Identifikasi Fasies Menggunakan Metode Pembelajaran Mesin pada Formasi Pucangan, Daerah Kabupaten Sidoarjo, Jawa Timur
Kata Kunci:
Fasies, Klaster, Pembelajaran Mesin, Cutoff, CrossplotAbstrak
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.
Referensi
Asquith, G. & Krygowski, D. (2004). Basic Well Log Analysis: Second Edition. Oklahoma: AAPG
Caté, A., Perozzi, L., Gloaguen, E., & Blouin, M. (2017). Machine learning as a tool for geologists. The Leading Edge 36, 215-219. DOI: 10.1190/tle36030215.1.
Devi, E.A., Rachman, F., Satyana, A.H., Fahrudin, & Setyawan, R. (2018). Paleofacies of Eocene Lower Ngimbang Source Rocks in Cepu Area, East Java Basin based on Biomarkers and Carbon-13 Isotopes. IOP Conf. Ser.: Earth Environ. Sci. 118, 012009. DOI: 10.1088/1755-1315/118/1/012009
Hall, B. (2016). Facies classification using machine learning. The Leading Edge 35(10), 906-909. DOI: 10.1190/tle35100906.1
Karpatne, A., Ebert-Uphoff, I., Ravela, S., Babaie, H., & Kumar, V. (2017). Machine Learning for the Geosciences: Challenges and Opportunities. IEEE Transactions on Knowledge and Data Engineering (in review). 31. DOI:10.1109/TKDE.2018.2861006.
Kusumastuti, A., Darmoyo, A.B., Suwarian, W., & Sosromihardjo, S.P.C. (2000). The Wunut Field: Pleistocene Volcaniclastic Gas Sands in East Java. Proceedings Indonesian Petroleum Association Twenty Seventh Annual Convention & Exhibition.
Ma, Y.Z. (2019). Quantitative Geosciences: Data Analytics, Geostatistics, Reservoir Characterization and Modeling. 1st ed. Switzerland: Springer. DOI:10.1007/978-3-030-17860-4
Ma, Y.Z., Moore, W.R., Gomez, E., Luneau, B., Kaufman, P., Gurpinar, O., & Handwerger, D. (2015). Wireline log signatures of organic matters and lithofacies classifications for shale and tight carbonate reservoirs. In Y. Z. Ma & S. Holditch (Eds.), Handbook of unconventional resources (pp. 151–171). Waltham: Elsevier.
Mitchell, T.M. (1997). Machine learning. Burr Ridge, IL: McGraw Hill, 45(37), 870-877.
Nugroho, A.S., Witarto, A.B., & Handoko, D. (2003). Application of Support Vector Machine in Bioinformatics. Proceeding of Indonesian Scientific Meeting in Central Japan. Gifu-Japan
Nugroho, I. (2020). Perbandingan Prediksi Fasies Melalui Beberapa Machine Learning. Skripsi. Tidak diterbitkan. Fakultas Teknologi Eksplorasi dan Produksi, Universitas Pertamina: Jakarta
Poedjoprajitno, S., & Djuhaeni. (2006). Unit Genesa Pasir Ngrayong di Desa Ngepon Jatim, Cekungan Jawa Timur Utara. Geologi Bull. 38.
Pringgoprawiro, H. (1983). Stratigrafi cekungan Jawa Timur Utara dan Paleogeografinya: sebuah pendekatan baru. Bandung: Disertasi Doktor ITB
Raschka, S., & Mirjalili, V. (2017). Python Machine Learning (2nd ed.). Birmingham: Packt.
Satyana, A.H. & Djumlati, M. (2003). Oligo-Miocene Carbonates of the East Java Basin, Indonesia: Facies Definition Leading to Recent Significant Discoveries. Barcelona: AAPG International Conference. Diakses melalui https://www.searchanddiscovery.com/abstracts/pdf/2003/intl/extend/ndx_83403.pdf
Selley, R.C. (1985). Ancient Sedimentary Environment. New York: Cornell University Press
Sribudiyani, Muchsin, N., Ryacudu, R., Kunto, T., Astono, P., Prasetya, I., Sapiie, B., Asikin, S., Harsolumakso, A.H., & Yulianto, I. (2003). The Collision of The East Java Microplate and Its Impication for Hydrocarbon Occurences in The East Java Basin. Proceedings of 29th Annual Indonesian Petroleum Association Convention. Diakses melalui https://www.researchgate.net/publication/285848798_The_collision_of_east_java_microplate_and_its_implication_for_hydrocarbon_occurences_in_the_east_Java_basin
Sugiarto, S., Agastya, I.B.O., Jene, M.O., Ramadhan, T., & Muslih, Y.B. (2018). Architectural elements of volcaniclastic mass transport deposit of Banyak Member Western Kendeng, East Java. Proceedings of Forty-Second Annual Convention & Exhibition Indonesian Petroleum Association.
Susilohadi. (1995). Late tertiary and quaternary geology of the East Java Basin, Indonesia. Doctor of Philosophy Thesis. School of Geosciences, University of Wollongong.Strite S and Morkoc H 1992 J. Vac. Sci. Technol. B 10 1237-40 DOI number (doi.org/10.1111/j.1744-7402.2008.02328.x)
Tim Penyusun. (2005). Laporan Core Analysis Lapindo Brantas Inc. PT. Geoservices
Van Bemmelen, R.W. (1949). The Geology Of Indonesia, Vol. IA: Geology Of Indonesia and Adjacent Archipelagoes. Netherlands: Government Printing Office.
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Kategori
Lisensi
Hak Cipta (c) 2022 Jurnal Geosains Terapan
Artikel ini berlisensi Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
