Septyandy, Rizqy
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Identifikasi Fasies Menggunakan Metode Pembelajaran Mesin pada Formasi Pucangan, Daerah Kabupaten Sidoarjo, Jawa Timur Millenia, Michellain; Aditiyo, Rezky; Septyandy, Rizqy
Jurnal Geosains Terapan Vol 5 No 1 (2022): Jurnal Geosains Terapan
Publisher : Lembaga Ilmu Pengetahuan Indonesia

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

Abstract

Saat ini geosaintis memasuki era big data dan pembelajaran mesin memberikan potensi besar untuk berkontribusi dalam masalah geosains. Automasi dalam analisis fasies perlu dilakukan untuk meningkatkan keakuratan, juga mengurangi waktu dan biaya dalam kegiatan pengembangan sumur sehingga dapat meningkatkan hasil produksi. Penelitian dilakukan menggunakan data log sumur pengeboran, laporan deskripsi batuan inti, dan deskripsi petrografi di reservoir gas Lapangan X. Akumulasi gas berada di reservoir utama hasil endapan vulkaniklastik pada Formasi Pucangan. Lokasi penelitian berada di wilayah kerja Minarak Brantas Gas Inc (MBGI) Kabupaten Sidoarjo, Jawa Timur. Lapangan X terletak pada reservoir vulkaniklastik berumur Pleistosen dan terletak di onshore Cekungan Jawa Timur. Interval produksi berada di bagian bawah yang terendapkan di lingkungan neritik luar atau lingkungan turbiditik. Lapangan X terdiri dari empat fasies yaitu, batulempung, batulanau, batupasir vulkanik, dan batupasir karbonatan. Proses pengelompokan dilakukan menggunakan algoritma K-Means dan di analisis menggunakan Cutoff Crossplot. Kemudian dilanjutkan dengan klasifikasi yang dilakukan menggunakan pembelajaran tersupervisi dengan jenis algoritma Support Vector Machine (SVM), Random Forest, dan Extreme Gradient Boosting (XGBoost). Algoritma pembelajaran mesin yang paling baik digunakan untuk identifikasi fasies pada Lapangan X adalah Random Forest dengan hasil akurasi f1-score tertinggi, dan nilai Root Mean Square Error (RMSE) paling rendah dibandingkan kedua algoritma lain.