BAB IV AKUISISI DAN PENGOLAHAN DATA 4.1 Akusisi Data Akuisisi dilakukan di lapangan “X” daerah Sumatera Selatan sebanyak dua kali yaitu pada tanggal 10 Mei-5 Juni 2003 dan 20 September – 11 Oktober 2003. Pengukuran pertama dan kedua dilakukan pada musim kemarau dengan jumlah titik ±1650 dengan jarak antar stasiunnya 50-60 m. Daerah penelitian ini memiliki luas sekitar 2 x 4.5 km². 6000 5500 5000 4500 4000 3500 3000 2500 2000 1500 1000 500 0
0
0
N 500
1km
1000 1500 2000 2500 3000 3500 4000 4500
Gambar 4.1 Distribusi titik gayaberat mikro 4D daerah penelitian penelitian X 32
4.2 Peralatan Peralatan yang digunakan pada penelitian ini adalah: a) Gravimeter Lacoste&Romberg tipe G1168 dengan Alliod System digunakan sebagai gravimeter pada titik ukur di lapangan. b) Gravimeter Scientrex tipe CG3 juga digunakan sebagai gravimeter untuk mengukur gayaberat pada titik ukur di lapangan. c) Gravimeter Lacoste&Romberg tipe G508 dengan feedback factor system digunakan sebagai gravimeter base untuk mengukur variasi gaya berat harian akibat efek matahari dan bulan. d) GPS V Garmin dan GPSmap CS60 Garmin. e) 2 set Altimeter Sunto dan 1 set Altimeter. f) 4 set Alat Komunikasi, timer, buku Lapangan dan alat tulis, serta alat transportasi
Gambar 4.3 Scientrex CG3
Gambar 4.2. Gravimeter Lacoste&Romberg Tipe G 168 dengan Alliod Sistem
33
Gambar 4.4 Gravimeter Lacoste&Romberg G508 Dengan feedback factor
a)
b)
Gambar 4.5 (a) GPSmap CS60 Garmin (b) GPS V garmin
Gambar 4.6 Altimeter Sunto
34
4.3 Perangkat Lunak Pada penelitian ini digunakan beberapa perangkat lunak (software), antara lain : 1. Microsoft Excel, program ini digunakan untuk menghitung dan mengolah data lapangan. 2. Surfer versi 8, program ini digunakan untuk membuat dan menampilkan peta. 3. Corel Draw versi X3, program ini digunakan untuk mengedit dan menggabungkan tampilan grafis dari berbagai perangkat lunak 4. NUMERI, program ini digunakan untuk melakukan tranformasi fourier dari data lapangan. 5. Geomodel, digunakan untuk pemodelan kedepan. 6. GRAV3D UBC – GIF, digunakan untuk pemodelan kebelakang.
4.4 Pengolahan Data Gayaberat Observasi 4.4.1
Koreksi Data Dengan asumsi bahwa anomali gayaberat hanya disebabkan oleh perubahan
rapat massa bawah permukaan, dimana posisi dan ketinggian titik pengukuran serta geometri reservoir diasumsikan konstan, maka koreksi yang dilakukan pada gayaberat pembacaan (g read) adalah koreksi apungan (drift) dan koreksi pasang surut (tidal). Dari hasil ini akan diperoleh nilai Gobs (lokal). Berikut akan dijelaskan reduksi yang dilakukan pada proses pengolahan data gayaberat mikro 4D : 1. Koreksi Pasang Surut Gayaberat (tide correction) Pengukuran koreksi pasang surut gayaberat dilakukan dengan cara melakukan pembacaan gayaberat secara kontinu disatu titik pengukuran setiap 5 menit. Setelah itu dibuat grafik waktu terhadap pembacaan gayaberat (merupakan nilai tide), yang selanjutnya dibuat persamaan polinomial. Persamaan polinomial ini digunakan untuk memperoleh nilai gayaberat terkoreksi tidal. Gambar 4.7 merupakan contoh pengukuran tide pada tanggal 16 Mei 2003 35
Koreksi Pasang Surut Gayaberat Pengukuran Tanggal 16 M ei 2003 D aerah Lapangan "X"
0.08
Tide observation (miliGal)
0.06
0.04
0.02 Tim e 0 6:00
8:24
10:48
13:12
15:36
18:00
-0.02
-0.04
-0.06
Gambar 4.7 Pengukuran tide observasi pada 16 Mei 2003
g st = alliod − g td keterangan :
gst
................................................. (4.1) = gayaberat stasiun,
alliod = selisih pembacaan gayaberat stasiun terhadap titik referensi tide
= koreksi tidal.
2. Koreksi Apungan (drift correction) Gayaberat observasi dapat diketahui dengan menggunakan persamaan berikut : g obs = g st − drift keterangan :
.................................................. (4.2) gobs
= gayaberat observasi
gst
= gayaberat stasiun
36
3. Gayaberat Lokal Nilai gayaberat lokal merupakan variasi nilai gayaberat dari satu titik ke titik lain sehingga dalam setiap pengukuran diperlukan adanya titik ikat atau base. Titik ikat ini bersifat tetap, aman dan relatif stabil. Nilai gayaberat lokal didapat dari selisih nilai gayaberat observasi titik pengukuran terhadap titik ikat atau base.
glokal = gobs – gikat dengan :
.................................................. (4.3)
glokal : gayaberat observasi lokal gobs
: gayaberat observasi titik pengukuran
gikat
: gayaberat observasi dititik ikat atau base
4.5 Anomali Gayaberat Mikro Time-Lapse 4D Tujuan dari dilakukannya koreksi data adalah untuk mendapatkan nilai gayaberat lokal relatif terhadap base, sehingga kita dapat membuat peta anomaly gayaberat lokal pada periode saat itu. Gambar (4.8) memperlihatkan peta anomali gayaberat lokal pada periode Mei 2003 yang dioverlay dengan stasiun gayaberat, sedangkan Gambar 4.9 merupakan peta anomali gayaberat lokal pada periode September 2003 yang dioverlay dengan stasiun gayaberat.
37
6000 5500 5000 4500 4000 3500 3000 2500 2000 1500 1000 500 0
0 0
N 500
1km
1000 1500 2000 2500 3000 3500 4000 4500
Gambar 4.8 Peta gayaberat observasi lokal Bulan Mei 2003 beserta distribusi titik pengukuran
38
6000 5500 5000 4500 4000 3500 3000 2500 2000 1500 1000 500 0
0
0
N 500
Gambar 4.9
1km
1000 1500 2000 2500 3000 3500 4000 4500
Peta gayaberat observasi lokal Bulan September 2003 beserta distribusi titik pengukuran
Anomali gayaberat mikro time-lapse minimal didapatkan dari dua nilai gayaberat lokal. Oleh karena anomali pada daerah penelitian diperoleh dengan mengurangkan nilai gayaberat lokal periode September 2003 dengan nilai gayaberat lokal periode Mei 2003. Gambar 4.10 merupakan peta anomali gayaberat mikro time-lapse periode September – Mei 2003 yang dioverlay dengan pola struktur dan sumur pada daerah penelitian.
39
Penampang A-A’ dan B-B’ pada Gambar 4.10 dibuat pada daerah yang interest, karena pada daerah ini terdapat perubahan densitas positif pada arah barat dan densitas negatif pada arah timur dan juga tegak lurus dengan sesar yang ada pada daerah penelitian. Sehingga kita dapat melihat perubahan densitas yang terjadi antara Bulan Mei sampai dengan Bulan September 2003. 6000 5500 5000 4500 4000 3500 3000 2500 2000 1500 1000 500 0
0
0
N 500
1km
1000 1500 2000 2500 3000 3500 4000 4500
Gambar 4.10 Peta anomali gayaberat mikro time-lapse yang dioverlay dengan sesar yang diturunkan dari data seismik, sumur dan penampang (A-A’ dan B-B’)
40
4.6 Filtering data gayaberat 4D Informasi yang berupa sinyal yang diberikan dari perubahan massa bawah permukaan tidak seutuhnya mengandung informasi-informasi mengenai perubahan massa bawah permukaan saja atau yang mejadi target event kita tetapi ada juga sebagai sinyal pengganggu atau noise. Perubahan muka air tanah yang merupakan noise, akan memberikan anomali gayaberat dengan panjang gelombang yang kecil karena sumber berada di tempat yang dangkal sedangkan anomali gayaberat akibat injeksi dan proses produksi akan memberikan panjang gelombang yang lebih besar. Untuk mendapatkan informasi dari target event atau perubahan massa pada reservoar maka kita harus melakukan proses filtering terhadap nilai anomali gayaberat untuk menghilangkan noise yang ada sehingga mempermudah interpretasi. Metoda yang digunakan dalam proses filtering ini adalah metode moving average. Bagian-bagian daerah yang akan diteliti harus ditentukan terlebih dahulu pada peta anomali gayaberat mikro time-lapse, setelah itu ditarik beberapa penampang pada daerah-daerah target tersebut untuk menentukan lebar jendela yang akan digunakan dalam metoda moving average. Pada daerah penelitian dibuat dua penampang Gambar 4.10 kemudian dilakukan Transformasi Fourier untuk setiap penampang sehingga diperoleh grafik hubungan bilangan gelombang (k) dengan ln amplitude anomali gayaberat mikro time-lapse (ln A). Dari grafik tersebut didapat batas k yang merupakan batas anomali gayaberat mikro time-lapse dan noise. Untuk mendapatkan lebar jendela digunakan persamaan
k=
2π
λ
λ = n ⋅ Δx
............................................................................... (4.5)
Kett;
n
: lebar jendela
λ
: panjang gelombang
∆x
: interval jarak pengukuran
41
Gambar 4.11 merupakan grafik hubungan antara nilai k dengan ln A yang didapat
setelah dilakukan Transformasi Fourier pada profil A-A’ dan B-B’. Nilai k pada profil A-A’ adalah k=0.03088 sedangkan nilai k pada profil B-B’ adalah k=0.02805. Dengan mensubtitusi nilai k dari masing-masing profil ke persamaan (4.5) maka akan didapat nilai n. Pada profil A-A’ besarnya nilai n=4.0685 dan pada profil B-B’ besarnya nilai n=4.47999. Dari profile A-A’ dan B-B’ memberikan nilai k yang berbeda. Untuk mencari lebar jendela penulis menggunakan nilai k terkecil. Dari kedua profile didapat nilai k terkecil, yaitu k=0.02805 sehingga didapat lebar jendela n=5 yang digunakan untuk proses filtering pada daerah penelitian ini. Karena spasi
grid 50 m, maka lebar jendela yang digunakan untuk melakukan moving average adalah 200×200m2. Ini mengartikan bahwa anomali yang ditampilkan dalam peta anomali gayaberat mikro time-lapse memiliki panjang gelombang lebih dari 200 m, sedangkan panjang gelombang yang kurang dari 200 m telah dihilangkan dalam proses filtering karena dianggap hanya sebagai noise.
42
6000 5500 5000 4500 4000 3500 3000 2500 2000 1500 1000 500
N
0
0
1km
1000 1500 2000 2500 3000 3500 4000 4500
500
0
Line A-A' 2 1 K
ln A
0 -1
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
-2 K=0.03088
-3 -4
Line B-B' 2 1 K ln A
0 -1
0
0.01
0.02
0.03
0.04
0.05
-2 -3
K=0.02805
-4
Gambar 4.11 Grafik hubungan antara ln A dan K
43
0.06
0.07
4.7 Pemodelan kedepan data gayaberat 4D
Untuk pemodelan kedapan data gayaberat 4D, penulis menggunakan software Geomodel untuk merekonstruksi distribusi perubahan densitas bawah permukaan. Ada beberapa tahapan yang harus dilakukan pada pemodelan dengan menggunakan Geomodel, yaitu : 1) Berdasarkan asumsi awal bahwa perubahan kontras densitas akibat adanya injeksi air dan produksi hidrokarbon hanya terjadi pada daerah reservoir saja. Oleh karena itu pembuatan bodi densitas awalnya hanya terkonsen pada daerah reservoir. 2) Berdasarkan data geologi daerah penelitian (Gambar 2.3) top reservoir berada pada kedalaman 1250 m dengan ketebalan ±100 m. Dari data ini, maka pembuatan bodi densitas dibuat pada kedalaman 1250 m dengan ketebalan 100 m. 3) Hal awal yang dilakukan pada pembuatan bodi densitas ini adalah membuat bodi reservoirnya, setelah itu didalam bodi reservoir dibuat bodi densitas air dengan nilai kontras densitas positif yang kemungkinan akibat dari injeksi air atau bodi densitas minyak dengan nilai kontras densitas negatif yang kemungkinan akibat produksi hidrokarbon. 4) Kurva gayaberat observasi merupakan salah satu kontrol dari pemodelan kedepan ini sehingga penambahan beberapa bodi densitas di atas reservoir perlu dilakukan jika kurva gayaberat model belum match degan kurva gayaberat observasi. 5) Data sumur yang dimiliki terbatas hanya dari kedalaman 1200 m kebawah. Informasi geologi yang lain diperoleh dari penampang geologi daerah penelitian (Gambar 3.3).
44
4.8 Pemodelan kebelakang data gayaberat 4D
Pada pemodelan kebelakang, penulis menggunakan software Grav3D yang dikembangkan oleh University British Columbia. Sama seperti pemodelan kedepan, data yang digunakan pada pemodelan kebelakang ini adalah menggunakan data gayaberat 4D yang menggunakan ukuran grid data 50x50. Berbeda dengan pemodelan kedepan, pada pemodelan kebelakang ini ada beberapa input yang harus dimasukkan yaitu data observasi, data topografi dan data mesh (model sel bumi).
Gambar 4.12 Flowchart pemodelan inverse modeling dari Grav3D
45
Setiap input data ini memiliki parameter dan desain yang berbeda-beda, yaitu : 1) Data observasi Data observasi merupakan data gayaberat 4D dengan ekstensi *.grv dan memiliki format khusus yaitu :
Gambar 4.13 Format data observasi (Manual Grav3D, 2001)
• ! comments adalah komentar mengenai data, namun bersifat optional artinya bisa dicantumkan bisa juga tidak dicantumkan. Biasanya komentar diperlukan jika data observasi kita terdiri dari beberapa lapangan sehingga mudah untuk identifikasi. • ndat adalah jumlah data observasi, data observasi sudah harus digrid tanpa digrid program tidak akan menampilkan data observasi dan tidak dapat diproses lebih lanjut. • E1 hingga Endat adalah posisi arah timur (UTM X). • N1 hingga Nndat adalah posisi arah utara (UTM Y). • Elev1 hingga Elev2 adalah elevasi/ topografi. • Grav1 hingga Gravndat adalah anomali gayaberat/data observasi. • Err1 hingga Errndat adalah error dari data observasi gayaberat 4D. Nilai error diperoleh dari standar deviasi data gayaberat 4D.
46
2) Data Topografi Input data topografi memiliki ekstensi *.dat dan memiliki format sbb :
Gambar 4.14 Format data topografi (Manual Grav3D, 2001)
Berdasarkan gambar di atas, dapat diuraikan sbb: ! comment adalah komentar. npt adalah jumlah titik. Ei, Ni, elevi adalah arah timur, utara dan elevasi dari titik ke- i. 3) Model sel bumi (mesh) Berbeda dengan data observasi dan data topografi, file mesh memiliki desain tersendiri. File mesh tidak memiliki suatu ekstensi data dan tidak memiliki nilai input data seperti data observasi dan data topografi. Model sel bumi ini dibuat dari software Grav3D dengan memasukkan batasan-batasan daerah yang sesuai dengan luas daerah penelitian.
Gambar 4.15 Format data mesh (Manual Grav3D, 2001) Dari gambar di atas, dapat diuraikan sbb:
NE adalah jumlah sel bumi pada arah timur. NN adalah jumlah sel bumi pada arah utara. NV adalah jumlah sel bumi pada arah vertikal/ kedalaman.
47
E0, N0 dan V0 adalah UTM X, UTM Y dan Elevasi, nilainya diperoleh dari bagian atas file topografi atau data observasi. ΔEn adalah lebar sel bumi pada arah timur ( dari barat ke timur). ΔN n adalah lebar sel bumi pada arah utara ( dari selatan ke utara). ΔVn adalah kedalaman sel bumi (kedalaman maksimum dari lapisan paling atas sampai ke lapisan terbawah).
Gambar 4.16 Tampilan mesh3D tools yang dibuat pada Grav3D
Pada penelitian ini, input ukuran sel dari daerah penelitian dimodelkan dalam 648000 sel (120 x 90 x 60), dimana tiap sel akan memiliki nilai kontras densitas yang sama.
48
X
Y Z
Gambar 4.17 Ukuran sel yang digunakan pada inverse modeling
4) Batasan (bounds) Pembuatan batasan densitas harus mengikuti pola mesh yang terlebih dahulu dibuat. Asumsi awal yang menyatakan bahwa perubahan nilai densitas hanya terjadi didaerah reservoir dan lapisan permeable dijadikan patokan pada saat memasukkan nilai-nilai densitas. Penulis memasukkan nilai-nilai densitas tertentu pada setiap lapisan yang diperkirakan merupakan reservoir dan lapisan permeable. Diluar lapisan-lapisan ini, densitas dinasukkan menuju nol pada setiap selnya (-10-7gr/cc s/d 10-7gr/cc), sehingga hasil dari pemodelan hanya memperlihatkan perubahan densitas yang terjadi direservoir dan lapisan-lapisan permeable saja. Reservoir pada daerah penelitian terdapat pada kedalaman 1250 m, lapisan permeable yang diduga merupakan reservoir (Gambar 3.3) terdapat pada kedalaman 350 m dan air permukaan yang timbul akibat adanya perbedaan curah hujan mengisi lapisan pada kedalaman 10 m.
49
Kedalaman 10 m - 15 m (-0.3gr/cc s/d 10-7gr/cc)
Kedalaman 350 m – 420 m (-0.3gr/cc s/d 0.3gr/cc)
Kedalaman 1250 m – 1350 m (-0.1gr/cc s/d 0.1gr/cc)
Gambar 4.18 Model sel dan mesh pada pengaturan nilai densitas
File ekstensi dari file batasan ini adalah *.den dengan format data sebagai berikut:
lb1,1,1 ub1,1,1 lb1,1,2 ub1,1,2 : lb1,1,NV ub1,1,NV lb1,2,1 ub1,1,1 : lbi,j,k ubj,j,k : lbNN,NE,NV ubNN,NE,NV lbi,j,k lower bound on cell [i j k]. ubi,j,k upper bound on cell [i j k].
Gambar 4.19 Format data batasan densitas (Manual Grav3D, 2001)
50
Pemodelan inverse 3D yang menggunakan software Grav3D diproses pada komputer dengan sistem operasi Windows XP pada PC yang mempunyai spesifikasi processor Intel Xeon 3GHz, Memori 2GB, VGA Nvidia Quadro 128 MB. Waktu komputasi yang dibutuhkan dalam pemodelan ini ±12 jam 20 menit. Dari pengalaman penulis, pemodelan inverse 3D dengan menggunakan software Grav3D tidak cukup hanya dilakukan sekali saja. Kita harus membandingkan error yang terkecil dari beberapa model inverse 3D. Oleh karena itu pembuatan mesh dan masukan batasan densitas merupakan hal yang sangat penting untuk diperhatikan.
51