Article Per Year (5 Year)
p-Index From 2021 - 2026
1.325
P-Index
This Author published in this journals
All Journal Jurnal Penelitian Pendidikan IPA (JPPIPA) Buletin Sumber Daya Geologi Sewagati Jurnal Geosaintek
Komara, Eki
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Arts Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Earth & Planetary Sciences Education Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Physics Public Health Social Sciences Other

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Geosaintek

 1 
ANALISIS SEISMIK ATRIBUT UNTUK IDENTIFIKASI PERSEBARAN RESERVOIR BATUPASIR PADA FORMASI BALIKPAPAN, LAPANGAN V Aviani, Nisya; Warnana, Dwa Desa; Komara, Eki; Afdhal, Ramsyi Faiz
Jurnal Geosaintek Vol. 8 No. 2 (2022)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Lapangan V terletak di Formasi Balikpapan, Cekungan Kutai, Kota Balikpapan, Kalimantan Timur sebagai salah satu bukti keekonomisan reservoir Cekungan Kutai. Fokus area penelitian pada zona utama (VMZ) dipilih karena pada penelitian internal yang tidak dipublikasikan oleh Pertamina Hulu Mahakam (PHM), zona utama (VMZ) memiliki dominasi sedimen endapan delta dan reservoir utama berupa fasies mouth bar dan fasies distributary channel, dimana fasies distributary channel berupa batupasir. Zona Utama (VMZ) pada strata Miosen Tengah yang digunakan ialah Horizon SU4 - SU5e yang didalamnya terdapat horizon 4a, 4e, 4h-1, 5a dan 5e dengan dominasi batupasir dan batubara. Untuk memetakan persebaran reservoir batupasir pada Horizon SU4 - SU5e menggunakan analisis seismik atribut, yaitu atribut amplitudo RMS, dan amplitudo sweetness dengan menggunakan data seismik 3D PSTM, borehole checkshot, well log dan lima sumur sebagai kontrol. Peta waktu struktur dibuat dengan cara interpolasi konvergen gridding dari hasil picking horizon seismik. Analisis menggunakan atribut amplitudo RMS, dan amplitudo sweetness karena hampir seluruh marker horizon yang digunakan, yaitu SU4 - SU5e mempertimbangkan seluruh data yang dimiliki baik positif maupun negatif. Berdasarkan hasil analisis atribut seismik menunjukkan bahwa atribut amplitudo RMS, dan amplitudo sweetness tidak memiliki perbedaan yang signifikan dalam mengidentifikasi persebaran batupasir reservoir pada SU4 - SU5e. Namun, atribut sweetness memiliki nilai korelasi paling baik, yaitu 0.861 dibandingkan atribut RMS. Hal tersebut membuktikan bahwa atribut sweetness memperlihatkan keberadaan anomali reservoir yang lebih baik. Pola persebaran batupasir dominan di bagian timur laut-tenggara dengan dominasi channel berada pada dim area.
PREDICTION OF CO2 GAS SATURATION DISTRIBUTION BASED ON DEEP LEARNING USING DEEP NEURAL NETWORK (DNN) ALGORITHM Komara, Eki; Tsaniyah, Zahrotuts; Utama, Widya
Jurnal Geosaintek Vol. 9 No. 2 (2023)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Multiphase flow analysis is essential for resolving subsurface flow issues in CO2 capture and storage (CCS) systems. Predicting the distribution of CO2 gas saturation is one example that is quite useful for evaluating multiphase flow. Multiphase flow simulation is typically performed using numerical simulations, such as the TOUGH2 simulator. Ordinary numerical simulations, on the other hand, have some limitations, such as high grid spatial resolution and significant processing costs. One option for estimating the distribution of CO2 gas saturation is to employ deep learning with specific algorithms. A deep neural network (DNN) is a highly effective deep learning approach. A deep neural network is a network structure made up of three interconnected layers: input, hidden, and output. DNN learns from the input data about the previously constructed architecture. As input, DNN requires a significant amount of data train. The trained DNN model is then used to automatically estimate the distribution of CO2 gas saturation. This algorithm is capable of dealing with complex data patterns, particularly gas saturation in multiphase flow issues. The reconstruction loss results revealed that the loss value lowers as the number of epochs grows. Furthermore, the model with 5 epochs and 0.001 regularization weight had the least error value 0.43. As a result, while this model is adequate for predicting the distribution of CO2 gas saturation, additional research is required to achieve more ideal outcomes.
KLASIFIKASI LITHOLOGI BERDASARKAN DISTRIBUSI STATISTIK HIRARKIS (HIERARCHICAL STATISTICAL DISTRIBUTION (HSD)) Syaifuddin, Firman; Komara, Eki; Fajar, M Haris Miftakhul; Abdillah, Abdillah
Jurnal Geosaintek Vol. 11 No. 2 (2025)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j25023659.v11i2.8122

Abstract

Karakterisasi reservoir merupakan proses fundamental dalam industri minyak dan gas, namun identifikasi litologi yang akurat sering kali terhambat oleh kompleksitas geologi dan sifat 'kotak hitam' dari model machine learning (ML) modern. Penelitian ini menyajikan metode alternatif yang tidak disupervisi untuk klasifikasi litologi berbasis distribusi statistik hierarkis sebagai solusi untuk meningkatkan transparansi dan interpretasi. Metode ini menggunakan data well log utama gamma-ray, sonic slowness, densitas, dan resistivitas dari enam sumur di area geologi deltaik yang stabil. Pendekatan hierarkis ini secara sistematis mengklasifikasikan lima litologi utama (batubara, serpih, batugamping, batupasir basah, dan batupasir hidrokarbon) dengan menerapkan ambang batas kuantil yang ditentukan dari distribusi statistik setiap log. Hierarki dimulai dengan identifikasi serpih menggunakan log gamma-ray, diikuti oleh batubara dengan log densitas, batu gamping dengan log slowness, dan terakhir, batupasir diklasifikasikan berdasarkan log resistivitas. Hasil penelitian menunjukkan bahwa metode ini berhasil mengklasifikasikan litologi dengan distribusi serpih (66%), batubara (5%), batu gamping (0.63%), dan pasir (27%). Secara kualitatif, hasil ini dianggap lebih "masuk akal secara geologis" jika dibandingkan dengan metode KNN, karena metode hierarkis ini didasarkan pada prinsip-prinsip fisika batuan yang eksplisit, memungkinkan interpretasi dan validasi yang mudah oleh geosaintis. Sebagai metode yang adaptif terhadap distribusi data, pendekatan ini menawarkan alternatif yang transparan dan dapat dipercaya untuk karakterisasi litologi.
APPLICATION OF ACOUSTIC IMPEDANCE INVERSION TO PREDICT THE “Y” FIELD RESERVOIR DISTRIBUTION Komara, Eki; M.E.P, Desak Putu; Miftakhul F, M Haris; Satriana, Satriana
Jurnal Geosaintek Vol. 10 No. 2 (2024)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j25023659.v10i2.1842

Abstract

Identification of accurate reservoir distribution is necessary to identify prospective and productive zones. One way to identify the distribution of reservoirs in the "Y" field is the inversion method. The inversion method used in this study is acoustic impedance inversion which can be relied upon to characterize the reservoir. This research was conducted to know the best acoustic impedance inversion method and identify the distribution of reservoirs in Field "Y". On research, there are 5 well data and PSTM 3D seismic data. The analytical method used compares the results of cross-section seismic of 3 methods inversion seismic, namely Model-based, Band-Limited, and Sparse spike to get layer prospect hydrocarbons. The goal is to determine the best inversion by identifying the smallest error value. After comparing the results of cross-section seismic and pre-analytical inversion, it has been determined that the Model-Based method is the most effective. This method provides results that support the cross-section and have a small margin of error with a good correlation value. The smallest RMS error value in the method of the model-based inversion is 1944.97 (ft/ s) * (g/cc). The reservoir in Field "Y" is identified as sandstone with an impedance value ranging from 24139 to 26722 (ft/s) * (g/cc) and a porosity value of 20 to 23%. It is located at a depth of -935 to -950 m on the Top Bekasap and at a depth of -1067 to -1078 m on the Bottom Bekasap.
Co-Authors Abdillah Abdillah Afdhal, Ramsyi Faiz Al Viandari, Nourma Aviani, Nisya Dwa Desa Warnana Fajar, M Haris Miftakhul Garini, Sherly A. Garini, Sherly Ardhya Heru Mirmanto Imaaduddiin, Muhammad Hafiizh Indriani, Rista F. Indriani, Rista Fitri Insani, Alif N. F. Ira M. Anjasmara, Ira M. Lestari, Wien M.E.P, Desak Putu Mariyono, M. Miftakhul F, M Haris Palgunadi, Kadek H. Pratama, Dandi S. Putra, Dhea P. N. Putra, Dhea Pratama Novian Ramadhani, Annisa V. Satriana Satriana Sidi, Amor K. Siregar, Hans Elmaury Andreas Syaifuddin, Firman Tsaniyah, Zahrotuts Varhana, Annisa R. Viandari, Nourma Al Widya Utama Wihardjaka , Anicetus Wihardjaka, Anicetus