Professional Documents
Culture Documents
PENDAHULUAN
1
1.2. Maksud dan Tujuan
Maksud dari pembelajaran estimasi kedalaman (Fast Fourier Transform)
adalah untuk mengetahui pengolahan data dari data yang didapatkan di lapangan
maupun sisntetik salah satunya untuk mengetahui persebaran mineral dari
lapangan yang diinginkan. Selain itu, pembelajaran ini untuk lebih memahami
konsep dasar dari Fast Fourier Transform.
Tujuan dari pembelajaran estimasi kedalaman (Fast Fourier Transform)
adalah untuk menghasilkan dari peta TMI daan RTP pada target lokasi penelitian.
Kemudian, tujuan selanjutnya adalah untuk menghasilkan grafik analisis Fourier
yang dibuat dari konsep Fast Fourier Transform, peta Butterworth Regional dan
Residual dari target lokasi penelitian.
2
BAB II
DASAR TEORI
3
Metode magnetik memiliki kesamaan latar belakang fisika denga metode
gravitasi, kedua metode sama-sama berdasarkan kepada teori potensial, sehingga
keduanya sering disebut sebagai metode potensial. Namun demikian, ditinjau ari
segi besaran fisika yang terlibat, keduanya mempunyai perbedaan yang mendasar.
Dalam magnetik harus mempertimbangkan variasi arah dan besaran vektor
magnetisasi, sedangkan dalam gravitasi hanya ditinjau variasi besar vektor
percepatan gravitasi. Data pengamatan magnetik lebih menunjukkan sifat residual
kompleks. Dengan demikian, metode magnetik memiliki variasi terhadap waktu
lebih besar. Pengukuran intensitas medan magnetik bisa dilakukan melalui darat,
laut dan udara. Metode magnetik sering digunakan dalam eksplorasi pendahuluan
minyak bumi, panas bumi, dan batuan mineral serta bisa diterapkan pada
pencarian prospek benda-benda arkeologi.
4
Gambar 2.1. Tiga Elemen Medan Magnet Bumi
5
Dalam survei dengan metode magnetik yang menjadi target dari
pengukuran adalah variasi medan magnetik yang terukur di permukaan
(anomali magnetik). Secara garis besar anomali medan magnetik disebabkan
oleh medan magnetik remanen dan medan magnetik induksi. Medan magnet
remanen mempunyai peranan yang besar terhadap magnetisasi batuan yaitu
pada besar dan arah medan magnetiknya serta berkaitan dengan peristiwa
kemagnetan sebelumnya sehingga sangat rumit untuk diamati. Anomali yang
diperoleh dari survei merupakan hasil gabungan medan magnetik remanen dan
induksi, bila arah medan magnet remanen sama dengan arah medan magnet
induksi maka anomalinya bertambah besar. Demikian pula sebaliknya. Dalam
survei magnetik, efek medan remanen akan diabaikan apabila anomali medan
magnetik kurang dari 25 % medan magnet utama bumi (Telford, 1976),
sehingga dalam pengukuran medan magnet berlaku :
HT H M H L H A (2.1)
dengan : H T : medan magnet total bumi
H M : medan magnet utama bumi
H L : medan magnet luar
H A : medan magnet anomali
6
2. Variasi harian
Variasi harian adalah variasi medan magnetik bumi yang sebagian
besar bersumber dari medan magnet luar. Medan magnet luar berasal dari
perputaran arus listrik di dalam lapisan ionosfer yang bersumber dari
partikel-partikel terionisasi oleh radiasi matahari sehingga menghasilkan
fluktasi arus yang dapat menjadi sumber medan magnet. Jangkauan variasi
ini hingga mencapai 30 gamma dengan perioda 24 jam. Selain itu juga
terdapat variasi yang amplitudonya berkisar 2 gamma dengan perioda 25
jam. Variasi ini diasosiasikan dengan interaksi ionosfer bulan yang dikenal
dengan variasi harian bulan (Telford, 1976).
3. Badai Magnetik
Badai magnetik adalah gangguan yang bersifat sementara dalam
medan magnetik bumi dengan magnetik sekitar 1000 gamma. Faktor
penyebabnya diasosiasikan dengan aurora. Meskipun periodanya acak tetapi
kejadian ini sering muncul dalam interval sekitar 27 hari, yaitu suatu
periode yang berhubungan dengan aktivitas sunspot (Telford, 1976). Badai
magnetik secara langsung dapat mengacaukan hasil pengamatan.
7
Gambar 2.2. Komponen-Komponen Kemagnetan Bumi
Keterangan:
1. Vektor X, Y, dan H terletak pada bidang horizontal dimana komponen X
berada disepanjang sumbu geografis, komponen Y pada timur geografis dan
H pada komponen horizontal.
2. Vektor Z merupakan komponen vertikal medan magnet bumi.
3. Vektor F merupakan komponen total medan magnet yang terletak pada
bidang vertikal yang memuat komponen H dan Z.
4. Sudut D merupakan sudut deklinasi yang dibentuk oleh arah utara sebenarnya
(X) dengan komponen horizontal (H).
5. Sudut I merupakan sudut inklinasi yang besarnya ditentukan oleh vektor H
dan F.
Hubungan medan magnet antar tiap komponennya dapat dinyatakan melalui
persamaan berikut:
Z = F Sin I (2.3)
H = F Cos I (2.4)
X= H Cos D (2.5)
Y= H Sin D (2.6)
F² = H²+Z² = X²+Y²+Z² (2.7)
8
komponen yang lain dapat diperoleh melalui hasil perhitungan. Hasil pengukuran
medan magnet bumi di suatu tempat dapat digunakan sebagai parameter dalam
mempelajari tentang precursor gempa bumi (tanda- tanda sebelum terjadinya
gempa).
9
2. Koreksi IGRF
Data hasil pengukuran medan magnetik pada dasarnya adalah
konstribusi dari tiga komponen dasar, yaitu medan magnetik utama bumi,
medan magnetik luar dan medan anomali. Nilai medan magnetik utama
tidak lain adalah niali IGRF. Jika nilai medan magnetik utama dihilangkan
dengan koreksi harian, maka kontribusi medan magnetik utama
dihilangkan dengan koreksi IGRF. Koreksi IGRFdapat dilakukan dengan
cara mengurangkan nilai IGRF terhadap nilai medan magnetik total yang
telah terkoreksi harian pada setiap titik pengukuran pada posisi geografis
yang sesuai. Persamaan koreksinya (setelah dikoreksi harian) dapat
dituliskan sebagai berikut :
ΔH = Htotal ± ΔHharian ± H0 (2.9)
Dimana H0 = IGRF
3. Koreksi Topografi
Koreksi topografi dilakukan jika pengaruh topografi dalam survei
megnetik sangat kuat.Koreksi topografi dalam survei geomagnetik tidak
mempunyai aturan yang jelas.Salah satu metode untuk menentukan nilai
koreksinya adalah dengan membangun suatu model topografi
menggunakan pemodelan beberapa prisma segiempat (Suryanto, 1988).
Ketika melakukan pemodelan, nilai suseptibilitas magnetik (k) batuan
topografi harus diketahui, sehingga model topografi yang dibuat,
menghasilkan nilai anomali medan magnetik (ΔHtop) sesuai dengan fakta.
Selanjutnya persamaan koreksinya (setelah dilakukan koreski harian dan
IGRF) dapat dituliska sebagai
ΔH = Htotal ± ΔHharian – H0 – ΔHtop (2.10)
10
kontur terdiri dari garis-garis kontur yang menghubungkan titik-titik yang
memiliki nilai anomali sama, yang diukur dar suatu bidang pembanding tertentu.
11
Suseptibilitas k positif dan sedikit lebih besar dari satu.Suseptibilitas k bergantung
pada temperatur.Contoh : piroksen, olivin, garnet, biotit, amfibolit dll.
Dalam benda-benda magnetik, medan yang dihasilkan oleh momen-
momen magnetik atomik permanen, cenderung untuk membantu medan luar,
sedangkan untuk dielektrik-dielektrik medan dari dipole-dipole selalu cenderung
untuk melawan medan luar, apakah dielektrik mempunyai dipole-dipole yang
terinduksi atau diorientasikan.
Ferromagnetik
Terdapat banyak kulit elektron yang hanya diisi oleh suatu elektron
sehingga mudah terinduksi oleh medan luar.keadaan ini diperkuat lagi oleh
adanya kelompok-kelompok bahan berspin searah yang membentuk dipole-dipole
magnet (domain) mempunyai arah sama, apalagi jika didalam medan magnet luar.
Ferromagnetik. Mempunyai sifat susseptibilitas k positif dan jauh lebih besar dari
satu dan susseptibilitas k bergantung dari temperatur. Contoh : besi, nikel, kobalt
Antiferromagnetik
Pada bahan antiferromagnetik domain-domain tadi menghasilkan dipole
magnetik yang saling berlawanan arah sehingga momen magnetik secara
keseluruhan sangat kecil.
Bahan antiferromagnetik yang mengalami cacat kristal akan mengalami
medan magnet kecil dan suseptibilitasnya seperti pada bahan paramagnetik
suseptibilitas k seperti paramagnetik, tetapi harganya naik sampai dengan titik
curie kemudian turun lagi menurut hukum curie-weiss. Contoh : hematite
(Fe2O3).
Ferrimagnetik
Pada bahan ferrimagnetik domain-domain tadi juga saling antiparalel
tetapi jumlah dipole pada masing-masing arah tidak sama sehingga masih
mempunyai resultan magnetisasi cukup besar. Suseptibilitasnya tinggi dan
tergantung temperatur. Contoh : magnetit (Fe3O4), ilmenit (FeTiO3), pirhotit
(FeS).
12
2.7. Fast Fourier Transform
Transformasi Fourier cepat (Fast Fourier Transform, biasa disingkat FFT)
adalah suatu algoritma untuk menghitung transformasi Fourier diskrit (DFT)
dengan cepat dan efisien. Transformasi Fourier Cepat diterapkan dalam beragam
bidang, mulai dari pengolahan sinyal digital, memecahkan persamaan diferensial
parsial, dan untuk algoritma untuk mengalikan bilangan bulat besar. Teknik Fast
Fourier Transform digunakan untuk mengekstrak komponen-komponen data pada
domain spektral atau frekuensi, dimana pada domain spasial ataupun domain
waktu komponen-komponen tersebut tidak dapat terlihat secara eksplisit.
13
BAB III
METODOLOGI PENELITIAN
Mulai
Data Lapangan
Oasis Montaj
Peta TMI
Surfer
MATLAB
Kesimpulan
Selesai
14
3.2. Pembahasan Diagram Alir Pengolahan Data
Gambar 3.1. menjelaskan mengenai proses pengerjaan dari salah satu aplikasi
metode geomagnetik menggunakan konsep dasar Fast Fourier Transform. Untuk
lebih jelas mengenai proses tersebut, di bawah ini akan dijelaskan mengenai dari
setiap proses yang berada pada diagram alir.
Persiapan. Sebelum memulai pekerjaan, persiapkan beberapa
komponen yang dibutuhkan untuk mengolah data. Beberapa
komponen tersebut adalah laptop dan beberapa software, yaitu
Microsoft Excel, Surfer 10, Geosoft Oasis Montaj, dan MATLAB.
Jangan lupa untuk mempersiapkan data yang telah didapat di lapangan
berupan nilai korrdinat X dan Y, nilai anomai di setiap titik, deklinasi,
inklinasi, dan IGRF pada daerah pengukuran serta buat folder khusus
untuk menyimpan semua data pengolahan.
Masukkan semua data yang diperoleh di lapangan ke dalam software
Microsoft Excel dan save as dengan format Microsoft Excel 1997-
2003.
Lalu, buatlah peta TMI dan RTP menggunakan software Geosoft
Oasis Montaj. Langkah pertama adalah buka software Geosoft Oasis
Montaj dan klik file project new. Buat file dengan membuat
nama file sesuai dengan keinginan. Kemudian klik database import
ecxel spreadsheet single sheet. Pilih file data hasil pengolahan
yang telah disimpan dengan format Microsoft Excel 1997-2003.
Untuk membuat peta, klik grid and image griding minimum
curvatur. Pilih ΔH untuk channel to grid. Tulis nama file yang
diinginkan untuk menyimpan grid. Klik OK. Setelah itu akan muncul
grid peta TMI.
Kemudian untuk membuat peta RTP, klik icon load menu. Pilih
magmap. Setelah itu, pilih MAGMAP MAGMAP 1-Step Filtering.
Pilih peta TMI untuk dijadikan peta input dan tulis nama file yang
diinginkan untuk menyimpan peta output yang akan menghasilkan
pata RTP. Pilih _rangrid.con untuk name of filter control file.
Kemudian pilih SetConFile. Pilih reduce to magnetic pole di first
15
filter to apply. Selanjutnya, masukkan nilai inklinasi seusai dengan
tempat lokasi pengamayan.
Setelah itu, buat grid pada semua peta yang telah dibuat dengan cara
klik maps tool base map draw base map isi skala dan margin
sesuai dengan kebutuhan. Klik next tuliskan judul peta sesuai
keinginan.. Munculkan skala warna dengan cara klik maps tools
base map symbols colour legend bar.
Buatlah sayatan pada peta RTP yang sebelumnya telah ditandai daerah
yang akan disayat dengan polyline serta buatlah database baru.
Klik grid and image utilities grid profile. Masukkan peta RTP
pada kolom Grid1, L0 pada kolom new line name, serta masukkan
nilai sample interval sesuai dengan panjang sayatan.
Sayatlah peta RTP sesuai dengan garis yang telah dibuat
menggunakan polyline. Kemudian, data sayatan tersebut otomasis
masuk ke dalam database.
Klik database tools channel tools make distance channel untuk
membuat channel pada distance. Setelah itu database tersebut di-
export dalam format CSV.
Buka software Surfer 10 untuk membuka data yang telah di-export.
Setelah itu, hapus data X dan Y yang berada pada kolom X dan Y
serta pindahkan data distance pada kolom X dan data G_RTP pada
kolom Y. lalu, data tersebut disimpan dalam bentuk.dat.
Lalu, bukalah software MATLAB. Buka data FFT. Kemudian, muncul
script dan ganti nama file yang telah disimpan dalam format .dat pada
script data=load(“….dat”);. Setelah itu, run script tersebut dan
muncul grafik. Setelah itu tulis di command window beberapa hal
untuk mendapatkan data FFT, A, dan B dengan cara tulis FFT_1
kemudian enter, tulis A kemudian enter, dan lakukan hal yang sama
untuk mencari data B.
Selanjutnya, buka software Microsoft Excel kembali untuk membuat
tabel pengolahan data grafik analisis Fourier. Kolom yang harus
dibuat adalah no, jarak, intensitas, ΔX, FFT, X, Y, X2, Y2, A, F, ln A,
16
dan K. Nilai jarak dan intensitas didapatkan dari data surfer. ΔX
adalah nilai dari sample interval pada sayatan. FFT, X, dan Y
merupakan nilai yang didapatkan pada pengolahan data menggunakan
MATLAB. A didapatkan dari rumus
𝐴 = √(𝑥 2 + 𝑦 2 ) (3.1)
Kemudian, buat grafik analisis Fourier dari data K sebagai sumbu X
dan nilai ln A sebagai sumbu Y. Terlihat grafik yang simentris pada
sisi kanan dan kiri. Lalu, hapus grafik yang berada di sebelah kanan
dan pisahkan garis yang merupakan grafik residual, regional, dan
noise yang dilihat dari perbedaan gradien.
Selanjutnya adalah membuat trendline dan munculkan persamaan
garis dari setiap grafik.
Buat tabel untuk mencari estimasi kedalaman regional maupun
residual.
Buka Geosoft Oasis Montaj untuk membuat peta Butterworth regional
dan residual. Cara untuk membuatnya adalah klik MAGMAP
Interactive filtering prepare grid. Masukkan peta RTP sebagai
acuan. Kemudian pilih menu forward FFT, Radial average spectrum,
Interactive spectrum filters. Pada menu interactive spectrum filters,
ubahlah jenis filter dengan Butterworth Filter dan masukkan nilai
batas awal K residual atau batas akhir nilai regional pada kolom filter
central wavenumber. Kemudian pilih menu Apply Filter. Lakukan hal
yang sama untuk membuat pet Butterworth residual, hanya saja pada
menu interacive spectrum filter, ubah regional menjadi residual.
Jangan lupa untuk membuat basemap dari semua peta yang telah
didapat.
Buat analisis dari peta dan grafik yang telah dibuat dari segi
kuantitatif dan kualitatif.
Buatlah kesimpulan yang didapat dari cara pengolahan sampai dengan
hasil peta yang didapatkan. Jangan lupa membuat saran untuk tips dan
trik kepada pembaca pada saat melakukan pengolahan yang sama.
17
BAB IV
HASIL DAN PEMBAHASAN
Regional Lokal
n 16 16
m 75.733 15.027
2π 6.28 6.28
h (m) 192.9503 38.28535
18
4.2. Peta TMI
nT
Gambar 4.1. merupakan peta TMI yang dibuat dari data yang diperoleh di
lapangan. TMI adalah singkatan dari Total Magnetic Intensity yang berarti nilai
total intensitas magnetik yang berada di suatu titik pengukuran tertentu. Peta TMI
dibuat dari data koordinat X, Y, dan nilai ΔH di semua titik pengamatan.
Banyaknya titik yang diukur pada daerah ini adalah 232 titik. pengambilan data
dilakukan di daerah Cianjur Selatan, Cianjur, Jawa Barat.
Ada variasi warna di peta tersebut yang menunjukkan adanya variasi nilai
ΔH di setiap titik pengukuran. Variasi warna beragam dari warna merah muda
yang menunjukkan nilai ΔH sangat tinggi dan warna biru yang menunjukkan nilai
ΔH sangat rendah. Range nilai ΔH di peta TMI adalah dari 54 nT sampai dengan
108,6 nT. Nilai ΔH tertinggi di daerah pengukuran kali ini sebesar 109,94 nT dan
nilai ΔH terendah mempunyai nilai sebesar 52,71 nT. Peta TMI ini menggunakan
skala 1:2000. Koordinat maksimum berada pada (731569,03; 9224611,79) dan
nilai koordinat minimal berada pada (731140,83; 9224381,36)
Pada bagian barat daya peta, sangat terlihat jelas bahwa nilai dari
suseptibilitas batuan di daerah tersebut lebih tinggi jika dibandingkan dengan
19
daerah yang lainnya. Pernyataan ini didukung oleh warna pada peta yang
berwarna merah muda hingga jingga. Pada bagian tenggara dan barat laut terlihat
gradasi warna dari biru muda hingga biru yang menunjukkan daerah tersebut
mempunyai nilai suseptibilitas yang sangat rendah daripada daerah lain. Untuk
bagian tengah, ada warna jingga dan hijau yang menandakan daerah tersebut
memiliki nilai suseptibilitas menengah. Dominasi nilai suseptibilitas pada daerah
tersebut adalah nilai dari tinggi hingga sangat tinggi dengan persentase kurang
lebih 45% dari keseluruhan daerah penelitian.
Berdasarkan sifat batuan, lokasi penelitian diprediksi mempunyai dominasi
batuan dan mineral yang mempunyai sifat paramagnetik. Dapat diprediksi
demikian karena rentan nilai dari nilai suseptibilitas batuan pada lokasi
pengamatan hanya berkisar dari 52,71 nT hingga 109,94 nT. Batuan yang
mempunyai sifat paramagnetik biasanya mempunyai nilai yang positif dan rendah.
Kemungkinan jenis mineral dan batuan yang berada pada daerah tersebut adalah
alumunium, olivin, piroksen, titan, natrium, ampibol, biotit, dan magnesium.
20
4.3. Peta RTP
nT
21
Ada perbedaan yang cukup mencolok dari peta RTP dan peta TMI. Pada
bagian selatan, timur dan barat laut daerah pengamatan mempunyai nilai
suseptibilitas yang tinggi jika dibandingkan dengan nilai suseptibilitas yang lain
pada satu lokasi pengamatan. nilai suseptibilitas tersebut ditandai oleh adanya
warna dari merah hingga jingga. Sebelumnya hanya pada daerah selatan nilai
suseptibilitas lebih tinggi daripada nilai suseptibilitas yang lainnya. Pada bagian
timur laut, tenggara dan barat lokasi pengamatan, warna biru mendominasi yang
merupakan tanda jika pada daerah tersebut mempunyai nilai suseptibiltas yang
sangat rendah jika dibandingkan dengan besarnya suseptibilitas pada bagian lokasi
penelitian yang lain. Nilai menegah dari nilai suseptibilitas sebagai perantara
pemisah nilai tinggi dan rendah suseptibilitas pada bagian barat, timur laut dan
tenggara. Dominasi warna pada peta RTP adalah warna merah uda hingga merah
dengan kisaran 35% dari keseluruhan daerah pengamatan.
Ada sayatan A – A’ yang berada pada peta RTP. Sayatan A – A’
dibentangkan dari sebelah barat laut sampai ke timur laut lokasi penelitian dengan
barat laut. Sayatan tersebut mewakili dari persebaran nilai suseptibilitas batuan
yang bervariasi di daerah pengukuran karena sayatan ini memotong nilai
suseptibilas sangat tinggi hingga sangat rendah.
Jika peta RTP diinterpretasikan terhadap sifat batuan yang berada pada
bawah permukaan adalah diperkirakan daerah ini mempunyai sifat batuan
paramagnetik. . Dapat diprediksi demikian karena rentan nilai dari nilai
suseptibilitas batuan pada lokasi pengamatan hanya berkisar dari 31,6 nT hingga
117,7 nT. Batuan yang mempunyai sifat paramagnetik biasanya mempunyai nilai
yang positif dan rendah. Kemungkinan jenis mineral dan batuan yang berada pada
daerah tersebut adalah alumunium, olivin, piroksen, titan, natrium, ampibol, biotit,
dan magnesium.
22
4.4. Analisis Grafik FFT
5 Regional
4 Residual
3 Linear (Regional)
Linear (Residual)
2
1 y = -15.027x + 4.1085
0
0 0.05 0.1 0.15 0.2 0.25 0.3
-1
Gambar 4.3. Grafik analisis Fourier
Gambar 4.3. merupakan grafik analisis Fourier yang dibentuk dari data K sebagai
sumbu X dan nilai dari ln A sebagai sumbu Y. Grafik ini menunjukkan estimasi
kedalaman dari daerah regional dan residual pada daerah pengukuran yang telah dibuat
dalam peta yang di-filter dengan Butterworth filtering. Ada dua pemisahan grafik di
dalam gambar tersebut, yaitu grafik regional dan residual. Perbedaan dari regional dan
residual pada grafik adalah terlihat dari nilai gradien persamaan garis tersebut. Untuk
nilai gradien regional, nilai gradien lebih besar jika dibandingkan dengan nilai gradien
residual. Ini ditunjukkan dari grafik regional lebih miring jika dibandingkan dengan
grafik residual yang lebih landai. Nilai gradien regional adalah -75,733 sedangkan nilai
gradien residual adalah -15,027.
Warna biru menunjukkan grafik regional yang mempunyai persamaan garis y = -
75,733x + 7,3723 dan warna merah menunjukkan gradik residual yang mempunyai
persamaan garis y = - 15,027x + 4,1085. Grafik regional terbuat dari tiga titik dengan
mempunyai estimasi kedalaman sebesar 192,9503 m. grafik residual dibentuk dari 10 titik
yang jika digaabungkan akan membentuk trendline yang lebih landai daripada regional.
Estimasi kedalaman pada residual adalah sebesar 38,28535 m. Nilai estimasi kedalaman
pada regional lebih dalam daripada residual karena sudut pandang dari regional lebih
dalam ketimbang residual.
23
4.5. Peta Butterworth Filter Regional
nT
24
tempat tertentu karena filter Butterworth Regional menggunakan bend pass filter
dengan sudut pandang yang lebih tinggi yang membuaat nilai suseptibilitas yang
tergambar tidak terlalu detail, tetapi cakupan dari persebaran setiap nilai
suseptibilitas lebih luas.
25
4.6. Peta Butterworth Filter Lokal
nT
26
daerah pengamatan. Warna biru hingga biru muda berada pada bagian barat laut
dan tenggara pengukuran yang menandakan daerah tersebut mempunyai nilai
suseptibilitas batuan yang sangat rendah jika dibandingan dengan daerah lain.
Peta Butterworth Filter lokal dapat menginterpretasikan dan salah satunya
adalah untuk mengetahui persebaran mineral. Persebaran mineral ini dilihat dari
endapan porfiri yang terubahkan. Secara garis besar, endapan porfiri adalah
endapan yang berbentuk blok dengan cadangan besar, tetapi mempunyai kadar
yang sedikit. Berbeda dengan urat hidrotermal yang mempunyai cadangan sedikit,
tetapi mempunyai kadar yang cukup besar.
Untuk emas sendiri, emas biasanya dicari pada mineral yang berasosiasi
dengan emas tersebut. Biasanya, emas beasosiasi dengan mineral yang
mempunyai sifat paramagnetik atau diamagnetik. Untuk mineral yang mempunyai
sifat paramagnetik, emas dapat beasosiasi dengan mineral hematit, arsenopirit,
maupun pirit. Jika emas berasosiasi dengan mineral yang mempunyai sifat
diamagnetik, kemungkinn emas berasosiasi dengan mineral kuarsa, anhidrit, halit,
ataupun helena yang mempunyai nilai suseptibilitas yang rendah atau bernilai
minus.
Ada dua kemungkinan keberadaan emas pada daerah tersebut jika melihat
persebaran dari nilai suseptibilitas batuan. Pada daerah ini mempunyai dua sifat
batuan yaitu paramagnetik dan diamagntik. Untuk paramagnetik, nilai
suseptibilitas relatif kecil, tetapi masih mempunyai nilai positif. Sedangkan untuk
diamagnetik, niali susepbilitas bernilai negatif. Jika emas berasosiasi dengan
mineral yang bersifat paramagnetik, kemungkinan emas berada pada bagian barat
daya dan timur laut daerah pengukuran karena nilai dari suseptibilas pada daerah
tersebut kecil dan bernilai positif. Sedangkan jika emas beasosiasi dengan mineral
yang memepunyai sifat diamgnetik, kemungkinan emas akan berada pada daerah
bagian tenggara dan barat laut pengukuran. pada daerah barat laut dan tenggara
mempunyai nilai suseptibilias yang negatif.
27
BAB V
PENUTUP
5.1. Kesimpulan
Setelah mengerjakan semua proses dan menganalisis dari semua hasil peta
dan grafik yang didpatkan pada pengerjaan kali ini, ada beberapa hal yang dapat
disimpulkan, yaitu:
Banyaknya titik yang diukur pada daerah ini adalah 232 titik yang
digunakan untuk membentuk peta TMI. pengambilan data dilakukan di
daerah Cianjur Selatan, Cianjur, Jawa Barat. Nilai ΔH tertinggi di daerah
pengukuran kali ini sebesar 109,94 nT dan nilai ΔH terendah mempunyai
nilai sebesar 52,71 nT. Kemungkinan pada daerah tersebut mengandung
batuan yang bersifat paramagnetik.
Peta RTP ini memakai ketetapan inklinasi sebesar -23,476 dan deklinasi
sebesar 0,1439. Nilai IGRF yang digunakan pada daerah pengamatan
adalah sebesar 44210. Sama dengan peta TMI, kemungkinan sifat batuan
yang berada pada peta RTP adalah paramagnetik.
Grafik analisis Fourier digunakan untuk menentukan estimasi kedalaman
pada peta Butterworth Filter regional dan lokal. Estimasi kedalaman
untuk peta Butterworth Filter regional adalah sebesar 192,9502 m dan
lokal sebesar 38,28535 m. grafik ini juga yang memisahkan data estimasi
kedalaman regional dan lokal.
Range nilai dari nilai suseptibilitas pada peta Butterworth Filter regional
adalah dari nilai -22,2 nT untuk nilai yang rendah sampai 27,2 nT untuk
nilai suseptibilitas yang tinggi. Ada kecenderungan nilai dengan
suseptibilitas tinggi berada pada bagian timur daerah pengukuran.
Peta Butterworth Filter lokal dapat digunakan untuk mengetahui
persebaran mineral yang mengasosiasi endapan tertentu. Ada dua
kemungkinan persebaran emas di daerah tersebut jika dilihat dari sifat
magnet batuan. Jika emas berasosiasi dengan sifat mineral diamagnetik,
emas berada pada wilayah biru dan jika emas berasosiasi dengan sifat
28
mineral paramagnetik, emas berada pada wilayah peta yang berwarna
merah.
5.2. Saran
Penguasaan software Oasis Montaj sangat diperlukan untuk pengolahan
kali ini, khususnya pembuatan peta. Selain penguasaan, ketelitian dalam
memproses data juga diperlukan karena jika ada salah satu langkah yang terlewat
atau salah, akan berimbas kepada hasil peta yang didapat. Jangan lupa untuk teliti
juga dalam perhitungan pada software Microsoft Excel. Penguasaan terhadap ilmu
geologi juga dapat membantu dalam interpretasi dari keberadaan dan persebaran
mineral atau batuan yang berada pada lokasi penelitian.
29