English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Denoising (reduksi noise) merupakan hal umum yang dilakukan pada pengolahan data seismik. Secara umum, kita telah mengenal berbagai filter konvensional seperti bandpass filter dan metode signal enhancemet seperti F-X Deconvolution. Metode tersebut telah lama digunakan dan memiliki kelemahan yakni belum mampu mengembalikan reflektor secara maksimal dengan baik sedangkan noise memiliki nilai frekuensi yang sama dengan nilai sinyal yang baik. Pada penelitian ini, penulis menggunakan data seismik sintetik. Noise yang digunakan adalah gaussian noise karena noise ini merupakan noise yang digunakan secara umum dalam dunia statistik. Setelah ditambahkan noise, maka data sintetik akan diolah menggunakan transformasi curvelet. Hasil dari pengolahan data adalah data seismik sintetik “Antiklin” memiliki nilai signal to noise ratio (SNR) yakni antara 27 hingga 28 dB. Data seismik sintetik ketika diberikan noise memiliki nilai SNR yakni antara 19 hingga 25 dB. Dengan demikian, dapat dikatakan bahwa transformasi curvelet mampu melemahkan dan menghapus random noise. Sementara itu, reflektor pada data masih memiliki bentuk yang hampir sama dengan data forward modelling

Aplikasi Transformasi Curvelet untuk Denoising Random Noise : Studi Kasus Data Seismik Sintetik 2D Darat “Antiklin"