Analisis Sinyal Sub Bottom Profiler Untuk Penentuan Parameter Uji Penetrasi Dasar Perairan
DOI:
https://doi.org/10.5614/jts.2020.27.3.7Keywords:
Inversi Sedimen, N-value, Pemrosesan Sinyal, Standard Penetration Test, Sub Bottom ProfilerAbstract
Penyelidikan dan pengujian dasar perairan memegang peranan penting pada konstruksi pondasi kelautan dikarenakan informasi yang dihasilkan akan mempengaruhi desain dan faktor keamanan. Umumnya informasi mengenai dasar perairan dan lapisan dibawahnya disediakan oleh metode konvensional seperti Standard Penetration Test (SPT), yang memerlukan waktu dan biaya lebih tinggi pada pelaksanaan di area laut yang luas. Metode remote sensing akustik bawah air dengan instrument Sub Bottom Profiler (SBP) merupakan metode yang lebih efisien untuk mendapatkan informasi dasar perairan pada area yang luas. Tujuan dari penelitian ini adalah untuk menganalisis sinyal SBP dan menggunakannya untuk menentukan parameter SPT (N-value), menggunakan instrumen parametrik SBP. Data SBP diambil pada bulan Desember 2019 di Teluk Kariangau, Balikpapan, dengan membuat 2 jalur survey lurus yang melalui 3 titik borehole eksisting. Ekstraksi koefisien refleksi dari pemrosesan sinyal SBP menunjukkan tipe dasar perairan silty clay dengan rentang nilai koefisien refleksi berkisar 0,316 "? 0,395, dan carbonaceous clay dengan nilai koefisien refleksi 0,426. Metode inversi sedimen menghasilkan nilai property fisik sedimen pada lapisan di bawah dasar perairan. Konstruksi parameter N-value menunjukkan posisi lapisan keras pada kedalaman 16 "? 32 m dari dasar perairan, dengan range nilai N-value berkisar 28 "? 52 blowcount.
References
Daftar Pustaka
Amri. U, 2016, Integrasi Data Sub Bottom Profiler Dan Gravity Core Untuk Menentukan Dinamika Sedimentasi Resen Di Perairan Utara Wokam, MS Thesis, ID: Institut Pertanian Bogor.
Bai, Y., dan Bai, Q., 2018, Subsea Engineering Handbook (Second Edition), Elsevier.
Dinas HIDRO-OSEANOGRAFI, 2016, Peta Laut No 130 Balikpapan Hingga Muara Berau, Dinas Hidro-Oseanografi TNI AL.
Dondurur, D., 2018, Acquisition and Processing of Marine Seismic Data, Elsevier.
Koparde, P., Wagh, R., Phatak, D., 2018, Soil base profiling/sub-bottom profiling by echo signal processing, IEEE 14th International Colloquium on Signal Processing & Its Applications (CSPA), doi:10.1109/cspa.2018.8368682.
Li, Y., dan Wang, L., 2019, A novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise, minimum mean square variance criterion and least mean square adaptive filter, Defence Technology, doi:10.1016/j.dt.2019.07.020.
Manik, H.M., 2016, Acoustical Measurement and Biot Model for Coral Reef Detection and Quantification. Advances in Acoustics and Vibration, doi:10.1155/2016/2350615
Onajite, E., 2015, Seismic Data Analysis Techniques in Hydrocarbon Exploration (Second Edition), Elsevier.
Rohman, S., Manik, H.M., Mudita, I., 2015, Analisis Dan Klasifikasi Sedimen Permukaan Dasar Laut Menggunakan Sub-Bottom Profiler, Jurnal Teknologi Perikanan dan Kelautan, Vol. 6, No.1, 31 - 39.
Rui, W., Changzheng, L., Xiaofei, Y., 2017, Application Of Sub-Bottom Profiler to Study Riverbed Structure and Sediment Density, ICEESE 2017, doi:10.1088/1755-1315/128/1/012113.
Saleh, M., dan Rabah, M., 2016, Seabed sub-bottom sediment classification using parametric sub-bottom profiler, NRIAG Journal of Astronomy and Geophysics, No.5, 87-95, doi:10.1016/j.nrjag.2016.01.004
Sarkar, G., Siddiqua, S., Banik, R., Rokonuzzaman, M., 2015, Prediction of soil type and standard penetration test (SPT) value in Khulna City, Bangladesh using general regression neural network, Quarterly Journal Of Engineering Geology and Hydrogeology, 2014-108, doi:10.1144/qjegh2014-108.
Solikin, S., Manik, H.M., Pujiati, S., Susilohadi, 2017. Pemrosesan Sinyal Data Sub-bottom Profiler Substrat Dasar Perairan Selat Lembeh, Jurnal Rekayasa Elektrika, Vol.13,No.1,42-47.
Tarawneh, B., 2016, Predicting standard penetration test N-value from cone penetration test data using artificial neural networks, Geoscience Frontiers, doi:10.1016/j.gsf.2016.02.003
