal dan spasial dari data itu sendiri
(Berkhout, 1982). Ketiga: data input dikurangi dengan multiple yang terprediksi
pada tahap dua (Long et al., 2005).

2015
INPUT DATA DAN REFORMATTING DATA

1. Input dan reformatting data berdomain SEG-Y
Data dengan format SEG-Y merupakan format data standard yang digunakan
dalam pengolahan data seismic. Data dalam format ini setidaknya telah
mengalami satu kali reformatting ke dalam domain software apapun.
File output
Gambar 1. Flow input data.

2015
Input dari
Pilih file
Gambar 2. Parameter input data
GEOMETRY
Geometry adalah proses penggabungan data parameter akuisisi dengan data
seismic. Hal ini dilakukan karena data seismic hasil rekaman di lapangan hanya akan
mengandung data SOU_SLOC, FFID, dan channel. SOU_SLOC menunjukkan nilai
station, FFID menunjukkan nomor tembakan, dan channel menunjukkan channel yang
aktif dalam perekaman data seismic. Untuk mempermudah penyajian data dalam
pengolahan data parameter akuisisi lain perlu di tambahkan dalam data seismic seperti
koordinat shot point, koordinat receiver, koordinat CDP, penomoran CDP, offset, dan
lainnya. Oleh karena itu geometry perlu dilakukan.
Geometry pun sangat penting dalam menentukan posisi sebenarnya lintasan yang
diakuisisi. Tanpa geometry yang benar lintasan pun akan meleset dari posisi yang
seharusnya, tentu saja hal ini tidak boleh sampai terjadi.

2015
Langkah proses geometry :

1. Memasukkan parameter akusisi
Parameter akuisisi dimasukkan untuk membangun skema geometry. Parameter
yang dimasukkan antara lain source depth, stremer depth, azimuth/ship direction,
receiver interval, shot interval, near channel, far channel, offset, first station,
station increment, dan channel increment.
Gambar 3. Flow geometry

2015
Rec. int
Shot. int
Sail direction
Gun depth
Streamer depth
Gambar 4. Setup parameter
Near channel
Far channel
Channel inc.
Min. offset
Receiver int.
Jumlah shot
1st SOU_SLOC
SOU_SLOC inc
Direction
Shot int.
Gambar 5. Auto2D parameter

2015
2. Tabel source
Tabel source merupakan tabel untuk memeriksa parameter yang sudah kita
masukkan. Table ini mengacu pada source, termasuk koordinat X dan Y. Datadata yang berada di dalam table ini adalah data dari hasil setingan pada prosedur
sebelumnya, yaitu Setup dan Auto-2d. Data tersebut belum sesuai dengan
koordinat lintasan yang sebenarnya sehingga perlu disesuaikan dengan data
UKOOA.
Gambar 6. Table source.
3. Binning
Binning merupakan proses perhitungan CDP number, koordinat, dan lainnya
sampai dapat terbangun database dalam ProMAX. Tahap ini dilakukan dalam 3
tahap, antara lain terdapat pada gambar di bawah ini (gambar 6,7 dan 8).

Gambar 7. Penyocokan pattern dan source.
Gambar 8. Binning dan penomoran CDP.
2015

2015
Gambar 9. Finalisasi.
4. Penggabungan data seismic dan desain geometry.

Setelah desain geometry terbangun terakhir adalah menggabungkannya dengan
data seismic. Gambar 10 menunjukkan flow penggabungan kedua data tersebut.
Gambar 10. Flow penggabungan data seismic dan desain geometrynya.

2015
TRACE EDITING
Editing trace merupakan proses menghapus data-data yang dianggap rusak ataupun dapat
mengganggu dalam proses pengolahan data selanjutnya. Editing trace dibagi menjadi 2
yaitu:
1. Trace Muting
Trace muting merupakan proses menghilangkan nilai amplitude gelombang yang
dianggap akan mengganggu proses pengolahan data selanjutnya seperti
gelombang langsung dan gelombang refraksi. Proses trace muting ini adalah
dengan mengalikan amplitude gelombang yang terpilih dengan nol.
2. Trace Killing
Trace killing merupakan proses menghapus 1 atau lebih trace yang dianggap error
pada saat akuisisi dilakukan. Seperti receiver yang terlalu noisy. Proses trace
killing ini sama dengan proses trace muting yaitu mengalikan amplitude
gelombang dengan nol.
Dalam data Sumatra line 216 terdapat trace yang rusak sehingga perlu dilakukan
killing pada terce 12,24,60,96,132,168,204,dan 240.

2015
Gambar 11. Membuat file parameter muting.
Gambar 12. Sebelum dan setelah trace muting.
File mute
Gambar 13. Flow trace muting.

BANDPASS FILTER DAN SPECTRAL ANALISIS
Dengan menggunakan perangkat lunak ProMAX 2D ver. 5000.0.0.0

2015
(Landmark Graphic Co.), pembangunan rentang frekuensi bandpass filter

dilakukan dengan menggunakan flow sebagai berikut.
Hasil flow
sebelumnya
1.
Spectral
Analysis
Bandpass
Filter
Hasil bandpass
Data
Data yang dijadikan input adalah shot gather yang sudah dilakukan
geometry sebelumnya dan belum dilakukan editing agar dapat melihat
seluruh kandungan frekuensinya.
2.
Spectral Analysis
Spectral analysis dilakukan untuk melihat kandungan frekuensi dalam
data. Dari spectral analysis ini kita dapat melihat frekuensi dominan yang
terkandung, frekuensi yang bersifat noise, sehingga dapat menentukan
desain frekuensi yang akan dipergunakan. Berikut flow untuk melakukan
spectral analysis.
Gambar 14. Flow spectral analysis.

2015
Yang perlu diperhatikan adalah mengisi number of traces per analysis

location sebesar banyaknya channel yang aktif saat akuisisi.
10
80
160
Gambar 15. Spectral Analysis.

Frekuensi yang digunakan pada umumnya adalah yang berada diatas 3 dB.
Karena frekuensi ini dianggap frekuensi sinyal dan frekuensi dominan
pada data. Desain frekuensi yang digunakan untuk bandpass gambar di
atas adalah 5-10-80-160 Hz.

3.
2015
Bandpass filter
Setelah desain bandpass dibangun, aplikasikan bandpass dengan flow
sebagai berikut.
Gambar 16. Flow aplikasi bandpass filter.
FK FILTER
FK filter merupakan filter yang mengkoheren linier pada persamaan gelombang
dengan domain ruang-waktu (t-z), ditransformasikan ke dalam domain frekuensibilangan gelombang akibat kehadiran lintasan miring (dip). noise koheren berupa groundroll, gelombang langsung dan gelombang bias yang secara umum merupakan refleksi
pertama dalam data seismik. Noise pada jenis ini dapat ditangani dari energi refleksi
dalam domain f k. Kelebihan metode ini adalah waktu komputasi yang cepat dan dapat
meresolusi struktur dengan kemiringan yang curam, dan dapat dilakukan pada data
dengan rasio signal to noise yang rendah (data buruk). Dan diharapkan dapat merubah
rasio singnal to noise menjadi tinggi (data baik)

2015
Gambar 17. Flow fk filter.
Gambar 18. parameter fk filter.
DECONVOLUTION
Perangkat lunak yang digunakan untuk melakukan proses dekonvolusi ini adalah
ProMAX 2D ver. 5000.0.0.0 (Landmark Graphic Co.). Dekonvolusi yang digunakan
adalah Predictive Deconvolution.
Pada umumnya proses dekonvolusi digunakan untuk meningkatkan broadband frekuensi
data seismik, membuat wavelet menjadi lebih spike, dan mengatenuasi keberadaan

2015
multiple. Namun, dekonvolusi yang dilakukan pada data Makassar bertujuan untuk
mempertajam image bawah permukaan dengan membuat wavelet menjadi lebih spike
sehingga memilki resolusi yang lebih tinggi. Setelah melakukan observasi terhadap data
melalui penampang single channelnya, data Makassar tidak terlalu dipengaruhi oleh
keberadaan multiple akibat seafloor sehingga dekonvolusi tidak dilakukan untuk
mengatenuasi multiple.
Keefektifan proses predictive deconvolution akan sangat tergantung dari 2 parameter
dekonvolusi yaitu parameter lag () dan parameter length (n). Kedua parameter ini
didapatkan dari autokorelasi masing-masing trace data seismik. Untuk mendapatkan nilai
yang optimum perlu dilakukan trial and error beberapa nilai parameter yang kemudian
dibandingkan dan diambil sesuai dengan hasil yang paling baik. Parameter yang optimum
adalah parameter yang mampu mempertajam spike sehingga image bawah permukaan
menjadi lebih baik dan menambah broadband frekuensi.
Berikut flowchart dekonvolusi :
Shot gather
(seg-y)
Autokorelasi
, n
Predictive
Deconvolution
Shot gather
(seg-y)
Setelah dilakukan autokorelasi dan penentuan parameter , n (lihat TN autokorelasi dan

TN penentuan parameter predictive deconvolution), barulah proses predictive
deconvolution dilakukan. Untuk dapat melakukan dekonvolusi diperlukan time gate
dekonvolusi. Time gate ini berfungsi sebagai selang waktu dimana wavelet akan
diekstraksi dari data seismic untuk selanjutnya digunakan dalam proses dekonvolusi.
Pembuatan gate dekonvolusi

Pembuatan gate dekonvolusi hampir sama dengan gate autokorelasi. Bedanya adalah
untuk gate dekonvolusi menggunakan dua layer. Rentang waktu ini adalah zona untuk
mengekstrak wavelet.

2015
Gambar 19. Flow picking time gate dekonvolusi.
Gambar 18. Picking time gate, masukkan nama file untuk menyimpan hasil
picking.

2015
Gambar 20. Picking time gate untuk layer 1 (biru), kemudian klik kanan untuk
new layer dan lakukan picking yang layer 2 (merah).
Proses Dekonvolusi
Dekonvolusi menggunakan data dengan format shot gather yang sudah dilakukan
bandpass dan muting. Masukkan nilai dan n. Lakukan berulang kali dan simpan data
pada file yang berbeda untuk kemudian dibandingkan.
Gambar 21. Flow predictive deconvolution, masukkan nilai parameter dan n

serta file picking time gate.

2015
VELOCITY ANALISIS
Velocity analisis merupakan tahapan processing yang paling penting karena merupakan
faktor yang paling menentukan dari hasil (penampang) yang akan dihasilkan. Velocity
analisis merupakan tahapan processing untuk mendapatkan penampang kecepatan bawah
permukaan. Kecepatan ini kemudian dapat dipakai untuk berbagai macam process seperti
true amplitude recovery, NMO correction, dan migrasi. Tahapan velocity ini dapat
dilakukan berulang-ulang sehingga mendapatkan penampang kecepatan yang terbaik.
Banyak metoda untuk melakukan velocity analisis diantaranya constan velocity analysis,
coherency, dan semblance. Metoda yang digunakan dalam pengolahan data ini adalah
metoda semblance.
Dengan menggunakan perangkat lunak ProMAX 2D ver. 5000.0.0.0 (Landmark Graphic
Co.), berikut flow velocity analisis.
Data
Supergather
Velocity
Analysis
Velocity
Section
1. Data
Data yang menjadi masukkan dalam process velocity analisis haruslah data hasil
preprocessing terbaik sehingga tidak ada keambiguan saat menentukan nilai kecepatan.
Data hasil preprocessing terbaik adalah data yang sudah dilakukan geometry, editing
(muting, trace edit), true amplitude recovery, bandpass, dekonvolusi sehingga data akan
bebas dari ambient noise serta multiple jarak pendek.
1. Supergather
Data hasil preprocessing terbaik tadi kemudian diubah dalam bentuk
supergather untuk kemudian dipakai dalam perhitungan semblance yang
menjadi dasar velocity analysis.

2015
Gambar 22. Flow velocity analysis

Perlu diperhatikan, nilai maximum fold harus disesuaikan pada data yang
dapat dilihat pada database dan nilai minimum dan maksimum CDP
disesuaikan dengan data.
Gambar 23. Fold coverage database.

2. Velocity analysis
Sebelum melakukan picking velocity, diperlukan perhitungan semblance
terlebih dahulu yang parameternya disesuaikan dengan keadaan data.
Perhitungan itu disebut precomputed. Sebelum precomputed data seismik di
AGC untuk meratakan nilai semblance, sehingga mempermudah saat picking
velocity.
Terdapat beberapa parameter yang perlu untuk disesuaikan antara lain :
- Absolute offset of first bin center = near offset (m)

2015
- Maximum offset = (jarak antar rec x jumlah rec) + near offset (m)
- Minimum semblance analysis value = di bawah kecepatan air laut (data
laut), bawah kecepatan lapisan pertama (data darat) (m/s)
- Maximum semblance analysis value = di atas kecepatan tertinggi lapisan
(data laut/darat) (m/s)
Gambar 24. Parameter precomputed.

2015
Surface Related Multiple Elimination (SRME)

Di dalam software proMAX V.5000 untuk melakukan proses SRME terdapat 5
modul yang digunakan, yaitu:
1. Weinman SRME regularization
2. Weinman SRME Macro
3. WEinman SRME Un-Regularization
4. Weinman Match Filter
5. Weinman Adaftive
Kelima modul tersebut dijalankan secara berurutan mulai dari Weinman SRME
regularization sampai dengan Weinman Adaftive, untuk menjalankan modul
tersebut data yang akan digunakan adalah data prepocesing yang telah terbebas
dari direct wave.
1. Weinman SRME regularization

Modul ini merupakan modul yang akan mengatur ensemble ensemble untuk
tahapan metode SRME, hal yang paling penting adalah pada data yang akan
digunaka untuk SRME adalah offsetnya harus naik secara teratur, hal ini
sangat perpengaruh dalam tahapan regularization sehingga trace trace yang
akan diregularization akan terektrapolasi dari awalnya offset minimum
menjadi offset nol. Dalam hal ini dibutuhkan velocity RMS
Input
Data inputa yang dibutuhkan adalah ensemble trace yang di-sort dalam
AOFFSET.
Perameter yang digunakan

- Primary key adalah SIN( source index number)
- Offset increment
- maximum offset
- velocity

2015
Gambar 25. Weinman SRME regularization
2. Weinman SRME Macro

Modul ini merupakan modul yang akan mengkonvolusi atra trace yang dapat
memprediksi multiple permukaan . pada modul ini proses perhitungan nya
cukup lama sehingga diharapkan menggunakan PC atau workstation yang
stabil sehingga tidak terjadi eror pada data.
Gambar 26. Weinman SRME macro
Input
Data input yang dibutuhkan adalah hasil dari proses SRME
regularization yang offsetnya telah teratur mulai dari no sampai

2015
maksimum.

- Primary key adalah SIN( source index number)
- nilai maksimum lama perekaman trace
- nomor max shot
- nilai maxsimim frek multiple yang akan diproses
- nama file header dari trace
- panjang taper yang akan digunakan
- frekuensi taper yang akan diterapkan
- perbandingan antara interval shot dan receiver
Outpot
Adalah model dari prediksi multiple dari offset nol hingga maxsimum
3. Weinman SRME Un-Regularization

Dalam modul ini merupakn modul yang akan menggabungkan data prepro
dengan model prediksi multiple dari hasil macro. Dikarenakan kedua offset
dari inputan berbeda, maka akan dikembalikan dari offset nol ke offset
minimum.
Input
Data input yang dibutuhkan adalah data preprocessing dan hasil dari
proses SRME macro

- parameter kecepatan,yaitu hasil dari velan
Outpot
Adalah gabungan dari data awal yaitu pre-processing dengan data
model prediksi multipel

2015
Gambar 27. Weinman SRME un-regularization
4. Weinman Match Filter

Modul ini akan menyelaraskan ensemble yang memiliki gabungan data input
awal dan data prediksi multiple. Keberhasilan dari modul ini sangat
berpengaruh pada parameter parameter yang akan digunakan.
Gambar 28. Weinman SRME Match Filter

2015
Input
Data input yang dibutuhkan adalah hasil dari proses SRME UnRegularization

- urutan dari input yang terletak pada msing masing ensemble,
terdapan 4 pilihan yaitu :
DDDNNN = data input dan model prediksi multipel
DNDNDN = data input dan model prediksi multiple terletak
bergantian
NNNDDD = model prediksi multiple dan data input
NDNDND = prediksi multiple dan data input terletak bergantian
- penentuan waktu awal yang didesain sebagai offset nol
- picking horizon
- panjang window yang akan digunakan
- penyesuaian nilai kecepatan pada awal window
- offset minimum
- offset maxsimum
- panjang filter yang akan digunakan
Outpot
Adalah gabungan dari data awal yaitu ensemble dengan data awal
yang tidak berubah dengan model prediksi multiple yang telah
dikenakan adiptif filter
5. Weinman Adaftive Subtraction

Dalam rangkain proses SRME , modul
Weinman Adaftive Subtraction
merupakan modul yang paling terakhir dijalankan. Prinsip dari modul ini
merupakan pengurangan adaptif dengan harapan pada ensemble yang akan
dikeluarkan nanti telah terbebas dari multiple.

2015
Gambar 28. Weinman SRME Adaftive Subtraction
Input
Data input yang dibutuhkan adalah hasil dari proses SRME Macth
Filter
- urutan dari input yang terletak pada msing masing ensemble,
terdapan 4 pilihan yaitu :
DDDNNN = data input dan model prediksi multipel
DNDNDN = data input dan model prediksi multiple terletak
bergantian
NNNDDD = model prediksi multiple dan data input
NDNDND = prediksi multiple dan data input terletak bergantian
- pilihan keluaran yang akan digunakan
Signal = keluaran adalah estimasi signal yang terbebas dari

noise
Noise = keluaran adalah model prediksi multiple yang telah di

filter
Both = gabungan dari noise dan signal
Outpot
Adalah esemble yang sesuai dari pilihan keluaran yang ditentukan di atas

2015
STACK
Stack merupakan proses menjumlahkan trace-trace seismic dalam satu CDP setelah
dikoreksi NMO. Oleh karena itu, diperlukan kecepatan untuk melakukan proses ini.
Kecepatan yang digunakan merupakan kecepatan terbaik hasil velocity analisis untuk
selanjutnya digunakan dalam koreksi NMO. Berikut flowchart stack :
Input data
CDP gather
Koreksi
NMO
Stacking
proses
Output
Stack section
1. Input data
Data masukkan untuk melakukan stacking adalah CDP gather yaitu gather seismic
yang disort CDP pada primary header dan aoffset pada secondary offsetnya.
Gambar 29. input proses stacking.

2015
2. Koreksi NMO
Koreksi NMO adalah koreksi waktu gelombang untuk menghilangkan fungsi
jarak, sehingga setiap trace dalam satu CDP merupakan zero offset.
Gambar 30. Flow proses stacking.

Gambar 29. Stack sebelum diSRME
Gambar 29. Stack sesudah diSRME
2015

2015
RADON FILTER
Proses filter radon umumnya dilakukan untuk menghilangkan multiple periode
yang panjang. Teknik yang digunakan adalah dengan memisahkan multiuple dan sinyal
primer pada data seismic berdasarkan moveout-nya. Filter radon dengan domain time vs
moveout akan menampilkan nilai- nilai residual moveout dimana nilai di bagian sebelah
kanan (lebih besar dari nol) merupakan indikasi adanya energy multiple. Bagian yang
dianggap multiple tersebut kemudian dipotong dan dipisahkan dari data primer. Masukan
dari proses ini adalah data yang telah dilakukan proses NMO dengan header primer
berupa cdp gather dan header sekunder nya berupa absolute value of offset, karena
penentuan residual moveout tersebut tergantung pada hasil NMO.
Transformasi Radon yang dipakai adalah transformasi radon hiperbolik atau
parabolic sehingga semua event yang berbentuk hiperbolik akan terkena proses ini. Untuk
melihat kenampakan domain radon yang mengelompokan secara terpisah anatar sinyal
dan multiple berdsarkan moveoutnya, Dilakuakan proses radon analysis.
Dengan menggunakan perangkat lunak ProMAX 2D ver. 5000.0.0.0 (Landmark
Graphic Co.), berikut flow Radon Filter
Disk Data
Input
NMO
Interactive
Radon
Radon
Filter
3. Data
Data yang menjadi masukkan dalam process Radon Filter haruslah data hasil
preprocessing terbaik sehingga tidak ada keambiguan saat menentukan nilai
kecepatan. Data hasil preprocessing terbaik adalah data yang sudah dilakukan
geometry, editing (muting, trace edit), true amplitude recovery, bandpass,
dekonvolusi sehingga data akan bebas dari ambient noise serta multiple jarak
pendek.

2015
4. NMO
Koreksi NMO adalah koreksi waktu gelombang untuk menghilangkan fungsi
jarak, sehingga setiap trace dalam satu CDP merupakan zero offset
Gambar 30. Flow Radon Filter
5. Interactive Radon
Sebelum dilakukannya Radon filter step yang harus dilewati adalah
interactive radon atau radon analisa. Dimana pada tahap ini adalah bertujuan
untuk mengelompokan multiple dan sinyal data seismic berdasarkan moveout
nya sebelum dilakukan Radon Velocity Filter.

2015
Gambar 31. Interactive Radon
Gambar 32. Interactive Radon

6. Radon Filter
Pada parameter number of P-Value di isi oleh angka yang lebih besar dari fold
maksimum. Parameter minimum of P-Value of interest biasanya diisi -100,hal
ini untuk mengatasi refleksi promer yang mengalami overcorrected,

2015
Sedangkan parameter maximum p-value interest kurang dari nilai maximum

offset dibagi dengan kecepatan RMS minimum.
Gambar 33. Radon Parameter Selection

Handbook Pengerjaan/pengolahan Data Seismik Laut Menggunakan Software Berbayar Promax

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Handbook Pengerjaan/pengolahan Data Seismik Laut Menggunakan Software Berbayar Promax

Uploaded by

Copyright:

Available Formats

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

FK FILTER ,SURFACE RELATED MULTIPLE ELIMINATION (SRME) DAN RADON FILTER

Dalam kegiatan pengembangan teknologi,Dalam hal ini merupakan

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

Dari penjelasan di atas maka harus

dibuat flowchart baru perlu diciptakan untuk

mengatasi hal tersebut.

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

INPUT DATA DAN REFORMATTING DATA

Gambar 1. Flow input data.

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

Gambar 2. Parameter input data

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

Langkah proses geometry :

Gambar 3. Flow geometry

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

Gambar 4. Setup parameter

Gambar 5. Auto2D parameter

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

Gambar 6. Table source.

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

Gambar 7. Penyocokan pattern dan source.

Gambar 8. Binning dan penomoran CDP.

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

4. Penggabungan data seismic dan desain geometry.

Gambar 10. Flow penggabungan data seismic dan desain geometrynya.

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

Gambar 11. Membuat file parameter muting.

Gambar 12. Sebelum dan setelah trace muting.

Gambar 13. Flow trace muting.

Dengan menggunakan perangkat lunak ProMAX 2D ver. 5000.0.0.0

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

(Landmark Graphic Co.), pembangunan rentang frekuensi bandpass filter

Gambar 14. Flow spectral analysis.

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

Yang perlu diperhatikan adalah mengisi number of traces per analysis

Gambar 15. Spectral Analysis.

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

Gambar 16. Flow aplikasi bandpass filter.

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

Gambar 17. Flow fk filter.

Gambar 18. parameter fk filter.

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

Berikut flowchart dekonvolusi :

Setelah dilakukan autokorelasi dan penentuan parameter , n (lihat TN autokorelasi dan

Pembuatan gate dekonvolusi

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

Gambar 19. Flow picking time gate dekonvolusi.

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

Gambar 21. Flow predictive deconvolution, masukkan nilai parameter dan n

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

Gambar 22. Flow velocity analysis

Gambar 23. Fold coverage database.

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

Gambar 24. Parameter precomputed.

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA

Surface Related Multiple Elimination (SRME)

1. Weinman SRME regularization

Perameter yang digunakan

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA