pengembangan fuzzy inferensi sistem untuk … · sumber informasi dicantumkan dengan jelas dalam...
TRANSCRIPT
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
If (Gravity is G2) and (Viscosity is V1) and (Komposisi is K1) and (Saturasi is ST1) and
(Tebal is T1) and (Kedalaman is KD2) then (Metode is M2)
Aturan ke-3
If (Gravity is G3) and (Viscosity is V2) and (Komposisi is K1) and (Saturasi is ST1) and
(Tebal is T2) and (Kedalaman is KD2) then (Metode is M3)
Aturan ke-4
If (Gravity is G4) and (Viscosity is V3) and (Komposisi is K1) and (Saturasi is ST1) and
(Tebal is T1) and (Kedalaman is KD2) then (Metode is M4)
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
If (Gravity is G7) and (Viscosity is V7) and (Saturasi is ST3) and (Tebal is T3) and
(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
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 1)
Aturan 11
If (Gravity is G2) and (Viscosity is V1) and (Komposisi is K1) and (Saturasi is ST1) and
(Tebal is T1) and (Kedalaman is Kd2) then (Metode 2)
Aturan 12
If (Gravity is G3) and (Viscosity is V2) and (Komposisi is K1) and (Saturasi is ST1) and
(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
If (Gravity is G7) and (Viscosity is V7) and (Saturasi is ST3) and (Tebal is T3) and
(Permeability is P4) and (Kedalaman is KD6) and (Porosity is PR1) then (Metode 8)
Aturan 15
If (Gravity is G6) and (Viscosity is V6) and (Saturasi is ST3) and (Tebal is T2) and
(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).
Lampiran 1.4.2. Representasi kurva variabel Viscosity (M4).
48
Lampiran 1.4.3. Representasi kurva variabel Komposisi (M4).
Lampiran 1.4.4. Representasi kurva variabel Salinity (M4).
Lampiran 1.4.5. Representasi kurva variabel Saturasi (M4).
Lampiran 1.4.6. Representasi kurva variabel Ketebalan (M4).
49
Lampiran 1.4.7. Representasi kurva variabel Permeability (M4).
Lampiran 1.4.8. Representasi kurva variabel Kedalaman (M4).
Lampiran 1.4.9. Representasi kurva variabel Temperatur (M4).
Lampiran 1.4.10. Representasi kurva variable Porosity (M4).
50
Lampiran 1.5. Representasi kurva Polymer (M5)
Lampiran 1.5.1. Representasi kurva variabel Gravity (M5).
Lampiran 1.5.2. Representasi kurva variabel Viscosity (M5).
Lampiran 1.5.3. Representasi kurva variabel Komposisi (M5).
Lampiran 1.5.4. Representasi kurva variabel Salinity (M5).
51
Lampiran 1.5.5. Representasi kurva variabel Saturasi (M5).
Lampiran 1.5.6. Representasi kurva variabel Ketebalan (M5).
Lampiran 1.5.7. Representasi kurva variabel Permeability (M5).
Lampiran 1.5.8. Representasi kurva variabel Kedalaman (M5).
52
Lampiran 1.5.9. Representasi kurva variabel Temperatur (M5).
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)
Lampiran 1.6.2. Representasi kurva variabel Viscosity (M6).
53
Lampiran 1.6.3. Representasi kurva variabel Komposisi (M6).
Lampiran 1.6.4. Representasi kurva variabel Salinitas (M6).
Lampiran 1.6.5. Representasi kurva variabel Saturasi (M6).
Lampiran 1.6.6. Representasi kurva variabel Tebal (M6).
54
Lampiran 1.6.7. Representasi kurva variabel Permeabilitas (M6).
Lampiran 1.6.8. Representasi kurva variabel Kedalaman (M6).
Lampiran 1.6.9. Representasi kurva variabel Temperatur (M6).
Lampiran 1.6.10. Representasi kurva variabel Porositas (M6).
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).
Lampiran 1.7.4. Representasi kurva variabel Saturasi (M7).
56
Lampiran 1.7.5. Representasi kurva variabel Tebal (M7).
Lampiran 1.7.6. Representasi kurva variabel Permeabilitas (M7).
Lampiran 1.7.7. Representasi kurva variabel Kedalaman (M7).
Lampiran 1.7.8. Representasi kurva variabel Temperatur (M7).
57
Lampiran 1.7.9. Representasi kurva variabel Porositas (M7).
Lampiran 1.8. Representasi kurva Steamflood (M8)
Lampiran 1.8.1. Representasi kurva variabel Gravity (M8).
Lampiran 1.8.2. Representasi kurva variabel Viscosity (M8).
Lampiran 1.8.3. Representasi kurva variabel Komposisi (M8) .
58
Lampiran 1.8.4. Representasi kurva variabel Salinitas (M8).
Lampiran 1.8.5. Representasi kurva variabel Saturasi (M8).
Lampiran 1.8.6. Representasi kurva variabel Ketebalan (M8).
Lampiran 1.8.7. Representasi kurva variabel Permeabilitas (M8).
59
Laporan 1.8.8. Representasi kurva variabel Kedalaman (M8).
Lampiran 1.8.9. Representasi kurva variabel Temperatur (M8).
Lampiran 1.8.10. Representasi kurva variabel Porositas (M8).
Lampiran 1.9. Representasi kurva Microbial (M9)
Lampiran 1.9.1. Representasi kurva variabel Gravity (M9).
60
Lampiran 1.9.2. Representasi kurva variabel Komposisi (M9).
Lampiran 1.9.3. Representasi kurva variabel Salinitas (M9).
Lampiran 1.9.4. Representasi kurva variabel Ketebalan (M9).
Lampiran 1.9.5. Representasi kurva variabel Permeabilitas (M9).
61
Lampiran 1.9.6. Representasi kurva variabel Kedalaman (M9).
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
A3 31.5 0.79 23.9 Karbonat 300 3724 230 21.9 Injeksi CO2 Injeksi CO2
A4 31.5 0.79 38.2 Karbonat 300 3789 230 23.3 Injeksi CO2 Injeksi CO2
A5 31.5 0.79 38.2 Karbonat 300 3789 230 23.3 Injeksi CO2 Injeksi CO2
A6 31.5 0.60 30.7 Karbonat 300 3855 230 23.7 Injeksi CO2 Injeksi CO2
A7 31.5 0.60 32.3 Karbonat 147 4085 230 22.5 Injeksi CO2 Injeksi CO2
A8 31.5 0.60 17.0 Karbonat 147 4134 230 21.0 Injeksi CO2 Injeksi CO2
A9 31.5 0.60 24.6 Karbonat 147 4036 230 20.1 Injeksi CO2 Injeksi CO2
A10 31.5 0.60 30.2 Karbonat 147 4085 230 21.7 Injeksi CO2 Injeksi CO2
A11 31.5 0.79 27.5 Karbonat 147 4117 230 21.1 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
A14 31.5 0.79 35.9 Karbonat 147 4298 230 19.9 Injeksi CO2 Injeksi CO2
A15 31.5 0.79 33.8 Karbonat 147 4429 230 20.2 Injeksi CO2 Injeksi CO2
68
Usulan Metode EOR Hasil Pakar dan Sistem untuk Lapangan B
Gravity Viscositas Minyak
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
B4 37.6 1.37 27.7 Karbonat 280 2663 182 20.0 Injeksi CO2 Injeksi CO2
B5 37.6 1.67 56.7 Karbonat 659 2830 182 21.4 Injeksi CO2 Injeksi CO2
B6 37.6 1.37 47.0 Karbonat 22 2746 182 15.0 Injeksi CO2 Injeksi CO2
B7 37.6 1.37 31.4 Karbonat 211 2773 182 22.6 Injeksi CO2 Injeksi CO2
B8 37.6 1.37 46.9 Karbonat 230 2684 182 21.4 Injeksi CO2 Injeksi CO2
B9 37.6 1.37 42.9 Karbonat 192 2828 182 16.6 Injeksi CO2 Injeksi CO2
B10 37.6 1.37 29.4 Karbonat 192 2729 182 22.5 Injeksi CO2 Injeksi CO2
B11 37.6 1.37 13.3 Karbonat 48 2818 182 22.1 Injeksi CO2 Injeksi Polimer
B12 37.6 1.37 63.0 Karbonat 232 2822 182 24.0 Injeksi CO2 Injeksi CO2
B13 37.6 1.37 50.1 Karbonat 232 28.43 182 19.4 Injeksi CO2 Injeksi CO2
B14 37.6 1.37 51.4 Karbonat 232 2815 182 19.7 Injeksi CO2 Injeksi CO2
B15 37.6 1.37 52.6 Karbonat 150 2822 182 24.0 Injeksi CO2 Injeksi CO2
69
Usulan Metode EOR Hasil Pakar dan Sistem untuk Lapangan C
Gravity Viscositas Minyak
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
C2 34.6 1.35 59.1 Karbonat 262 4337 201 25.5 Injeksi N2 Injeksi N2
C3 34.6 1.16 45.6 Karbonat 235 4848 214 21.1 Injeksi N2 Injeksi N2
C4 35.0 1.05 60.0 Karbonat 239 5055 220 20.0 Injeksi N2 Injeksi N2
C5 37.3 0.83 49.9 Karbonat 232 5125 221 26.5 Injeksi N2 Injeksi N2
C6 37.3 0.82 46.4 Karbonat 262 5176 223 23.4 Injeksi N2 Injeksi N2
C7 31.6 1.42 45.3 Karbonat 235 5275 225 23.1 Injeksi N2 Injeksi N2
Usulan Metode EOR Hasil Pakar dan Sistem untuk Lapangan D
Gravity Viscositas Minyak
SaturasiMinyak
Permeabilitas Kedalaman Suhu
Reservoar Porositas Usulan Metode EOR
Reservoar (oAPI) (cP) (%)
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
D3 23 23 60.9 Batupasir 565 5060 165 19.3 Alkaline Alkaline
D4 24 24 75.7 Batupasir 699 5070 165 24.4 Alkaline Alkaline
70
Usulan Metode EOR Hasil Pakar dan Sistem untuk Lapangan E
Gravity Viscositas Minyak
SaturasiMinyak
Perm. Kedalaman Suhu
Reservoar Porositas Usulan Metode EOR
Reservoar (oAPI) (cP) (%)
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)
Variabel Semesta Data Kriteria Satuan Keterangan >25 Gravity (x1) [0, 100] Fuzzy <=25
oAPI Berat minyak <30 Viscositas (x2) [0.1,
100000] Fuzzy >=30 cP Keenceran minyak
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)
Variabel Semesta Data Kriteria Satuan Keterangan >25 Gravity (x1) [0, 100] Fuzzy <=25
oAPI Berat minyak <100 Viscositas (x2) [0.1,
100000] Fuzzy >=100 cP Keenceran minyak
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
Formasi (x6) - Non-fuzzy
sandstone/ karbonate - Jenis batuan
>10 Permeabilitas (x8) [0.1, 10000] Fuzzy <=10 mD Kemampuan alir
batuan <9000 Kedalaman
(x9) [0, 10000] Fuzzy >=9000 ft Kedalaman reservoar
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
>20 Permeabilitas (x8) [0.1, 10000] Fuzzy <=20 mD Kemampuan alir
batuan <9000 Kedalaman
(x9) [0, 10000] Fuzzy >=9000 ft Kedalaman reservoar
<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
Formasi (x6) - Non-fuzzy
sand/sandstone - Jenis batuan
>10 Tebal net (x7) [0, 1000] Fuzzy <=10 ft Ketebalan reservoar
>100 Permeabilitas (x8) [0.1, 10000] Fuzzy <=100 mD Kemampuan alir
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)
Variabel Semesta Data Kriteria Satuan Keterangan >25 Gravity (x1) [0, 100] Fuzzy <=25
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
Formasi (x6) - Non-fuzzy
sand/sandstone - Jenis batuan
>20 Tebal net (x7) [0, 1000] Fuzzy <=20 ft Ketebalan reservoar
>200 Permeabilitas (x8) [0.1, 10000] Fuzzy <=200 mD Kemampuan alir
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)
Variabel Semesta Data Kriteria Satuan Keterangan >15 Gravity (x1) [0, 100] Fuzzy <=15
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