DETEKSI KABEL LISTRIK BAWAH TANAH DENGAN
DETEKSI KABEL LISTRIK BAWAH TANAH DENGAN OTOMATA
Yumarsono Muhyi, ST.
Dosen STMIK Indonesia, Jl. Kyai Tapa No. 216A, Grogol Jakarta Barat
Abstrak
Kabel listrik yang umum diketahui masyarakat adalah pada tiang-tiang listrik. Namun pada kenyataannya,
kebanyakan kabel itu tidak terlihat dan terpendam, baik itu di dalam tanah atau di dalam dinding beton. Masalah
akan timbul ketika tanah atau dinding itu akan dilakukan pekerjaan, sehingga perlu diketahui posisi kedalaman
kabel tersebut. Artikel ini akan mengetengahkan sebuah metode otomata secara aplikasi komputer dalam
melacak keberadaan kabel listrik bawah tanah. Metode ini diimplementasikan menjadi perangkat lunak,
sehingga tidak lagi sangat membutuhkan kepakaran seorang teknik untuk melacak dan menganalisa
keberadaan kabel.
Kata Kunci : Kabel, Listrik, Otomata, Otomata, Posisi, Kedalaman, Bawah Tanah, Neural Network
1. Pendahuluan
1.1. Latar Belakang
Artikel ini merupakan rangkuman atas pengerjaan
sebuah aplikasi yang dibutuhkan untuk melacak
keberadaan kabel listrik di bawah tanah. Kabel
listrik ini harus diketahui sedemikian rupa, sehingga
tanpa menggali terlebih dahulu, dapat diketahui
kedalaman kabel listrik dan juga ukurannya.
Meskipun dari awal memang aplikasi ini tidak
diharapkan agar mutlak kebenarannya, tetapi
keluaran dari aplikasi harus cukup presisi, sehingga
dapat dijadikan acuan awal untuk mengetahui
perkiraan kedalaman dan ukuran kabel listrik di
bawah tanah.
1.2. Tujuan Penulisan
Artikel ini bertujuan memaparkan sebuah metode
dan pemodelan otomata yang dapat diterapkan
untuk mencari lokasi keberadaan kabel listrik di
bawah tanah. Artikel ini dapat dijadikan sebagai
acuan untuk pemodelan-pemodelan sistem yang
lain, yang memiliki karakteristik yang serupa.
2.
3.
4.
5.
6.
7.
Praktik pengoperasian alat
Pengambilan sampel data
Pemodelan sistem
Pengkodean
Simulasi
Uji lapangan.
Adapun bahan-bahan yang dikaji dalam studi
literatur cukup banyak, dan terangkum dalam
beberapa kategori keilmuan, yaitu:
1. Seismik
2. Komputasi numerik
3. Neural network.
Porsi terbesar dalam melakukan penelitian dan
pekerjaan ini adalah dalam melakukan pemodelan
sistem. Sistem harus dimodelkan dengan cukup
baik, sehingga dapat merangkum antara teori dan
kenyataan praktis di lapangan. Banyak faktor di
lapangan yang pada akhirnya masuk ke dalam
pemodelan sistem, dan masuk ke dalam algoritma
aplikasi komputer yang dibuat.
3. Bahasan
3.1 Landasan Teori
Artikel ini juga bertujuan memberikan gambaran
umum secara teori dan praktis tentang pemodelan
sistem ini, di mana di lapangan kedua hal itu tidak
dapat dipisahkan. Banyak hal-hal praktis yang
sangat mempengaruhi dalam pemodelan sistem,
bahkan sampai ke dalam pembuatan dan
implementasi aplikasi komputernya.
2. Bahan dan Metode
Metode yang dilakukan dalam melakukan
pembuatan aplikasi ini ada beberapa tahapan.
Tahapan-tahapan tersebut adalah:
1. Studi literatur
Hal yang paling mendasar dalam penelitian dan
pekerjaan ini adalah masalah gelombang.
Gelombang per definisi adalah sebuah gangguan
yang merambat dalam ruang dan waktu. Penjelasan
matematis dan detail tentang gelombang tidak
diberikan dalam artikel ini.
Konsep gelombang yang akan dibahas dalam
artikel ini adalah gelombang elektromagnetik dan
gelombang seismik, yang masing-masing memiliki
karakteristik khusus. Konsep-konsep matematis
keduanya juga tidak akan dibahas di artikel ini.
1
Gelombang Elektromagnetik
Gelombang elektromagnetik digunakan dalam
penelitian ini, untuk akuisisi data secara
elektromagnetik. Secara sederhana, proses akuisisi
data secara elektromagnetik untuk pelacakan kabel
listrik dalam tanah dapat digambarkan dalam
Gambar 1 berikut ini.
Masing-masing memiliki analisa dan konsep
tersendiri, yang tidak dibahas pada artikel ini.
Dalam penelitian dan pekerjaan ini,
gelombang longitudinal yang relevan
pembahasan. Gelombang longitudinal
gelombang yang arah getarannya searah
arah rambat gelombang itu sendiri.
sederhana dari gelombang longitudinal
getaran yang terjadi pada pegas.
hanya
dalam
adalah
dengan
Analogi
adalah
Ground Penetrating Radar
Alat yang digunakan dalam akuisisi data pada
penelitian dan pekerjaan ini adalah Ground
Gambar 1. Konsep Akuisisi Data
Sinyal impuls elektromagnetik dipancarkan dari
sebuah pemancar dari permukaan tanah ke tanah
bumi. Ketika sinyal impuls tadi itu bertumbu dengan
objek lain, dalam hal ini adalah kabel listrik, sinyal
itu memantul dan ditangkap oleh penerima. Pada
Gambar 1 di atas, objek pemantul sinyal implus itu
digambarkan dengan lapisan batuan.
Sinyal yang digunakan adalah sinyal impuls
elektromagnetik, yang berupa sebuah gelombang
sinusiod sempurna. Sinyal impuls ini tepat satu
siklus (cycle) gelombang sinusiod sempurna,
sebagaimana terlihat pada Gambar 1.
Gelombang Seismik
Dalam menganalisa lapisan-lapisan bumi, atau
objek-objek lain yang ada di bawah permukaan
bumi, diperlukan ilmu seismologi. Seismologi
adalah ilmu yang mempelajari perambatan
gelombang di bumi, baik itu di permukaan atau di
dalam bumi.
Model akuisisi data secara prinsip sama dengan
Gambar 1. Tetapi, di dalam seismik yang dasar,
impuls yang digunakan adalah ledakan dan bukan
gelombang elektromagnetik. Sehingga, dalam
menganalisa secara seismik, ada beberapa jenis
gelombang yang timbul, yaitu gelombang
longitudinal, gelombang transversal, gelombang
permukaan, dan gelombang badan (body wave).
Penetrating Radar (GPR). Konsep dasarnya
tergambarkan pada Gambar 1 sebelumnya.
Diagram lengkap untuk akuisisi data dengan GPR
dapat dilihat pada gambar-gambar berikut ini.
Gambar 2. Akuisisi Data GPR
GPR ini secara berkala memancarkan impuls
elektromagnetik ke bawah permukaan bumi, dan
pantulannya ditangkap oleh antena penerima. Hasil
tangkapan ini direkam oleh GPR, dan keluarannya
berupa gambar (image). Penalaan (scanning) kabel
listrik harus dilakukan memotong atau melintang
dari arah kabel listriknya.
Apabila GPR ini dibawa berjalan (menurut garis
lurus), gambar yang dihasilkan akan membentuk
pola-pola tertentu, bergantung kepada objek yang
ditumbu oleh impuls elektromagnetik itu dan waktu
tempuh sinyal (yang bergantung kepada kedalaman
objek). Berikut ini adalah contoh gambar keluaran
dari GPR, beserta sedikit penjelasan tentang polapola gambar di dalamnya, yang disebut sebagai
difraksi.
2
Dari gambar dapat dimodelkan sebuah garis yang
merupakan lintasan sinyal impuls dari antena
pemancar T di koordinat (xt, yt), bertumbu pada sisi
kabel di titik P koordinat (xp, yp), dan memantul ke
antena penerima R di titik (xr, yr). α adalah sudut
bidang pantul, dan R di tengah-tengah kabel adalah
jari-jari kabel. b adalah kedalaman kabel dari
permukaan tanah.
Dari model ini dapat dibuat rumus:
S = R2 +b2 −2Rbcosα + R2 −2R(xr sinα +bcosα) + xr2 +b2
Gambar 3. Gambar Keluaran GPR
Sumbu horizontal adalah sampling impuls yang
dipancarkan. Sumbu vertikal adalah jarak
kedalaman atau waktu tempuh sinyal impuls dari
pemancar ke penerima. GPR memiliki keterbatasan
kehandalan operasi hanya sampai beberapa meter
di bawah permukaan.
Semakin konduktif objek yang ditumbu, maka akan
semakin jelas sinyal yang ditangkap. Kabel listrik
adalah tembaga yang berkonduktivitas sangat baik,
sehingga akan memberikan pola yang jelas pada
gambar keluaran GPR.
Sinyal terang menggambarkan tegangan positif,
sementara warna gelap menggambarkan tegangan
negatif. Warna abu-abu menggambarkan tegangan
mendekati nol. Dari Gambar 3 dapat terlihat dengan
jelas pola-pola warna tersebut.
3.2. Pemodelan
dimana S adalah panjang lintasan. Rumus di atas
menjadikan xr sebagai referensi utamanya.
Dari model dan rumus di atas, dapat disimulasikan
sebuah lintasan berupa grafik garis untuk sejumlah
sampling x (atau xr) tertentu. Gambar 5 berikut ini
menggambarkan simulasi tersebut. Pola gambarnya
merupakan parabola terbalik, dengan kelengkungan
tertentu.
Sumbu horizontal menggambarkan nilai x atau xr
atau sampling dari GPR. Sumbu vertikal
menggambarkan waktu tempuh lintasan S, dari
impuls yang dipancarkan antena T dan diterima
antena R. Sumbu vertikal ini bisa diartikan sebagai
kedalaman, dengan menggunakan rumus:
t=
S (x r , α )
V
dimana V adalah kecepatan rambat tanah rata-rata,
yang nilainya ditentukan menurut standar nilai
tertentu.
Objek yang akan menjadi target penalaan dengan
GPR adalah kabel listrik. Cara penalaannya harus
melintang dari arah kabelnya, dan hanya dengan
cara begini penalaan dilakukan. Apabila dibuat
penampang melintang dari posisi kabel di bawah
tanah, maka gambarnya akan seperti pada Gambar
4.
Gambar 5. Simulasi Rumus Lintasan S
Gambar 4. Penampang Melintang Kabel Listrik
Pola lintasan ini yang akan berubah sesuai dengan
parameter-parameter masukannya. Parameter3
parameter tersebut adalah R atau radius, b atau
kedalaman. Semakin besar nilai b atau semakin
kecil nilai R, maka akan semakin runcing bentuk
parabolanya. Pola kelengkungan ini yang akan
digunakan dalam otomata.
jari-jari kabel yang sudah tertentu.
Kedalaman dibuat menurut jenjang yang
linier, sementara jari-jari kabel disesuaikan
dengan sejumlah kabel listrik yang standar
ada di lapangan, dan jumlahnya hanya
sedikit.
3.3. Otomata
Sesuai tujuan awal dari penelitian ini, bahwa ingin
dicari suatu cara agar dapat mencari kedalaman
dan ketebalan atau radius dari kabel. Input yang
didapatkan dari alat GPR adalah file gambar hasil
penalaan, dan parameter-parameter teknis dari alat
saat melakukan penalaan, yaitu:
• jumlah cuplik atau sampling penerimaan
sinyal impuls
• waktu
antar
cuplik
atau
sampling
penerimaan sinyal impuls
• jumlah trace atau sampling pengiriman
sinyal impuls
• interval pergeseran tiap sampling
• frekuensi sinyal impuls.
Ide dasar dari konsep otomata yang diterapkan
adalah, bahwa dengan mengetahui atau melacak
pola difraksi yang didapat dari file gambar, maka
dapat diketahui pula kedalaman b dan jari-jari R dari
kabel listriknya. Hal ini didapat dari pemodelan di
atas, yaitu bahwa dengan melacak keruncingan dari
difraksi, maka akan didapat perkiraan kedalaman
dan jari-jari dari kabel listriknya.
Gambar contoh dibuat relatif, sehingga
mencukupi untuk menangkap lengkungan
puncak persamaan parabolanya, dan
membuang bagian yang di luar itu, karena
sudah tidak relevan dengan kondisi gambar
keluara GPR. Seperti terlihat di Gambar 1,
bahwa gambar “subfloor feature” hanya
memiliki puncak parabola saja, dan tidak
memiliki “ekor” yang panjang.
2. Gambar-gambar contoh dimasukkan ke
dalam sistem.
Gambar dimasukkan untuk training weights
dari arsitektur jaringan sarafnya. Sejumlah
batasan-batasan diberikan untuk mecegah
waktu training terlalu lama, dan agar tidak
terlalu tegas dalam menentukan weights
dari jaringan saraf. Gambar keluaran dari
GPR umumnya memiliki noise cukup
banyak dan tidak ideal.
3. Pengkondisian gambar hasil GPR.
Langkah-langkah yang dilakukan dalam otomata ini
adalah:
Sebelum ditala oleh jaringan saraf BPT,
gambar
keluaran
dari
GPR
perlu
dikondisikan, agar cukup mendekati
gambar yang baik mutunya. Setelah
beberapa eksperimen, maka proses-proses
yang dilakukan dalam pengkondisian itu
adalah:
1. Background Removal
2. DC Signal Removal
3. Automatic Gain
4. BW Filtering
5. FFT Filtering
6. Normalization.
1. Membuat gambar contoh untuk training
BPT.
4. Penalaan gambar GPR dengan BPT yang
sudah siap.
Gambar contoh ini merupakan sinyal implus
buatan yang sempurna, dan diberikan
redaman agar menyerupai redaman sinyal
impuls dari tanah. Gambar ini dibuat
dengan semua parameter tepat sama
dengan parameter-parameter dari gambar
keluaran GPR.
Hasil
dari
penalaan
ini
umumnya
menghasilkan sejumlah posisi temuan
kabel listrik yang terkumpul di sekitar
puncak pola parabola. Kedalaman dan
ukuran jari-jari kabel temuan agak
bervariasi, tapi sangat terkumpul di sekitar
puncak itu.
Setelah menelaah dan mencoba beberapa
algoritma neural network yang fundamental dan
memungkinkan untuk melakukan pelacakan pola
keruncingan difraksi, maka yang gunakan adalah
Back-Propagation Training (BPT). Penulis tidak
membahas secara mendetail rumus-rumus dan
perhitungannya, namun penulis akan memberikan
langkah-langkah
yang
ditempuh
dalam
perhitungannya.
Gambar contoh dibuat dengan ukuran
relatif untuk beberapa jenis kedalaman dan
4
5. Clustering atau pengelompokan hasil.
Kumpulan-kumpulan dari banyak temuan
tadi dilakukan proses pengelompokan atau
clustering, yang juga menggunakan metode
otomata, yaitu Kohonen (Self-Organizing
Map) Algorithm.
6. Hasil akhir.
Setelah semua proses dilalui, maka akan
didapatkan perkiraan temuan-temuan kabel
akhir. Umumnya didapat 1 sampai 3 kabel
dengan berbagai ukuran di setiap pola
parabola yang jelas dari gambar GPR.
Kualitas penalaan kabel dari gambar GPR
sangat bergantung kepada kualitas gambar
GPR, semakin noisy atau tidak baik
gambarnya, semakin buruk pula hasil
penalaan aplikasi ini.
4. Implementasi
Penelitian dan pekerjaan ini telah dibuat dalam
bentuk terkompilasi, menggunakan Borland C++.
Aplikasi ini masih semi manual, dalam arti tidak bisa
langsung menangkap data keluaran dari GPR dan
langsung menganalisanya, karena beberapa
keterbatasan teknis masalah interkonesi dari dan ke
GPR melalui paralel port. Juga terkendala karena
masalah format data yang masih harus diproses
oleh GPR itu sendiri sebelum diolah oleh aplikasi
ini.
Namun aplikasi ini telah dapat melacak file gambar
keluaran dari GPR yang telah sempurna, segera
setelah GPR membuat file gambar keluarannya.
Kemudian aplikasi ini segera menangkap file
tersebut dan melakukan penalaan, memproses, dan
menampilkan hasilnya.
Aplikasi ini memberikan penandaan pada gambar
GPR, berupa titik tertentu dan dengan warna dan
tertentu untuk jari-jari tertentu, sehingga lebih
memudahkan untuk dilihat dengan latar belakang
gambar GPR. Cara ini efektif dan ergonomis bagi
pengguna, daripada menampilkan angka-angka
metrik untuk kedalaman dan jari-jari kabel temuan.
Gambar 6. Contoh Tampilan Hasil Penalaan
5. Penutup
Hasil yang diperoleh dari penelitian dan pekerjaan
ini belum maksimal, namun telah memberikan
gambaran perkiraan yang cukup baik. Dari
beberapa kali pengambilan data dan pemrosesan
keluaran gambar GPR, sekitar lebih dari 60% telah
mencapai tingkat akurasi yang diharapkan.
Penelitian ini masih tahap awal, dan masih
ditemukan beberapa kendala praktis di lapangan.
Untuk itu, masih membutuhkan beberapa penelitian
lagi agar dapat mencapai kesempurnaan. Hal yang
perlu diperbaiki terutama adalah dalam penggunaan
algoritma-algoritma otomata yang akan digunakan,
karena itu akan sangat menentukan hasil penalaan
kabel listriknya.
Daftar Pustaka
Fausett, Laurene. 1994. Fundamentals of Neural
Networks:
Architectures,
Algorithms
And
Applications. Prentice Hall.
Russel S. 2003. Artificial Intelligence: A Moden
Approach. Prentice Hall.
Paxton, J. 2003. Introduction to Neural Networks.
Lecture Notes. Montana State University.
Astutik, S. Penggunaan Ground Penetrating Radar
(GPR) Sebagai Metal Detector. Jurnal ILMU
DASAR, Vol.2 No. 1, 2001 : 9-16. MALA
GeoScience. 1997.
Reynolds, J. M., 1997. An Introduction to Applied
and Environmental Geophysics. John Wiley dan
Sons. New York.
5
Yumarsono Muhyi, ST.
Dosen STMIK Indonesia, Jl. Kyai Tapa No. 216A, Grogol Jakarta Barat
Abstrak
Kabel listrik yang umum diketahui masyarakat adalah pada tiang-tiang listrik. Namun pada kenyataannya,
kebanyakan kabel itu tidak terlihat dan terpendam, baik itu di dalam tanah atau di dalam dinding beton. Masalah
akan timbul ketika tanah atau dinding itu akan dilakukan pekerjaan, sehingga perlu diketahui posisi kedalaman
kabel tersebut. Artikel ini akan mengetengahkan sebuah metode otomata secara aplikasi komputer dalam
melacak keberadaan kabel listrik bawah tanah. Metode ini diimplementasikan menjadi perangkat lunak,
sehingga tidak lagi sangat membutuhkan kepakaran seorang teknik untuk melacak dan menganalisa
keberadaan kabel.
Kata Kunci : Kabel, Listrik, Otomata, Otomata, Posisi, Kedalaman, Bawah Tanah, Neural Network
1. Pendahuluan
1.1. Latar Belakang
Artikel ini merupakan rangkuman atas pengerjaan
sebuah aplikasi yang dibutuhkan untuk melacak
keberadaan kabel listrik di bawah tanah. Kabel
listrik ini harus diketahui sedemikian rupa, sehingga
tanpa menggali terlebih dahulu, dapat diketahui
kedalaman kabel listrik dan juga ukurannya.
Meskipun dari awal memang aplikasi ini tidak
diharapkan agar mutlak kebenarannya, tetapi
keluaran dari aplikasi harus cukup presisi, sehingga
dapat dijadikan acuan awal untuk mengetahui
perkiraan kedalaman dan ukuran kabel listrik di
bawah tanah.
1.2. Tujuan Penulisan
Artikel ini bertujuan memaparkan sebuah metode
dan pemodelan otomata yang dapat diterapkan
untuk mencari lokasi keberadaan kabel listrik di
bawah tanah. Artikel ini dapat dijadikan sebagai
acuan untuk pemodelan-pemodelan sistem yang
lain, yang memiliki karakteristik yang serupa.
2.
3.
4.
5.
6.
7.
Praktik pengoperasian alat
Pengambilan sampel data
Pemodelan sistem
Pengkodean
Simulasi
Uji lapangan.
Adapun bahan-bahan yang dikaji dalam studi
literatur cukup banyak, dan terangkum dalam
beberapa kategori keilmuan, yaitu:
1. Seismik
2. Komputasi numerik
3. Neural network.
Porsi terbesar dalam melakukan penelitian dan
pekerjaan ini adalah dalam melakukan pemodelan
sistem. Sistem harus dimodelkan dengan cukup
baik, sehingga dapat merangkum antara teori dan
kenyataan praktis di lapangan. Banyak faktor di
lapangan yang pada akhirnya masuk ke dalam
pemodelan sistem, dan masuk ke dalam algoritma
aplikasi komputer yang dibuat.
3. Bahasan
3.1 Landasan Teori
Artikel ini juga bertujuan memberikan gambaran
umum secara teori dan praktis tentang pemodelan
sistem ini, di mana di lapangan kedua hal itu tidak
dapat dipisahkan. Banyak hal-hal praktis yang
sangat mempengaruhi dalam pemodelan sistem,
bahkan sampai ke dalam pembuatan dan
implementasi aplikasi komputernya.
2. Bahan dan Metode
Metode yang dilakukan dalam melakukan
pembuatan aplikasi ini ada beberapa tahapan.
Tahapan-tahapan tersebut adalah:
1. Studi literatur
Hal yang paling mendasar dalam penelitian dan
pekerjaan ini adalah masalah gelombang.
Gelombang per definisi adalah sebuah gangguan
yang merambat dalam ruang dan waktu. Penjelasan
matematis dan detail tentang gelombang tidak
diberikan dalam artikel ini.
Konsep gelombang yang akan dibahas dalam
artikel ini adalah gelombang elektromagnetik dan
gelombang seismik, yang masing-masing memiliki
karakteristik khusus. Konsep-konsep matematis
keduanya juga tidak akan dibahas di artikel ini.
1
Gelombang Elektromagnetik
Gelombang elektromagnetik digunakan dalam
penelitian ini, untuk akuisisi data secara
elektromagnetik. Secara sederhana, proses akuisisi
data secara elektromagnetik untuk pelacakan kabel
listrik dalam tanah dapat digambarkan dalam
Gambar 1 berikut ini.
Masing-masing memiliki analisa dan konsep
tersendiri, yang tidak dibahas pada artikel ini.
Dalam penelitian dan pekerjaan ini,
gelombang longitudinal yang relevan
pembahasan. Gelombang longitudinal
gelombang yang arah getarannya searah
arah rambat gelombang itu sendiri.
sederhana dari gelombang longitudinal
getaran yang terjadi pada pegas.
hanya
dalam
adalah
dengan
Analogi
adalah
Ground Penetrating Radar
Alat yang digunakan dalam akuisisi data pada
penelitian dan pekerjaan ini adalah Ground
Gambar 1. Konsep Akuisisi Data
Sinyal impuls elektromagnetik dipancarkan dari
sebuah pemancar dari permukaan tanah ke tanah
bumi. Ketika sinyal impuls tadi itu bertumbu dengan
objek lain, dalam hal ini adalah kabel listrik, sinyal
itu memantul dan ditangkap oleh penerima. Pada
Gambar 1 di atas, objek pemantul sinyal implus itu
digambarkan dengan lapisan batuan.
Sinyal yang digunakan adalah sinyal impuls
elektromagnetik, yang berupa sebuah gelombang
sinusiod sempurna. Sinyal impuls ini tepat satu
siklus (cycle) gelombang sinusiod sempurna,
sebagaimana terlihat pada Gambar 1.
Gelombang Seismik
Dalam menganalisa lapisan-lapisan bumi, atau
objek-objek lain yang ada di bawah permukaan
bumi, diperlukan ilmu seismologi. Seismologi
adalah ilmu yang mempelajari perambatan
gelombang di bumi, baik itu di permukaan atau di
dalam bumi.
Model akuisisi data secara prinsip sama dengan
Gambar 1. Tetapi, di dalam seismik yang dasar,
impuls yang digunakan adalah ledakan dan bukan
gelombang elektromagnetik. Sehingga, dalam
menganalisa secara seismik, ada beberapa jenis
gelombang yang timbul, yaitu gelombang
longitudinal, gelombang transversal, gelombang
permukaan, dan gelombang badan (body wave).
Penetrating Radar (GPR). Konsep dasarnya
tergambarkan pada Gambar 1 sebelumnya.
Diagram lengkap untuk akuisisi data dengan GPR
dapat dilihat pada gambar-gambar berikut ini.
Gambar 2. Akuisisi Data GPR
GPR ini secara berkala memancarkan impuls
elektromagnetik ke bawah permukaan bumi, dan
pantulannya ditangkap oleh antena penerima. Hasil
tangkapan ini direkam oleh GPR, dan keluarannya
berupa gambar (image). Penalaan (scanning) kabel
listrik harus dilakukan memotong atau melintang
dari arah kabel listriknya.
Apabila GPR ini dibawa berjalan (menurut garis
lurus), gambar yang dihasilkan akan membentuk
pola-pola tertentu, bergantung kepada objek yang
ditumbu oleh impuls elektromagnetik itu dan waktu
tempuh sinyal (yang bergantung kepada kedalaman
objek). Berikut ini adalah contoh gambar keluaran
dari GPR, beserta sedikit penjelasan tentang polapola gambar di dalamnya, yang disebut sebagai
difraksi.
2
Dari gambar dapat dimodelkan sebuah garis yang
merupakan lintasan sinyal impuls dari antena
pemancar T di koordinat (xt, yt), bertumbu pada sisi
kabel di titik P koordinat (xp, yp), dan memantul ke
antena penerima R di titik (xr, yr). α adalah sudut
bidang pantul, dan R di tengah-tengah kabel adalah
jari-jari kabel. b adalah kedalaman kabel dari
permukaan tanah.
Dari model ini dapat dibuat rumus:
S = R2 +b2 −2Rbcosα + R2 −2R(xr sinα +bcosα) + xr2 +b2
Gambar 3. Gambar Keluaran GPR
Sumbu horizontal adalah sampling impuls yang
dipancarkan. Sumbu vertikal adalah jarak
kedalaman atau waktu tempuh sinyal impuls dari
pemancar ke penerima. GPR memiliki keterbatasan
kehandalan operasi hanya sampai beberapa meter
di bawah permukaan.
Semakin konduktif objek yang ditumbu, maka akan
semakin jelas sinyal yang ditangkap. Kabel listrik
adalah tembaga yang berkonduktivitas sangat baik,
sehingga akan memberikan pola yang jelas pada
gambar keluaran GPR.
Sinyal terang menggambarkan tegangan positif,
sementara warna gelap menggambarkan tegangan
negatif. Warna abu-abu menggambarkan tegangan
mendekati nol. Dari Gambar 3 dapat terlihat dengan
jelas pola-pola warna tersebut.
3.2. Pemodelan
dimana S adalah panjang lintasan. Rumus di atas
menjadikan xr sebagai referensi utamanya.
Dari model dan rumus di atas, dapat disimulasikan
sebuah lintasan berupa grafik garis untuk sejumlah
sampling x (atau xr) tertentu. Gambar 5 berikut ini
menggambarkan simulasi tersebut. Pola gambarnya
merupakan parabola terbalik, dengan kelengkungan
tertentu.
Sumbu horizontal menggambarkan nilai x atau xr
atau sampling dari GPR. Sumbu vertikal
menggambarkan waktu tempuh lintasan S, dari
impuls yang dipancarkan antena T dan diterima
antena R. Sumbu vertikal ini bisa diartikan sebagai
kedalaman, dengan menggunakan rumus:
t=
S (x r , α )
V
dimana V adalah kecepatan rambat tanah rata-rata,
yang nilainya ditentukan menurut standar nilai
tertentu.
Objek yang akan menjadi target penalaan dengan
GPR adalah kabel listrik. Cara penalaannya harus
melintang dari arah kabelnya, dan hanya dengan
cara begini penalaan dilakukan. Apabila dibuat
penampang melintang dari posisi kabel di bawah
tanah, maka gambarnya akan seperti pada Gambar
4.
Gambar 5. Simulasi Rumus Lintasan S
Gambar 4. Penampang Melintang Kabel Listrik
Pola lintasan ini yang akan berubah sesuai dengan
parameter-parameter masukannya. Parameter3
parameter tersebut adalah R atau radius, b atau
kedalaman. Semakin besar nilai b atau semakin
kecil nilai R, maka akan semakin runcing bentuk
parabolanya. Pola kelengkungan ini yang akan
digunakan dalam otomata.
jari-jari kabel yang sudah tertentu.
Kedalaman dibuat menurut jenjang yang
linier, sementara jari-jari kabel disesuaikan
dengan sejumlah kabel listrik yang standar
ada di lapangan, dan jumlahnya hanya
sedikit.
3.3. Otomata
Sesuai tujuan awal dari penelitian ini, bahwa ingin
dicari suatu cara agar dapat mencari kedalaman
dan ketebalan atau radius dari kabel. Input yang
didapatkan dari alat GPR adalah file gambar hasil
penalaan, dan parameter-parameter teknis dari alat
saat melakukan penalaan, yaitu:
• jumlah cuplik atau sampling penerimaan
sinyal impuls
• waktu
antar
cuplik
atau
sampling
penerimaan sinyal impuls
• jumlah trace atau sampling pengiriman
sinyal impuls
• interval pergeseran tiap sampling
• frekuensi sinyal impuls.
Ide dasar dari konsep otomata yang diterapkan
adalah, bahwa dengan mengetahui atau melacak
pola difraksi yang didapat dari file gambar, maka
dapat diketahui pula kedalaman b dan jari-jari R dari
kabel listriknya. Hal ini didapat dari pemodelan di
atas, yaitu bahwa dengan melacak keruncingan dari
difraksi, maka akan didapat perkiraan kedalaman
dan jari-jari dari kabel listriknya.
Gambar contoh dibuat relatif, sehingga
mencukupi untuk menangkap lengkungan
puncak persamaan parabolanya, dan
membuang bagian yang di luar itu, karena
sudah tidak relevan dengan kondisi gambar
keluara GPR. Seperti terlihat di Gambar 1,
bahwa gambar “subfloor feature” hanya
memiliki puncak parabola saja, dan tidak
memiliki “ekor” yang panjang.
2. Gambar-gambar contoh dimasukkan ke
dalam sistem.
Gambar dimasukkan untuk training weights
dari arsitektur jaringan sarafnya. Sejumlah
batasan-batasan diberikan untuk mecegah
waktu training terlalu lama, dan agar tidak
terlalu tegas dalam menentukan weights
dari jaringan saraf. Gambar keluaran dari
GPR umumnya memiliki noise cukup
banyak dan tidak ideal.
3. Pengkondisian gambar hasil GPR.
Langkah-langkah yang dilakukan dalam otomata ini
adalah:
Sebelum ditala oleh jaringan saraf BPT,
gambar
keluaran
dari
GPR
perlu
dikondisikan, agar cukup mendekati
gambar yang baik mutunya. Setelah
beberapa eksperimen, maka proses-proses
yang dilakukan dalam pengkondisian itu
adalah:
1. Background Removal
2. DC Signal Removal
3. Automatic Gain
4. BW Filtering
5. FFT Filtering
6. Normalization.
1. Membuat gambar contoh untuk training
BPT.
4. Penalaan gambar GPR dengan BPT yang
sudah siap.
Gambar contoh ini merupakan sinyal implus
buatan yang sempurna, dan diberikan
redaman agar menyerupai redaman sinyal
impuls dari tanah. Gambar ini dibuat
dengan semua parameter tepat sama
dengan parameter-parameter dari gambar
keluaran GPR.
Hasil
dari
penalaan
ini
umumnya
menghasilkan sejumlah posisi temuan
kabel listrik yang terkumpul di sekitar
puncak pola parabola. Kedalaman dan
ukuran jari-jari kabel temuan agak
bervariasi, tapi sangat terkumpul di sekitar
puncak itu.
Setelah menelaah dan mencoba beberapa
algoritma neural network yang fundamental dan
memungkinkan untuk melakukan pelacakan pola
keruncingan difraksi, maka yang gunakan adalah
Back-Propagation Training (BPT). Penulis tidak
membahas secara mendetail rumus-rumus dan
perhitungannya, namun penulis akan memberikan
langkah-langkah
yang
ditempuh
dalam
perhitungannya.
Gambar contoh dibuat dengan ukuran
relatif untuk beberapa jenis kedalaman dan
4
5. Clustering atau pengelompokan hasil.
Kumpulan-kumpulan dari banyak temuan
tadi dilakukan proses pengelompokan atau
clustering, yang juga menggunakan metode
otomata, yaitu Kohonen (Self-Organizing
Map) Algorithm.
6. Hasil akhir.
Setelah semua proses dilalui, maka akan
didapatkan perkiraan temuan-temuan kabel
akhir. Umumnya didapat 1 sampai 3 kabel
dengan berbagai ukuran di setiap pola
parabola yang jelas dari gambar GPR.
Kualitas penalaan kabel dari gambar GPR
sangat bergantung kepada kualitas gambar
GPR, semakin noisy atau tidak baik
gambarnya, semakin buruk pula hasil
penalaan aplikasi ini.
4. Implementasi
Penelitian dan pekerjaan ini telah dibuat dalam
bentuk terkompilasi, menggunakan Borland C++.
Aplikasi ini masih semi manual, dalam arti tidak bisa
langsung menangkap data keluaran dari GPR dan
langsung menganalisanya, karena beberapa
keterbatasan teknis masalah interkonesi dari dan ke
GPR melalui paralel port. Juga terkendala karena
masalah format data yang masih harus diproses
oleh GPR itu sendiri sebelum diolah oleh aplikasi
ini.
Namun aplikasi ini telah dapat melacak file gambar
keluaran dari GPR yang telah sempurna, segera
setelah GPR membuat file gambar keluarannya.
Kemudian aplikasi ini segera menangkap file
tersebut dan melakukan penalaan, memproses, dan
menampilkan hasilnya.
Aplikasi ini memberikan penandaan pada gambar
GPR, berupa titik tertentu dan dengan warna dan
tertentu untuk jari-jari tertentu, sehingga lebih
memudahkan untuk dilihat dengan latar belakang
gambar GPR. Cara ini efektif dan ergonomis bagi
pengguna, daripada menampilkan angka-angka
metrik untuk kedalaman dan jari-jari kabel temuan.
Gambar 6. Contoh Tampilan Hasil Penalaan
5. Penutup
Hasil yang diperoleh dari penelitian dan pekerjaan
ini belum maksimal, namun telah memberikan
gambaran perkiraan yang cukup baik. Dari
beberapa kali pengambilan data dan pemrosesan
keluaran gambar GPR, sekitar lebih dari 60% telah
mencapai tingkat akurasi yang diharapkan.
Penelitian ini masih tahap awal, dan masih
ditemukan beberapa kendala praktis di lapangan.
Untuk itu, masih membutuhkan beberapa penelitian
lagi agar dapat mencapai kesempurnaan. Hal yang
perlu diperbaiki terutama adalah dalam penggunaan
algoritma-algoritma otomata yang akan digunakan,
karena itu akan sangat menentukan hasil penalaan
kabel listriknya.
Daftar Pustaka
Fausett, Laurene. 1994. Fundamentals of Neural
Networks:
Architectures,
Algorithms
And
Applications. Prentice Hall.
Russel S. 2003. Artificial Intelligence: A Moden
Approach. Prentice Hall.
Paxton, J. 2003. Introduction to Neural Networks.
Lecture Notes. Montana State University.
Astutik, S. Penggunaan Ground Penetrating Radar
(GPR) Sebagai Metal Detector. Jurnal ILMU
DASAR, Vol.2 No. 1, 2001 : 9-16. MALA
GeoScience. 1997.
Reynolds, J. M., 1997. An Introduction to Applied
and Environmental Geophysics. John Wiley dan
Sons. New York.
5