Pengukuran metode geomagnetik di permukaan bumi pada dasarnya meupakan

gabungan pengukuran yang terdiri dari anomali medan magnet dalam, medan
magnet luar dan anomali magnetic. Untuk mendapatkan anomali magnetic maka
dilakukan koreksi dengan mereduksi pengaruh medan magnet luar bumi (Koreksi
harian) dan medan magnet dalam bumi (IGRF). Sifat magnetic yang dipole
menjadikan metode ini relative lebih sulit untuk diinterpretasi dibandingkan
metode gravitasi. Untuk mengatasi hal tersebut diperlukan beberapa treatment
data yang bergantung pada individu interpreter ada yang melakukan proyeksi
tertentu adapula yang langsung melakukan pada tahap selanjutnya. Umumnya
beberapa interpreter untuk mempermudah interpretasi data geomagneik yang
bersifat dipole, data magnetic hasil pengolahan (Total Magnetic Intensity)
dirotasikan menjadi seolah – olah monopole seperti metode gravitasi. Hal ini
bertujuan untuk mempermudah interpreter dalam menginterpretasikan data
geomagnetik. Beberapa metode umum yang digunakan adalah metode reduksi ke
kutub, reduksi ke equator, analityc signal ataupun dengan metode
pseudogravitasi. Namun hal ini kembali bergantung pada interpreter tersebut.

Peta Total Magnetic Intensity merupakan superposisi antara anomali regional dan
residual. Anomali regional menggambarkan kondisi geologi secara umum dari
daerah penelitian yang dicirikan oleh anomali berfrekuensi rendah, sedangkan
anomali residual / lokal lebih cenderung menggambarkan kondisi geologi
setempat yang dicirikan dengan frekuensi tinggi. Pada prinsipnya Teknik
pemisahan anomali regional dan residual dilakukan dengan 3 prinsip pemisahan
(filtering) yaitu:
1. Tapis lolos rendah (low pass filter) frekuensi tinggi diredam sedangkan
frekuensi rendah diloloskan
2. Tapis lolos tinggi (high pass filter) frekuensi rendah diredam sedangkan
frekuensi tinggi diloloskan
3. Band pass filter, hanya range frekuensi tertentu yang diloloskan

Ada beberapa metode yang dapat digunakan untuk melakukan pemisahan anomali
regional – residual, metode kontinuasi ke atas (upward continuation), kontinuasi
kebawah (downward continuation), pencocokan polinomial (polynomial fitting),
butterworth filter, Gausian filter, analityc signal dan metode filtering lainnya.
Metode pemisahan yang dilakukan pada tulisan ini adalah menggunakan gausian
filter. Gaussian filter memiliki peranan penting dalam banyak pemrosesan sinyal,
pemrosesan gambar, dan aplikasi komunikasi (Rau, R dan McClellan, 1997).
Filter ini dicirikan oleh bandwidth sempit, cutoff tajam, dan overshoot rendah.
Fitur utama dari filter Gaussian adalah Transformasi Fourier dari Gaussian juga
merupakan Gaussian, sehingga filter memiliki bentuk respons yang sama baik
dalam domain waktu maupun frekuensi. Filter Gaussian bekerja dengan
menggunakan distribusi 2D sebagai penyebaran titik fungsi yang dicapai dengan
menggabungkan fungsi distribusi 2D Gaussian dengan gambar. Pendekatan diskrit
ke fungsi Gaussian secara teoritis membutuhkan kernel konvolusi. Contoh matrik
kernel Gauss 3 X 3 dengan  = 1.0

Gambar 2. Matrik kernel gauss 3 X 3 dengan  =1.0

Proses pemisahan anomali regional dengan residual dilakukan dalam domain

frekuensi. Secara prinsip matematis, proses ini memungkinkan untuk melakukan
pemisahan anomali ini karena objek - objek bawah permukaan akan
memunculkan respon geomagnetik secara spasial dengan frekuensi rendah.
Teknik konversi ini menggunakan proses transformasi Fourier yang digambarkan
secara sederhana melalui persamaan berikut:
∞
F ( k )=∫ f ( x ) e−ikx dx
−∞

Nilai F(k) adalah fungsi spektrum dalam domain frekuensi dengan k adalah
bilangan gelombang, sedangkan f(x) adalah fungsi spektrum dalam domain waktu
dengan x adalah jarak. Untuk mendapatkan nilai k yang sesuai perlu adanya
proses analisis spektrum yaitu analisis harmonik yang digunakan untuk
menganalisis fenomena osilator harmonik di alam dengan tujuan mendapatkan
distribusi spektrum dari fenomena osilator dan menunjukkan karakteristik
statistiknya (Indriana, 2009). Dengan menggunakan analisis spektrum kedalaman
daerah pengaruh dari regional dan residual juga dapat dihitung. Nilai k digunakan
sebagai input dalam proses filtering dalam pemisahan anomali regional dan
residual. Hasil dari analisis spektrum ini akan didapatkan nilai k yang merupakan
batas antara kawasan regional dan residual.

Gambar 1. Gausian Filter (Manual oasis montaj)

Gaussian filtering didapat dari operasi konvolusi. Operasi perkalian yang

dilakukan ialah perkalian matriks kernel. Matriks kernel gauss didapat dari fungsi
komputasi dari distribusi gaussian, yang merupakan filter linier dengan
memanfaatkan distribusi data dalam matriks kernel Gauss yang digambarkan
secara sederhana melalui persamaan:
2 2
−(i−u) +( j −v)
2
2σ
G ( i, j )=c . e

Nilai G(i,j) adalah matriks kernel Gauss, c adalah konstanta sedangkan i, u, j dan
v adalah anggota di dalam matriks dan  adalah suatu konstanta nilai yang
disesuaikan dengan ukuran matriks kernel Gauss. Selanjutnya matriks kernel
tersebut dikonvolusikan terhadap matriks data yang sudah berada dalam kawasan
frekuensi. Nilai k cutoff merupakan perpotongan fungsi linier regional dan
residual yang digunakan untuk menentukan lebar jendela filter di dalam proses
pemisahan nilai anomali gayaberat. Hubungan antara amplitudo (A) dan bilangan
gelombang (k) adalah hubungan linier dengan gradien yang berbeda yang
ditunjukkan persamaan garis lurus. Kelebihan dari Gausian filter adalah
interpreter dapat dengan mudah melihat pengaruh perubahan bilangan gelombang
sebagai cuttoff secara langsung terhadap hasil pengolahan signal yang diinginkan
dengan kontrol constrain tertentu seperti constrain geologi.
Rau, R and J.H. McClellan. (1997). Efficient Approximation of Gaussian
Filters, Transactions on Signal Processing, Vol. 45, No. 2
R. D. Indriana. (2008). Estimasi Ketebalan Sedimen dan Kedalaman
diskontinutias Moho daerah Jawa Timur dengan Analisis Power Spectrum
Data Anomali Gravitasi. Fisika Universitas Diponegoro, vol. 11, no. 2