Implementasi Algoritma Genetika untuk Optimasi Parameter Self Potential pada Sebaran Mineral Pasir Besi

Siti Diah Ayu Febriani

doi:10.20527/flux.v15i1.4194

Implementasi Algoritma Genetika untuk Optimasi Parameter Self Potential pada Sebaran Mineral Pasir Besi

Siti Diah Ayu Febriani

Abstract

Salah satu cara untuk mengetahui potensi mineral adalah mengoptimalkan parameter Self -Potential secara global dengan menggunakan pemodelan Algoritma Genetika. Metode ini memiliki kelebihan dalam memberikan informasi yang lebih komprehensif dan terpadu agar lebih memastikan bahwa di daerah Kepanjen, Jember memiliki potensi mineral pasir besi dan Algoritma Genetika yang dikembangkan dengan fungsi fitness yang dibangun pada model residu. Program pemodelan numerik menggunakan MATLAB. Proses Algoritma Genetika bekerja dengan memilih model tebakan acak dalam satu populasi, menghasilkan model inversi yang mendekati model data primer dan dapat dianggap sebagai solusi parameter optimum momen dipol listrik (k), kedalaman ke pusat bola atau cilinder. (h), sudut polarisasi (θ) dan (q). Berdasarkan hasil penelitian dengan menggunakan data primer, didapatkan pola distribusi pasir besi dengan anomaly self potential sebesar -291,7 mV yang mengindikasikan butiran mineral pasir besi paling optimum pada lintasan dua dan nilai fitness terbesar pemodelan algoritma genetika pada probabilitas cross cover dan mutasi adalah 0,9 dan 0,05 dengan RMS 2,6% dan parameter Self -Potential optimal pada 202,15 (k), 4,98 (h), 1,5 (q), 29,96 (θ).

KEYWORD : Algoritma Genetika, Optimasi, Mineral Pasir Besi, Self-Potential

Keywords

algoritma

Full Text:

PDF

References

Agarwal, B.N.P., 1984. Quantitative interpretation of self-potential anomalies. Expanded Abstract Volume of the 54th SEG Annual Meeting Exposition. Atlanta: 154-157

Charbonneau, P., 2002. Release notes for PIKAIA 1.2 NCR/NT-451+STR. NCR TECHINCAL Note. Boulder, Colorado.

Goldberg, D. E., 1989. Genetic Algorithms in Search, Optimization and Mechine Learning. New York: Addision Welsey Publishing Company. INC.

Indriana, R. D., 2007. Interpretasi Bawah Permukaan dengan Metode Self Potential Daerah Bledug Kuwu Kradenan Grobogan. Berkala Fisika 10 (3), 155-162.

Luliano, T., Mauriello, P., Patella, D., 2002. Looking Inside Mount Vesusius by Potential Fields Integrated Probability Tomographies. J. Volcano. Geotherm. Res, 113, 363-378.

Minsley, B. J. 1997. Modeling and Inversion of Self Potential Data. B.S Applied Physics, Perdue University.

Nugraha, D. C., dan Mahmudy, W. F., 2015. Optimasi Vehicle Routing Problem with Time Windows pada Distribusi Katering Menggunakan Algoritma Genetika. (ITS), Seminar Nasional Sistem Informasi Indonesia (SESINDO), Surabaya, 2-3 November, 275-282.

Patella, D., 1997. Introduction to Ground Surface Self-Potential Tomography. Geophys, Prospect. 45, 653-681.

Patella, D., 2003. Principle of Electrography applied to Self-Potential sources and hydrogeological application. Water Resources Research, 39: 5SBH3-2-SBH3-15.

Rao, B.S.R., Murthy. I.V.R., Readdy, S.J., 1970. Interpretation of Self Potential Anomalies of Some Simple Geometrical Bodies. Pure Appl. Geophysics, 78. 60-77.

Revil, A., Ehourane, L, Thyreault, E., 2001. Tomography of Self-Potential Anomalies of Electrochemical nature. Geophys. Res. Lett, 28, 4363-4366.

Reynold, J. M., 1997. An Introduction to Applied and Environmental Geophysics. England: John Wiley and Sons Ltd.

Sundarajan, N., and Srinivas, Y., 1996. A Modified Hilbert Transform and its application to self-potential interpretation. J. Appl. Geophysics, 3, 137-143.

Telford, W. M., Geldart, L. P, and R.E Sheriff, R.E., 1990. Applied Geophysics. Cambride University Press.

DOI: http://dx.doi.org/10.20527/flux.v15i1.4194