Article Per Year (5 Year)
p-Index From 2021 - 2026
1.126
P-Index
This Author published in this journals
All Journal JURNAL TEKNIK Petro : Jurnal Ilmiah Teknik Perminyakan Scientific Contributions Oil and Gas
Setiyaningrum, Priskila Rully
Unknown Affiliation
Aerospace Engineering Agriculture, Biological Sciences & Forestry Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : JURNAL TEKNIK

 1 
Penerapan Machine Learning dalam Penentuan Porositas Batuan: Studi Kasus Menggunakan Regresi Linier Berganda dan Regresi KNN pada Data Log Sumur Rohmana, Rian Cahya; Triwanti, Delva; Setiyaningrum, Priskila Rully
Jurnal Teknik Vol 13, No 2 (2024): Juli - Desember 2024
Publisher : Universitas Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jt.v13i2.10830

Abstract

Penelitian ini bertujuan untuk memprediksi nilai porositas berdasarkan data log sumur. Log sumur berasal dari tiga sumur mencakup triple combo log dan porositas efektif yang telah divalidasi data core. Penerapan machine learning menggunakan dua model regresi, yakni regresi linier berganda dan k-nearest neighbors (KNN). Sebelum penerapan model, proses pengaturan hyperparameterdilakukan guna mengoptimalkan kedua model yang digunakan. Sebagai bagian dari evaluasi, blind test diimplementasikan pada salah satu sumur penelitian dengan tiga uji yang berbeda. Setiap uji memiliki kombinasi data yang berbeda, yakni log gamma ray, density, neutron, deep resistivity, dan photoelectric effect. Evaluasi model dilakukan dengan metrik R2 (coefficient of determination), RMSE (root mean squared error), dan MAE (mean absolute error). Hasil menunjukkan bahwa model regresi linear berganda mendapatkan R2 sebesar 90.6% pada uji 1, 90.59% pada uji 2, dan 90.59% pada uji 3. Sementara model regresi KNN mendapatkan nilai R2 sebesar 94.85% pada uji 1, 92.54% pada uji 2, dan 92.26% pada uji 3. RMSE pada model regresi linear berganda pada semua uji adalah 0.0225, sedangkan pada model regresi KNN uji 1 mendapatkan 0.0167, uji 2 mendapatkan 0.0201, dan uji 3 mendapatkan 0.0204. MAE pada model regresi linear berganda adalah 0.0088 pada uji 1 dan 0.0089 pada uji 2 dan 3. Sementara itu, MAE pada model regresi KNN adalah 0.0047 pada uji 1, 0.0053 pada uji 2, dan 0.0056 pada uji 3. Berdasarkan hasil evaluasi, model regresi KNN memiliki performa yang lebih optimal dibandingkan dengan regresi linear berganda dalam prediksi nilai porositas pada dataset yang digunakan, terutama dalam uji 1. Penelitian ini menunjukkan prediksi nilai porositas batuan dapat dengan baik dilakukan menggunakan metode ML dan dapat disesuaikan dengan beragam skenario. Hal ini dapat membantu dalam analisis petrofisika, terutama jika terdapat keterbatasan data core atau dapat membantu mempercepat proses analisis petrofisika dalam jumlah data yang besar.
Analisis Facies dan Petrofisika pada Zona Prospek Hidrokarbon Pada Lapangan “U”, Formasi Talang Akar, Cekungan Sumatera Setiyaningrum, Priskila Rully; Rohmana, Rian Cahya; Nursidik, Unggul Setiadi
Jurnal Teknik Vol 13, No 2 (2024): Juli - Desember 2024
Publisher : Universitas Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jt.v13i2.10819

Abstract

Penelitian dilakukan di Cekungan Sumatera Selatan, berfokus pada Formasi Talang Akar sebagai salah satu formasi penghasil minyak dan gas. Tujuan dari penelitian ini adalah mengidentifikasi fasies dan mengevaluasi kualitas reservoar pada tiga zona prospek hidrokarbon di Formasi Talang Akar. Metode analisis mencakup sedimentologi rinci untuk penentuan fasies serta analisis petrofisika berdasarkan data well log. Data tambahan melalui deskripsi cutting, biostratigrafi, dan core diintegrasikan untuk validasi. Hasil menunjukkan Formasi Talang Akar mengalami pengendapan di lingkungan delta dengan topografi rendah pada Oligosen Akhir. Pada tiga zona prospek hidrokarbon, OR3 memiliki fasies prodelta dengan dominasi butir halus seperti batulempung dan batulanau. Nilai petrofisika pada OR3 mencakup porositas 0.38 – 2.2%, permeabilitas 0.04 – 3.12 mD, dan saturasi air 2.5 – 9.6%, mengindikasikan kualitas zona ini sebagai reservoar kurang baik. Zona prospek hidrokarbon OR6, dengan fasies distributary mouth bar, memiliki karakteristik berbentuk channel dan butiran dominan pasir. Nilai petrofisika pada OR6 mencakup porositas 0.07 – 3.5%, permeabilitas 0.008 – 752 mD, dan saturasi air 2.1 – 9.3%, mengindikasikan kualitas zona ini sebagai reservoar yang cukup baik. Sementara itu, zona prospek hidrokarbon OR8 menunjukkan fasies prodelta shale, memiliki porositas antara 0,13 – 3,1%, permeabilitas batuan antara 0,2 – 4430 mD, dan saturasi air antara 1,84 – 8,6%, menunjukkan kualitas reservoar yang baik. Berdasarkan penelitian ini menunjukkan, fasies pengendapan dapat berpengaruh terhadap kualitas reservoar hidrokarbon. Hal ini dikarenakan, fasies terbentuk dengan proses sedimentasi unik sesuai dengan tempat lingkungan pengendapannya.
Analisis Facies dan Petrofisika pada Zona Prospek Hidrokarbon Pada Lapangan “U”, Formasi Talang Akar, Cekungan Sumatera Setiyaningrum, Priskila Rully; Rohmana, Rian Cahya; Nursidik, Unggul Setiadi
Jurnal Teknik Vol. 13 No. 2 (2024): Juli - Desember 2024
Publisher : Universitas Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jt.v13i2.10819

Abstract

Penelitian dilakukan di Cekungan Sumatera Selatan, berfokus pada Formasi Talang Akar sebagai salah satu formasi penghasil minyak dan gas. Tujuan dari penelitian ini adalah mengidentifikasi fasies dan mengevaluasi kualitas reservoar pada tiga zona prospek hidrokarbon di Formasi Talang Akar. Metode analisis mencakup sedimentologi rinci untuk penentuan fasies serta analisis petrofisika berdasarkan data well log. Data tambahan melalui deskripsi cutting, biostratigrafi, dan core diintegrasikan untuk validasi. Hasil menunjukkan Formasi Talang Akar mengalami pengendapan di lingkungan delta dengan topografi rendah pada Oligosen Akhir. Pada tiga zona prospek hidrokarbon, OR3 memiliki fasies prodelta dengan dominasi butir halus seperti batulempung dan batulanau. Nilai petrofisika pada OR3 mencakup porositas 0.38 – 2.2%, permeabilitas 0.04 – 3.12 mD, dan saturasi air 2.5 – 9.6%, mengindikasikan kualitas zona ini sebagai reservoar kurang baik. Zona prospek hidrokarbon OR6, dengan fasies distributary mouth bar, memiliki karakteristik berbentuk channel dan butiran dominan pasir. Nilai petrofisika pada OR6 mencakup porositas 0.07 – 3.5%, permeabilitas 0.008 – 752 mD, dan saturasi air 2.1 – 9.3%, mengindikasikan kualitas zona ini sebagai reservoar yang cukup baik. Sementara itu, zona prospek hidrokarbon OR8 menunjukkan fasies prodelta shale, memiliki porositas antara 0,13 – 3,1%, permeabilitas batuan antara 0,2 – 4430 mD, dan saturasi air antara 1,84 – 8,6%, menunjukkan kualitas reservoar yang baik. Berdasarkan penelitian ini menunjukkan, fasies pengendapan dapat berpengaruh terhadap kualitas reservoar hidrokarbon. Hal ini dikarenakan, fasies terbentuk dengan proses sedimentasi unik sesuai dengan tempat lingkungan pengendapannya.
Penerapan Machine Learning dalam Penentuan Porositas Batuan: Studi Kasus Menggunakan Regresi Linier Berganda dan Regresi KNN pada Data Log Sumur Rohmana, Rian Cahya; Triwanti, Delva; Setiyaningrum, Priskila Rully
Jurnal Teknik Vol. 13 No. 2 (2024): Juli - Desember 2024
Publisher : Universitas Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jt.v13i2.10830

Abstract

Penelitian ini bertujuan untuk memprediksi nilai porositas berdasarkan data log sumur. Log sumur berasal dari tiga sumur mencakup triple combo log dan porositas efektif yang telah divalidasi data core. Penerapan machine learning menggunakan dua model regresi, yakni regresi linier berganda dan k-nearest neighbors (KNN). Sebelum penerapan model, proses pengaturan hyperparameterdilakukan guna mengoptimalkan kedua model yang digunakan. Sebagai bagian dari evaluasi, blind test diimplementasikan pada salah satu sumur penelitian dengan tiga uji yang berbeda. Setiap uji memiliki kombinasi data yang berbeda, yakni log gamma ray, density, neutron, deep resistivity, dan photoelectric effect. Evaluasi model dilakukan dengan metrik R2 (coefficient of determination), RMSE (root mean squared error), dan MAE (mean absolute error). Hasil menunjukkan bahwa model regresi linear berganda mendapatkan R2 sebesar 90.6% pada uji 1, 90.59% pada uji 2, dan 90.59% pada uji 3. Sementara model regresi KNN mendapatkan nilai R2 sebesar 94.85% pada uji 1, 92.54% pada uji 2, dan 92.26% pada uji 3. RMSE pada model regresi linear berganda pada semua uji adalah 0.0225, sedangkan pada model regresi KNN uji 1 mendapatkan 0.0167, uji 2 mendapatkan 0.0201, dan uji 3 mendapatkan 0.0204. MAE pada model regresi linear berganda adalah 0.0088 pada uji 1 dan 0.0089 pada uji 2 dan 3. Sementara itu, MAE pada model regresi KNN adalah 0.0047 pada uji 1, 0.0053 pada uji 2, dan 0.0056 pada uji 3. Berdasarkan hasil evaluasi, model regresi KNN memiliki performa yang lebih optimal dibandingkan dengan regresi linear berganda dalam prediksi nilai porositas pada dataset yang digunakan, terutama dalam uji 1. Penelitian ini menunjukkan prediksi nilai porositas batuan dapat dengan baik dilakukan menggunakan metode ML dan dapat disesuaikan dengan beragam skenario. Hal ini dapat membantu dalam analisis petrofisika, terutama jika terdapat keterbatasan data core atau dapat membantu mempercepat proses analisis petrofisika dalam jumlah data yang besar.
Co-Authors Effendi, Dahrul Hutama, Arvandhi kadarisman, muhammad Muhamad Bisyir, Aliyah Nurpiansyah, Edwin Nursidik, Unggul Setiadi Rohmana, Rian Cahya Tampoy, Divtara Triwanti, Delva