INVERSI DATA VERTICAL ELECTRICAL SOUNDING (VES) BERBASIS AUTOGRAD MENGGUNAKAN ADAPTIVE MOMENT ESTIMATION (ADAM)
Inversi merupakan proses matematika dan statistik yang bertujuan mendapatkan
estimasi parameter model fisik dari data pengamatan. Pada penelitian ini, dievaluasi
efektivitas metode Autograd dan optimasi Adam dalam proses inversi data VES
(Vertical Electrical Sounding). Metode Autograd memungkinkan perhitungan
gradien secara otomatis, menghilangkan kebutuhan akan perhitungan manual (finite
different) yang rumit, sementara optimasi Adam mempercepat konvergensi
algoritma dengan penyesuaian laju pembelajaran secara adaptif. Data yang
digunakan dalam penelitian ini adalah data sintetik dan data lapangan, yang
dianalisis menggunakan perancangan forward modelling di Microsoft Excel dan
Python. Hasil penelitian menunjukkan bahwa metode ini mampu menghasilkan
model resistivitas yang akurat dan sesuai dengan struktur bawah permukaan yang
diketahui sebelumnya. Berdasarkan hasil percobaan pada data sintetik, tingkat
kemiripan model sebenarnya dengan hasil optimasi berturut-turut mencapai
93,14% pada uji coba pertama, 98,06% pada uji coba kedua, 96,68% pada uji coba
ketiga, dan 80,86% pada uji coba terakhir. Pada data lapangan, hasil optimasi
menunjukkan nilai RMSE yang rendah dengan persentase kemiripan yang tinggi,
meskipun terdapat hasil yang lebih rendah di bawah 5 ohm meter. Hal ini
menunjukkan bahwa pendekatan Autograd dan Adam dapat meningkatkan efisiensi
dan akurasi proses inversi VES. Penelitian ini membuktikan bahwa kombinasi
Autograd dan optimasi Adam dapat menjadi solusi yang efektif dalam memodelkan
dan menganalisis data
URI
https://repo.itera.ac.id/depan/submission/SB2409020032
Keyword
Inversi, Autograd, Optimasi Adam.