INVERSI DATA GEOLISTRIK MENGGUNAKAN PARTICLE SWARM

JGE (Jurnal Geofisika Eksplorasi)Vol. 07 No. 02, Juli 2021 (88-99) https://doi.org/10.23960/jge.v7i2.118

88

INVERSI DATA GEOLISTRIK MENGGUNAKAN PARTICLESWARM OPTIMIZATION: STUDI KASUS DESA GAYAU

GEOELECTRICAL DATA INVERSION USING PARTICLESWARM OPTIMIZATION: CASE STUDY OF GAYAUVILLAGE

Alhada Farduwin1*, Risky Martin Antosia2, Intan Andriani Putri3, Nono Agus Santoso4, SelviMisnia Irawati5

1,2,3,4,5Program Studi Teknik Geofisika, Jurusan Teknologi Produksi dan Industri, Institut TeknologiSumatera

Received: 2020, November 18th

Accepted: 2021, April 1st

Keyword:Aquifer;Gayau;Particle Swarm Optimiza-tion (PSO); VES.

Corespondent Email:[email protected]

How to cite this article:

Farduwin A., Antosia R.M., PutriI.A., Santoso N.A., & Irawati S.M.,(2021). Inversi Data VESMenggunakan Algoritma PsoDalam Penentuan Lapisan AirTanah: Studi Kasus Desa

Abstrak. Desa Gayau yang terletak di Kecamatan Padang Cermin,Kabupaten Pesawaran sering mengalami kekeringan air pada saat musimkemarau sehingga perlu dilakukannya pengukuran geolistrik untukmengidentifikasi keberadaan lapisan akuifer air tanah. Pada penelitian inikonfigurasi yang digunakan adalah Schlumberger dengan panjangbentangan MN/2 sebesar 1, 5, 10, dan 20 meter. Sedangkan panjangbentangan AB/2 sebesar 6 hingga 300 meter. Pada tahapan inversi dataVES, kami menggunakan algoritma Particle Swarm Optimization (PSO)untuk memperoleh nilai parameter resistivitas dan ketebalan lapisan.Algoritma ini dipilih karena cepat menuju konvergen dan relatif stabil.Hasil dari inversi ini diperoleh bahwa lapisan akuifer pertama berada padakedalaman 21.4 - 52.1 meter dengan litologi batupasir berbutir halusdengan sisipan tufa Lapisan akuifer kedua berada pada kedalaman 52.1-70 meter dengan litologi breksi. Pada kedalaman >70 meterdiinterpretasikan sebagai akuifer air tanah, namun memiliki debit yangkecil. Hal ini disebabkan karena litologi lapisan berupa breksi, dasit danlava basal dari Formasi Hulusimpang. Sistem aliran air tanah pada lapisanini merupakan sistem media pori yang berakibat pada debit rendah danwaktu pengisian kembali lapisan air tanah relatif lama.

Abstract. Gayau Village, which is located in Padang Cermin sub-district,Pesawaran, often experiences water dryness during the dry season so that itis necessary to carry out geoelectric measurements to identify the presence ofgroundwater aquifer layers. In this present study, the configuration usedwas the Schlumberger with MN / 2 stretch lengths of 1, 5, 10, and 20 meters.

mailto:[email protected]

JGE (Jurnal Geofisika Eksplorasi) 07 (02) 2021, 88-99

89

Gayau.Jurnal Geofisika Eksplorasi.07(02), 88-99.

© 2021 JGE (Jurnal Geofisika Eksplorasi).This article is an open-access articledistributed under the terms andconditions of the Creative CommonsAttribution (CC BY NC)

Meanwhile, the length of the AB / 2 stretch is 6 to 300 meters. At the VESdata inversion stage, we used the Particle Swarm Optimization (PSO)algorithm to obtain the resistivity and layer thickness parameter values.This algorithm was chosen because it is fast to convergent and relativelystable. The results of this inversion show that the first aquifer layer locatedat depth of 21.4 - 52.1 meters with fine-grained sandstone lithology with tuffinserts. The second aquifer layer is at a depth of 52.1 - 70 meters withbreccias lithology. At a depth of> 70 meters it is interpreted as groundwateraquifer but has a small discharge. This is due to the lithology of the layers inthe form of breccias, dacites and basalt lava from the Hulusimpangformation. Where in this layer the groundwater flow system is a pore mediasystem which results in low discharge and relatively long time to replenishthe groundwater.

1. PENDAHULUANKecamatan Padang Cermin, Kabupaten

Pesawaran memiliki luas area sekitar 730 Ha/m2

dan terdiri atas 1722 penduduk. Banyaknyajumlah penduduk di desa tersebut jugameningkatkan kebutuhan konsumsi air bersihuntuk kehidupan sehari-hari. Secara umum,rata-rata kedalaman sumur yang dimiliki olehwarga adalah 10 m. Akan tetapi ketika musimkemarau tiba, sumur yang relatif dangkaltersebut menjadi kering sehingga warga sekitarmenjadi kekurangan air bersih. Selain itu, padasaat musim hujan Desa Gayau sering dilandabanjir yang kemungkinan besar merupakan airlimpahan karena secara geografis Desa Gayauberada di bawah pegunungan. Namundemikian, banjir tersebut tidak terjadi dalamwaktu yang lama, hanya jika di puncakpegunungan hujan sehingga air menggenangidesa ini.

Pada bulan Desember tahun 2018, telahdilakukan pengeboran sumur hinggakedalaman sekitar 80 m namun tidak sepertiyang diharapkan ketersediaan air dari sumurtersebut hanya bisa bertahan selama kurangdari satu bulan. Di samping itu, setelahdilakukan pengujian air oleh Dinas Kesehatankualitas air tersebut tidak layak konsumsi. Dilain pihak, terdapat sumur warga yangmempunyai debit air relatif konstan danterletak pada kedalaman sekitar 52 m. Ke arah

barat juga terdapat satu sumur warga dengandebit air yang cukup banyak pada kedalamansekitar 30 m. Meskipun memiliki debit yangrelatif konstan, kedua sumur warga tersebutmasih tercampur dengan pasir halus sehinggaair yang diperoleh agak keruh kehitaman.

Dengan memperhatikan kondisi tersebut,maka perlu dilakukan survei metode geolistrikuntuk mengindentifikasi keberadaan lapisan airtanah (akuifer) beserta kedalamannya sebelumpemboran guna meminimalisir kemungkinanmendapatkan sumur kering lagi. Selain itu jugaperlu diketahui penyebab sumur bor milik DesaGayau menjadi kering dan debitnya kecilpadahal pemboran sumur cukup dalammencapai 80 meter. Di sisi lain dengantersedianya sumber air baik di permukaanataupun didalam tanah akan mampumeningkatkan pembangunan di suatu daerah(Leggett dkk., 1984). Menurut Oseji dkk. (2005)menyatakan bahwa metode geolistrik mampumendeteksi potensi keberadaan air di dalamtanah (akuifer) meskipun terdapat perbedaankondisi geologi. Metode ini akan mendeteksikeberadaan lapisan air tanah berdasarkanparameter nilai resistivitas batuan.

Penggunaan metode geofisika untuk surveiteknik dan lingkungan serta eksplorasi air tanahtelah berkembang selama beberapa dekadetahun yang lalu seiring dengan kemajuanpengembangan aplikasi pengolahan data

Inversi Data Geolistrik Menggunakan Particle Swarm Farduwin et al

90

geofisika dan solusi numerik pemodelangeofisika. Metode VES telah tebukti menjadimetode yang sangat populer dalam eksplorasiair tanah (Adagunodo dkk., 2018; Araffa dkk.,2020; Mogaji & Omobude, 2017; Mohamaddkk., 2017; Riska & Satiawan, 2019) dan surveigeoteknik lainnya dikarenakan metodenya yangsederhana dan mudah diaplikasikan serta biayayang sangat terjangkau. Dari beberapa alasanyang diuraian tersebut, penelitian ini bertujuanguna memperkirakan keberadaan zona akuiferair tanah dengan menggunakan metodegeolistrik VES dengan konfigurasi yangdigunakan adalah Schlumberger gunamembantu masyarakat Desa Gayau dalammengetahui letak kedalaman lapisan akuifer airtanah.

2. TINJAUAN PUSTAKAPulau Sumatera berada pada zona subduksi

aktif antara Lempeng Australia dan LempengEurasia. Subduksi ini bergerak secara perlahansejak zaman kapur dari arah timur laut menujuposisinya saat ini (Katili, 1975). Subduksi

tersebut berlangsung secara miring sehinggamenghasilkan Sesar Geser Sumatera yangmerupakan sesar geser dekstral (Sieh &Natawidjaja, 2000).

Zona sesar geser dekstral memiliki panjang1650 km yang terbagi menjadi dua segmenutama yaitu segmen utara dan selatan. Segmentersebut merupakan hasil dari perbedaankecepatan subduksi pada Sumatera bagian utaradan selatan. Kecepatan pergerakan subduksiadalah 52 mm/tahun pada Sumatera bagianutara dan 60 mm/tahun pada Sumatera bagianselatan (Sieh & Natawidjaja, 2000). Areapenelitian teletak pada segmen selatan yaitu didaerah Padang Cermin.

Secara geologi, Daerah Pesawaran tersusunoleh Formasi Lampung (QTI), alluvial (Qa),endapan vulkanik muda (Qhv), Formasi Sabu,(Tpos), Formasi Tarahan (Tpot), FormasiMenanga (Km), Formasi Hulusimpang(Tomh), Kompleks Gunung Kasih yang tidakterkonsolidasi, Sekis Way Galih (Pzgs), DasitPiabung, dan Granodiorit Dulan (Gambar 1).

Gambar 1. Peta regional geologi pada daerah sekitar lokasi penelitian (dimodifikasi dari Mangga,1993), dimana kotak merah merupakan lokasi penelitian.


91

Stratigrafi area penelitian tersusun olehbatuan berumur Pre-Tersier, Tersier, danKuarter. Batuan Pre-Tersier merupakan batuantertua yang terdiri atas batuan metamorf derajatrendah yaitu sekis, gneiss, marmer, kuarsit,termasuk kompleks Gunung Kasih. Disampingitu, terdapat Formasi Menanga yang berumurPra-Tersier Mesozoikum. Formasi tersebuttidak mengalami metamorfisme dan tersusunoleh batupasir tufan, batupasir karbonatan,rijang, dan basal

Batuan tersier tersusun oleh sekuen batuanbusur vulkanik dan sedimen yang terendapkansecara ekstensif, meliputi Formasi Sabu,Campang, dan Tarahan. Ketiga formasitersebut termasuk ke dalam umur Paleosenhingga Oligosen. Formasi Sabu terdiri atasbatuan breksi-konglomeratan, batupasir,batulempung, dan batupasir tufan. FormasiTarahan tersusun oleh batuan utama berupatuff, breksi tuffan, dan andesit-basalt. Batuanutama Formasi Campang adalah batulumpur,

shale, kalkarenit, breksi tuffan, dankonglomeratan. Disamping itu, batuan tersierlain berada pada Formasi Hulusimpang yanglitologi berupa alkaline andesit-basalbatugamping dan batuan andesit vulkanik yangterbentuk oleh proses subduksi didekat bataskontinen aktif (Mangga dkk., 1993). Batuanberumur Kuarter tersusun oleh lava Pleistosen,breksi, dan andesit-basal tufan.

3. METODE PENELITIANPengukuran geolistrik VES ini dilakukan di

Desa Gayau, Kecamatan Padang Cermin,Pesawaran, Lampung dengan jumlah titikpengukuran sebanyak 3 titik sounding (Gambar2). Pelaksanaan pengukuran dilakukan padatanggal 28-29 Oktober 2020. Kamimenggunakan konfigurasi Schlumbergerdengan panjang bentangan AB/2 6 hingga 300meter. Sedangkan panjang bentangan MN/2mulai dari 1, 5, 10 dan 20 meter.

Gambar 2. Peta lokasi daerah penelitian di Desa Gayau. Titik warna putih merupakan titikpengukuran geolistrik dengan teknik VES konfigurasi schlumberger.


92

3.1. Vertical Electrical Sounding (VES)Pengukuran geolistrik dengan teknik VES

bertujuan guna mendapatkan data variasiresistivitas batuan melalui pengukuran di suatulokasi dengan merubah jarak spasi elektroda(Reynolds, 2005).

Dalam teknik Schlumberger, jarak pasanganelektroda potensial dianjurkan lebih kecildaripada jarak pasangan elektroda arus, yaitujarak pasangan elektroda potensial (MN/2) <0,2 jarak pasangan elektroda arus (AB/2). JarakAB/2 yang lebih besar bertujuan untukmeningkatkan penetrasi kedalaman lapisanyang diperoleh. Jika terdapat perbedaan nilaipotensial listrik yang sukar untuk diukur dansensitivitas dari alat berkurang, maka jarakpasangan elektroda potensial (MN/2) harusdiperlebar (Telford dkk., 1990).

Dalam pengukuran geolistrik, parameteryang diperoleh adalah nilai resistivitas semusebagai akibat dari model bumi yang berlapis.Nilai resistivitas semu dapat dihitung denganmenggunakan persamaan berikut:

= ∆ (1)

Dimana ρα merupakan nilai resistivitassemu (ohm.m), adalah faktor geometri,∆ adalah beda potensial yang terukur (mV),dan I adalah nilai arus yang terukur (mA).Untuk tiap-tiap konfigurasi memiliki nilaifaktor geometri yang berbeda-beda. Besarnyanilai faktor geometri dalam konfigurasischlumberger secara matematis dapat dihitungmenggunakan persamaan dibawah ini:

= (2)

Dimana a merupakan jarak AB/2 + MN/2 dan bmerupakan jarak MN/2.

Gambar 3 merupakan layout pengukuranmetode geolistrik dengan menggunakankonfigurasi Schlumberger. Dalam prinsipnya,pengukuran dengan konfigurasi Sclumbergermembuat jarak P1P2 menjadi lebih kecil dari

pada jarak C1C2 tetapi karena terbatasansensitivitas peralatan yang digunakan, sehinggasaat jarak antara C1C2 semakin besar maka jarakantara P1P2 harus diperbesar.

Gambar 3. Layout pengukuran metode geolistrikdengan teknik VES konfigurasi Schlumberger(Riska & Satiawan, 2019)

Selama pengukuran geolistrik di sitepengukuran, quality control harus diperhatikanguna memperoleh kualitas data yang baik.Adapun beberapa hal yang dapat dilakukanselama pengukuran untuk memastikan datayang diperoleh sudah baik, yaitu (i) pastikannilai kontak resistansi antara elektroda yangdigunakan dan batuan yang diukur denganperalatan yang dipakai harus bernilai rendah;(ii) selama proses pengukuran data dilapangandianjurkan untuk membuat kurva resistivitasguna menghindari data yang kurang baik yangdiakibatkan oleh kebocoran, atau efek sampingselain pengukuran elektroda; (iii) mengubahletak elektroda atau melakukan pengukuranlebih dari sekali guna mencegah timbulnyadistorsi atau error saat proses akuisisi; (iv)melakukan akuisisi yang overlap untuk nilaiAB/2 (dengan MN/2 yang berbeda)dikarenakan nilai MN/2 yang berbeda dapatmenimbulkan perubahan pada segmen kurvaresistivitas (Riska & Satiawan, 2019).

Selanjutnya jika data resistivitas sudahdiperoleh, pengolahan data yang dilakukanadalah melakukan inversi data VES untukmendapatkan nilai resistivitas yang sebenarnyadari tiap-tiap pelapisan bawah permukaan.


93

Pada penelitian ini, teknik inversi yangdilakukan dengan menggunakan algoritmaPSO. Dari inversi ini, parameter lain yangdiperoleh selain nilai resistivitas sebenarnyaadalah nilai ketebalan tiap-tiap lapisan.

3.2. Particle Swarm Optimisation (PSO)PSO merupakan suatu teknik perhitungan

yang mengadopsi prilaku sosial suatu kelompokburung (kawanan partikel) dalam menemukanmakanan (Kennedy & Eberhart, 1995). Ketikasuatu individu memperoleh jalan terdekat kearah targetnya maka individu yang lainnyadalam suatu kawanan akan bergerak ataumengikuti kearah jalan terpendek tersebut dantiap-tiap individu akan mengingat posisiterbaik yang dilewatinya. Masing-masingindividu akan membawa informasi yangberkaitan dengan kecepatan dan posisi daritarget yang dinyatakan dalam vektor V(kecepatan) dan X (posisi). Kemudian tiap-tiapindividu akan menyampaikan informasikecepatan dan posisinya kepada individu yanglain dan setelah itu individu yang laun akanmenyesuaikan kecepatan (V) dan posisi (X)berdasarkan informasi yang diterima.

Dalam inversi data VES, vektor posisi (X)berisi informasi parameter model (m) yangdiestimasi. Dalam hal ini, parameter modeltersebut berupa ketebalan lapisan (H) danresistivitas sebenarnya ( ). Tahapan algoritmaPSO adalah sebagai berikut:a. Penentuan jumlah partikel dan iterasi yang

akan digunakan dalam optimasi.b. Membangkitkan populasi awal (X) dari

rentang nilai pencarian model secara acakdan diperoleh populasi awal

, , , … . , ; = ;= − ; = ℎ

. Untuk iterasi awal nilai V diset nol( = = = ⋯ = = 0).

c. Evaluasi fungsi objektif dari tiap-tiappartikel yang dibangkitkan sehinggadiperoleh nilai fungsi objektif

[ ]; [ ]; [ ]; … . ; [ ].

d. Penentuan parameter l dan g. l adalahparameter posisi (X) paling baik dari tiap-tiap partikel dari total iterasi/perulanganyang dilakukan. Nilai g adalah posisi palingbaik yang dapat ditempuh partikel dalamsuatu kawanan. Indikator paling baik dapatdiperhatikan pada nilai fungsi objektifnya,dimana posisi paling baik adalah saat nilai fminimum.

e. Update nilai kecepatan (V) dan posisi (X)memakai algoritma PSO untuk tiap-tiapiterasi. Nilai V dan X dihitung denganpersamaan berikut:

( + 1) = ( ) + ( ) −( ) + ( ) − ( )

( + 1) = ( ) + ( + 1) (3)

dengan,

= , = , , (4)

dimana ( ) adalah posisi terbaik partikelke-i, g(k) adalah posisi global terbaik, adalahmomen inersia, dan merupakanakselerasi global dan lokal, dan ,merupakan konstanta akselerasi lokal danglobal. Dengan menerapkan diskritisasi regresif(RR-PSO) pada kecepatan dan percepatandalam fungsi waktu (Martínez & Gonzalo,2012), diperoleh model diskrit denganpersamaan sebagai berikut :

( ) ≃ ( ) ( ∆ )∆

( ) ≃( ) ( ) ( ) = ( ) ( ) (5)

Maka persamaan untuk RR-PSO secaramatematis dapat dituliskan sebagai berikut:

( − Δ ) =( ) ( ) ( ) ( ( ) ( ))

( )( +

Δ ) = ( ) + ( +Δ )Δ ; ,Δ ℝ (0) = ;

(0) = ; = + (6)

Dalam melakukan inversi PSO, penentuannilai tunning parameter ini sangat pentinguntuk mendapatkan hasil yang terbaik. Nilai


94

tunning parameter yang kami gunakan merujukpada (Laby dkk., 2016; Martínez dkk., 2010)dengan ω = 0.8, = 1.8 = 2.Selanjutnya pada tahapan inversi kamimembangkitkan jumlah partikel sebanyak 500dengan iterasi sebesar 100 kali pengulangan.Secara teori, dengan semakin banyaknyajumlah partikel dan jumlah iterasi yang dipakai,maka model yang dihasilkan akan semakinakurat. Namun dengan jumlah yang banyak,akan mengakibatkan waktu komputasi yanglebih lama.

4. HASIL DAN PEMBAHASANGambar 4 menunjukkan kurva resistivitas

hasil pengukuran (warna biru) dan kurvaresistivitas hasil inversi (warna merah) denganmenggunakan algoritma PSO. Dari hasil inversitersebut, secara keseluruhan algoritma PSOmampu menghasilkan kurva resistivitaskalkulasi yang relatif sama dengan kurvaresistivitas observasi. Kemiripan ini ditandaidengan nilai RMS error yang kecil (Gambar 6).Pada titik GY1 mempunyai nilai RMS errorsebesar 2.55%, sedangkan pada titik GY2mempunyai nilai RMS error sebesar 6.76% danpada titik GY3 mempunyai nilai RMS errorsebesar 4.16%. Kurva nilai error hasil inversidapat dilihat pada Gambar 6 yangmenggambarkan bahwa algoritma PSO cepatmenuju konvergen dan relatif stabil. Padaiterasi ke-20 untuk semua titik pengukurantelah menuju ke model yang sama (konvergen)hingga iterasi ke-100. Hal ini sesuai denganhasil penelitian dari Laby dkk., (2016) dan Dingdkk. (2019) yang menunjukkan bahwa PSO

lebih cepat menuju konvergen dengan erroryang kecil.

Model profil resistivitas terhadap kedalamanhasil inversi dengan menggunakan algoritmaPSO dapat dilihat pada Gambar 5. Padatahapan inversi ini kami membuat modelsebanyak 4 lapisan ditambah dengan 1 lapisanyang merupakan lapisan half-space. Sedangkanbatasan ruang pencarian model untuk tiap-tiaplapisan kami batasi dengan nilai resistivitasminimum sebesar 1 ohm.m dan resistivitasmaksimum sebesar 500 ohm.m. Parameterketebalan (H) lapisan kami batasi dengan nilaiH minimum sebesar 1 meter dan maksimumsebesar 40 meter. Dari hasil inversi yangdiperoleh, untuk semua titik pengukuran,mampu mencakup kedalaman rata-rata hingga75 meter untuk 4 lapisan awal. Sedangkanuntuk lapisan half-space diperoleh nilairesistivitas yang relatif stabil untuk semua titikpengukuran.

Tabel 1 adalah hasil interpretasi litologilapisan tanah yang mengacu pada geologidaerah sekitar dan merujuk pada hasilpenelitian dari Riska dan Satiawan (2019).Lapisan 1 dengan kedalaman rata-rata 0-12meter berpotensi menjadi akuifer air tanahdengan litologi berupa tanah denganperselingan aluvial dan tuff. Pada lapisan inimerupakan akuifer bebas dimana muka airtanah akan naik ketika musim hujan dan akanturun ketika musim kemarau. Pada daerahpenelitian, lapisan 1 ini sangat dirasakan olehwarga ketika terjadi musim kemarau. Daerahsekitar akan mengalami kekeringan dan sulitair.


95

Gambar 4. Kurva resistivitas hasil observasi (warna biru) dan kurva resistivitas hasil kalkulasi (warna merah);(a) titik GY1; (b) titik GY2; (c) titik GY3.

Gambar 5. Profil resistivitas terhadap kedalaman hasil inversi.

(a) (b)

(c)


96

Gambar 6. Kurva error hasil inversi dengan menggunakan algoritma PSO; (a) Titik GY1; (b) titik GY2; (c)titik GY3.

Tabel 1. Interpretasi litologi bawah permukaan berdasarkan data resistivitas dan ketebalan lapisan hasilinversi.

LapisanTitik GY1 Titik GY2 Titik GY3

LitologiRho(ohm.m)

H(m)

Rho(ohm.m)

H(m)

Rho(ohm.m)

H(m)

1 12.53 13.57 14.26 8.61 7.36 13.88

Tanah denganperselingan

tuff dan alufial(akuifer).

2 165.59 7.29 197.64 11.36 121.71 9.59

Lapisan kerashasil gunung

api muda(diperkirakandasit dan lava

basalt).

3 22.35 30.29 12.31 27.80 43.28 34.11Batupasir

berbutir halusdengan sisipan

(a) (b)

(c)


97

tufaan(potensiakuifer).

4 73.29 18.98 98.57 23.39 108.35 13.82

Batupasirberbutir kasar,breksi dan tuff

(berpotensiakuifer).

HalfSpace

218.89 ~ 185.47 ~ 185.13 ~

Breksi dandasit

(berpotensiakuifer).

Pada lapisan 2 merupakan aquitard/aquiklud yang menjadi lapisan penahan air darilapisan atas dan bawahnya dengan litologiberupa lapisan batuan keras (diperkirakan dasitPiabung dan lava basalt dari formasiHulusimpang). Lapisan ke-2 ini terletak dikedalaman 12-21.4 meter dengan ketebalan 9.4meter. Lapisan selanjutnya merupakan lapisanakuifer air tanah dengan litologi batu pasirberbutir halus dan sedikit sisipan tuff.Ketebalan lapisan ini mencapai 30.7 meter danterdapat di kedalaman 21.4–52.1 meter. Padalokasi sekitar daerah penelitian, di kedalamanini mempunyai debit air yang konstan, namunbutiran pasir dari lapisan batupasir berbutirhalus dapat terangkat saat dilakukanpenyedotan air oleh mesin pompa air.

Lapisan ke-4 diidentifikasi sebagai akuiferyang mempunyai potensi akuifer yang samadengan lapisan ke-3. Yang membedakankeduanya adalah adanya sisipan pada lapisanbatuannya. Hal ini dibuktikan dengan adanyaperbedaan nilai resistivitas batuan. Perbedaannilai resistivitas batuan ini dikarenakan adanyasisipan breksi. Lapisan ini mempunyaiketebalan 18.7 meter dan terdapat di kedalaman52.4 – 70 meter.

Selanjutnya pada lapisan paling bawah(lapisan 5) yang terletak pada kedalaman >70meter merupakan lapisan yang masihberpotensi menjadi akuifer. Hal ini dibuktikandengan adanya sumur bor warga hingga

kedalaman 80 meter yang menunjukkan adanyaair tanah. Namun lapisan ini tidak memilikidebit yang konstan atau kecil. Hal inidikarenakan lapisan ke-5 tersusun oleh litologiberupa breksi dengan perselingan dasit Piabungdan lava basat. Lapisan ini dapat menjadilapisan akuifer air tanah, namun akanmempunyai debit yang kecil dikarenakansistem aliran air tanah menggunakan sistemmedia pori.

5. KESIMPULANBerdasarkan hasil penelitian metode inversi

PSO pada data geolistrik dengan teknik VES didaerah Gayau memberikan hasil bahwaalgoritma inversi PSO cepat menuju konvergendan relatif stabil. Algoritma ini tidakmembutuhkan iterasi yang panjang untukmenuju ke nilai error yang relatif lebih kecil.

Selanjutnya yang menjadi penyebab sumurbor Desa Gayau menjadi kering atau debitnyaberkurang dikarenakan kedalaman sumur borberada di litologi batuan yang relatif lebih kerasdari formasi Hulusimpang. Dimana padalapisan ini sistem aliran air tanahnyamerupakan sistem media pori yang berakibatpada debit yang rendah dan waktu pengisiankembali lapisan air tanah di lapisan ini relatiflama.

Lapisan akuifer pertama berada padakedalaman 21.4–52.1 meter dengan litologibatupasir berbutir halus dengan sisipan tuff.Namun pada kedalaman ini dimungkinkan


98

butiran pasir dapat terangkat saat dilakukanpenyedotan air ke tangki penampungan air.Sedangkan lapisan akuifer kedua berada padakedalaman 52.1-70 meter dengan litologibreksi/batupasir berbutir kasar.

UCAPAN TERIMA KASIHUcapan terima kasih kami sampaikan kepadaLembaga Penelitian, Pengabdian Masyarakat,dan Penjaminan Mutu Institut TeknologiSumatera atas skema hibah friendly yang telahdiberikan dengan no kontrakB/860o/IT9.C1/PM.01.01/2020. Kami jugaberterima kasih kepada Aparatur dan wargaDesa Gayau yang telah berkontribusi dalampelaksanaan penelitian ini.

DAFTAR PUSTAKABogdonoff, S., & Rubin, J. (2007). The regional

greenhouse gas initiative: Taking action inMaine. Environment, 49(2), 9-16.

Gore, A. (2006). An inconvenient truth: Theplanetary emergency of global warming and whatwe can do about it. Emmaus, PA: Rodale.

Michaels, P. J., & Balling, R. C., Jr. (2000). Thesatanic gases: Clearing the air about globalwarming. Washington, DC: Cato Institute.

Mora, C., & Maya, M. F. (2006). Effect of the rate oftemperature increase of the dynamic method onthe heat tolerance of fishes. Journal of ThermalBiology, 31, 337-341.

doi: 10.101b/jtherbio.2006.01.055Adagunodo, T. A., Akinloye, M. K., Sunmonu, L. A.,

Aizebeokhai, A. P., Oyeyemi, K. D., &Abodunrin, F. O. (2018). GroundwaterExploration in Aaba Residential Area of Akure,Nigeria. Frontiers in Earth Science, 6, 66.https://doi.org/10.3389/feart.2018.00066

Araffa, S. A. S., Alrefaee, H. A., & Nagy, M. (2020).Potential of groundwater occurrence usinggeoelectrical and magnetic data: A case studyfrom south Wadi Hagul area, the northern partof the Eastern Desert, Egypt. Journal of AfricanEarth Sciences, 172, 103970.https://doi.org/10.1016/j.jafrearsci.2020.103970

Ding, Y., Zhang, W., Yu, L., & Lu, K. (2019). Theaccuracy and efficiency of GA and PSOoptimization schemes on estimating reaction

kinetic parameters of biomass pyrolysis. Energy,Elsevier, 176(C, 582-588.

Katili, J. A. (1975). Evolution of the Southeast AsianArc Complex. J. Indon. Assoc. Geol.

Kennedy, J., & Eberhart, R. (1995). Particle swarmoptimization. Proceedings of ICNN’95 -International Conference on Neural Networks, 4,1942–1948 vol.4.https://doi.org/10.1109/ICNN.1995.488968

Laby, D. A., Sungkono, Santosa, B. J., & Bahri, A. S.(2016). RR-PSO: Fast and Robust Algorithm toInvert Rayleigh Waves Dispersion.Contemporary Engineering Sciences, 9, 735–741.

Leggett, W. C., Frank, K. T., & Carscadden, J. E.(1984). Meteorological and HydrographicRegulation of Year-Class Strength in Capelin(Mallotus villosus). Canadian Journal of Fisheriesand Aquatic Sciences, 41(8), 1193–1201.https://doi.org/10.1139/f84-141

Mangga, S. A., Amirudin, Suwarti, T., Gafoer, S., &Sidarto. (1993). Peta Geologi Lembar TanjungKarang, Sumatera.

Martínez, J. L. ., García Gonzalo, E., Álvarez, J. P. F.,Kuzma, H. A., & Pérez, C. O. M. (2010). PSO: APowerful Algorithm to Solve GeophysicalInverse Problems Application to A 1D-DCResistivity Case. Journal of Applied Geophysics,71, 13–25.

Martínez, J. L. ., & Gonzalo, E. . (2012). StochasticStability and Numerical Analysis of Two NovelAlgorithms of The PSO Family: PP-GPSO andRR-GPSO. International Journal on ArtificialIntelligence Tools, 21(3).

Mogaji, K. A., & Omobude, O. B. (2017). Modelingof geoelectric parameters for assessinggroundwater potentiality in a multifacetedgeologic terrain, Ipinsa Southwest, Nigeria – AGIS-based GODT approach. NRIAG Journal ofAstronomy and Geophysics, 6(2), 434–451.https://doi.org/https://doi.org/10.1016/j.nrjag.2017.07.001

Mohamad, F., Mardiana, U., Yuniardi, Y., Nur, A.A., & Alfadli, M. K. (2017). Potensi AkuiferKampus Arjasari Berdasarkan Pengamatan NilaiTahan Jenis Batuan. Bulletin of ScientificContribution: GEOLOGY 15 (2), 129–138.

Oseji, J. O., Atakpo, E. A., & Okolie, E. C. (2005).Geoelectric Investigation of The AquiferCharacteristics and Groundwater Potential in


99

Kwale, Delta state, Nigeria. Journal of AppliedSciences & Environmental Management, 9, 157–160.

Reynolds, J. M. (2005). Principles of AppliedGeophysics. Cambridge University Press.

Riska, & Satiawan, S. (2019). Inverstigasi LapisanAkuifer Berdasarkan Data Vertical ElectricalSounding (VES) dan Data Electrical Logging:Studi Kasus Kampus Itera. Bulletin of ScientificContribution: GEOLOGY, 17(2), 91–100.

Sieh, K., & Natawidjaja, D. (2000). Neotectonics ofthe Sumatran fault, Indonesia. Journal ofGeophysical Research: Solid Earth, 105, 28295–28326.

Telford, W. M., Geldart, L. P., & Sheriff, R. E. (1990).Applied Geophysics (2nd ed.). CambridgeUniversity Press.https://doi.org/10.1017/CBO9781139167932

Documents

INVERSI DATA GEOLISTRIK MENGGUNAKAN PARTICLE SWARM