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.