2018 : Aplikasi Memory based Hybrid Dragonfly Algorithm Data Resistivity Untuk Penentuan Sumber Geothermal

Drs. Gontjang Prajitno
Eko Minarto S.Si, M.Si
Suyatno S.Si., M.Si

External link

Type

RESEARCH

Keywords

-


Abstract

Dalam beberapa dekade terakhir, metode resistivitas banyak digunakan untuk tujuan eksplorasi (Singh et al., 2005; Joseph Olakunle Coker, 2012; Maiti et al., 2012), investigasi sub-permukaan (Cardimona, 2002; Maiti et al., 2011; Permadi et al., 2017), mempelajari kondisi lingkungan (Loke, 1999; Shevnin and Delgado, 2002; Samouëlian et al., 2005). Metode resistivitas (resistivity) merupakan salah satu metode survei geofisika aktif yang mempelajari sifat kelistrikan bumi baik secara vertikal maupun horizontal menggunakan arus listrik yang diinjeksikan ke dalam bumi. Untuk memperoleh model bumi dari data VES yang berupa resistivitas semu terhadap spasi elektroda, dilakukan proses inversi. Beberapa peneliti telah menerapkan algoritma-algortima untuk proses inversi data VES, diantaranya Artificial Neural Network (ANN) (Maiti et al., 2012), Simmulated Annealing (SA) (Sen et al., 1993), Genetic Algorithm (GA) (Jha et al., 2008), Particle Swarm Optimization (PSO) (Fernández Martínez et al., 2010) , dan Neighbourhood Algorithm (NA) (Ojo et al., 2018). Beberapa di antaranya selain yang telah disebutkan sebelumnya dijelaskan oleh Kumar et al., (2015), yang terbaru adalah Dragonfly Algorithm (DA) (Mirjalili, 2016). Sehingga, dari beberapa algoritma baru tersebut memiliki potensi yang besar untuk menyelesaikan permasalahan inversi data VES lebih baik dibandingkan Algoritma-algoritma yang telah diaplikasikan sebelumnya. Memory based Hybrid Dragonfly Algorithm (MHDA) yang dikembangkan dari DA oleh K.S. and Murugan (2017) digunakan dalam penelitian ini. Algoritma ini merupakan gabungan (hybrid) dua algoritma, yaitu PSO dan DA, di mana PSO memiliki kemampuan eksploitasi yang baik sedangkan DA memiliki kemampuan ekplorasi yang baik, sehingga algoritma ini mampu menyeimbangkan proses eksploran dan eksploitasi untuk mencari solusi optimum dalam inversi data VES. Dalam penelitian ini, MHDA diaplikasikan untuk mengidentifikasi panas bumi di daerah Kamojang, Jawa Barat yang merupakan salah satu sumber panas bumi di pulau Jawa selain di daerah Darajat, Gunung Salak, Wayang-Windung, dan Dieng (Darma et al., 2010). Kata kunci: resistivity inversi, hybrid, Memory based Hybrid Dragonfly Algorithm, Artificial Neural Network, Optimization