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 Gas Injection
Chemical Flooding
Surfactant/ Polymer
Microbial
In-situ Combustion
Hydro carbon
Polymer
Thermal
Nitrogen & Flue gas
Steam Flooding
Carbon Dioxide
Alkaline
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 Jenis Formasi Ketebalan Permeabilitas Kedalaman Temperatur Porositas
Sifat Minyak Gravity Viskositas Komposisi Salinitas Saturasi
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.
Gravity minyak, oAPI 0
10
5
15
20
25
30
35
40
45
50
55
60
N2 & Flue gas
Hydrocarbon CO2 - Miscible Immiscible gas Alkaline; Surfactant dan polymer
Polymer flooding Gel treatments In-situ combustion
Steam Mining 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
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, A = {x , µ A ( x ) x ∈ X }
dimana µ A ( x) adalah fungsi keanggotaan merepresentasikan derajat keanggotaan x dalam A dan x adalah bagian dari semesta pembicaraan X. Nilai µ A ( x ) dalam himpunan fuzzy berada pada selang [0,1] . 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 Metode EOR Injeksi gas Hydrocarbon (M1)
Gravity (oAPI) x1
Viskositas (cP) x2
>35
<10
N2 & Flue gas (M2)
>24 >35 N2
<10
Carbon dioxide (M3)
>26
<15
Chemical flooding Surfactant/ Polymer (M4)
>25
<30
Komposisi x3 %C2-C7 tinggi %C1-C7 tinggi %C5-C12 tinggi Light Interme-
Salinitas (ppm) x4
Saturasi Minyak x5
Jenis Formasi x6
NC
>30%
Batupasir,
NC
NC
Tipis tebal
NC
>4500
NC
NC
Tipis tebal
NC
>2000
NC
NC
>30%
Batupasir
>10
>20
<8000
>175
≥20
>10% Mobile oil >res. sat. air
Batupasira, karbonateb
NC
>10
<9000
<200
≥20
Batupasira
NC
>20
<9000
<200
≥20
NC
>40-50
>10
>100
>500
>150a
≥20
NC
>40-50
Pasir/Batu pasirc Pasir/Batu pasirc
>20
>200
300-5000
NC
≥20
NC
>150
<8000
<140
-
<100.100
Alkaline (M6)
13-35
<35
Organik asam
<100.000
10-25
<1000
<25
>20
No toxic No biocide
>2000 ke <5000
<140.000
NC
metal
NC
>30%
<100
>25
Poroasitas (%) x11
NC
>25
Microbial Microbial drive (M9)
Temperatur (oF) x10
>30%
Polymer (M5)
Asphaltic komponen NC
Tipis tebal
Sifat reservoar Permeabilitas Rata-rata Kedalaman (mD) (ft) x8 x9
NC
diate
Thermal In-situ Combustion (M7) Steamflood (M8)
Karbonat Batupasir,
Tebal Net (ft) x7
Karbonat Batupasir, Karbonat
Batupasir, <100.000
Karbonat
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.
Der aj atkeanggot aan
1. 0 0. 8 0. 6 0. 4 0. 2 0. 0 6
7
8
9
10 11 Ni l ai
12
13
14
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.
Aturan 1
ϖ x is A1
(Crisp Fuzzy)
ϖ X
w1
y is B1
Aturan 2
or
ϖ x is A2
ϖ x is A3
w2
Aturan n w3
y is B2
(Fuzzy)
(Fuzzy)
Aggregator
y is B3
Gambar 2.3 Diagram blok Fuzzy Inferensi Sistem
(Crisp)
Defuzzifikasi
z
