pengembangan fuzzy inferensi sistem untuk … · sumber informasi dicantumkan dengan jelas dalam...

PENGEMBANGAN FUZZY INFERENSI SISTEM UNTUK SELEKSI METODE PENINGKATAN PEROLEHAN

MINYAK TINGKAT LANJUT

INDAH MUSI INDRIA DEWI G651034074

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR

BOGOR 2009

SURAT PERNYATAAN

Dengan ini saya menyatakan bahwa tesis Pengembangan Fuzzy Inferensi

Sistem Untuk Seleksi Metode Peningkatan Perolehan Minyak Tingkat Lanjut adalah

merupakan hasil penelitian saya dengan arahan komisi pembimbing. Tesis ini belum

pernah diajukan untuk memperoleh gelar atau capaian akademik lainnya pada

perguruan tinggi lain. Sumber informasi dicantumkan dengan jelas dalam Daftar

Pustaka.

Jakarta, Juni 2009 Indah Musi Indria Dewi G651034074

RINGKASAN

INDAH MUSI INDRIA DEWI. Pengembangan Fuzzy Inferensi Sistem Untuk Seleksi Metode Peningkatan Perolehan Minyak Tingkat Lanjut. Dibimbing oleh Agus Buono dan Sugi Guritman.

Proses pengurasan minyak dari suatu reservoar umumnya dapat dibagi dalam tiga tahap: primer, sekunder, dan tertier. Pengurasan minyak tahap primer mengandalkan energi alami reservoar sebagai sumber energi utama pendorong minyak ke sumur-sumur produksi. Pengurasan minyak tahap sekunder hasil kombinasi energi alami reservoar dan energi dari luar yang disuplai lewat injeksi air atau gas, sedangkan Tahap tertier dilakukan setelah implementasi tahap kedua. Proses tertier secara garis besar terdiri atas injeksi gas yang dapat larut dengan minyak reservoar, injeksi kemikal, injeksi energi panas, dan menggunakan bantuan mikroba.

Proyek EOR hanya akan dimulai jika proyek tersebut dapat menghasilkan profit. Tingginya ketergantungan terhadap pakar reservoar minyak atau lebih spesifik pakar EOR dalam proses seleksi metode-metode EOR yang tepat buat suatu reservoar minyak dan fakta bahwa proses seleksi tersebut memerlukan proses waktu yang panjang dan biaya mahal mendorong dan perlunya mengembangkan sistem berbasis fuzzy sehingga proses seleksi EOR tahap pertama dapat dilakukan secara otomatis. Pengembangan Fuzzy Inferensi Sistem untuk seleksi metode EOR dapat digunakan oleh engineer reservoar yang memiliki pengetahuan teknologi EOR terbatas, memungkinkannya menarik kesimpulan berdasarkan input data, dan menjelaskan logika kesimpulan tersebut. Karakteristik masukan datanya dengan menggunakan data-data lapangan yang diperoleh di PPPTMGB LEMIGAS dan Kriteria Taber digunakan sebagai acuan seleksi metode EOR.

Proses yang dilakukan dalam Pengembangan Fuzzy Inferensi Sistem untuk seleksi metode EOR adalah dengan memasukkan data karakteristik minyak dan batuan. Kemudian dilakukan pembentukan himpunan fuzzy dengan pemetaan titik-titik input data kedalam nilai keanggotaan himpunan fuzzy memiliki interval 0 – 1. Setelah terbentuk himpunan fuzzy dicari nilai minimum masing masing metode berdasarkan aturan-aturan. Nilai kurva minimum di agregasi untuk menentukan nilai kurva maksimum. Dari nilai kurva maksimum dapat ditentukan defuzzifikasi. Metode defuzzifikasi pada komposisi aturan Mamdani yang digunakan adalah metode centroid. Pada variabel yang memenuhi kriteria Taber, konsekuensinya adalah metode EOR yang sedang dievaluasi dikatakan layak relatif terhadap data tersebut. Sebaliknya bila data tidak memenuhi kriteria maka metode tersebut dikatakan tidak layak. Output yang dihasilkan berisi informasi mengenai Seleksi Metode EOR yang disarankan dan hasil defuzzifikasinya dengan derajat keanggotaannya.

Dari 46 reservoar minyak yang berasal dari 5 lapangan yang diuji secara keseluruhan terhadap sistem dan pakar seleksi metode EOR yang dikembangkan ini menunjukkan tingkat akurasi sistem. Untuk meningkatkan akurasi sistem maka diperlukan evaluasi lebih intensif terhadap fungsi keanggotaan masing-masing parameter untuk mendapatkan fungsi yang lebih representatif.

Pengembangan Fuzzy Inferensi Sistem untuk Seleksi metode EOR

diharapkan berguna buat institusi pemerintah dan perusahaan perminyakan yang berkecimpung dengan operasi EOR karena biaya yang terkait dengan sumber daya manusia dan waktu untuk proses seleksi EOR akan dapat dikurangi signifikan. Kesimpulan yang dapat diambil bahwa Algoritma Fuzzy telah dikembangkan untuk Seleksi metode EOR terhadap sejumlah set data menunjukkan hasil yang sesuai dengan analisa pakar.

Keyword: fuzzy inferensi sistem, oil reservoir, EOR

ABSTRACT INDAH MUSI INDRIA DEWI. The Develop Fuzzy Inference System,

written in MATLAB 7.1 for running on personal computers, to assist petroleum engineers in screening candidate processes for enhanced oil recovery (EOR) has been developed. Rather than having to glean information and data from graphs or table in technical papers, the user and the system work interactively to obtain the needed information. The system automatically selects the optimal EOR method based on the input oil and reservoir properties data and is easily updated as new data of reservoirs become available.

The Mamdani fuzzy interference system has been implemented in the system and has been tested through evaluation of five oil fields consist of forty three reservoirs. Both accuracy and efficiency have been confirmed favorably. High accuracy of the system was observed through comparison between the proposed EOR method for various set data by a human expert and the developed system. Keywords: fuzzy inference system, oil reservoir, EOR

@ Hak Cipta milik IPB, tahun 2009

Hak Cipta dilindungi Undang-undang

1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan

atau menyebutkan sumber

a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan

karya ilmiah, penyusunan laporan, penulisan kritik atau tinjauan suatu

masalah

b. Pengutipan tidak merugikan kepentingan yang wajar IPB

2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya

tulis dalam bentuk laporan apapun tanpa izin IPB

PENGEMBANGAN FUZZY INFERENSI SISTEM UNTUK SELEKSI METODE PENINGKATAN PEROLEHAN

MINYAK TINGKAT LANJUT

INDAH MUSI INDRIA DEWI

Tesis Merupakan salah satu syarat untuk memperoleh gelar

Magister Sains Pada Program Studi Ilmu Komputer

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR

BOGOR 2009

Judul Tesis : Pengembangan Fuzzy Inferensi Sistem Untuk Seleksi Metode

Peningkatan Perolehan Minyak Tingkat Lanjut Nama : Indah Musi Indria Dewi NRP : G651034074 Program Studi : Ilmu Komputer

Disetujui, Komisi Pembimbing

Dr. Ir. Agus Buono, M.Si., M.Kom Dr. Sugi Guritman Ketua Anggota

Diketahui, Ketua Program Studi Dekan Sekolah Pascasarjana IPB Ilmu Komputer Dr. Sugi Guritman Prof. Dr. Ir. Khairil Anwar Notodiputro, M.S. Tanggal Ujian : 4 Februari 2009 Tanggal Lulus:

Penguji Luar Komisi pada Ujian Tesis: Aziz Kustiyo, S.Si., M.Kom

PRAKATA

Alhamdulillah, puji syukur penulis panjatkan kehadirat ALLAH SWT atas

rahmat dan hidayahnya sehingga dapat menyelesaikan tesis ini. Adapun judul dari

tesis ini adalah Pengembangan Fuzzy Inferensi Sistem Untuk Seleksi Metode

Peningkatan Perolehan Minyak Tingkat Lanjut.

Banyak pihak yang telah membantu untuk itu penulis ingin mengucapkan

terima kasih kepada :

1. Bapak Dr. Ir. Agus Buono, M.Si., M.Kom dan Bapak Dr. Sugi Guritman,

selaku pembimbing yang telah banyak memberikan bimbingan dan saran.

2. Bapak Aziz Kustiyo, S.Si., M.Kom selaku penguji luar komisi.

3. Bapak Irman Hermadi, S.Kom., MS., yang telah memberikan saran-saran dan

masukannya.

4. Staff pengajar dan karyawan Program Studi Ilmu Komputer, Sekolah

Pascasarjana IPB, yang telah banyak mendukung.

5. Bapak Agus Salim SH, M.H. dan Bapak Sangkam Tambunan MSc., yang

telah memberikan dukungannnya.

6. Rekan-rekan mahasiswa yang telah memberikan banyak masukan.

7. Kepada kedua orang tua yang selalu memberikan semangat.

8. Suamiku Usman Pasarai, anak-anakku Adelia Usi Lauditta dan Rizka Usi

Nadhifa yang selalu memberikan doa, semangat dan dukungan.

9. Semua pihak yang telah banyak membantu yang tidak dapat disebutkan satu

persatu.

Jakarta, Agustus 2009 Indah Musi Indria Dewi

DAFTAR ISI

KATA PENGANTAR……………………………………………………………….. i DAFTAR ISI ………………………………………………………………………... ii DAFTAR TABEL ………………………………………………………………….... iii DAFTAR GAMBAR ……………………………………………………………….. iv I PENDAHULUAN 1.1 Latar Belakang ……………………………………………………….. 1 1.2 Tujuan Penelitian ……………………………………………………... 2 1.3 Batasan Masalah ……………………………………………………… 3 1.5 Manfaat Penelitian ……………………………………………………. 3 II TINJAUAN PUSTAKA 2.1 Klasifikasi Metode EOR ……………………………………………... 4 2.2 Seleksi Metode EOR …………………………………………………. 5 2.3 Teori Fuzzy …………………………………………………………… 7 2.4 Metode Mamdani …………………………………………………….. 7 2.5 Pembentukan Himpunan Fuzzy ……………………………………… 9 2.6 Aplikasi Fungsi Implikasi ……………………………………………. 9 2.7 Komposisi Aturan ……………………………………………………. 9 2.8 Penegasan ……………………………………………………………. 10 2.9 Fuzzy Inferensi Sistem ………………………………………………. 11 III METODOLOGI 3.1 Kerangka Pemikiran …………………………………………………. 13 3.2 Tata Laksana …………………………………………………………. 13

IV PENGEMBANGAN FUZZY INFERENSI SISTEM SELEKSI METODE EOR

4.1 Fuzzy Inferensi Sistem ……………………………………………….. 17

4.2 Masukan ……………………………………………………………… 17

4.3 Karakteristik Data ……………………………………………………. 19

4.4 Proses ………………………………………………………………… 20

4.5 Output ……………………………………………………………….. 25

V IMPLEMENTASI 5.1 Interface Masukan Data ……………………………………………… 26 5.2 Pembentukan variable ……………………………………………….. 28 5.3 Kenggotaan Himpunan Fuzzy ……………………………………….. 28 5.4 Output ……………………………………………………………….. 30

VI

PEMBAHASAN

6.1 6.2

Pengujian ……………………………………………………………. Analisa ……………………………………………………………….

32 36

VII KESIMPULAN

7.1 Kesimpulan …………………………………………………………… 37

7.2 Saran ………………………………………………………………….. 38

DAFTAR PUSTAKA ………………………………………………………………. 40

LAMPIRAN ………………………………………………………………………... 41

DAFTAR GAMBAR

Halaman Gambar 2.1 Diagram kategorisasi EOR ……………………………………………... 5Gambar 2.2 Metode EOR berdasarkan selang gravity minyak …………………….... 6Gambar 2.3 Fungsi keanggotaan untuk bilangan fuzzy “sekitar 10” ………………... 9Gambar 2.4 Diagram blok Fuzzy Inferensi Sistem …………………………………... 12Gambar 3.1 Kerangka penelitian ……………………………………………………. 14Gambar 4.1 Diagram pengembangan FIS untuk seleksi metode EOR .……………… 10Gambar 4.2 Masukan data untuk seleksi metode EOR ……………………………… 18Gambar 4.3 Himpunan fuzzy Pengembangan Sistem Fuzzy Inferensi Sistem Metode

EOR……………………………………………………………. 12Gambar 4.4 Rule editor Pengembangan Fuzzy Inferensi system seleksi Metode

EOR……………………………………………………………………… 12Gambar 4.5 Output Pengembangan Fuzzy Inferensi Sistem untuk Seleksi Metode

EOR…………………………………………………… 13Gambar 5.1 Interface masukan data untuk seleksi metode EOR …………………….. 13Gambar 5.2 FIS editor untuk Seleksi Metode EOR ………………………………….. 10Gambar 5.3 Himpunan fuzzy Pengembangan Fuzzy Inferensi Sistem Untuk Seleksi

Metode EOR…………………………………………………………….. 11Gambar 5.4 Rule Viewer Pengembangan Fuzzy Inferensi Sistem utuk Seleksi

Metode EOR…………………………………………………………….. 12Gambar 5.5 Rule Editor Pengembangan Fuzzy Inferensi Sistem untuk Seleksi

Metode EOR…………………………………………………………….. 12Gambar 5.6 Output Pengembangan Fuzzy Inferensi Sistem Untuk Seleksi Metode

EOR……………………………………………………………………… 13Gambar 5.7 Representasi output Pengembangan Fuzzy Inferensi Sistem untuk

Seleksi Metode EOR…………………………………………………….. 13Gambar 5.8 Surface Viewer Pengembangan Fuzzy Inferensi Sistem untuk Seleksi

Metode EOR…………………………………………………………….. 13

DAFTAR TABEL

Halaman

Tabel 2.1 Data seleksi metode EOR……………………………...................... 6

Tabel 2.2 Kriteria seleksi metode EOR berdasarkan Taber dkk……………... 8

Tabel 4.1 Tabel input dan output FIS untuk seleksi metode EOR…………… 18

Tabel 4.2 Karakteristik variabel metode injeksi gas hydrocarbon (M1)……... 20

Tabel 5.1 Input dan output sistem …………………………………………... 27

Tabel 6.1 Representasi output seleksi metode EOR…………………………. 33

Tabel 6.2. Seleksi metode EOR secara manual untuk reservoar A1

Lapangan A ………………………………………………………...

34

DAFTAR LAMPIRAN

Halaman 5 Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran Lampiran

I PENDAHULUAN

1.1. Latar Belakang

Proses pengurasan minyak dari suatu reservoar umumnya dapat dibagi dalam tiga

tahap: primer, sekunder, dan tertier. Pengurasan minyak tahap primer mengandalkan energi

alami reservoir sebagai sumber energi utama pendorong minyak ke sumur-sumur produksi.

Energi alami ini terutama berasal dari ekspansi gas dan atau air karena ada beda tekanan dalam

reservoar atau juga dapat berasal dari gravitasi. Pengurasan minyak tahap sekunder hasil

kombinasi energi alami reservoar dan energi dari luar yang disuplai lewat injeksi air atau gas.

Gas injeksi adalah gas yang tidak larut dengan minyak reservoar. Air atau gas injeksi akan

membantu mendorong minyak ke sumur produksi dan mempertahankan tekanan reservoar.

Tahap tertier dilakukan setelah implementasi tahap kedua. Proses tertier secara garis besar

terdiri atas injeksi gas yang dapat larut dengan minyak reservoar, injeksi kemikal, injeksi

energi panas, dan menggunakan bantuan mikroba. Proses ini akan mendorong minyak yang

masih tersisa setelah proses sekunder ke sumur-sumur produksi. Dalam literatur teknik

perminyakan, tahap tertier ini populer dengan istilah proses EOR (Enhanced Oil Recovery)

atau proses peningkatan perolehan minyak tingkat lanjut.

Minyak yang dapat diperoleh dari produksi primer diikuti sekunder untuk tipikal

reservoar minyak Indonesia umumnya berkisar 35 sampai 40% dari isi awal minyak ditempat

atau Original Oil in Place (OOIP). Data produksi minyak Indonesia menunjukkan bahwa

hanya 32% dari OOIP atau jumlah minyak yang telah ditemukan telah diproduksi. Sekitar 8%

dari minyak yang tersisa dapat diproduksi secara ekonomis dengan teknologi yang ada saat ini.

Jadi tersisa 60% sebagai target potensial untuk EOR atau ekivalen dengan 36.5 miliar barel.

Angka ini indikasi bahwa riset tentang metode EOR akan mendapat apresiasi karena punya

nilai ekonomis tinggi.

Karena EOR adalah proses dengan biaya tinggi, reservoir engineers harus memilih

metode EOR yang paling optimal untuk suatu reservoar sehingga dapat diperoleh profit

maksimal dari proyek EOR tersebut. Teknik seleksi metode EOR memerlukan banyak tahapan

dan mahal. Dalam pendekatan tradisional, tahap pertama adalah mengacu pada beberapa tabel

atau grafik berisi rules of thumb untuk memilih teknik EOR yang sesuai. Teknik ini umumnya

berdasarkan pada sifat-sifat minyak dan batuan reservoar. Metode-metode yang dipilih

2

menjadi subjek studi simulasi reservoar menggunakan software komersial. Dari hasil studi ini

dapat diketahui kelayakan tiap teknik EOR tersebut. Proyek EOR hanya akan dimulai jika

proyek tersebut dapat menghasilkan profit.

Tingginya ketergantungan terhadap pakar reservoar minyak atau lebih spesifik pakar

EOR dalam proses seleksi metode-metode EOR yang tepat buat suatu reservoar minyak dan

fakta bahwa proses seleksi tersebut memerlukan proses waktu yang panjang dan biaya mahal

mendorong perlunya mengembangkan sistem berbasis komputer sehingga proses seleksi EOR

tahap pertama dapat dilakukan secara otomatis. Pengembangan Fuzzy Inferensi Sistem untuk

Seleksi Metode EOR memungkinkan menghimpun semua pengetahuan yang dimiliki pakar

EOR dan menggunakan pengetahuan tersebut untuk identifikasi satu atau lebih metode EOR

yang tepat untuk suatu kandidat reservoar berdasarkan karakteristik minyak dan batuannya.

Pengembangan Sistem Inferensi Fuzzy untuk seleksi metode EOR memiliki beberapa

keuntungan, diantaranya sangat fleksibel dan memiliki toleransi terhadap data-data yang

tidak tepat. Dapat membangun dan mengaplikasikan pengalaman pakar secara langsung tanpa

harus melalui proses pelatihan. Sistem ini relatif permanen dan mudah didokumentasi

dibandingkan keahlian yang dimiliki manusia. Transfer keahlian dari seorang pakar ke yang

lain memerlukan waktu lama dan mahal, kontras dengan pakar artifisial yang ringkas dan

murah. Pakar yang dimaksud adalah seorang pakar yang memiliki keahlian dalam bidang ilmu

Perminyakan, Geologi, Geofisika, Tehnik Kimia. Pengembangan Fuzzy Inferensi Sistem

untuk seleksi metode EOR dapat digunakan oleh reservoir engineer yang memiliki

pengetahuan teknologi EOR terbatas, memungkinkannya menarik kesimpulan berdasarkan

input data, dan menjelaskan logika kesimpulan tersebut. Pengembangan Fuzzy Inferensi

Sistem untuk seleksi metode EOR identifikasinya diharapkan berguna buat institusi

pemerintah dan perusahaan perminyakan yang berkecimpung dengan operasi EOR karena

biaya yang terkait dengan sumber daya manusia dan waktu untuk proses seleksi EOR akan

dapat dikurangi signifikan.

1.2. Tujuan Penelitian

Tujuan penelitian ini adalah mengembangkan Fuzzy Inferensi Sistem untuk Seleksi

Metode EOR.

1.3. Batasan Masalah

3

1. Seleksi metode EOR yang akan dibahas dalam penelitian ini dibatasi hanya pada kriteria

teknis, yaitu sifat minyak dan sifat reservoir.

2. Pengembangan Sistem yang akan dirancang menggunakan teknik penalaran fuzzy.

1.4. Manfaat Penelitian

Manfaat penelitian ini adalah:

1. Memudahkan proses seleksi metode EOR untuk kandidat-kandidat reservoar minyak.

2. Meningkatkan efisiensi waktu dan biaya proses seleksi metode EOR untuk suatu kandidat

reservoar.

3. Memungkinkan proses seleksi metode EOR dilakukan oleh reservoir engineer yang

memiliki pengetahuan teknologi EOR terbatas dan menarik kesimpulan berdasarkan input

data dan menjelaskan logika kesimpulan tersebut.

II TINJAUAN PUSTAKA

2.1. Klasifikasi Metode EOR

Metode peningkatan perolehan minyak tingkat lanjut atau Enhanced Oil Recovery

(EOR) adalah suatu teknik peningkatan produksi minyak setelah tahapan produksi primer

dan sekunder. Teknologi EOR adalah suatu proses menginjeksikan material selain air

kedalam reservoar minyak untuk mendesak minyak yang masih tersisa di dalam reservoar

ke sumur-sumur produksi. Prosesnya dapat berlangsung secara kimia dan atau fisika.

Metode-metode EOR secara umum dapat dikelompokkan kedalam empat kategori

yaitu: metode panas (thermal), injeksi gas bercampur minyak (miscible gas injection),

pendesakan dengan kimia (chemical flooding), dan proses menggunakan bantuan mikroba

(microbial). Metode thermal dibagi kedalam sub kategori pendesakan dengan uap (steam

flooding), pendesakan dengan air panas (hot waterflooding), dan proses pembakaran dalam

reservoar (in-situ combustion) [2]. Agar fisibel secara teknis dan ekonomis, metode panas

umumnya diterapkan pada reservoar-reservoar yang memiliki permeabilitas tinggi dan

relatif dangkal. Steam flooding adalah metode yang paling banyak diterapkan. Metode ini

secara tradisional digunakan pada reservoar-reservoar yang memiliki kekentalan atau

viskositas minyak tinggi dengan tujuan mengurangi viskositas minyak sehingga minyak

dapat lebih mudah mengalir. Sedangkan In-situ combustion adalah suatu proses

pendesakan dimana gas berisi oksigen dinjeksikan kedalam suatu reservoar. Gas tersebut

kemudian bereaksi dengan minyak reservoar sehingga terjadi pembakaran dan

menghasilkan temperatur tinggi. Temperatur ini selanjutnya akan mereduksi viskositas

minyak sehingga minyak lebih mudah mengalir. Studi terbaru menunjukkan bahwa uap

bertemperatur tinggi juga dapat mempengaruhi sifat-sifat minyak yang lain.

Pengembangan Fuzzy Inferensi Sistem untuk seleksi metode EOR dapat dengan mudah

dirubah untuk mengadopsi penemuan-penemuan terbaru dalam teknologi EOR.

Metode miscible gas injection dapat dibagi kedalam injeksi hidrokarbon, nitrogen

dan flue gas, dan injeksi karbon dioksida. Berbeda dengan thermal, miscible gas injection

fisibel jika diaplikasikan ke reservoar-reservoar minyak yang relatif dalam, sehingga

tersedia tekanan cukup tinggi yang diperlukan untuk terjadinya pencampuran antara gas

injeksi dengan minyak yang akan didesak. Metode ini efektif untuk reservoar-reservoar

5

dengan viskositas minyak relatif rendah.

Chemical flooding terdiri atas pendesakan dengan polymer, surfactant-polymer, dan

pendesakan dengan alkaline. Parameter yang paling berpengaruh dalam proses ini adalah

parameter yang mempengaruhi stabilitas kimiawi, seperti temperatur, komposisi batuan

reservoar, salinitas air reservoar.

Pemanfaatan mikroba untuk pendesakan minyak tingkat lanjut relatif baru. Proses

ini dilakukan dengan menginjeksikan nutrisi atau media yang dapat memacu pertumbuhan

bakteri yang ada untuk menghasilkan bioproduk yang dapat bermanfaat untuk proses

pendesakan minyak. Jenis mikroba yang digunakan adalah mikroba indigenus/ eksogenus.

Metode microbial tidak memiliki subkategori. Keempat kategori utama dan

metode-metode EOR yang berasosiasi pada masing-masing kategori ditampilkan dalam

Gambar 2.1.

EOR

ChemicalFlooding ThermalGas

Injection Microbial

In-situCombustion

SteamFlooding

Polymer

Surfactant/Polymer

Alkaline

Hydrocarbon

Nitrogen &Flue gas

CarbonDioxide

Gambar 2.1 Diagram kategorisasi EOR

2.2. Seleksi Metode EOR

Seleksi metode EOR berdasarkan pada data geologi atau reservoar, sifat minyak dan

sifat batuan. Sejumlah tabel dan grafik telah disusun berdasarkan data-data tersebut untuk

mempermudah dan mempercepat proses seleksi ini. Tabel 2.1 menampilkan secara umum

data yang diperlukan. Tabel ini disusun berdasarkan studi literatur.

Tabel 2.1 Data seleksi metode EOR

6

Sifat Reservoar Sifat MinyakJenis Formasi GravityKetebalan ViskositasPermeabilitas KomposisiKedalaman SalinitasTemperatur SaturasiPorositas

Taber, dkk. telah menyusun kriteria seleksi metode EOR berdasarakan data sifat

minyak dan karaktersitik reservoar. Kriteria tersebut disusun dalam suatu matriks seperti

ditunjukkan pada Tabel 2.2. Pengembangan fuzzy inferensi sistem untuk seleksi metode

EOR yang akan dikembangkan dalam penelitian ini mengacu pada kriteria Taber, dkk.

Gambar 2.2 Metode EOR berdasarkan selang gravity minyak

Ukuran grafik menunjukkan kontribusi masing-masing metode terhadap total

tambahan produksi minyak dari metode EOR [9]. Gambar 2.2 menunjukkan suatu

100 20 30 40 50 60

Gravity minyak, oAPI

5 15 25 35 45 55

In-situ combustion

CO2 - MiscibleHydrocarbon

N2 & Flue gas

Alkaline; Surfactant dan polymer

Immiscible gas

Polymer flooding

Gel treatments

SteamMining

7

metode seleksi EOR yang didasarkan hanya pada data densitas minyak yang dinyatakan

dalam unit oAPI, yaitu perbandingan densitas minyak relatif terhadap densitas air reservoar.

Grafik ini hasil kompilasi data proyek-proyek EOR dari berbagai lokasi di seluruh dunia.

Ukuran masing-masing metode menunjukkan kontribusi metode tersebut terhadap

tambahan perolehan produksi minyak.

2.3. Teori Fuzzy

Teori fuzzy menyediakan konsep matematis untuk mendasari penalaran terhadap

data dan informasi yang tidak pasti atau fuzzy. Komputasi numerik dilakukan dengan

menggunakan variabel linguistik misalnya “Gravity>35”, “Viscosity<10”, dan lain-lain

yang dinyatakan dalam bilangan fuzzy. Bentuk suatu bilangan fuzzy, A, senantiasa

diekspresikan dengan himpunan fuzzy,

( ){ } , XxxxA A ∈= µ

dimana ( )xAµ adalah fungsi keanggotaan merepresentasikan derajat keanggotaan x

dalam A dan x adalah bagian dari semesta pembicaraan X. Nilai ( )xAµ dalam himpunan

fuzzy berada pada selang [ ]1,0 . Ini berbeda dengan himpunan klasik (crispt set) dimana

nilai keanggotaan adalah 1 atau 0.

8

Tabel 2.2 Kriteria seleksi metode EOR berdasarkan Taber, dkk.

Sifat minyak Sifat reservoar Tebal Permeabilitas Tempe-

Gravity Viskositas Salinitas Saturasi Jenis Net Rata-rata Kedalaman ratur Poroasitas(oAPI) (cP) Komposisi (ppm) Minyak Formasi (ft) (mD) (ft) (oF) (%)

Metode

EOR x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11

Injeksi gas >35 <10 NC >30% Tipis NC >2000 NC NC Hydrocarbon (M1)

%C2-C7

tinggi Batupasir,

Karbonat tebal ke <5000

>24 Tipis N2 & Flue gas (M2) >35 N2

<10 %C1-C7

tinggi NC >30%

Batupasir,

Karbonat tebal NC >4500 NC NC

Tipis Carbon dioxide (M3) >26 <15 %C5-C12

tinggi NC >30% Batupasir,

Karbonat tebal NC >2000 NC NC

Chemical flooding Light Surfactant/

Polymer (M4) Interme-

>25 <30

diate

<140.000 >30% Batupasir >10 >20 <8000 >175 ≥20

>10% Batupasira, Mobile karbonateb Polymer (M5) >25 <100 NC <100.100

oilNC >10 <9000 <200 ≥20

Organik >res. sat. Batupasira Alkaline (M6) 13-35 <35 asam

<100.000 air

NC >20 <9000 <200 ≥20

Thermal In-situ 10-25 <1000 Asphaltic NC >40-50 Pasir/Batu >10 >100 >500 >150a ≥20 Combustion (M7) komponen pasirc

Pasir/Batu Steamflood (M8) <25 >20 NC NC >40-50 pasirc

>20 >200 300-5000 NC ≥20

Microbial Microbial Batupasir, drive (M9)

No toxic

metal Karbonat >25

No biocide

<100.000 NC >150 <8000 <140 -

9

2.3.1 Metode Mamdani

Metode Mamdani sering dikenal sebagai metode Max-Min. Metode ini diperkenalkan

oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output menurut Kusumadewi

(2004), diperlukan 4 tahapan, yaitu:

1. Pembentukan Himpunan Fuzzy

2. Aplikasi Fungsi Implikasi

3. Komposisi Aturan (Metode Max, Metode Additive, Metode Probabilistik OR)

4. Penegasan

1. Pembentukan Himpunan Fuzzy

Pada Metode Mamdani, baik variabel input maupun variable output dibagi menjadi

satu atau lebih himpunan fuzzy. Himpunan fuzzy digunakan untuk mengekspresikan

ketidaktentuan yang disebabkan oleh suatu ekspresi kekaburan. Sebagai contoh, Gambar 2.2

merepresentasikan bilangan fuzzy “sekitar 10”. Gambar tersebut menunjukkan selang

bilangan fuzzy antara 8 dan 12, dimana 10 adalah pusat kurva. Dari gambar dapat diketahui

kemungkinan bilangan fuzzy 9 atau 11 relatif terhadap 10 adalah 0.5. Jadi suatu himpunan

fuzzy dicirikan dengan suatu fungsi keanggotan. Berikut adalah contoh kurva yang

didefinisikan dalam fungsi keanggotaan.

0.0

0.2

0.4

0.6

0.8

1.0

6 7 8 9 10 11 12 13 14

Nilai

Derajat keanggotaan

Gambar 2.2 Fungsi keanggotaan untuk bilangan fuzzy “Sekitar 10”

2. Aplikasi Fungsi Implikasi

Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Min. Berdasarkan

himpunan fuzzy yang telah terbentuk mencari kurva minimum.

10

3. Komposisi Aturan

Apabila sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari kumpulan

dan korelasi antar aturan. Ada 3 metode yang digunakan dalam melakukan inferensi sistem

dalam fuzzy, yaitu max, additive dan probabilistik OR.

a. Metode Max

Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil

nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah

fuzzy dan mengaplikasikannya ke output dengan menggunakan operator OR. Jika

semua proposisi yang telah dievaluasi, maka output akan berisi suatu himpunan

fuzzy yang merefleksikan kontribusi dari tiap-tiap proposisi.

b. Metode Additive

Pada metode ini, solusi himpunan diperoleh dengan cara melakukan

bounded-sum terhadap semua output daerah fuzzy. Secara umum dituliskan:

µsf[xi] = min (1, µsf[xi] + µkf[xi])

c. Metode Probabilistik OR

Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan

product terhadap semua output daerah fuzzy. Secara umum dituliskan:

µsf[xi] = (µsf[xi] + µkf[xi]) – (µsf[xi]* µkf[xi])

dengan:

µsf[xi] = nilai keanggotaan solusi fuzzy sampai aturan ke – i;

µsf[xi] = nilai keanggotaan konsekuen fuzzy aturan ke – i;

4. Penegasan

11

Input dari proses penegasan adalah suatu himpunan fuzzy yang diperoleh dari

komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan

pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu himpunan fuzzy dalam

range tertentu, maka harus dapat diambil suatu nilai crisp tertentu sebagai output. Ada

beberapa metode defuzzy yang bisa dipakai pada komposisi aturan Mamdani, antara lain:

Metode Centroid, pada metode ini solusi crisp diperoleh dengan cara mengambil titik pusat

daerah fuzzy.

2.3.2. Aturan If-Then Fuzzy

Pengembangan Fuzzy Inferensi Sistem terdiri dari kumpulan aturan-aturan if-then.

Bentuk umum aturan if-then fuzzy atau juga dikenal sebagai aturan fuzzy atau implikasi fuzzy

adalah,

if x is A then z is B,

dengan x dan z adalah variabel linguistik, A dan B adalah bilangan fuzzy didefinisikan oleh

himpunan fuzzy. Proposisi yang mengikuti if yaitu “x is A” disebut sebagai anteseden,

sedangkan proposisi setelah then yaitu “z is B”disebut sebagai konsekuen atau kesimpulan.

Proposisi ini dapat diperluas dengan menggunakan operator fuzzy, seperti:

if (x1 is A1) o (x2 is A2) o (x3 is A3) o ……o (xn is An) then z is B,

dengan o adalah operator, misal OR atau AND.

2.4. Fuzzy Inferensi Sistem

Fuzzy Inferensi Sistem adalah sistem komputasi berdasarkan pada konsep teori fuzzy,

aturan if-then fuzzy, dan fuzzy penjelas. Aplikasi sistem ini telah sukses pada beberapa

bidang seperti kontrol otomatik, klasifikasi data, analisa keputusan, sistem pakar, dan pattern

recognition. Struktur dasar Fuzzy Inferensi Sistem terdiri atas tiga komponen yaitu basis aturan

yang berisi pemilihan aturan-aturan fuzzy, database yang mendefinisikan fungsi keanggotaan

dalam aturan-aturan fuzzy, dan mekanisme penjelas yang melakukan prosedur inferensi

berdasarkan aturan dan fakta-fakta untuk merumuskan kesimpulan.

Dalam suatu Fuzzy Inferensi Sistem input dapat berupa nilai fuzzy atau nilai crisp tetapi

output selalu berupa himpunan fuzzy. Dalam beberapa kasus kita perlu output sebagai crisp,

12

terutama ketika Fuzzy Inferensi Sistem digunakan sebagai kontrol seperti dalam penelitian ini

dimana Fuzzy Inferensi Sistem digunakan untuk menentukan peringkat metode EOR terbaik

berdasarkan data input. Dalam hal ini diperlukan metode defuzzifikasi untuk mengekstrak

suatu nilai crisp yang merepresentasikan kondisi terbaik himpunan fuzzy. Pada Gambar 2.3

menjelaskan Diagram Blok Fuzzy Inferensi Sistem dengan output crisp.

Gambar 2.3 Diagram blok Fuzzy Inferensi Sistem

(Fuzzy)

Defuzzifikasi Aggregator

(Crisp or

Fuzzy)

Xϖ

y is B1 xϖis A1 w1

y is B2 xϖis A2 w2

Aturan 1

Aturan n

Aturan 2

y is B3 xϖis A3 w3

(Fuzzy) (Crisp) z

III METODOLOGI

3.1. Kerangka Penelitian

Pengembangan Fuzzy Inferensi Sistem untuk Seleksi Metode EOR dilakukan melalui

beberapa tahap dapat dilihat skema kerangka penelitian pada Gambar 3.1. Tahap awal

dilakukan studi literatur bertujuan agar peneliti memiliki pengetahuan dasar dalam

melakukan penelitian. Kemudian melakukan identifikasi permasalahan untuk memperjelas

fokus penelitian. Selanjutnya dilakukan pengumpulan data data. Pengembangan sistem

terhadap variabel, pembentukan himpunan fuzzy, pembentukan aturan-aturan.

Pengembangan sistem dengan menggunakan Matlab. Pada tahap akhir dilakukan

pengujian sistem dan mengevaluasi kembali variabel, himpunan fuzzy dan aturan aturan,

proses, output hingga sesuai dan benar. Dari hasil pengujian tersebut dapat memberikan

informasi tingkat akurasi dalam rangka penyempurnaan sistem. Kemudian dilakukan

Kesimpulan dan Saran.

3.2. Tata Laksana

Tahapan pengembangan yang dilakukan pada penelitian ini ada tiga tahap, tahap

pertama pengumpulan data, tahap kedua pengembangan prototipe, tahap ketiga pembuatan

prototipe, tahap keempat pengujian dan impelementasi.

Pengumpulan Data

Pengumpulan data dilakukan melalui studi literatur dan diskusi dengan pakar yang

ahli dibidang perminyakan kususnya teknologi EOR di Pusat Penelitian dan Pengembangan

Teknologi Minyak dan Gas Bumi (PPPTMGB) “LEMIGAS”. Data yang dikumpulkan adalah

data sekunder dari laporan penelitian yang dilakukan oleh peneliti PPPTMGB “LEMIGAS”

pada beberapa lapangan minyak di wilayah Sumatera yang dioperasikan oleh Kontraktor

Kontrak Kerja Sama (KKKS).

14

Gambar 3.1 Kerangka penelitian

Pengembangan Prototipe

Pengembangan Fuzzy Inferensi Sistem untuk Seleksi Metode EOR berkaitan dengan

penetapan struktur sistem yaitu subsistem-subsistem serta hubungan antar

komponen-komponen dan interaksinya. Tahap analisa awal merinci spesifikasi kebutuhan

sistem secara detail. Setelah itu dilakukan desain masukan, desain proses dan keluaran. Hasil

desain tersebut dapat digunakan untuk menentukan spesifikasi detail sistem untuk tahap

pengembangan meliputi aspek software dan hardware. Kemudian Menentukan variabel yang

digunakan untuk merepresentasikan setiap nilai. Masing-masing variabel memiliki kriteria

yang berbeda. Karakteristik fungsi bilangan fuzzy dan non fuzzy didefinisikan dalam semesta

pembicaraan setiap variabel. Setelah itu tentukan fungsi keanggotaan dimana pemetaan

Mulai

Studi Literatur

Identifikasi Permasalahan

Pengumpulan Data

Pembuatan Prototipe

Pengujian

Selesai

Tidak Ya OK

Kesimpulan dan Saran

Rancangan Prototipe

Penyempurnaan Prototipe

15

titik-titik input data kedalam nilai keanggotaannya yang memiliki interval 0 – 1. Dalam

pembuatan sistem ini untuk menentukan metode yang akan dipilih ada beberapa parameter

karakteristik. Pada pembentukan aturan-aturan antesenden direpresentasikan dengan proposisi

dalam himpunan fuzzy, sedangkan konsekuensi direpresentasikan dengan sebuah konstanta.

Pada penelitian ini metode mamdani yang digunakan dalam melakukan inferensi

menggunakan aturan Max dari nilai fungsi keanggotaan. Pada metode ini solusi himpunan

fuzzy diperoleh dengan cara mengambil nilai maksimum

Tahap berikutnya adalah proses defuzzifikasi dan menentukan peringkat setiap

metode EOR berdasarkan data masukan. Pada proses defuzzifikasi, dihitung nilai rata-rata

konsekuensi dari keseluruhan aturan. Nilai defuzzifikasi dihitung dengan formula berikut:

)(

)(

)(

)(

1

1*

j

n

j

j

n

jj

Z

Z

Z

ZZ

dzZ

dzZZz

∑

∑

∫

∫

=

=≈=µ

µ

µ

µ

Pembuatan Prototipe

Prototipe adalah pembangunan sistem dengan cara trial and error. Cara ini

memberikan ide bagi penganalisis sistem atau pemrogram untuk menyajikan gambaran yang

lengkap sistem kepada pemakai. Dengan demikian pemakai sistem akan dapat melihat sistem

itu baik dari sisi tampilan maupun teknik prosedural yang akan dibangun.

Pada tahap ini dilakukan pembangunan sistem dengan mengumpulkan informasi

sasaran-sasaran umum, identifikasi kebutuhan yang telah diketahui, dan mencari bidang yang

masih memerlukan pendefinisian. Setelah itu dilakukan perancangan terhadap kebutuhan yang

telah teridentifikasi. Perancangan berfokus pada representasi yang tampak oleh pengguna.

Perancangan ini menuntun pembangunan prototipe perangkat lunak yang akan diberikan

kepada pemakai.

Pengujian

Pada tahap ini sistem dievaluasi oleh pemakai dan digunakan sebagai landasan untuk

memperbaiki spesifikasi kebutuhan. Pengembang mengumpulkan beragam data kuantitatif

dan kualitatif yang membantu dalam proses pengujian. Proses pengujian dilakukan secara

16

iteratif menggunakan data sampel sampai prototipe yang dikembangkan memenuhi kebutuhan

pemakai, dan pengembang telah memahami permasalahan dengan baik. Bila masih terdapat

kekurangan terhadap prototipe tersebut dilakukan perbaikan-perbaikan.

Implementasi

Tahap ini dilakukan setelah sistem selesai dilakukan tes dan dapat diterima oleh pihak

yang akan menggunakan. Pada tahap ini juga dibuat dokumentasi final tentang semua aspek

fuzzy inferensi sistem untuk seleksi metode peningkatan perolehan minyak tingkat lanjut,

melakukan pelatihan pada calon penguna, dan merancang prosedur-prosedur penggunaan

sistem. Langkah terakhir adalah instalasi sistem tersebut dalam kerangka persiapan pemakaian

sistem oleh pengguna.

Waktu dan Tempat Penelitian

Penelitian dilakukan selama 7 bulan, yaitu pada bulan Agustus 2007 hingga Maret

2008. Verifikasi penelitian dan pengolahan data dilaksanakan di PPPTMGB LEMIGAS,

Jakarta.

IV PENGEMBANGAN FUZZY INFERENSI SISTEM SELEKSI

METODE EOR

4.1. Fuzzy Inferensi Sistem

Tahapan-tahapan yang dilakukan pada Pengembangan Fuzzy Iinferensi Sistem untuk

Seleksi Metode EOR antara lain: mendefinisikan karakteristik sistem, mendefinisikan variabel

kedalam himpunan fuzzy, membentuk aturan if-then, mendefinisikan proses defuzzifikasi,

menjalankan sistem, dan melakukan pengujian. Tahapan ini secara skematis di tampilkan

dalam Gambar 4.1.

Gambar 4.1 Diagram Pengembangan Fuzzy Inferensi Sistem untuk Seleksi Metode EOR.

4.2. Masukan

Masukan datanya menggunakan data lapangan berdasarkan karakteristik minyak dan

batuan yang diperoleh di PPPTMGB LEMIGAS dalam bentuk data fuzzy dan data non fuzzy.

18

Pada gambar 4.2 adalah tampilan masukan data yang dipakai untuk dikembangkan pada FIS

untuk Seleksi Metode EOR.

Gambar 4.2 Masukan data untuk seleksi metode EOR

Pada Tabel 4.1 memperlihatkan karakteristik data Lapangan A dalam reservoar A1 – A12, dan

variable-variabel yang digunakan pada pengembangan FIS untuk seleksi metode EOR.

Tabel 4.1 Tabel input dan output Pengembangan Fuzzy Inferensi Sistem untuk seleksi

Metode EOR

19

Karakteristik Data

Kriteria Taber digunakan sebagai acuan seleksi metode EOR. Metode EOR tersebut

diklasifikasikan menjadi sembilan metode dan tiap-tiap metode dinilai berdasarkan

variabel-variabel. Setiap variabel memiliki kriteria yang berbeda terhadap suatu metode.

Sebagai contoh pada Tabel 4.2 merupakan karakteristik variabel Metode Injeksi Gas

Hydrocarbon (M1) sedangkan untuk metode yang lainnya dapat dilihat pada Lampiran 2.1,

Lampiran 2. Berikut ini adalah gambaran untuk variabel-variabel pada Kriteia Taber untuk

Metode Injeksi Gas Hydrocarbon:

1. Variabel Gravity adalah berat jenis minyak dengan satuan berat American Petroleum

Institute (API). Variabel Gravity pada Metode Injeksi Hydrocarbon memiliki nilai

semesta antara 0 – 100. Nilai yang masuk pada Kriteria Taber menunjukkan

Gravity>35 maksudnya adalah kriteria keanggotaan himpunan fuzzy yang ditampilkan

dalam kurva pada angka lebih besar 35 akan berada pada nilai 1 seperti terlihat pada

lampiran 1.1.1.

2. Variabel Viscosity adalah ukuran kekentalan minyak dalam satuan centi poise.

Variabel Viscosity pada metode injeksi hydrocarbon yang memiliki nilai semesta antara

0.1 – 100000. Nilai yang masuk pada Kriteria Taber menunjukkan Viscosity<10

maksudnya adalah kriteria untuk keanggotaan himpunan fuzzy yang ditampilkan

dalam kurva pada angka lebih kecil 10 akan berada pada nilai 1 seperti terlihat pada

lampiran 1.1.2.

3. Variabel Komposisi adalah prosentase komposisi ukuran minyak. Variabel Komposisi

pada metode injeksi hydrocarbon memiliki nilai semesta antara 0 – 100. Nilai yang

masuk pada Kriteria Taber menunjukkan Komposisi C2-C7<50 merupakan kriteria

dimana dalam keanggotaan himpunan fuzzy yang ditampilkan dalam kurva pada angka

lebih kecil 50 akan berada pada nilai 1 seperti terlihat pada lampiran 1.1.3.

4. Variabel Saturasi adalah prosentase volume minyak dibagi total volume. Variabel

Saturasi pada metode injeksi hydrocarbon memiliki nilai semesta antara 0 – 100. Nilai

yang masuk pada Kriteria Taber menunjukkan Saturasi > 30 maksudnya adalah kriteria

keanggotaan himpunan fuzzy yang ditampilkan dalam kurva pada angka lebih besar 30

akan berada pada nilai 1 seperti terlihat pada lampiran 1.1.5.

5. Variabel Formasi adalah jenis batuan. Variabel Formasi pada metode injeksi

hydrocarbon memiliki nilai non fuzzy dan mempunyai nilai kriteria jenis batuannya

20

adalah sandstone/karbonat dan tidak direpresentasikan dalam bentuk kurva.

6. Variabel Ketebalan adalah ketebalan reservoir dalam satuan feet. Variabel Viscosity

pada metode injeksi hydrocarbon memiliki nilai semesta antara 0 – 1000. Nilai yang

yang masuk pada Kriteria Taber pada Ketebalan menunjukkan Ketebalan<100

merupakan kriteria keanggotaan himpunan fuzzy yang ditampilkan dalam kurva pada

angka lebih kecil 100 akan berada pada nilai 1 seperti terlihat pada lampiran 1.1.6.

7. Variabel Kedalaman adalah kedalaman reservoir dalam satuan feet. Variabel

kedalaman pada metode injeksi hydrocarbon memiliki nilai semesta antara 0.1 –

100000. Nilai yang masuk pada Kriteria Taber menunjukkan Kedalaman antara 2000

sampai 5000 merupakan kriteria keanggotaan himpunan fuzzy yang ditampilkan dalam

kurva pada angka antar 2000 sampai 5000 akan berada pada nilai 1 seperti terlihat pada

lampiran 1.1.7.

Tabel 4.2 Karakteristik variabel metode injeksi gas hydrocarbon (M1).

Variabel Semesta Data Kriteria Satuan Keterangan >35

Gravity (x1) [0, 100] Fuzzy <=35

oAPI Berat jenis minyak dengan satuan American Petroleum Institute

<10 Viscositas (x2)

[0.1, 100000]

Fuzzy >=10

cP Ukuran kekentalan minyak dalam satuan centi poise

C2-C7>50 Komposisi (x3)

[0, 100] Fuzzy C2-C7<=50

% Prosentase komposisi minyak

>30 Saturasi (x5)

[0, 100] Fuzzy <=30

% Prosentase volume minyak dibagi total volume

Formasi (x6)

- Non-fuzzy

sandstone/karbonat - Jenis batuan

<100 Tebal net (x7)

[0, 1000] Fuzzy >=100

ft Ketebalan reservoir dalam satuan feet

2000 ke 5000 Kedalaman

(x9) [0,

10000] Fuzzy

<=2000 dan

>=5000 ft

Kedalaman reservoar dalam satuan feet

4.3. Proses

Berikut adalah proses yang dikembangkan dalam Fuzzy Inferensi Sistem untuk

seleksi metode EOR:

1. Memasukkan data karakteristik minyak dan batuan. Pada proses input user memberikan

nilai rentang masing-masing variabel.

21

2. Pembentukan himpunan fuzzy. Pada variabel gravity dibagi menjadi beberapa himpunan

fuzzy yaitu: G1, G2, G3, G4, G5, G6, G7, dengan rentang nilai 100 oAPI. Metode

yang didefinisikan adalah: Metode Gas Hydrocarbon, N2 and Flue Gas, CO2, Surfactant,

Polymer, Alkaline, In Situ Combustion, Steamflood, Microbial. Pada Lampiran 1 dimulai

lampiran 1.1 sampai dengan lampiran 9.7 menunjukkan kurva-kurva representasi

masing-masing kriteria, derajat keanggotannya akan bernilai 1 jika input data memenuhi

kriteria, dan akan bernilai 0 jika input data tidak memenuhi kriteria.

Gambar 4.3 Himpunan Fuzzy Pengembangan Fuzzy Inferensi Sistem untuk seleksi

metode EOR

Selanjutnya menterjemahkan Kriteria Taber dalam bentuk aturan if-then Jika

variabel memenuhi kriteria, konsekuensinya adalah metode EOR yang sedang dievaluasi

dikatakan layak relatif terhadap data tersebut. Sebaliknya bila tidak memenuhi kriteria

maka metode tersebut dikatakan tidak layak. Jumlah aturan dievaluasi untuk tiap metode .

Fungsi konsekuensi dirumuskan sedemikian sehingga dapat mencerminkan pengaruh

relatif masing-masing variabel terhadap kelayakan suatu metode. Berikut ini adalah

aturan-aturan yang dikembangkan pada Fuzzy Inferensi Sistem untuk seleksi metode EOR.

Aturan ke-1

If (Gravity is G1) and (Viscosity is V1) and (Komposisi is K1) and (Saturasi is ST1) and

(Tebal is T1) and (Kedalaman is KD1) then (Metode is M1)

22

Aturan ke-2



Aturan ke-3



Aturan ke-4



Aturan ke-5

If (Gravity is G4) and (Viscosity is V4) and (Salinitas is S2) and (Komposisi is K1) and

(Saturasi is ST2) and (Tebal is T1) and (Kedalaman is KD2) then (Metode is M5)

Aturan ke-6

If (Gravity is G5) and (Viscosity is V5) and (Salinitas is S3) and (Permeabilitas is P1) and

(Kedalaman is KD4) and (Temperatur is TP2) and (Porositas is PR1) then (Metode is M6)

Aturan ke-7

If (Gravity is G6) and (Viscosity is V6) and (Saturasi is ST3) and (Tebal is T2) and

(Permeabilitas is P3) and (Kedalaman is KD5) and (Temperatur is TP3) and (Porositas is

PR1) then (Metode is M7)

Aturan ke-8


(Permeabiliti is P4) and (Kedalaman is KD6) and (Porositas is PR1) then (Metode is M8)

Aturan ke-9

If (Gravity is G4) and (Salinitas is S3) and (Permeabilitas is P5) and (Kedalaman is KD3)

and (Temperatur is TP4) then (Metode is M9)

Aturan 10

23


(Tebal is T1) and (Kedalaman is KD1) then (Metode 1)

Aturan 11


(Tebal is T1) and (Kedalaman is Kd2) then (Metode 2)

Aturan 12


(Tebal is T1) and (Kedalaman is KD1) then (Metode 3)

Aturan 13

If (Gravity is G4) and (Viscosity is V4) and (Salinity is S2) is (Saturasi is S2) and

(Permeability is P2) and (Kedalaman is KD4) and (Temperatur is TP2) and (Porositas is

PR1) then (Metode 5)

Aturan 14


(Permeability is P4) and (Kedalaman is KD6) and (Porosity is PR1) then (Metode 8)

Aturan 15


(Permeability is P3) and (Kedalaman is KD5) and (Temperatur is TP3) and (Porositas is

PR1) then (Metode 7)

Aturan 16

If (Gravity is G4) and (Salinity is S3) and (Permeability is P5) and (Kedalaman is KD3)

and (Temperatur is TP4) then (Metode 9)

Pada gambar 4.4 adalah tampilan Rule Editor untuk merepresentasikan

24

aturan-aturan pada Pengembangan Fuzzy Inferensi Sistem untuk Seleksi Metode EOR

dengan menggunakan MATLAB 7.1:

Gambar 4.4 Rule editor pada Pengembangan Fuzzy Inferensi Sistem untuk

seleksi metode EOR

3. Kemudian mencari nilai minimum masing masing metode berdasarkan aturan-aturan yang

telah dibuat. Nilai kurva minimum tersebut di agregasi untuk mendapatkan nilai kurva

maksimum.

4. Dari nilai kurva maksimum dapat ditentukan defuzzifikasi. Metode defuzzifikasi pada

komposisi aturan Mamdani yang digunakan adalah metode centroid. Hasil metode centroid

adalah crisp yaitu angka yang direpresentasikan dengan kurva segitiga untuk

masing-masing metode.

5. Selanjutnya implementasi kedalam suatu program komputer menggunakan MATLAB.

Setelah itu dilakukan uji sistem menggunakan data reservoar.

6. Pada tahapan ini dimungkinkan melakukan revisi fungsi-fungsi bilangan fuzzy dan atau

revisi formula yang merepresentasikan konsekuensi. Revisi ini dilakukan hingga diperoleh

hasil yang konsisten dengan evaluasi pakar.

7. Uji program dilakukan terhadap beberapa variasi input untuk validasi sistem. Apabila hasil

yang diperoleh selama pengujian kurang sesuai dengan yang diharapkan, maka iterasi

proses variabel ke himpunan fuzzy.

4.5. Output

25

Output yang dihasilkan berisi informasi mengenai Seleksi Metode EOR yang

disarankan serta hasil defuzzifikasi dengan derajat keanggotaannya. Gambar 4.5 adalah

tampilan interface Pengembangan Fuzzy Inferensi Sistem untuk Seleksi Metode EOR.

Gambar 4.5 Output Pengembangan Fuzzy Inferensi Sistem untuk seleksi metode EOR

V IMPLEMENTASI

Implementasi pada Pengembangan Fuzzy Inferensi Sistem untuk Seleksi Metode

EOR ini adalah untuk mengetahui metode EOR yang tepat yang dipilih. Spesifikasi perangkat

keras yang digunakan pada tahap impelementasi adalah sebagai berikut:

Spesifikasi perangkat keras yang digunakan:

• Processor Intel Pentium 5 or higher

• RAM 512 Mb or Higher

• Hard Disk 80 GB

• Floppy Disk Drive

• CD Rom 8x or higher

• Monitor Support for 800 x 600 screen resolution

• Keyboard & Mouse

• OS windows 98/2007/Xp

• Matlab Versi 7.1

Interface Masukan Data

Tampilan pada Gambar 5.1 digunakan sebagai antar muka masukan data, 12 variabel

data masukan yang akan diproses berdasarkan parameter karakteristik minyak, data-data

tersebut dimasukkan berdasarkan rentang nilai untuk masing-masing variabel.

Gambar 5.1 Interface masukan data untuk seleksi metode EOR

27

Setelah itu kita dapat melihat himpunan fuzzy yang terbentuk, kemudian masukan

rule, sedangkan proses inferensi sistem untuk seleksi metode EOR yang digunakan adalah

dengan menggunakan model fuzzy mamdani. Dengan menggunakan perangkat lunak Matlab

versi 7.1 aturan fuzzy yang terbentuk dari aturan-aturan yang menggunakan data karakteristik

minyak kemudian diubah menjadi suatu harga numerik yang menentukan action dari

output,yang dikenal dengan defuzzifikasi. Metode defuzzifikasi yang digunakan adalah

metode centroid. Fuzzy inferensi Sistem dibuat dengan menggunakan fuzzy logic toolbox pada

Matlab 7.0 melalui FIS Editor.

Masukan

Berikut ini adalah field data masukan dengan masing-masing rentang nilai yang telah

ditentukan:

Data sifat minyak: Gravity, Viscosity, Komposisi, Salinitas, Saturasi Minyak.

Data sifat batuan: Jenis Formasi [Batu pasir, Karbonat], tebal, permeabilitas, kedalaman,

temperature, porositas.

Berikut ini adalah sebagian data Tabel input dan output sistem untuk seleksi data EOR

ditampilkan pada Tabel 5.1., data pengujian dapat dilihat pada lampiran 2.2

Tabel 5.1 Input dan output sistem

Berikut ini adalah fungsi-fungsi yang ada ditampilan interface masukan data pada

28

Pengembangan Fuzzy Inferensi Sistem untuk seleksi metode EOR sebagai berikut:

MF Editor, untuk melihat member function Editor Sistem Pakar untuk seleksi metode EOR

Lihat Rule, untuk melihat rule

FIS Editor, untuk melihat fuzzy inferensi system

Rule Editor, untuk mengedit rule

Surface, untuk melihat diagram

Cek, untuk mengecek

Kosongkan, untuk mengosongkan semua field data

Simpan, untuk menyimpan data reservoar

Pembentukan Variabel

Tampilan berikut adalah Pembentukan variabel pada Pengembangan Fuzzy Inferensi

Sistem untuk seleksi metode EOR untuk 11 variabel pada masing-masing metode, dapat dilihat

pada Gambar 5.2 Pada Fuzzy Inferensi Sistem Editor

Gambar 5.2 FIS Editor Pengembangan Fuzzy Inferensi Sistem untuk Seleksi Metode EOR

Keanggotaan Himpunan Fuzzy

Button Member Function Editor, pada gambar 5.3 memperlihatkan keanggotaan

himpunan fuzzy untuk variabel gravity yang terdiri dari: G1, G2, G3, G4, G5, G6, G7.

Pengembangan fungsi keanggotaan untuk seleksi metode EOR digambarkan dengan

menggunakan kurva sigmoid dapat dilihat pada lampiran 1

29

Gambar 5.3 Himpunan fuzzy pada Pengembangan Fuzzy Inferensi Sistem

untuk seleksi metode EOR

Pada tahap pengecekan yang dilakukan adalah menentukan metode EOR yang paling sesuai

didefinisikan kedalam rule. Sedangkan untuk rule viewer pada Pengembangan FIS untuk

seleksi metode EOR dapat dilihat pada Gambar 5.4.

Gambar 5.4 Rule Viewer pada Pengembangan Fuzzy Inferensi Sistem

untuk seleksi metode EOR

Button Rule Editor, adalah Gambar Rule Editor pada Pengembangan fuzzy inferensi system

untuk seleksi metode EOR, mempunyai fungsi untuk mengedit rule yang sudah dibuat.

30

Gambar 5.5 Rule Editor untuk seleksi metode EOR

Output

Output yang dihasilkan adalah informasi Metode EOR yang disarankan, hasil defuzzifikasi

dan derajat keanggotaannya.

Gambar 5.6 Output Pengembangan Fuzzy Inferensi Sistem untuk Seleksi metode EOR

Pada data masukan Tabel 5.1 dengan 150 data uji coba menghasilkan output yang

dapat dilihat pada kurva segitiga Gambar 5.7. Dari gambar terlihat hasil output pengembangan

Fuzzy Inferensi Sistem untuk Seleksi Metode EOR setiap metode direpresentasikan dalam

rentang nilai kurva segitiga. Berdasarkan masukan dari gambar 5.6 hasil defuzzifikasi

31

menunjukkan angka 22.3496 berarti metode yang direpresentasikan dalam rentang kurva

segitiga berada pada rentang M6 (Metode Alkaline).

Gambar 5.7 Output Pengembangan Fuzzy Inferensi Sistem untuk seleksi metode EOR

Gambar 5.8 menunjukan Surface Viewer pada Pengembangan Fuzzy Inferensi Sistem untuk

seleksi metode EOR.

Gambar 5.8 Surface Viewer untuk seleksi metode EOR

Pada surface viewer digunakan untuk melihat gambar pemetaan antara variabel

variabel input dan variabel-variabel output.

1

VI PEMBAHASAN

Pada Bab ini akan dibahas pengujian yang dilakukan dengan menggunakan data

minyak dan batuan dari 5 lapangan minyak yang telah berproduksi dan dioperasikan berdasarkan Production Sharing Contract (PSC) dengan Pemerintah Republik Indonesia. Terdapat 46 reservoar dari ke 5 lapangan tersebut, dengan rincian sebagai berikut: Lapangan A mempunyai 15 reservoar, Lapangan B mempunyai 15 reservoar, Lapangan C mempunyai 7 reservoar, Lapangan D mempunyai 4 reservoar, dan Lapangan E mempunyai 5 reservoar. Ke 46 reservoar ini telah dievaluasi oleh Pakar untuk menentukan metode EOR yang paling sesuai berdasarkan data minyak dan batuan masing-masing reservoar tersebut dengan menggunakan kriteria Taber.

Sistem pakar fuzzy yang dikembangkan dalam studi ini telah digunakan untuk seleksi metode EOR dari ke 46 reservoar tersebut. Hasilnya dibandingkan dengan hasil Pakar. Pengembangan fuzzy inferensi sistem untuk seleksi metode EOR yang dibuat berd asarkan pada fuzzy inferensi rule untuk membangkitkan sinyal keluaran. Nilai kebenaran untuk premise dari setiap aturan dihitung dan diterapkan pada bagian conclusion dari setiap aturan. Metode inferensi yang digunakan adalah metode Mamdani, merupakan penggabungan seluruh output gugus fuzzy menjadi sebuah output gugus fuzzy. Metode Mamdani memandang output label sebagai fungsi keanggotaan. Fungsi keanggotaan dari output didapatkan dengan mengerjakan operasi yang disebut agregasi.

Pada proses defuzzifikasi metode yang digunakan adalah Metode Centroid. Hasil akhirnya adalah berupa Crisp (bilangan). Bilangan tersebut dapat merepresentasikan metode yang disarankan oleh sistem. Rentang parameter output himpunan fuzzy dapat dilihat pada Table 6.1. 6.1. Pengujian

Pengujian dilakukan untuk menentukan akurasi sistem terhadap variasi data masukan. 46 set data yang dipilih menggambarkan variasi metode EOR yang berbeda yaitu dari metode Nitrogen, Metode Carbon Dioxide, Metode Surfactant Polymer, Metode Polymer, dan Metode Alkaline. Hasil verifikasi menunjukkan bahwa akurasi usulan metode EOR dari sistem cukup tinggi dengan jangka waktu yang diperlukan oleh sistem untuk sampai pada usulan metode EOR jauh lebih singkat dibandingkan dengan waktu yang diperlukan oleh Pakar. Akurasi yang tinggi ini dapat menjadi dasar menggunakan usulan metode EOR dari sistem mewakili usulan Pakar.

2

Tabel 6.1 Representasi Output Seleksi Metode EOR

Metode Domain/Selang

Nilai Representasi

Fuzzy

M1

M2

M3

M4

M5

M6

M7

M8

M9

0<N<4

4<N<8

8<N<12

12<N<16

16<N<20

20<N<24

24<N<28

28<N<32

32<N<36

Tr (0,2,4)

Tr (4,6,8)

Tr (8,10,12)

Tr (12,14,16)

Tr (16,18,20)

Tr (20,22,24)

Tr (24,26,28)

Tr(28,30,32)

Tr(32,34,36)

Berikut adalah pembahasan hasil dari ke 5 lapangan yang digunakan untuk pengujian.

Lapangan A terdiri atas 15 reservoar minyak dengan karakteristik batuan adalah karbonat, berat jenis (gravity) minyaknya 31.5 oAPI, viskositas berkisar 0.79 cP, dan tidak terdapat perbedaan temperatur. Permeabilitas bervariasi dari 147 mD hingga 300 mD, sedangkan saturasi antara 11.9% sampai dengan 49.7%. Data Lapangan A ditampilkan dalam Tabel 6.2.

Usulan metode EOR dari Pakar untuk ke 15 reservoar tersebut adalah injeksi gas CO2. Usulan ini diperoleh dari hasil analisa data ke 15 reservoar dengan cara manual menggunakan kriteria Taber. Contoh analisa manual ini ditampilkan dalam Tabel 6.2 untuk reservoar A1. Dari tabel tersebut terlihat bahwa hanya metode injeksi gas CO2 yang memenuhi semua kriteria Taber. Usulan metode EOR dari sistem untuk ke 15 reservoar tersebut sebagian besar injeksi gas CO2 kecuali untuk reservoar A12 dimana sistem merujuk pada metode injeksi polimer. Hal ini disebabkan karena harga saturasi minyak sebesar 11.9 cenderung memberikan nilai fungsi keanggotaan saturasi minyak lebih besar untuk injeksi polimer dari pada injeksi gas CO2. Perbandingan usulan metode EOR oleh Pakar dan Sistem 15 reservoar pada Lapangan A ditampilkan pada Lampiran 2.2. Akurasi prediksi sistem pada Lapangan A ini sebesar 93.3%.

Untuk Lapangan B terdiri atas 15 reservoar minyak dengan jenis batuan adalah karbonat, berat jenis (gravity) minyaknya 37.6 oAPI, viskositas sebesar 1.37 cP kecuali reservoar B1 dan B5 yang memiliki visksoitas 1.67 cP. Temperatur ke 15 reservoar tersebut adalah 182 oF. Permeabilitas bervariasi dari 46 mD hingga 280 mD, sedangkan saturasi minyak dari 19.3% hingga 63%.

Usulan metode EOR dari sistem untuk ke 15 reservoar tersebut sebagian besar injeksi gas CO2 kecuali untuk reservoar B11. Usulan metode EOR dari sistem untuk reservoir B11 adalah injeksi polimer. Seperti halnya dengan Lapangan A, sistem memilih metode EOR

3

injeksi polimer untuk reservoar ini karena harga viskositas minyak 13.3 cP cenderung memberikan fungsi keanggotaan saturasi minyak yang lebih besar untuk injeksi polimer dibandingkan dengan injeksi gas CO2. Lampiran 2.2 menunjukkan perbandingan usulan metode EOR oleh Pakar dan Sistem untuk 15 reservoar pada Lapangan B. Perbedaan keduanya hanya terlihat pada reservoar B11 dari 15 reservoar atau akurasi prediksi sistem pada Lapangan B ini sebesar 93.3%.

Tabel 6.2 Seleksi Metode EOR secara Manual untuk Reservoar A1, Lapangan A

Metode Grav Visc Oil Sat Formasi Perm Kedalaman Temp Poro

Hydrocarbon no yes yes yes yes yes yes yes Nitrogen yes yes yes yes yes no yes yes Carbon dioxide yes yes yes yes yes yes yes yes Surfactant/Polymer yes yes yes no yes yes yes yes Polymer yes yes yes yes yes yes no yes Alkaline yes yes yes no yes yes no yes In Situ Combustion no yes yes no yes yes yes yes Steamflood no no yes no yes yes yes yes Microbial yes yes yes yes yes yes no yes

Lapangan C terdiri atas 7 reservoar minyak yang kesemuanya merupakan batuan

karbonat. Dari data terlihat bahwa ke tujuh reservoir tersebut memiliki karakteristik fluida

yang berbeda. Berat jenis (gravty) minyak bervariasi antara 31.6 oAPI sampai dengan 37.3 oAPI , dengan viskositas dari 0.82 cP sampai dengan 1.42 cP. Demikian juga temperatur

bervariasi dari yang paling dangkal yaitu 197 oC hingga 225 oC pada reservoir C7 yang paling

dalam. Saturasi minyak masih sangat tinggi antara 45.3% sampai dengan 60% sehingga

applikasi metode EOR untuk ke tujuh reservoir ini sangat potential. Usulan metode EOR dari

Pakar untuk ke 7 reservoar tersebut adalah injeksi HC.

Usulan metode EOR dari sistem untuk ke 7 reservoar tersebut adalah injeksi HC kecuali

untuk reservoar C7. Sistem mengusulkan metode EOR injeksi gas N2 untuk reservoar ini. Hal

ini disebabkan karena gravity reservoar C7 yaitu 31.6 oAPI cenderung memberikan nilai fungsi

keanggotaan gravity yang lebih besar untuk metode injkesi gas N2 dibandingkan dengan

metode injeksi HC. Lampiran 2.2 menunjukkan perbandingan usulan metode EOR oleh Pakar

dan Sistem untuk 7 reservoar pada Lapangan C. Tidak ada Perbedaan keduanya dari 7

reservoar atau akurasi prediksi sistem pada Lapangan C ini sebesar 100%.

4

Lapangan D terdiri atas 4 reservoar minyak yang kesemuanya merupakan batuan

batupasir. Dari data terlihat bahwa ke empat reservoar tersebut memiliki karakteristik fluida

yang relatif sama. Berat jenis (gravity) minyak antara 22 oAPI sampai dengan 24 oAPI, dengan

viskositas yang relatif kental dengan kisaran antara 20 cP sampai dengan 25 cP. Temperatur

untuk ke empat reservoar tersebut adalah 167 oF. Saturasi minyak relatif besar antara 53.4%

sampai dengan 75.7% sehingga applikasi metode EOR untuk ke empat reservoar ini sangat

potential. Usulan metode EOR dari Pakar untuk ke empat reservoar tersebut adalah injeksi

kimia alkalin. Usulan metode EOR dari sistem untuk ke 4 reservoar tersebut konsisten dengan

usulan Pakar, dimana untuk reservoar D1 hingga reservoir D4 sistem juga mengusulkan injeksi

kimia alkalin. Lampiran 2.2 menunjukkan perbandingan usulan metode EOR oleh Pakar dan

Sistem untuk 4 reservoar pada Lapangan D. Tidak ada Perbedaan keduanya dari 4 reservoar

atau akurasi prediksi sistem pada Lapangan D ini sebesar 100%.

Lapangan E terdiri atas 5 reservoar minyak dengan lingkungan pengendapan batupasir.

Dari data terlihat bahwa ke lima reservoar tersebut memiliki karakteristik fluida yang juga

relatif sama. Berat jenis (gravity) minyak antara 36 oAPI, dengan viskositas bervariasi dari

0.38 cP hingga 1.38 cP. Temperatur untuk ke lima reservoar tersebut adalah 175 oF kecuali

reservoar E2 yang mencapai 192 oF. Saturasi minyak cukup bervariasi dari 34.0% sampai

dengan 66.4%. Usulan metode EOR dari Pakar untuk reservoar E1 dan E2 adalah

surfactant/polymer. Sedangkan untuk reservoar E3, E4, dan E5 Pakar mengusulkan metode

injeksi kimia polymer. Usulan metode EOR dari sistem untuk ke 5 reservoar tersebut konsisten

dengan usulan Pakar dimana untuk reservoar E1 dan E2 sistem juga merekomendasikan

surfactant/polymer, untuk reservoar E3, E4, dan E5 sistem juga mengsulkan metode injeksi

kimia polymer. Lampiran 2.2 menunjukkan perbandingan usulan metode EOR oleh Pakar dan

Sistem untuk 5 reservoar pada Lapangan E. Perbedaan pada E1, E2 dengan E3, E4 dan E5

dari 5 reservoar menunjukkan akurasi prediksi sistem pada Lapangan E ini sebesar 100%.

6.2. Analisa

Kesesuaian usulan metode EOR dalam persen antara Sistem dan Pakar dari 46

reservoar minyak yang berasal dari 5 lapangan dapat disimpulkan bahwa pengujian fuzzy

inferensi system seleksi metode EOR yang dikembangkan dalam penelitian ini menunjukkan

tingkat akurasi sistem mencapai 97.3%. Dengan tingkat akurasi yang tinggi ini maka sistem

pakar seleksi metode EOR yang dikembangkan dapat digunakan dalam proses seleksi metode

5

EOR. Untuk meningkatkan akurasi sistem maka diperlukan evaluasi lebih intensif terhadap

fungsi keanggotaan masing-masing parameter untuk mendapatkan fungsi yang lebih

representatif.

Dengan mengetahui metode EOR yang tepat hal ini akan sangat membantu dalam

pengambilan keputusan bagi enginer reservoar. Keuntungannya adalah sangat fleksibel dan

memiliki toleransi terhadap data yang tidak tepat. Sistem ini relatif permanen dan mudah

didokumentasi dibandingkan keahlian yang dimiliki manusia. Sistem Pakar untuk Seleksi

metode EOR diharapkan berguna buat institusi pemerintah dan perusahaan perminyakan yang

berkecimpung dengan operasi EOR karena biaya yang terkait dengan sumber daya manusia

dan waktu untuk proses seleksi EOR akan dapat dikurangi signifikan.

VII KESIMPULAN DAN SARAN

Kesimpulan

Pengembangan Fuzzy Inferensi Sistem untuk seleksi metode EOR dapat

memudahkan dan meningkatkan efisiensi proses seleksi metode EOR terhadap

kandidat-kandidat reservoar. Sistem ini sangat fleksibel dan memiliki toleransi terhadap

data-data yang tidak tepat. Pengembangan sistem ini dapat dimanfaatkan oleh para enjiner

yang memiliki keahlian dalam bidang Geologi, Geofisika, Tehnik Kimia dan Tehnik

Perminyakan. Pada penerapannya seleksi metode EOR ini mempergunakan variabel masukan

yang mengacu pada Tabel Taber. Tabel Taber tersebut dapat direpresentasikan kedalam

anggota himpunan fuzzy sehingga dapat diketahui nilai minimum dan maksimum. Sedangkan

proses defuzzifikasi yang dilakukan menggunakan aturan yang dibuat sebanyak 16 aturan

dengan komposisi Mamdani dan metode Centroid.

Pengembangan Sistem Seleksi Metode EOR ini melakukan uji sistem secara

keseluruhan dari 46 reservoar minyak yang berasal dari 5 lapangan menunjukkan tingkat akurasi

sistem sebesar 97,3%. Pada lapangan A,B,C,D dan E terhadap variasi data masukan

memperlihatkan bahwa tingkat akurasi sistem usulan metode EOR dari sistem cukup tinggi

dengan jangka waktu yang diperlukan oleh sistem untuk sampai pada usulan metode EOR jauh

lebih singkat dibandingkan dengan waktu yang diperlukan oleh Pakar. Akurasi yang tinggi ini

dapat menjadi dasar menggunakan usulan metode EOR dari sistem mewakili usulan Pakar.

Tingkat akurasi prediksi sistem pada Lapangan A dan B yang terdiri atas 15 reservoar minyak

sebesar 93.3%, hal ini disebabkan karena adanya perbedaan harga saturasi minyak sebesar 11.9

dan 13.3, hal ini cenderung memberikan nilai fungsi keanggotaan saturasi minyak yg lebih

besar untuk injeksi polimer dari pada injeksi gas CO2. Sedangkan pada lapangan C,D dan E

menunjukkan tingkat akurasi prediksi sistem sebesar 100% hal ini karena tidak adanya

perbedaan antara hasil sistem dan pakar keduanya sama-sama menunjuk metode injeksi gas N2

untuk lapangan C, Alkaline untuk lapangan D dan Surfactant/Polymer untuk lapangan E

Saran

43

Untuk meningkatkan akurasi sistem maka diperlukan evaluasi lebih intensif terhadap fungsi

keanggotaan dari masing-masing parameter sehingga mendapatkan fungsi yang lebih representatif. Hal ini dimungkinkan melakukan revisi fungsi-fungsi bilangan fuzzy atau revisi formula yang

menggambarkan konsekuensi. Revisi ini dilakukan hingga diperoleh hasil yang konsisten

dengan evaluasi pakar.

LAMPIRAN 1

41

Lampiran 1.1. Representasi kurva Hydrocarbon (M1)

Lampiran 1.1.1. Representasi kurva variabel gravity (M1)

Lampiran 1.1.2. Representasi kurva variabel viscosity (M1)

Lampiran 1.1.3. Representasi kurva variabel Komposisi (M1)

Lampiran 1.1.4. Representasi kurva variabel Salinitas (M1)

42

Lampiran 1.1.5. Representasi kurva variabel Saturasi (M1)

Lampiran 1.1.6. Representasi kurva variabel Tebal (M1)

Lampiran 1.1.7. Representasi kurva variabel Kedalaman (M1)

Lampiran 1.2. Representasi kurva N2 & Flue Gas (M2)

Lampiran 1.2.1 Representasi kurva variabel Gravity (M2)

43

Lampiran 1.2.2. Representasi kurva variabel Viscosity (M2)

Lampiran 1.2.3. Representasi kurva variabel Komposisi (M2)

Lampiran 1.2.4. Representasi kurva variabel Salinitas (M2)

Lampiran 1.2.5. Representasi kurva variabel Saturasi (M2)

44

Lampiran 1.2.6. Representasi kurva variabel Tebal (M2)

Lampiran 1.2.7 Representasi kurva variabel Permeabilitas (M2)

Lampiran 1.2.8. Representasi kurva variabel Kedalaman (M2)

Lampiran 1.2.9. Representasi kurva variabel Porositas (M2).

45

Lampiran 1.3. Representasi kurva Carbon dioxide (M3)

Lampiran 1.3.1 Representasi kurva variabel Gravity (M3).

Lampiran 1.3.2. Representasi kurva variabel Viscosity (M3).

Lampiran 1.3.3. Representasi kurva variabel Komposisi (M3).

Lampiranr 1.3.4. Representasi kurva variabel Salinitas (M3).

46

Lampiran 1.3.5. Representasi kurva variabel Saturasi (M3).

Lampiran 1.3.6. Representasi kurva variabel Tebal (M3).

Lampiran 1.3.7. Representasi kurva variabel Permeabilitas (M3).

Lampiran 1.3.8. Representasi kurva variabel Kedalaman (M3).

47

Lampiran 1.3.9. Representasi kurva variabel Temperatur (M3).

Lampiran 1.3.10. Representasi kurva variabel Porositas (M3)

Lampiran 1.4. Representasi kurva Surfactant/Polymer (M4)

Lampiran 1.4.1. Representasi kurva variabel Gravity (M4).


48


Lampiran 1.4.4. Representasi kurva variabel Salinity (M4).


Lampiran 1.4.6. Representasi kurva variabel Ketebalan (M4).

49

Lampiran 1.4.7. Representasi kurva variabel Permeability (M4).



Lampiran 1.4.10. Representasi kurva variable Porosity (M4).

50

Lampiran 1.5. Representasi kurva Polymer (M5)




Lampiran 1.5.4. Representasi kurva variabel Salinity (M5).

51



Lampiran 1.5.7. Representasi kurva variabel Permeability (M5).


52


Lampiran 1.5.10. Representasi kurva variabel Porosity (M5).

Lampiran 1.6. Representasi kurva Alkaline (M6)

Lampiran 1.6.1. Representasi kurva variable Gravity (M6)


53


Lampiran 1.6.4. Representasi kurva variabel Salinitas (M6).



54





55

Lampiran 1.7. Representasi kurva In Situ Combustion (M7)

Lampiran 1.7.1. Representasi kurva variabel Gravity (M7)

Lampiran 1.7.2. Representasi kurva variabel Viscositas (M7).

Lampiran1.7.3. Representasi kurva variabel Salinitas (M7).


56





57


Lampiran 1.8. Representasi kurva Steamflood (M8)



Lampiran 1.8.3. Representasi kurva variabel Komposisi (M8) .

58





59

Laporan 1.8.8. Representasi kurva variabel Kedalaman (M8).



Lampiran 1.9. Representasi kurva Microbial (M9)


60





61


Lampiran 1.9.7. Representasi kurva variabel Temperatur (M9)

67

Lampiran 2.2. Usulan Metode EOR

Usulan Metode EOR Hasil Pakar dan Sistem untuk Lapangan A

Gravity Viscositas Minyak

Saturasi Minyak Permeabilitas Kedalaman Temperatur

Reservoar Porositas Usulan Metode EOR Reservoar

(oAPI) (cP) (%) Formasi

(mD) (ft) (oF) (%) Pakar Sistem

A1 31.5 0.60 49.7 Karbonat 300 3674(200) 230 21.1 Injeksi CO2 Injeksi CO2

A2 31.5 0.79 42.5 Karbonat 300 3391 230 21.7 Injeksi CO2 Injeksi CO2










A12 31.5 0.79 11.9 Karbonat 147 4475 230 18.5 Injeksi CO2 Injeksi Polymer A13 31.5 0.79 37.0 Karbonat 147 4167 230 19.0 Injeksi CO2 Injeksi CO2



68

Usulan Metode EOR Hasil Pakar dan Sistem untuk Lapangan B


Saturasi Minyak

Permeability Kedalaman Temperatur Reservoar

Porositas Usulan Metode EOR Reservoar

(oAPI) (cP) (%) Formasi

(mD) (ft) (oF) (%) Pakar Sistem B1 37.6 1.67 39.7 Karbonat 76 2629 182 20.9 Injeksi CO2 Injeksi CO2

B2 37.6 1.37 48.8 Karbonat 2692 182 24.8 Injeksi CO2 Injeksi CO2

B3 37.6 1.37 55.1 Karbonat 280 2619 182 17.4 Injeksi CO2 Injeksi CO2








B11 37.6 1.37 13.3 Karbonat 48 2818 182 22.1 Injeksi CO2 Injeksi Polimer


B13 37.6 1.37 50.1 Karbonat 232 28.43 182 19.4 Injeksi CO2 Injeksi CO2



69

Usulan Metode EOR Hasil Pakar dan Sistem untuk Lapangan C


SaturasiMinyak

Perm. Kedalaman Suhu

Reservoar Porositas Usulan Metode EOR

Reservoar (oAPI) (cP) (%)

Formasi (mD) (ft) (oF) (%) Pakar Sistem

C1 35.0 1.36 57.5 Karbonat 239 4196 197 27.5 Injeksi N2 Injeksi N2







Usulan Metode EOR Hasil Pakar dan Sistem untuk Lapangan D


SaturasiMinyak

Permeabilitas Kedalaman Suhu



Formasi (mD) (ft) (oF) (%) Pakar Sistem

D1 22 20 53.4 Batupasir 450 4500 165 25.5 Alkaline Alkaline

D2 22.5 25 74.6 Batupasir 373 4920 165 20.7 Alkaline Alkaline



70

Usulan Metode EOR Hasil Pakar dan Sistem untuk Lapangan E


SaturasiMinyak

Perm. Kedalaman Suhu



Formasi (mD) (ft) (oT) (%) Pakar Sistem

E1 37 0.49 55.9 Batupasir 500 5170 175 23 Surfactant/Polymer Surfactant/Polymer E2 36 1.38 66.4 Batupasir 1325 5300 192 23 Surfactant/Polymer Surfactant/Polymer E3 36 0.39 55.8 Batupasir 500 5170 175 23 Polymer Polymer E4 36 0.38 34.0 Batupasir 500 5170 175 25 Polymer Polymer E5 36 0.38 47.5 Batupasir 500 4941 175 23 Polymer Polymer

62

Lampiran 2 Tabel Karakteristik Variabel.

Tabel 2.1. Karakteristik variabel metode injeksi gas hydrocarbon (M1).

Variabel Semesta Data Kriteria Satuan Keterangan

>35 Gravity (x1) [0, 100] Fuzzy <=35 oAPI Berat minyak

<10 Viscositas (x2)

[0.1, 100000] Fuzzy >=10 cP Keenceran

minyak C2-C7>50 Komposisi

(x3) [0, 100] Fuzzy C2-C7<=50 % Komposisi minyak

>30 Saturasi (x5) [0, 100] Fuzzy <=30 %

Volume minyak dibagi total volum

Formasi (x6) - Non-fuzzy sandstone/karbonat - Jenis batuan

<100 Tebal net (x7) [0, 1000] Fuzzy >=100 ft Ketebalan

reservoar 2000 ke 5000

Kedalaman (x9) [0, 10000] Fuzzy <=2000 dan

>=5000 ft Kedalaman

reservoar

Tabel 2.2. Karakteristik variabel metode injeksi N2 dan flue gas (M2).

Variabel Semesta Data Kriteria Satuan Keterangan

>35 Gravity (x1) [0, 100] Fuzzy <=35 oAPI Berat minyak

<10 Viscositas (x2)

[0.1, 100000] Fuzzy >=10 cP Keenceran

minyak C1-C7>50 Komposisi

(x3) [0, 100] Fuzzy C1-C7<=50 % Komposisi minyak

>30 Saturasi (x5) [0, 100] Fuzzy <=30 %

Volum minyak dibagi total volum

Formasi (x6) - Non- fuzzy sandstone/karbonat - Jenis batuan

<100 Tebal net (x7) [0, 1000] Fuzzy >=100 ft Ketebalan

reservoar >4500 Kedalaman

(x9) [0, 10000] Fuzzy <=4500 ft Kedalaman reservoar

63

Tabel 2.3. Karakteristik variabel metode carbon dioxide (M3)

Variabel Semesta Data Kriteria Satuan Keterangan >26 Gravity (x1) [0, 100] Fuzzy <=26

oAPI Berat minyak <15 Viscositas

(x2) [0.1,

100000] Fuzzy >=15 cP Keenceran minyak

C5-C12>50 Komposisi (x3) [0, 100] Fuzzy C5-C12<=50 % Komposisi

minyak >30

Saturasi (x5) [0, 100] Fuzzy <=30 % Volume minyak dibagi total volume

Formasi (x6) - Non-fuzzy

sandstone/karbonat - Jenis batuan <100 Tebal net

(x7) [0, 1000] Fuzzy >=100 ft Ketebalan reservoar

>2000 Kedalaman (x9) [0, 10000] Fuzzy <=2000 ft Kedalaman

reservoar

Tabel 2.4. Karakteristik variabel metode surfactant/polymer (M4)


oAPI Berat minyak <30 Viscositas (x2) [0.1,


C5-C12>50 Komposisi (x3) [0, 100] Fuzzy C5-C12<=50 % Komposisi minyak

Salinitas (x4) [10, 1000000] Fuzzy <140000

>=140000 ppm Kandungan garam

>30 Saturasi (x5) [0, 100] Fuzzy <=30 %

Volum minyak dibagi total volum

Formasi (x6) - Non-fuzzy sandstone - Jenis batuan

>10 Tebal net (x7) [0, 1000] Fuzzy <=10 ft Ketebalan reservoar

>20 Permeabilitas (x8)

[0.1, 10000] Fuzzy <=20 mD Kemampuan alir

batuan <8000 Kedalaman

(x9) [0, 10000] Fuzzy >=8000 ft Kedalaman reservoar

<175 Temperatur

(x10) [0, 500] Fuzzy

>=175 oF

Temperatur

reservoar

>=20 Porositas (x11) [0, 50] Fuzzy <20 %

Volum pori-pori dibagi total volum

64

Tabel 2.5. Karakteristik variabel metode polymer (M5)


oAPI Berat minyak <100 Viscositas (x2) [0.1,


Salinitas (x4) [10, 1000000] Fuzzy <100000

>=100000 ppm Kandungan garam

>10 mobile oil Saturasi (x5) [0, 100] Fuzzy <=10 mobile oil

% Volum minyak dibagi total volum


sandstone/ karbonate - Jenis batuan

>10 Permeabilitas (x8) [0.1, 10000] Fuzzy <=10 mD Kemampuan alir



Temperatur (x10) [0, 500] Fuzzy <200

>=200 oF Temperatur

reservoar

Porositas (x11) [0, 50] Fuzzy >=20 <20 %

Volum pori-pori dibagi total volum

Tabel 2.6. Karakteristik variabel metode alkaline (M6)

Variabel Semesta Data Kriteria Satuan Keterangan 13 ke 35

Gravity (x1) [0, 100] Fuzzy <=13 dan >=35

oAPI Berat minyak

<35 Viscositas (x2) [0.1, 100000] Fuzzy >=35 cP Keenceran

minyak Komposisi (x3) [0, 100] Non-

fuzzy Mengandung organic acids % Komposisi

minyak Salinitas (x4) [10,

1000000] Fuzzy <100000 >=100000 ppm Kandungan

garam Saturasi (x5) [0, 100] Non-

fuzzy diatas saturasi

air residual % Volum minyak per total volum

Formasi (x6) - Non-fuzzy sandstone - Jenis batuan




<200 Temperatur (x10) [0, 500] Fuzzy >=200

oF Temperatur reservoar

>=20 Porositas (x11) [0, 50] Fuzzy <20 % Volum pori-pori

per total volum

65

Tabel 2.7. Karakteristik variabel metode combustion (M7)

Variabel Semesta Data Kriteria Satuan Keterangan 10 ke 25

Gravity (x1) [0, 100] Fuzzy <=10 dan >=25

oAPI Berat minyak

< 1000 Viscositas (x2) [0.1, 100000] Fuzzy >=1000 cP Keenceran

minyak Komposisi (x3) [0, 100] Non-

fuzzy Mengandung asphaltic % Komposisi

minyak 40 ke 50

Saturasi (x5) [0, 100] Fuzzy <=40 dan >=50

% Volum minyak dibagi total volum


sand/sandstone - Jenis batuan



batuan >500 Kedalaman

(x9) [0, 10000] Fuzzy <=500 ft Kedalaman reservoar

<150 Temperatur (x10) [0, 500] Fuzzy >=150

oF Temperatur reservoar

>=20 Porositas (x11) [0, 50] Fuzzy <20 % Volum pori-pori

per total volume

Tabel 2.8. Karakteristik variabel metode steam flooding (M8)


oAPI Berat minyak >20 Viscositas (x2) [0.1,

100000] Fuzzy <=20 cP Keenceran minyak

40 ke 50 Saturasi (x5) [0, 100] Fuzzy <=40 dan

>=50 % Volum minyak

per total volum


sand/sandstone - Jenis batuan



batuan 300 ke 5000 Kedalaman

(x9) [0, 10000] Fuzzy <=300 dan >=5000

ft Kedalaman reservoar

>=20 Porositas (x11) [0, 50] Fuzzy <20 % Volume pori-pori

per total volum

66

Tabel 2.9. Karakteristik variabel metode microbial drive (M9)


oAPI Berat minyak

Komposisi (x3) [0, 100] Non-fuzzy

Tidak mengandung toxic logam

% Komposisi minyak

<100000 Salinitas (x4)

[10,

1000000] Fuzzy

>=100000 ppm Kandungan

garam

Formasi (x6) - Non-

fuzzy

sandstone/

karbonate - Jenis batuan

>150 Permeabilitas

(x8) [0.1, 10000] Fuzzy

<=150 mD Kemampuan alir

batuan

<8000 Kedalaman

(x9) [0, 10000] Fuzzy

>=8000 ft Kedalaman

reservoar

<140 Temperatur

(x10) [0, 500] Fuzzy

>=140 oF Temperatur

reservoar

pengembangan fuzzy inferensi sistem untuk … · sumber informasi dicantumkan dengan jelas dalam...

Documents