Prediksi penentuan lokasi sumur pengembangan yang potensial menggunakan jaringan syaraf tiruan di lapangan x
Info Katalog
File Repositori
Subyek : Oil wells
Penerbit : FTKE - Usakti
Kota Terbit : Jakarta
Tahun Terbit : 2025
Pembimbing 1 : Muhammad Taufiq Fathaddin
Pembimbing 2 : Suryo Prakoso
Kata Kunci : porosity, water saturation, feed forward back propagation, tangent sigmoid, Lavenberg-Marquardt
Status Posting : Published
Status : Lengkap
File Repositori
| No. | Nama File | Hal. | Link |
|---|---|---|---|
| 1. | 2025_TS_MTP_171012110004_Halaman-Judul.pdf | ||
| 2. | 2025_TS_MTP_171012110004_Surat-Pernyataan-Revisi-Terakhir.pdf | 1 | |
| 3. | 2025_TS_MTP_171012110004_Surat-Hasil-Similaritas.pdf | 1 | |
| 4. | 2025_TS_MTP_171012110004_Halaman-Pernyataan-Persetujuan-Publikasi-Tugas-Akhir-untuk-Kepentingan-Akademis.pdf | 1 | |
| 5. | 2025_TS_MTP_171012110004_Lembar-Pengesahan.pdf | 1 | |
| 6. | 2025_TS_MTP_171012110004_Pernyataan-Orisinalitas.pdf | 1 | |
| 7. | 2025_TS_MTP_171012110004_Formulir-Persetujuan-Publikasi-Karya-Ilmiah.pdf | 1 | |
| 8. | 2025_TS_MTP_171012110004_Bab-1.pdf | ||
| 9. | 2025_TS_MTP_171012110004_Bab-2.pdf |
|
|
| 10. | 2025_TS_MTP_171012110004_Bab-3.pdf |
|
|
| 11. | 2025_TS_MTP_171012110004_Bab-4.pdf |
|
|
| 12. | 2025_TS_MTP_171012110004_Bab-5.pdf | ||
| 13. | 2025_TS_MTP_171012110004_Daftar-Pustaka.pdf | ||
| 14. | 2025_TS_MTP_171012110004_Lampiran.pdf |
|
P Penelitian ini menerapkan metode kuantitatif dengan memanfaatkan Jaringan Syaraf Tiruan (JST) dalam memprediksi porositas (φ) dan saturasi air (Sw) sebagai parameter untuk memperkirakan lokasi sumur pengembangan. Informasi data diambil dari 8 sumur yang sudah ada, dimulai dari koordinat, kedalaman subsea, rekaman data loging Gamma Ray, Densitas, Neutron dan Resistivitas digunakan sebagai input dalam membuat model JST. Hasil analisa petrofisika untuk porositas dan saturasi air dipakai sebagai target pembelajaran bagi model JST dalam mengenali pola hubungan non linear.Jaringan memakai algoritma pembelajaran feed forward back propagation dengan 7 dan 8 neuron di dalam suatu hidden layer yang dijalankan dalam proses pelatihan dengan menggunakan aktivasi tangen sigmoid dan juga dioptimasi dengan metode Lavenberg-Marquardt. Model jaringan diiterasi sebanyak 10 kali hingga mendapatkan nilai korelasi terbaik dari prediksi porositas dan saturasi air.Jaringan yang sudah bisa mengenali pola tadi diterapkan pada 10 kasus lokasi koordinat baru untuk mendapatkan prediksi porositas dan saturasi airnya. Interpretasi dilakukan dengan memanfaatkan plot hasil prediksi porositas dan saturasi air yang diperoleh untuk memperkirakan lokasi sumur yang potensial. Hasil plot menunjukkan terdapat 3 lokasi terbaik sebagai lokasi sumur pengembangan, dengan koordinat masing-masing adalah lokasi 1 (721951.28, 9300376.68); lokasi 4 (722413.60, 9300593.06); dan lokasi 7 (722862.19, 9298959.97). Sedangkan hasil prediksi nilai porositas (φ) dan saturasi air (Sw) masing-masing 0.3611 dan 0.0031; 0.4499 dan 0.0192; 0.4480 dan 0.0026.
T This research applies a quantitative method by utilizing Artificial Neural Networks (ANN) to predict porosity (φ) and water saturation (Sw) as parameters for estimating the location of development wells. Data information was taken from 8 existing wells, starting from coordinates, subsea depth, and logging data recordings of Gamma Ray, Density, Neutron, and Resistivity used as inputs in creating the ANN model. The results of the petrophysical analysis for porosity and water saturation are used as the learning targets for the JST model in recognizing non-linear relationship patterns.The network uses a feed forward back propagation learning algorithm with 7 and 8 neurons in a hidden layer, which is run in the training process using sigmoid tangent activation and also optimized with the Lavenberg-Marquardt method. The network model was iterated 10 times until the best correlation value for porosity and water saturation predictions was obtained.The network that has already been able to recognize the pattern was applied to 10 new coordinate location cases to obtain predictions of porosity and water saturation. Interpretation is carried out by utilizing the plot of the predicted porosity and water saturation results obtained to estimate potential well locations. The result plot shows that there are 3 best locations for development wells, with coordinates as follows: location 1 (721951.28, 9300376.68); location 4 (722413.60, 9300593.06); and location 7 (722862.19, 9298959.97). Meanwhile, the predicted values of porosity (φ) and water saturation (Sw) are 0.3611 and 0.0031; 0.4499 and 0.0192; 0.4480 and 0.0026, respectively.