Hasil Pencarian  ::  Simpan CSV :: Kembali

"Noise linier adalah energi seismik yang menjalar di sepanjang permukaan (gelombang permukaan). Karakteristik noise linier adalah frekuensi rendah, kecepatan rendah, dan amplitudo tinggi. Noise linier masih menjadi permasalahan dalam data seismik, sebab mampu menyamarkan sinyal refleksi. Teknik pengolahan yang saat ini digunakan adalah filter F-K, berpotensi untuk mereduksi sinyal refleksi yang berada pada rentang slope noise. Metode dekomposisi spektral berbasis transformasi wavelet merupakan metode filtering alternatif, mampu mendekomposisikan data seismik menjadi beberapa subband melalui filter low-pass dan filter high-pass. Setiap filtering mendekomposisikan data seismik ke dalam domain frekuensi (f) dan bilangan gelombang (k). Metode ini diujikan pada data real seismik darat 2-D yang memiliki rentang velocity 20 m/ms hingga 100 m/ms. Terdapat 2 metode filtering, yaitu membuang subband yang mengandung noise dan menggunakan filter F-K pada subband yang mengandung noise. Metode filtering 2 lebih efektif mereduksi noise linier pada data penelitian dibandingkan metode filtering 1. Hal ini dibuktikan pada hasil penelitian yang menunjukkan peningkatan kualitas tampilan shot point gather dan stacking.

---

Linear noise is seismic energy that propagates along the surface (surface waves). Characteristic of linear noise is low-frequency, low-velocity, and high amplitude. Linear noise is such a problem in land seismic data, because able to disguise signal reflection. Current processing techniques aimed at linear noise suppression, such as f-k filtering has potentially to reduce signal reflection which range in noise slope. A new alternative to f-k filtering is spectral decomposition based on wavelet transform, which decomposes seismic data into different sub bands by applying low-pass and high-pass filters. Each filtering decomposes the seismic data into frequency and wavenumber domain. This method is applied in real 2-D land seismic data to reduce linear noise with velocity range 20 m/ms to 100 m/ms. There are two methods of filtering, killing sub bands which contained noise and using f-k filter on sub band which contained noise. Second method is more effective to reduce linear noise than first method. This technique leads to the improvement of shot records and final stack quality."

"Keberadaan noise pada data magnetotellurik dapat membiaskan hasil interpretasi. Noise ini dapat eliminasi dibutuhkan remote station yang jauh dar lokasi pengukuran dan bebas dari interferensi. Remote station diasumsikan bahwa terbebas dari noise, sehingga data dari remote station dapat digunakan untuk mereduksi noise pada stasiun pengukuran. Akan tetapi penambahan remote station ini akan meningkatkan biaya operasional eksplorasi dan juga akan membutuhkan banyak waktu serta sulit untuk mencari lokasi yang terbebas dari noise, terutama pada eksporasi geothermal dikarenakan area di Indonesia yang biasanya memiliki medan dan akses sulit dilalui. Oleh karena itu, diperlukan teknologi yang dapat mengreduksi noise pada data magnetotellurik dan meningkatkan kualitas data sehingga dapat mengurangi biaya dan waktu dalam eksplorasi. Melalui metode continuous wavelet transform, data magnetotellurik yang terkontaminasi noise dapat direduksi tanpa ada bantuan remote station dan akan menyebabkan eksplorasi geothermal menjadi lebih efisien. Metode continuous wavelet transform mengolah data magnetotelurik berupa time series domain yang masih belum difilter dan mengubah data time series domain tersebut ke dalam time-frequency domain. Pengubahan menjadi time-frequency menggunakan metode continuous wqavelet transform untuk dianalisis keberadaan noisenya pada frekuensi dan waktu kemunculan noise yang kemudian dihilangkan. Data yang telah dihilangkan akan dapat diolah menjadi apparent resistivity dan fase vs frekuensi. Hasil filter yang telah dilakukan dibandingkan dengan pengolahan software komersil. Dimana filter berhasil menghilangkan keberadaan noise transient yang muncul dengan kisaran frekuensi 30-400 Hz dan kemunculan selama 0.2-0.4 detik. Sehingga filter ini dapt menjadi alternatif lain dalam penghilangan noise pada data magnetotelurik.

---

The presence of noise in magnetotelluric data can produce a bias in its interpretation. To eliminate this noise, a remote station that is far from interference is needed. Assuming that the remote station is almost free from noise, the data from remote station can be used to reduce the noise from measurement station. However, adding an additional station means there will be an increase in exploration cost. Also, adding a remote station itself can be challenging and time-wasting since finding an area that is free from interference is quite hard to do, especially for geothermal exploration area in Indonesia that usually have difficult terrain and access. To answer this, we need a technology that can reduce noise from magnetotelluric data and improve the data quality while keeping the cost and time of exploration as low as possible. By using continuous wavelet transform method, the noise from magnetotelluric data can be reduced without the need to use a remote station which makes exploration becomes more efficient. The continuous wavelet transform method processes magnetotelluric data from unfiltered time series domain and changes the domains time series data into a time-frequency domain. Changing processes to a time-frequency uses the continuous wavelet transform method to analyze the existence of the frequency and time of occurrence of noise which is then removed. Data that has been removed will be processed into apparent resistivity and phase vs frequency. The filter results have been done compared to commercial software processing. Where the filter successfully eliminates the presence of transient noise that appears with a frequency range of 30-400 Hz and emergence for 0.2-0.4 seconds. So this filter can be another alternative in noise removal in magnetotelluric data."

"Spektral Dekomposisi merupakan salah satu teknik analisa sinyal dalam interpretasi data seismik. Analisa fourier biasa atau transformasi 1D menghasilkan sinyal dari domain waktu menjadi domain frekuensi. Para ilmuwan mengembangkan analisa fourier biasa yang menghasilkan sinyal 2D dalam waktu dan frekuensi, kemudian melakukan short-time window setelah dilakukan transformasi fourier. Metode ini dikenal dengan nama Short-Time Fourier Transform (STFT). Akan tetapi, resolusi time-frekuensi dengan menggunakan STFT terbatas dalam menentukan lebar window. Keterbatasan metode STFT ini dapat diatasi dengan metode Continous Wavelet Transform (CWT). Proses analisis time-frekuensi dilakukan dengan cara mengkonvolusi sinyal dengan wavelet, resolusi frekuensi diperoleh dengan mendilatasi wavelet menggunakan skala tertentu dan resolusi waktu diperoleh dengan mentranslasi wavelet dengan faktor translasi tertentu. Penentuan inilah menjadikan metode Continous Wavelet Transform (CWT) menghasilkan analisis yang mempunyai resolusi yang tinggi. Perkembangan atribut seismik dewasa ini sangat membantu dalam menunjukkan indikasi adanya hidrokarbon pada reservoar. Keberadaan hidrokarbon gas biasanya lebih mudah teridentifikasi dibandingkan minyak dan air karena atenuasi gas lebih besar dibandingkan dengan minyak dan air. Atribut spektral sesaat yang didasari dari hasil komputasi CWT diharapkan dapat menjadi atribut yang berguna untuk mendeteksi adanya indikasi keberadaan hidrokarbon. Untuk mendukung hasil metode CWT, akan dikombinasikan dengan hasil metode inversi untuk meyakinkan akan keberadaan hidrokarbon tersebut yang ditandai dengan nilai akustik impedansi (AI) yang relatif rendah dengan sekitarnya. Dari hasil penelitian ini menunjukkan adanya low frequency effect pada frekuensi 15 Hz di prospect "L" yang terlihat pada line line yang melewati area prospect tersebut. Hal ini didukung dengan hasil inversi yang menunjukkan nilai AI yang rendah yaitu berkisar 17000 ? 22000 ((ft/s) *(gr/cc)) dan kontras dengan nilai AI sekitarnya. Kombinasi metode dekomposisi spektral berbasis CWT yang dengan metode inversi seismik (AI) mengindikasikan adanya akumulasi hidrokarbon pada prospect "L".

---

Spectral Decomposition is one of a signal analyzer in the seismic interpretation. Analysis of 1D Fourier transform generates a signal from time domain into the frequency domain. Scientists developed a 1D Fourier transform to generatee 2D signal in time and frequency domain, then do short-time window after the Fourier transformation. This method is known as Short-Time Fourier Transform (STFT). However, the time-frequency resolution by using the STFT is limited in determining the width of the window. Limitations STFT method can be overcome by using continuous wavelet transform (CWT). The process of timefrequency analysis was done by convolution signal with wavelet, the frequency resolution obtained by using wavelet dilatation with a spesific scale and time resolution obtained by translating the wavelet with a specific translation factor. This determination makes the method of Continuous Wavelet Transform (CWT) can produce high resolution analysis.

Seismic attribute these days is very helpful in showing indications of hydrocarbons in the reservoir. The presence of hydrocarbon gas is usually more easily identified than the oil and water due to greater attenuation for gas compared to oil and water. Spectral Attribute based on the CWT computation is expected to be useful attribute to detect indication presence of hydrocarbons. To support the CWT method, will be combined with inversion methods to assure the existence of hydrocarbons by the value of acoustic impedance (AI) is relatively low with the surroundings.

Results of this study indicate a low frequency effect on the frequency 15 Hz at the prospect ''L " that looks at the lines that passes through the prospect area. This is supported by the results of inversion show that low AI values ranged 17000-22000 ((ft / s) * (gr / cc)) and contrast with the surrounding AI value. The combination of spectral decomposition based on CWT method and seismic inversion method (AI) indicates a hydrocarbon accumulation at the prospect of "L"."

"Telah dilakukan analisis metode dekomposisi spektral berbasis transformasi wavelet kontinyu (CWT) terintegrasi atribut seismik Amplitudo RMS dan Similarity dalam mendelineasikan zona patahan-rekahan didukung dengan analisis data sumur dan log FMI (FullboreFormation Micro Imager) dalam menentukan arah patahan-rekahan. Daerah penelitian ini berada pada Lapangan "Falah", Cekungan Jawa Timur dengan formasi Tuban berumur Miosen. Objek penelitian dikategorikan batuan karbonat jenis reef built up dan zona menarik untuk dianalisis pada reservoar karbonat yaitu berupa zona patahan dan rekahan. Hasilnya metode dekomposisi spekral berbasis CWT dapat memperlihatkan patahan-rekahan pada frekuensi tinggi 40 Hz dan terintegrasi Atribut seismik Amplitudo RMS pada lebar jendela 10 ms dan Similarity pada 25 ms. Patahan-rekahan memiliki arah umum kemiringan sebesar 700 berarah timurlaut-baratdaya. Ketiga atribut yang digunakan pada penelitian ini dapat mendelineasikan arah patahan dan rekahan pada reservoar karbonat reef built up.

---

There have been done analysis of spectral decomposition method which was based on Continuous Wavelet Transformation (CWT), integrated Seismic Attributes of RMS amplitude and Similarity. To delineate fault-fracture zone is supported with well data analysis and FMI (FullboreFormation Micro Imager) log is used to define fault-fracture direction. This project research is located at “Falah” field. East Java basin with Tuban formation is in Miocene era. Research object is categorized carbonate rock with reef built up type and the zone is interesting to analyze of carbonate reservoir which are fault and fracture zone.

Result of spectral decomposition method which was based on CWT can show fault-fracture in high frequency at 40Hz and integrated seismic attribute of RMS amplitude with window width at 10ms and then similarity at 25ms. Fault-fracture has common dip at 70° of North East – South West direction. Three attributes were used in this research can delineate fault and fracture direction of carbonate reservoir with reef built up type."

"Lapangan Talavera seluas 230km2 adalah lapangan migas yang berada di Cekungan Sumatera Utara yang merupakan salah satu cekungan mature di Indonesia. Lapangan ini diduga memiliki fitur stratigrafi berupa chanel dan delta dengan perlapisan batu pasir yang tipis sehingga tidak dapat terdeteksi dalam peta seismik konvensional. Dalam penelitian ini dipilih atribut seismik dekomposisi spektral berbasis Continuous Wavelet Transform (CWT) yang dapat mengekstrak informasi frekuensi dari peta seismik fungsi waktu menjadi peta fungsi waktu-frekuensi. Hasilnya diharapkan akan dapat digunakan untuk mendelineasi fitur stratigrafi dan mengetahui penyebaran lapisan batu pasir (batuan reservoar). Sementara atribut RMS amplitude digunakan untuk melihat distribusi kandidat reservoar sekaligus menjadi data pembanding dan pendukung informasi yang didapat dari atribut dekomposisi spektral. Pada akhirnya, hasil penellitian ini akan sangat berguna bagi perhitungan cadangan rinci, yang akan sangat tergantung pada geometri dan kualitas reservoar. Selain itu, juga akan berguna bagi perencanaan produksi pada fase eksploitasi. Dari hasil penelitian ini didapatkan tiga fasies reservoar dan hubungan korelasi yang kuat antara metode dekomposisi spektral dengan ekstraksi atribut RMS amplitude. Dengan atribut RMS amplitude dapat dilihat distribusi reservoar berdasarkan tingginya nilai amplitudo. Sementara untuk delineasi batu pasir secara lebih rinci diperoleh dari hasil analisa dekomposisi spektral.

---

Talavera is a 230km2 area of the oil and gas field located in the North Sumatra Basin, which is one mature basins in Indonesia. This field has allegedly stratigraphic features such as channels and delta sandstone with thin bedding that can not be detected in conventional seismic map.

In this study, seismic attribute spectral decomposition based on Continuous Wavelet Transform ( CWT ) is selected to extract the frequency information from the seismic map time domain becomes a seismic map time - frequency domain. The results are expected to be used to delineate the stratigraphic and geographic distribution of feature layers of sandstone (reservoir rock) . While the RMS amplitude attribute is used to look at the distribution of the reservoir as well as a candidate benchmark data and supporting information obtained from spectral decomposition attributes. In the end, this study results will be useful for a detailed calculation of reserves, which will depend on the geometry and quality of the reservoir. In addition, it will also be useful for the planning of production in the exploitation phase.

From the results of this study, the three reservoir facies and a strong correlation between the spectral decomposition method with RMS amplitude attribute extraction are detected. With RMS amplitude attribute can be seen by the high value of reservoir distribution amplitude . As for the delineation of sandstone in more detail the results obtained from the spectral decomposition analysis."

"Penelitian ini terletak di lapangan Danish North Sea, tepatnya di sebelah barat dari Denmark. Reservoar Karbonat pada lapangan ini merupakan platform karbonat, dimana litologinya berupa chalk pada formasi ekofisk di kedalaman 1850 m. Metoda Atribut Dekomposisi Spektral sangat baik untuk mengidentifikasi hidrokarbon berdasarkan parameter frekuensi. Pada penelitian ini menggunakan CWT (Continuous Wavelet Transform) dengan menggunakan wavelet Mexican Hat sebagai wavelet input. Pada interpretasi lanjut menganalisis grafik dari time - frekuensi spektrum, dimana grafik ini menunjukan 2 karakteristik reservoar konten (reservoar minyak dan reservoar air). Frekuensi dominan dari minyak yang ditunjukan pada grafik sebesar 20 Hz. Setelah itu ditentukan penyebaran reservoar dari konten minyak tersebut. Berdasarkan hasil analisa dekomposisi spektral menunjukan persebaran hidrokarbon pada reservoar chalk formasi ekofisk berada pada bagian selatan, timur laut, dan barat laut lapangan danish north sea merupakan zona prospek.

---

This research is located in Danish North Sea Field, the west side of Denmark. Carbonat Reservoirs in the field were formed in platform carbonate type which the lithology was the chalk layer at Ekofisk formation around 1850 m. The spectral decomposition method is very good tool to identify the hydrocarbon prospecting based on frequency parameters.

In this research, the author using CWT (Continuous Wavelet Transform) with respect to Mexican Hat wavelet type as wavelet input the relation time - frequency spectrum. The result showed two kind reservoirs prospecting, hidrocarbon and water reservoir.

From hydrocarbon reservoir, it was found the frequency dominant around 20 Hz, whereas the water reservoir was 23 Hz. Then, we applied CWT by the frequency dominant 20 Hz to seismic horizon target in this area. Based spectral decomposition analyzed, we cofirmed the hydrocarbon prospecting originated from chalk layer in Ekofisk formation. The prospect time was positioned in the south side and north-east side directions."

"Perpustakaan memiliki sejumlah koleksi arsip bersejarah, arsip bersejarah tersebut dituliskan pada kedua sisi kertas. Usia penyimpanan yang cukup lama merupakan salah satu penyebab adanya rembesan tinta. Pada beberapa kasus, edge foreground tampak lebih jelas dibandingkan edge penginterferensi. Namun terkadang tulisan penginterferensi tampak lebih jelas dibandingkan tulisan foreground. Proses pembersihan arsip dari tulisan penginterferensi yang berasal dari tulisan bagian belakang kertas melalui beberapa tahapan. Tahap awal pembersihan image arsip dari interferensi adalah transformasi wavelet directional. Koefisien subband horizontal, vertikal dan diagonal hasil dekomposisi dari transformasi wavelet dikonvolusikan dengan matriks yang mewakili suatu arah tertentu. Proses transformasi wavelet yang telah disebutkan diatas merupakan transformasi wavelet directional. Koefisien-koefisien subband hasil konvolusi disusutkan mendekati harga asalnya menggunakan Soft Thresholding Donoho. Setelah melalui proses tersebut dilakukan proses transformasi wavelet balik. Untuk menghilangkan objek yang terlalu kecil seperti bintik-bintik yang tidak diinginkan dan memperhalus objek yang ingin disegmentasi maka dilakukan proses opening pada image hasil proses transformasi. Proses memperjelas tulisan foreground dilakukan dengan cara menambahkan image hasil proses opening dengan image hasil proses operasi neighborhood. Operasi neighborhood adalah proses logika pembandingan image dengan suatu tabel lookup. Percobaan dilakukan dengan memvariasikan kombinasi matriks pengkonvolusi yang mewakili suatu arah tertentu sehingga dapat diperoleh matriks pengkonvolusi yang menghasilkan image yang memiliki interferensi paling rendah. Hasil proses dinilai secara objektif menggunakan RMSE, RMSE yang semakin kecil menandakan terjadinya error yang semakin kecil atau image makin menyerupai image aslinya."

"Lokasi penelitian yang terletak di cekungan Jawa Timur (East Java Basin) adalah daerah yang dilalui oleh zona patahan Rembang-Madura-Kangean-Sakala ( RMKS Fault Zone) yang merupakan zona dengan deformasi sesar yang kuat. Berdasarkan data sumur ekplorasi, Zona target berada pada formasi Ngimbang Karbonat, didominasi oleh batuan gamping dan terletak pada kedalaman 2012 m sampai 2470 m. Dari hasil studi gas analysis sebelumnya, formasi Ngimbang Karbonat berpotensi sebagai reservoar hidrokarbon dengan kenampakan gas show yang cukup tinggi pada formasi tersebut. Hal ini didukung juga oleh nilai log resistivitas yang tinggi yang mungkin berasosiasi dengan keberadaan hidrokarbon. Pada penelitian ini, inversi impedansi akustik menggunakan metoda Sparse Spike digunakan untuk menunjukkan keberadaan reservoar pada zona target. Hasil dari inversi ini menunjukkan terdapat satu lapisan pada formasi Ngimbang Karbonat yang mempunyai nilai impedansi akustik yang relatif lebih rendah dari bodi sekitar nya yaitu 6600 sampai 7700 (m/s).(g/cc). Pada penelitian ini, penulis menkonversi nilai impedansi akustik menjadi parameter porositas dan didapatkan nilai porositas zona target berkisar 8 - 10 %. Selanjutnya metoda dekomposisi spektral dengan algoritma CWT digunakan untuk melihat saturasi fluida dari zona target. Hasil dari metoda CWT ini menunjukkan adanya fenomena Low Shadow Frequency pada frekuensi 8 Hz. Fenomena ini diduga berasosiasi dengan keberadaan hidrokarbon yang mensaturasi batuan pada zona target. Hal ini didukung dengan hasil inversi sebelumnya bahwa dengan menggunakan kombinasi kedua metoda tersebut, diduga bahwa terdapat akumulasi hidrokarbon jenis gas pada zona target penelitian.

---

Location of research area is located in East Java Basin which is passed by a big fault zone named Rembang - Madura - Kangean - Sakala (RMKS) fault zone. The target area is a zone with strong fault deformation. Based on well exploration data, the target zone is Ngimbang Karbonat Formation which is dominated by Carbonate limestone and at the depth of 2012 m until 2470 m.

Gas Analysis study shows that the Ngimbang Karbonat Formation is highly potential for becoming a reservoar rock which shows highly gas shows on that formation. This is also supported by high resistivity value from log data that maybe associated with hydrocarbon existence.In this research, Acoustic Impedance with Sparse Spike algorithm is used to show the existence of reservoir on the target zone.

The result of this inversion shows that there is one body of rock on Ngimbang Karbonat fm that has low acoustic impedance value 6600 – 7700 (m/s).(g/cc) compared to the other body. I convert this acoustic impedance value into porosity parameter and get a range of value from 8 - 10 %. Finally, spectral decomposition method based on CWT algorithm is used to see the fluid saturation on the target zone.

The result of this method show that there is a Low Shadow Frequency phenomenon at frequency 8 Hz. This phenomenon may be associated with the existence of hydrocarbon that saturate the rocks on the target zone. It is supported by the result of the inversion before that with the combination of both method, we can conclude that the target zone is highly potential to become a reservoir rock with accumulation of hydrocarbon on that zone."

"Pulau Kalimantan merupakan pulau yang memiliki aktivitas tektonik yang cenderung stabil. Hal ini mengakibatkan pulau ini dapat menjadi reservoar hidrokarbon yang baik. Lapangan 'B' terletak di Kalimantan timur dan berada pada cekungan Tarakan yang merupakan salah satu cekungan intrakraton di Indonesia. Pada lapangan 'B' telah ditemukan hidrokarbon berupa gas di sumur 'M'. Gas ditemukan pada interval kedalaman 1800 - 1900 m. Hasil ini merupakan dasar untuk tahapan pengembangan suatu lapangan gas 'B' guna mengoptimalkan produksi. Dalam upaya mengoptimalkan produksi gas dibutuhkan pengeboran sumur tambahan di lapangan 'B'. Akan tetapi pengeboran sumur memakan biaya yang sangat mahal sehingga pengeboran harus tepat sasaran. Agar pengeboran tepat sasaran perlu dilakukan pendekatan tehadap persebaran hidrokarbon gas pada reservoar. Hidrokarbon gas lebih mudah teridentifikasi dengan metode dekomposisi spektral karena sifat dari gas yang akan mengatenuasi gelombang dengan frekuensi tinggi. Penelitian ini mengunakan dekomposisi spektral untuk menentukan persebaran gas dengan mengamati pola dari respon frekuensi. Berdasarkan hasil analisa dekomposisi spektral diperoleh persebaran hidrokarbon gas pada reservoar batu pasir formasi Tarakan berada pada bagian barat laut dan selatan yang memiliki potensi yang menjanjikan.

---

Kalimantan is an island with stable tectonic activity. So this island has high potential to be good hydrocarbon reservoir. 'B' field is located in the Tarakan basin eastern Kalimantan. In 'B' field hydrocarbon gas was found at 'M' well. Gas was found in the depth between 1800-1900 m. These results are the basis for the development of 'B' gas field in order to optimize production. To optimize production we must drilling another wells in this field. Because of drilling cost are very expensive, so drilling should be right on target. to make drilling precise we need representation of distribution hydrocarbon gas in the reservoir. Hydrocarbon gas more easily identified by spectral decomposition method because gas will atenuated with increasing frequency. This study uses spectral decomposition to determine the distribution of gas by observing the pattern of the frequency response. Based on spectral decomposition result, distribution of hydrocarbon gas detected in Northwest and Southern field on sandstone reservoir Tarakan formation."

"Data seismik merupakan data yang secara alami tidak stasioner, karena mempunyai berbagai kandungan frekuensi dalam domain waktu. Salah satu atribut seismik yang bertujuan untuk mencirikan tanggap frekuensi yang tergantung waktu dari batuan dan reservoir bawah permukaan adalah dekomposisi waktu-frekuensi atau sering disebut sebagai dekomposisi spektral. Dengan dekomposisi spektral diharapkan lapisan-lapisan sedimen yang tidak tampak terpisah (berada di dalam satu wiggle wavelet) dengan menggunakan data seismik konvensional, akan tampak terpisah jelas. Salah satu metode dari dekomposisi spektral yaitu Continous Wavelet Transform (CWT).CWT adalah metoda dekomposisi waktu-frekuensi (time-frequency decomposition) yang ditujukan untuk mengkarakterisasi respon seismik pada frekuensi tertentu. Studi ini dilakukan dengan mengaplikasikan CWT pada wavelet dan frekuensi tertentu untuk melihat resolusi dari seismik .Wavelet yang digunakan pada studi ini adalah wavelet morlet, complex Gaussian-4, daubechies-5, coiflet-3 dan symlet-2 pada frekuensi 20 Hz, 40 Hz, 60 Hz dan 80 Hz (pada data sintetik 2D seismik) serta 40 Hz, 60 Hz, 80 Hz (pada data real 2D seismik)Dan hasil yang diperoleh dari penelitian ini menunjukkan bahwa pada data seismik sintetik 2D seismik dilakukan aplikasi CWT dengan time sample 3s dan 50 CDP trace menunjukkan bahwa semakin tinggi frekuensi maka pemisahan lapisan tipis yang dapat dilakukan semakin baik. Pada data seismik real 2D, pemisahan lapisan tipis pada batubara terjadi pada tuningfrequency 80 Hz dengan menggunakan wavelet symlet-2.

---

Seismic data is naturally a non-stationary data, because it has many frequencies information in time domain. One of seismic attributes, which is used to characterize the frequency response as function of time and reservoir rock, is time-frequency decomposition or commonly known as spectral decomposition. By using spectral decomposition, it is expected that thin sedimentary layers (in one wiggle wavelet) can be separated rather than using conventionally seismic data.

CWT is one of time-frequency decomposition method to decompose the seismic signal into single frequency. This study had been carried out by implementing CWT in certain wavelet and frequency to analyze the seismic resolution. The various wavelets had been used this study, they are morlet, complex Gaussian-4, daubechies- 5, coiflet-3 and symlet-2. The various frequencies of 20 hz, 40 Hz, 60 Hz dan 80 Hz frequency (for 2D synthetic seismic data) and 40 Hz, 60 Hz, 80 Hz frequency (for 2D real seismic data) are applied.

The application of 2D synthetic seismic data that is implemented with CWT, 0.3 s time sample and 50 trace, shows that the use of higher frequency shows better separation. In addition, the application of 2D real seismic data shows that the best separation is in the frequency of 80 Hz with wavelet symlet-2."