PENGEMBANGAN FUZZY INFERENSI SISTEM UNTUK SELEKSI METODE PENINGKATAN PEROLEHAN MINYAK TINGKAT LANJUT INDAH MUSI INDRIA DEWI G

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 titiktitik 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 Nama NRP Program Studi

: Pengembangan Fuzzy Inferensi Sistem Untuk Seleksi Metode Peningkatan Perolehan Minyak Tingkat Lanjut : Indah Musi Indria Dewi : G651034074 : Ilmu Komputer

Disetujui, Komisi Pembimbing

Dr. Ir. Agus Buono, M.Si., M.Kom Ketua

Dr. Sugi Guritman Anggota

Diketahui,

Ketua Program Studi Ilmu Komputer

Dr. Sugi Guritman

Tanggal Ujian : 4 Februari 2009

Dekan Sekolah Pascasarjana IPB

Prof. Dr. Ir. Khairil Anwar Notodiputro, M.S.

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……………………………………………………………….. DAFTAR ISI ………………………………………………………………………... DAFTAR TABEL ………………………………………………………………….... DAFTAR GAMBAR ……………………………………………………………….. I

II

III

IV

i ii iii iv

PENDAHULUAN 1.1 Latar Belakang ……………………………………………………….. 1.2 Tujuan Penelitian ……………………………………………………... 1.3 Batasan Masalah ……………………………………………………… 1.5 Manfaat Penelitian …………………………………………………….

1 2 3 3

TINJAUAN PUSTAKA 2.1 Klasifikasi Metode EOR ……………………………………………... 2.2 Seleksi Metode EOR …………………………………………………. 2.3 Teori Fuzzy …………………………………………………………… 2.4 Metode Mamdani …………………………………………………….. 2.5 Pembentukan Himpunan Fuzzy ……………………………………… 2.6 Aplikasi Fungsi Implikasi ……………………………………………. 2.7 Komposisi Aturan ……………………………………………………. 2.8 Penegasan ……………………………………………………………. 2.9 Fuzzy Inferensi Sistem ……………………………………………….

4 5 7 7 9 9 9 10 11

METODOLOGI 3.1 Kerangka Pemikiran …………………………………………………. 3.2 Tata Laksana ………………………………………………………….

13 13

PENGEMBANGAN FUZZY INFERENSI SISTEM SELEKSI METODE EOR 4.1 Fuzzy Inferensi Sistem ………………………………………………..

17

V

VI

4.2

Masukan ………………………………………………………………

17

4.3

Karakteristik Data …………………………………………………….

19

4.4

Proses …………………………………………………………………

20

4.5

Output ………………………………………………………………..

25

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

26 28 28 30

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 Gambar 2.2 Gambar 2.3 Gambar 2.4 Gambar 3.1 Gambar 4.1 Gambar 4.2 Gambar 4.3 Gambar 4.4 Gambar 4.5 Gambar 5.1 Gambar 5.2 Gambar 5.3 Gambar 5.4 Gambar 5.5 Gambar 5.6 Gambar 5.7 Gambar 5.8

Diagram kategorisasi EOR ……………………………………………... Metode EOR berdasarkan selang gravity minyak …………………….... Fungsi keanggotaan untuk bilangan fuzzy “sekitar 10” ………………... Diagram blok Fuzzy Inferensi Sistem …………………………………... Kerangka penelitian ……………………………………………………. Diagram pengembangan FIS untuk seleksi metode EOR .……………… Masukan data untuk seleksi metode EOR ……………………………… Himpunan fuzzy Pengembangan Sistem Fuzzy Inferensi Sistem Metode EOR……………………………………………………………. Rule editor Pengembangan Fuzzy Inferensi system seleksi Metode EOR……………………………………………………………………… Output Pengembangan Fuzzy Inferensi Sistem untuk Seleksi Metode EOR…………………………………………………… Interface masukan data untuk seleksi metode EOR …………………….. FIS editor untuk Seleksi Metode EOR ………………………………….. Himpunan fuzzy Pengembangan Fuzzy Inferensi Sistem Untuk Seleksi Metode EOR…………………………………………………………….. Rule Viewer Pengembangan Fuzzy Inferensi Sistem utuk Seleksi Metode EOR…………………………………………………………….. Rule Editor Pengembangan Fuzzy Inferensi Sistem untuk Seleksi Metode EOR…………………………………………………………….. Output Pengembangan Fuzzy Inferensi Sistem Untuk Seleksi Metode EOR……………………………………………………………………… Representasi output Pengembangan Fuzzy Inferensi Sistem untuk Seleksi Metode EOR…………………………………………………….. Surface Viewer Pengembangan Fuzzy Inferensi Sistem untuk Seleksi Metode EOR……………………………………………………………..

5 6 9 12 14 10 18 12 12 13 13 10 11 12 12 13 13 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

34

Lapangan A ………………………………………………………...

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 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

Karbonat Batupasir, Karbonat

Batupasir,

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

<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

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

Mulai Studi Literatur Identifikasi Permasalahan Pengumpulan Data Rancangan Prototipe Pembuatan Prototipe

Pengujian OK Tidak

Ya

Penyempurnaan Prototipe Kesimpulan dan Saran Selesai 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

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:

z* =

∫ Z µ ( Z ) dz Z

∫ µ ( Z ) dz Z

n

≈

∑Z j =1 n

j

µ (Z j )

∑ µ (Z j =1

j

)

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

>35 Gravity (x1)

[0, 100]

Fuzzy

Viscositas (x2)

[0.1, 100000]

Fuzzy

[0, 100]

Fuzzy

[0, 100]

Fuzzy

Komposisi (x3) Saturasi (x5) Formasi (x6) Tebal net (x7) Kedalaman (x9)

-

Non-fuzzy

[0, 1000]

Fuzzy

[0, 10000]

Fuzzy

API

Berat jenis minyak dengan satuan American Petroleum Institute

cP

Ukuran kekentalan minyak dalam satuan centi poise

o

<=35 <10 >=10 C2-C7>50 C2-C7<=50 >30 <=30 sandstone/karbonat <100 >=100 2000 ke 5000

<=2000 dan >=5000

Keterangan

% %

Prosentase komposisi minyak Prosentase volume minyak dibagi total volume

-

Jenis batuan

ft

Ketebalan reservoir dalam satuan feet

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

0
Tr (0,2,4)

M2

4
Tr (4,6,8)

M3

8
Tr (8,10,12)

M4

12
Tr (12,14,16)

M5

16
Tr (16,18,20)

M6

20
Tr (20,22,24)

M7

24
Tr (24,26,28)

M8

28
Tr(28,30,32)

M9

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 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

Metode

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 o

API , 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 Viscositas Minyak

Saturasi Minyak

(oAPI)

(cP)

(%)

A1

31.5

0.60

49.7

A2

31.5

0.79

A3

31.5

A4

31.5

A5 A6

Permeabilitas

Kedalaman

Temperatur Reservoar

Porositas

(mD)

(ft)

(oF)

(%)

Karbonat

300

3674(200)

230

21.1

Injeksi CO2

Injeksi CO2

42.5

Karbonat

300

3391

230

21.7

Injeksi CO2

Injeksi CO2

0.79

23.9

Karbonat

300

3724

230

21.9

Injeksi CO2

Injeksi CO2

0.79

38.2

Karbonat

300

3789

230

23.3

Injeksi CO2

Injeksi CO2

31.5

0.79

38.2

Karbonat

300

3789

230

23.3

Injeksi CO2

Injeksi CO2

31.5

0.60

30.7

Karbonat

300

3855

230

23.7

Injeksi CO2

Injeksi CO2 Injeksi CO2

Gravity Reservoar

Formasi

Usulan Metode EOR Pakar

Sistem

A7

31.5

0.60

32.3

Karbonat

147

4085

230

22.5

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

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

Injeksi Polymer

68

Usulan Metode EOR Hasil Pakar dan Sistem untuk Lapangan B

Permeability

Kedalaman

(mD)

(ft)

Temperatur Reservoar (oF)

76

2629 2692

280

Karbonat

280

56.7

Karbonat

659

2830

182

47.0

Karbonat

22

2746

182

1.37

31.4

Karbonat

211

2773

182

1.37

46.9

Karbonat

230

2684

182

Saturasi Minyak (%)

Formasi

(oAPI)

Viscositas Minyak (cP)

B1

37.6

1.67

39.7

Karbonat

B2

37.6

1.37

48.8

Karbonat

B3

37.6

1.37

55.1

Karbonat

B4

37.6

1.37

27.7

B5

37.6

1.67

B6

37.6

1.37

B7

37.6

B8

37.6

Reservoar

Gravity

Porositas

Usulan Metode EOR

(%)

Pakar

Sistem

182

20.9

Injeksi CO2

Injeksi CO2

182

24.8

Injeksi CO2

Injeksi CO2

2619

182

17.4

Injeksi CO2

Injeksi CO2

2663

182

20.0

Injeksi CO2

Injeksi CO2

21.4

Injeksi CO2

Injeksi CO2

15.0

Injeksi CO2

Injeksi CO2

22.6

Injeksi CO2

Injeksi CO2

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 Saturasi Minyak (%)

Formasi

(oAPI)

Viscositas Minyak (cP)

(mD)

(ft)

Suhu Reservoar (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

Reservoar

Gravity

Perm.

Kedalaman

Porositas

Usulan Metode EOR

Usulan Metode EOR Hasil Pakar dan Sistem untuk Lapangan D Permeabilitas

Kedalaman

Suhu Reservoar

Porositas

Batupasir

(mD) 450

(ft) 4500

(oF) 165

(%) 25.5

Pakar Alkaline

Sistem Alkaline

74.6

Batupasir

373

4920

165

20.7

Alkaline

Alkaline

23

60.9

Batupasir

565

5060

165

19.3

Alkaline

Alkaline

24

75.7

Batupasir

699

5070

165

24.4

Alkaline

Alkaline

Gravity

Viscositas Minyak

Saturasi Minyak

D1

(oAPI) 22

(cP) 20

(%) 53.4

D2

22.5

25

D3

23

D4

24

Reservoar

Formasi

Usulan Metode EOR

70

Usulan Metode EOR Hasil Pakar dan Sistem untuk Lapangan E

( API)

Viscositas Minyak (cP)

(mD)

(ft)

Suhu Reservoar (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 Polymer Polymer

Reservoar

Gravity o

Saturasi Minyak (%)

Formasi

Perm.

Kedalaman

Porositas

Usulan Metode EOR

E4

36

0.38

34.0

Batupasir

500

5170

175

25

Polymer

E5

36

0.38

47.5

Batupasir

500

4941

175

23

Polymer

62

Lampiran 2 Tabel Karakteristik Variabel. Tabel 2.1. Karakteristik variabel metode injeksi gas hydrocarbon (M1). Variabel

Semesta

Data

Gravity (x1)

[0, 100]

Fuzzy

Viscositas (x2) Komposisi (x3)

[0.1, 100000]

Fuzzy

[0, 100]

Fuzzy

Saturasi (x5)

[0, 100]

Fuzzy

Formasi (x6)

-

Tebal net (x7)

Nonfuzzy

[0, 1000]

Fuzzy

Kedalaman (x9)

[0, 10000]

Fuzzy

Kriteria >35 <=35 <10 >=10 C2-C7>50 C2-C7<=50 >30

Satuan o

Keterangan

API

Berat minyak

cP

Keenceran minyak Komposisi minyak Volume minyak dibagi total volum

% %

<=30 sandstone/karbonat

-

Jenis batuan

<100 >=100 2000 ke 5000 <=2000 dan

ft

Ketebalan reservoar

ft

Kedalaman reservoar

>=5000

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

Semesta

Data

Kriteria

Gravity (x1)

[0, 100]

Fuzzy

Viscositas (x2) Komposisi (x3)

[0.1, 100000]

Fuzzy

[0, 100]

Fuzzy

>35 <=35 <10 >=10 C1-C7>50 C1-C7<=50 >30

Saturasi (x5)

[0, 100]

Fuzzy

Formasi (x6)

-

Tebal net (x7) Kedalaman (x9)

Nonfuzzy

[0, 1000]

Fuzzy

[0, 10000]

Fuzzy

<=30

Satuan o

Keterangan

API

Berat minyak

cP

Keenceran minyak Komposisi minyak Volum minyak dibagi total volum

% %

sandstone/karbonat

-

Jenis batuan

<100 >=100 >4500 <=4500

ft

Ketebalan reservoar Kedalaman reservoar

ft

63

Tabel 2.3. Karakteristik variabel metode carbon dioxide (M3) Variabel

Semesta

Data

Kriteria

Gravity (x1)

[0, 100]

Fuzzy

Viscositas (x2) Komposisi (x3)

[0.1, 100000]

Fuzzy

[0, 100]

Fuzzy

Saturasi (x5)

[0, 100]

Fuzzy

>26 <=26 <15 >=15 C5-C12>50 C5-C12<=50 >30

Formasi (x6)

-

Tebal net (x7) Kedalaman (x9)

Nonfuzzy

[0, 1000]

Fuzzy

[0, 10000]

Fuzzy

Satuan o

API

Berat minyak

cP

Keenceran minyak Komposisi minyak Volume minyak dibagi total volume

% %

<=30

Keterangan

sandstone/karb onat <100 >=100 >2000 <=2000

-

Jenis batuan

ft

Ketebalan reservoar Kedalaman reservoar

ft

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

Semesta

Data

Kriteria

Gravity (x1)

[0, 100]

Fuzzy

Viscositas (x2)

[0.1, 100000]

Fuzzy

Komposisi (x3)

[0, 100]

Fuzzy

Salinitas (x4)

[10, 1000000]

Fuzzy

Saturasi (x5)

[0, 100]

Fuzzy

>25 <=25 <30 >=30 C5-C12>50 C5-C12<=50 <140000 >=140000 >30

Formasi (x6)

-

Nonfuzzy

Tebal net (x7)

[0, 1000]

Fuzzy

Permeabilitas (x8) Kedalaman (x9)

[0.1, 10000]

Fuzzy

[0, 10000]

Fuzzy

[0, 500]

Fuzzy

[0, 50]

Fuzzy

Temperatur (x10) Porositas (x11)

<=30

Satuan o

Keterangan

API

Berat minyak

cP

Keenceran minyak Komposisi minyak Kandungan garam Volum minyak dibagi total volum

% ppm %

sandstone

-

Jenis batuan

>10 <=10 >20 <=20 <8000 >=8000

ft

Ketebalan reservoar Kemampuan alir batuan Kedalaman reservoar

<175 >=175 >=20 <20

mD ft o

F

%

Temperatur reservoar Volum pori-pori dibagi total volum

64

Tabel 2.5. Karakteristik variabel metode polymer (M5) Variabel

Semesta

Data

Kriteria

Gravity (x1)

[0, 100]

Fuzzy

Viscositas (x2)

Fuzzy

Salinitas (x4)

[0.1, 100000] [10, 1000000]

Saturasi (x5)

[0, 100]

Fuzzy

Formasi (x6)

-

Permeabilitas (x8) Kedalaman (x9) Temperatur (x10)

Nonfuzzy

[0.1, 10000]

Fuzzy

[0, 10000]

Fuzzy

[0, 500]

Fuzzy

>25 <=25 <100 >=100 <100000 >=100000 >10 mobile oil <=10 mobile oil sandstone/ karbonate >10 <=10 <9000 >=9000 <200 >=200

Porositas (x11)

[0, 50]

Fuzzy

>=20 <20

Fuzzy

Satuan o

Keterangan

API

Berat minyak

cP

Keenceran minyak Kandungan garam

ppm %

Volum minyak dibagi total volum

-

Jenis batuan

mD ft o

F

%

Kemampuan alir batuan Kedalaman reservoar Temperatur reservoar Volum pori-pori dibagi total volum

Tabel 2.6. Karakteristik variabel metode alkaline (M6) Variabel

Semesta

Data

Gravity (x1)

[0, 100]

Fuzzy

Viscositas (x2)

[0.1, 100000]

Fuzzy

Komposisi (x3)

[0, 100]

Salinitas (x4)

[10, 1000000]

Saturasi (x5)

[0, 100]

Formasi (x6)

-

Permeabilitas (x8) Kedalaman (x9) Temperatur (x10)

Nonfuzzy Nonfuzzy

[0.1, 10000]

Fuzzy

[0, 10000]

Fuzzy

[0, 500]

Fuzzy

Porositas (x11)

[0, 50]

Fuzzy

Nonfuzzy Fuzzy

Kriteria Satuan Keterangan 13 ke 35 o API Berat minyak <=13 dan >=35 <35 Keenceran cP minyak >=35 Mengandung Komposisi % organic acids minyak <100000 Kandungan ppm >=100000 garam diatas saturasi Volum minyak % air residual per total volum sandstone

-

>20 <=20 <9000 >=9000 <200 >=200 >=20 <20

mD ft o

F

%

Jenis batuan Kemampuan alir batuan Kedalaman reservoar Temperatur reservoar Volum pori-pori per total volum

65

Tabel 2.7. Karakteristik variabel metode combustion (M7) Variabel

Semesta

Data

Gravity (x1)

[0, 100]

Fuzzy

Viscositas (x2)

[0.1, 100000]

Fuzzy

Komposisi (x3)

[0, 100]

Nonfuzzy

Saturasi (x5)

[0, 100]

Fuzzy

Formasi (x6)

-

Nonfuzzy

Tebal net (x7)

[0, 1000]

Fuzzy

Permeabilitas (x8) Kedalaman (x9) Temperatur (x10)

[0.1, 10000]

Fuzzy

[0, 10000]

Fuzzy

[0, 500]

Fuzzy

Porositas (x11)

[0, 50]

Fuzzy

Kriteria 10 ke 25 <=10 dan >=25 < 1000 >=1000 Mengandun g asphaltic 40 ke 50 <=40 dan >=50 sand/sandsto ne >10 <=10 >100 <=100 >500 <=500 <150 >=150 >=20 <20

Satuan o

Keterangan

API

Berat minyak

cP

Keenceran minyak Komposisi minyak Volum minyak dibagi total volum

% % -

Jenis batuan

ft

Ketebalan reservoar Kemampuan alir batuan Kedalaman reservoar Temperatur reservoar Volum pori-pori per total volume

mD ft o

F

%

Tabel 2.8. Karakteristik variabel metode steam flooding (M8) Variabel

Semesta

Data

Kriteria

Gravity (x1)

[0, 100]

Fuzzy

Viscositas (x2)

[0.1, 100000]

Fuzzy

Saturasi (x5)

[0, 100]

Fuzzy

Formasi (x6)

-

Nonfuzzy

Tebal net (x7)

[0, 1000]

Fuzzy

Permeabilitas (x8)

[0.1, 10000]

Fuzzy

Kedalaman (x9)

[0, 10000]

Fuzzy

Porositas (x11)

[0, 50]

Fuzzy

>25 <=25 >20 <=20 40 ke 50 <=40 dan >=50 sand/sandston e >20 <=20 >200 <=200 300 ke 5000 <=300 dan >=5000 >=20 <20

Satuan o

Keterangan

API

Berat minyak

cP

Keenceran minyak

%

Volum minyak per total volum

-

Jenis batuan

ft

Ketebalan reservoar Kemampuan alir batuan

mD ft

Kedalaman reservoar

%

Volume pori-pori per total volum

66

Tabel 2.9. Karakteristik variabel metode microbial drive (M9) Variabel

Semesta

Data

Kriteria

Gravity (x1)

[0, 100]

Fuzzy

Komposisi (x3)

[0, 100]

Nonfuzzy

>15 <=15 Tidak mengandung toxic logam <100000

Salinitas (x4) Formasi (x6) Permeabilitas (x8) Kedalaman (x9) Temperatur (x10)

[10, 1000000] -

Fuzzy

>=100000

Non-

sandstone/

fuzzy

karbonate

[0.1, 10000]

Fuzzy

[0, 10000]

Fuzzy

[0, 500]

Fuzzy

>150 <=150 <8000 >=8000 <140 >=140

Satuan o

Keterangan

API

Berat minyak

%

Komposisi minyak

ppm

Kandungan garam

-

Jenis batuan

mD

Kemampuan alir batuan

ft

Kedalaman reservoar

o

Temperatur reservoar

F