TESIS Diajukan sebagai salah satu syarat untuk memperoleh gelar Magister Sains BUDI RAHIM PERMANA

ANALISIS KETIDAKPASTIAN DAN SENSITIFITAS VOLUMETRIK TERHADAP MULTI REALISASI FACIES DAN NON-FACIES, MULTI POROSITAS, DAN MULTI SATURASI AIR: STUDI KASUS RESERVOAR RN, LAPANGAN D

TESIS Diajukan sebagai salah satu syarat untuk memperoleh gelar Magister Sains

BUDI RAHIM PERMANA 0606001185

KEKHUSUSAN GEOFISIKA RESERVOAR PROGRAM PASCASARJANA FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS INDONESIA JAKARTA 2009

Analisis ketidakpastian..., Budi Rahim Permana, FMIPA UI, 2009

ANALISIS KETIDAKPASTIAN DAN SENSITIFITAS VOLUMETRIK TERHADAP MULTI REALISASI FACIES DAN NON-FACIES, MULTI POROSITAS, DAN MULTI SATURASI AIR: STUDI KASUS RESERVOAR RN, LAPANGAN D

TESIS Diajukan sebagai salah satu syarat untuk memperoleh gelar Magister Sains

BUDI RAHIM PERMANA 0606001185

KEKHUSUSAN GEOFISIKA RESERVOAR PROGRAM PASCASARJANA FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS INDONESIA JAKARTA 2009


LEMBAR PENGESAHAN Tesis ini diajukan oleh Nama NPM Program Studi Judul Tesis

: Budi Rahim Permana : 0606001185 : Geofisika Reservoar : Analisis Ketidakpastian dan Sensitifitas Volumetrik Terhadap multi realisasi Facies dan non-facies, Multi Porositas, dan Multi Saturasi Air: Studi Kasus Reservoar RN, Lapangan D

Telah berhasil dipertahankan dihadapan Dewan Penguji dan diterima sebagai bagian persyaratan yang diperlukan untuk memperoleh gelar Magister Sains pada Program Kekhususan Geofisika Reservoar, Program Pascasarjana Fisika, Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Indonesia. MENYETUJUI : PEMBIMBING

Dr. Abdul Haris NIP : 132 090 909 PENGUJI PENGUJI

PENGUJI

PENGUJI

Prof.Dr. Suprajitno Munadi

Dr. Ricky Wibowo

Dr. Carlos Tarazona

PROGRAM PASCASARJANA KETUA SIDANG

Dr. DEDI SUYANTO NIP : 130 935 271


KATA PENGANTAR

Puji syukur kehadirat Tuhan Allah SWT yang telah melimpahkan rahmat dan hidayahNya sehingga penulis bisa menyelesaikan penyusunan tesis ini. Tesis ini merupakan salah satu syarat untuk menyelesaikan jenjang pendidikan pada Program Magister Fisika di Universitas Indonesia. Penelitian dan penulisan tesis ini tidak mungkin terlaksana tanpa adanya bantuan baik moril maupun spirituil dari berbagai pihak. Untuk itu, penulis mengucapkan terima kasih yang sebesar-besarnya kepada : 1. Ibu dan bapak saya tercinta yang telah mendidik dan membesarkan saya 2. Andriani dan Rara tercinta yang telah membantu secara moral dan material 3. Bapak Dr. Abdul Haris, selaku dosen pembimbing yang telah menyediakan waktu, tenaga dan pikiran di dalam mengarahkan penulis dalam penyusunan tesis ini. 4. Pihak PT. Chevron Pacific Indonesia yang telah membantu dalam usaha memperoleh data yang diperlukan penulis. 5. Teman – teman Geofisika Reservoar UI angkatan 2006 khususnya Nina, Roy, Iman, dkk. atas dukungan dan duka sukacitanya ketika kuliah malam 6. Rekan-rekan kerja di CPI atas diskusi dan ilmunya Penulis sangat menyadari bahwa tulisan ini masih jauh dari sempurna, untuk itu saran dan kritik yang membangun sangat penulis harapkan sebagai bahan untuk perbaikan dan pengembangan di kemudian hari. Semoga tulisan ini bisa berguna bagi pengembangan ilmu geofisika khususnya dalam bidang industri perminyakan, rekan-rekan mahasiswa dan pihak-pihak lain yang tertarik dalam bidang ilmu geofisika sebagai salah satu sumbangan ilmiah. Semoga Allah selalu melimpahkan rahmat dan hidayah-Nya serta memberikan ilmu yang berguna bagi kita semua. Amien. Duri, Januari 2009

Penulis


LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS Sebagai civitas akademik Universitas Indonesia, saya yang bertanda tangan di bawah ini: Nama NIM Program Studi Jurusan Fakultas

: Budi Rahim Permana : 0606001185 : Geofisika Reservoar : Fisika : Matematika dan Ilmu Pengetahuan Alam

Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Indonesia Hak Bebas Royalti-Non Ekslusif (Non-exclusive Royalty-Free Right) atas karya ilmiah saya yang berjudul: Analisis Ketidakpastian dan Sensitifitas Volumetrik Terhadap multi realisasi Facies dan non-facies, Multi Porositas, dan Multi Saturasi Air: Studi Kasus Reservoar RN, Lapangan D beserta perangkat yang ada (bila diperlukan). Dengan Hak Bebas Royalti NonEkslusif ini Universitas Indonesia berhak menyimpan, mengalihmediakan, mengelola dalam bentuk pangkalan data, mendistribusikannya, dan menampilkannya di internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya selama telah mencantumkan nama saya sebagai penulis dan pemilik Hak Cipta. Demikian pernyataan ini saya buat dengan sebenarnya.

Jakarta, Januari 2009

(Budi Rahim Permana)


ABSTRAK Nama Pembimbing Program Studi Judul

: Budi Rahim Permana : Dr. Abdul Haris : Geofisika Reservoar : Analisis Ketidakpastian dan Sensitifitas Volumetrik Terhadap Multi Realisasi Facies dan Non-Facies, Multi Porositas, dan Multi Saturasi Air: Studi Kasus Reservoar RN, Lapangan D, Cekungan Sentral Sumatra

Reservoar RN merupakan reservoar batupasir di Area G yang merupakan bagian dari Lapangan Minyak D. Reservoir ini merupakan reservoar paling dangkal di area ini dan merupakan bagian dari Formasi Bekasap. Secara Seismo-Stratigrafi reservoar RN merupakan bagian dari endapan post-rift Studi analisis ketidakpastian dan sensitifitas volumetrik khususnya original oil in place (OOIP) terhadap multi realisasi facies dan non-facies, multi porositas, dan multi saturasi air ini dilakukan untuk memberikan kisaran dan gambaran ketidakpastian dari kandungan minyak yang ada pada reservoar RN berdasarkan beberapa data yang ada dan beberapa metode pemodelan. Dari hasil penelitian ini akan didapatkan beberapa parameter dan metode yang memberikan ketidakpastian terhadap perhitungan OOIP. Dengan demikian akan membantu penelitian selanjutnya untuk mengurangi ketidakpastian OOIP ini berdasarkan hasil sensitifitas yang dilakukan pada penelitian ini. Penelitian ini dilakukan dengan cara pemodelan 3D geoseluller dengan metode geostatistik. Beberapa hal yang diakomodasi dalam analisis ketidakpastian dan sensitifitas ini adalah: pemodelan properti reservoar dengan atau tanpa melalui pemodelan facies; dua metode penentuan porositas efektif yaitu metode dari Subiyantoro dan metode CSP (Chevron Standard Porosity); penggunaan saturasi air langsung dari perhitungan petrofisika sumur (SWE) dan penggunaan saturasi air irreducible hypothetic; serta penggunaan beberapa metode realisasi. Berdasarkan hasil studi memberikan kisaran ketidakpastian OOIP untuk reservoar RN di Area G adalah P10 93 MMSTB, P50 105 MMSTB, dan P90 186 MMSTB. Realisasi properti reservoar melalui pemodelan facies memberikan nilai OOIP lebih kecil sekitar 14 % dibandingkan pemodelan properti tanpa melalui pemodelan facies. Penggunaan porositas efektif berdasarkan metode CSP menghasilkan OOIP yang lebih kecil sekitar 4 % dibandingkan penggunaan porositas efektif dari Subiyantoro. Penggunaan SWIRR (saturasi air irreducible hypothetic) menghasilkan OOIP 40% lebih besar jika dibandingkan pemodelan menggunakan SWE. Kata kunci: Analisis ketidakpastian, analisis sensitifitas, OOIP (original oil in place), facies, porositas efektif, SWE (saturasi air efektif), SWIRR (saturasi air irreducible), geostatistik

i Universitas Indonesia Analisis ketidakpastian..., Budi Rahim Permana, FMIPA UI, 2009

ABSTRACT Name : Lecture : Study Program: Judul :

Budi Rahim Permana Dr. Abdul Haris Reservoir Geophysics Volumetric Uncertainty and Sensitivity Analysis due to Multi Realization of Facies and Non Facies, Multi Porosity, and Multi Water Saturation: Case Study Reservoir RN, D Field, Central Sumatra Basin

RN sandstone reservoirs are part of Area G reservoir in D Oil Field. These reservoirs are the shallowest reservoir in this area and part of Bekasap Formation. Based on seismostratigraphy these reservoirs were deposited as post-rift sediment. Volumetric especially original oil in place (OOIP) uncertainty and sensitivity analysis due to multi realization facies and non-facies, multi porosity, and multi water saturation was done to capture OOIP range of uncertainty. This uncertainty occurs based on the data availability and modeling methodology. This research could give some information of sensitivity from several data, parameter, and methodology that could give OOIP uncertainty and would be a feedback or input for another research to reduce the uncertainty. This research was done by 3D geoceluller modeling using geostatistical method. Several things that were accommodated in this analysis are: property modeling using facies modeling and property modeling without using facies modeling; two effective porosity using Subiyantoro and CSP (Chevron Standard Porosity) methods; two kinds of water saturation, effective water saturation (SWE) and hypothetical irreducible water saturation (SWIRR); and several kinds of realization. The result of this research gave OOIP uncertainty for RN reservoir in Area G: P10 93 MMSTB; P50 105 MMSTB; P90 186 MMSTB. Property realization through facies modeling gave OOIP smaller (14 %) than property realization without using facies modeling. Effective porosity using CSP method gave OOIP smaller (4%) than using Subiyantoro method. SWIRR gave OOIP greater (40%) than using SWE. Key words: Uncertainty Analysis, Sensitivity Analysis, OOIP (original oil in place), facies, effective porosity, SWE (effective water saturation), SWIRR (irreducible water saturation), geostatistic

ii Universitas Indonesia Analisis ketidakpastian..., Budi Rahim Permana, FMIPA UI, 2009

DAFTAR ISI

LEMBAR PENGESAHAN KATA PENGANTAR LEMBAR PERNYATAAN ABSTRAK………………………………………………………………………………..

i

DAFTAR ISI……………………………………………………………………………...

iii

DAFTAR GAMBAR……………………………………………………………………..

v

DAFTAR TABEL………………………………………………………………………..

vii

BAB 1 PENDAHULUAN………………………………………………………………..

1

1.1 Obyek Penelitian……………………………………………………………..

1

1.2 Latar Belakang……………………………………………………………….

2

1.3 Tujuan dan Batasan Studi……………………………………………………

4

1.4 Sistematika Penulisan…………………………………………………………

5

BAB 2 KERANGKAGEOLOGI UMUM LAPANGAN DURI DAN TEORI DASAR…

6

2.1 Perkembangan Tektonik Cekungan Sumatra Tengah………………………..

6

2.2 Perkembangan Tektono-Stratigrafi Cekungan Sumatra Tengah……………..

8

2.3 Geologi Lapangan D....………………………………………………………

8

2.3.1 Struktur Lapangan D....…………………………………………..

9

2.3.2 Stratigrafi Lapangan D...………………………………………….

10

2.3.3 Seismo-Stratigrafi Lapangan D...…………………………………

10

2.4 Analisis Electro-Facies dengan Metode Analisis Cluster……………………

11

2.5 Penentuan Porositas…………………………………………………………..

15

2.6 Penentuan VSH (volume dari shale)…………………………………………

19

2.7 Penentuan saturasi air (Sw)…………………………………………………..

19

2.8 Model 3D Geoseluller…………………………………………………………

20

2.8.1 Variogram…………………………………………………………..

21

2.8.2 Sequential Gaussian Simulation (SGS)…………………………….

23

2.8.3 Sequential indicator Simulation (SIS)………………………………

24

BAB 3 PENGOLAHAN DATA DAN HASIL…………………………………………….

25

3.1 Data……………………………………………………………………………

25

3.2 Analisis Electro-Facies………………………………………………………..

27

3.3 Penentuan Porositas dengan metode CSP……………………………………..

30

3.4 Penentuan Saturasi Air (Sw)…………………………………………………... 33

iii Universitas Indonesia Analisis ketidakpastian..., Budi Rahim Permana, FMIPA UI, 2009

3.5 Model 3D Geoseluller…………………………………………………………. 35 3.5.1 Pemodelan Struktur…………………………………………………. 38 3.5.2 Pemodelan Facies…………………………………………………… 40 3.5.3 Pemodelan Porositas……………………………………………....... 43 3.5.4 Pemodelan VSH (volume dari shale)……………………………….. 46 3.5.5 Pemodelan Saturasi Air (SW)………………………………………. 47 BAB 4 PERHITUNGAN OOIP, ANALISIS KETIDAKPASTIAN, DAN ANALISIS SENSITIFITAS DARI SELURUH REALISASI………………………………………….. 53 4.1 Perhitungan OOIP……………………………………………………………… 53 4.2 Analisis Ketidakpastian OOIP…………………………………………………. 54 4.3 Analisis Sensitifitas OOIP……………………………………………………… 55 4.4 Diskusi…………………………………………………………………………. 57 4.5 Rekomendasi…………………………………………………………………… 58 BAB 5 KESIMPULAN……………………………………………………………………… 59 DAFTAR REFERENSI…………………………………………………………………….. 61 LAMPIRAN

iv Universitas Indonesia Analisis ketidakpastian..., Budi Rahim Permana, FMIPA UI, 2009

DAFTAR GAMBAR

Gambar 1.1 Peta lokasi penelitian. Lapangan D Area G…………………………………….. 1 Gambar 1.2 Peningkatan produksi lapangan dengan penerapan metode recovery menggunakan injeksi uap……………………………………………………… 2 Gambar 1.3 Peta struktur Lapangan D……………………………………………………... 3 Gambar 2.1 Peta cekungan-cekungan berumur Tersier di Sumatra………………………… 6 Gambar 2.2 Perkembangan tektonik Cekungan Sumatra Tengah………………………….. 7 Gambar 2.3 Kolom stratigrafi Cekungan Sumatra Tengah………………………………… 8 Gambar 2.4 Penampang struktur geologi Lapangan Duri………………………………….. 9 Gambar 2.5 Penampang seismik dan interpretasi sekuen dari batuan sedimen di Lapangan D… ……………………………………………………………… 10 Gambar 2.6 Proses pengukuran jarak antar data dan clustering……..……………………… 14 Gambar 2.7 Dendogram dan proses clustering……………………………………………... 14 Gambar 2.8 Porositas batupasir…………………………………………………………….. 15 Gambar 2.9 Terminologi porositas di batuan shaly-sand…………………………………... 16 Gambar 2.10 Metode CSP………………………………………………………………….. 18 Gambar 2.11 Analisis eksperimental dan interpretasi variogram………………………….. 21 Gambar 2.12 Tiga pemodelan variogram………………………………………………….

22

Gambar 2.12 Algoritma SGS……………………………………………………………… 23 Gambar 2.13 Algoritma SIS……………………………………………………………….. 24 Gambar 3.1 343 data sumur……………………………………………………………….. 26 Gambar 3.2 Data wireline log dan marker…………………………………………………. 26 Gambar 3.3 Dua input faulted surfaces……………………………………………………. 27 Gambar 3.4 Diagram alur analisis cluster…………………………………………………. 28 Gambar 3.5 Pengelompokan dan karakterisasi electro-facies……………………………..

29

Gambar 3.6 Cross plot electro-facies……………………………………………………… 29 Gambar 3.7 Electro-facies……………………………………………………………………… 30 Gambar 3.8 Diagram alur perhitungan porositas menggunakan metode CSP…………….. 31 Gambar 3.9 Loglan dari CSP………………………………………………………………. 31 Gambar 3.10 Cross plot CSP………………………………………………………………. 32 Gambar 3.11 Histogram PHIE_GS dengan PHIE_CSP…………………………………… 32 Gambar 3.12 Perbedaan porositas antara metode yang dihasilkan oleh Subiyantoro (GS) dan metode CSP……………………………………….

33

v Universitas Indonesia Analisis ketidakpastian..., Budi Rahim Permana, FMIPA UI, 2009

Gambar 3.13 Grafik perubahan SWE terhadap PHIE……………………………………… 34 Gambar 3.13 J-curve untuk SWIRR………………………………………………………

35

Gambar 3.14 Alur kerja pemodelan geoseluller di Petrel…………………………………

36

Gambar 3.15 Diagram alur pembuatan model 3D geoseluller…………………………….

37

Gambar 3.16A Pembuatan model struktur .………………………………….....................

39

Gambar 3.16B Grid yang terbentuk dan OWC……………………………………………

39

Gambar 3.17 Layering pada setiap zona ………………………………………………….

39

Gambar 3.18 Sumur yang mempunyai OWC……………………………………………..

40

Gambar 3.19 Electro-facies dan electro-facies yang di-upscaled………………………....

40

Gambar 3.20 Modul pemodelan facies dengan SIS di Petrel……………………………...

41

Gambar 3.21 Salah satu contoh interpretasi variogram…………………………………… 41 Gambar 3.22 Proporsi vertikal facies di zona RN 1 dan RN 2........………………………. 41 Gambar 3.23 Penampang pada I=37 Realisasi Facies A dan B…………………………… 42 Gambar 3.24 Peta penyebaran Facies A untuk setiap zona……………………………….. 42 Gambar 3.25 Peta penyebaran Facies B untuk setiap zona……………………………….. 43 Gambar 3.26 Modul permodelan petrofisika di Petrel…………………………………….. 43 Gambar 3.27 Porositas pada facies-facies non reservoir…………………………………... 44 Gambar 3.28 Penampang model PHIE_GS pada I=37…………………………………….. 45 Gambar 3.29 Penampang model PHIE_CSP pada I=37…………………………………… 45 Gambar 3.30 Histogram dan nilai statistic dari setiap realisasi porositas………………….. 46 Gambar 3.31 Data statistik pemodelan VSH pada zona reservoir dengan 3 skenario……… 47 Gambar 3.32 Penampang pemodelan VSH pada I=37……………………………………… 47 Gambar 3.33 Penampang dari realisasi SW secara langsung………………………………. 49 Gambar 3.34 Penampang model SW (I=37) untuk setiap realisasi dari Facies A………… 50 Gambar 3.35 Penampang model SW (I=37) untuk setiap realisasi dari Facies B…………. 51 Gambar 4.1 Modul perhitungan volume di dalam Petrel…………………………………… 53 Gambar 4.2 Histogran nilai OOIP dari scenario SWE dan SWIRR untuk seluruh zona reservoir………………………………………………………………… 54 Gambar 4.3 Sensitifitas OOIP terhadap metode dan skenario…………………………….. 56

vi Universitas Indonesia Analisis ketidakpastian..., Budi Rahim Permana, FMIPA UI, 2009

DAFTAR TABEL

Tabel 3.1 Sensitifitas perubahan porositas terhadap SWE………………………………….. 34 Tabel 3.2 Data statistik untuk setiap realisasi SW pada zona reservoir……………………. 48 Tabel 3.3 Koefisien korelasi data log tanpa penyaringan facies……………………………. 52 Tabel 3.4 Koefisien korelasi data log dengan penyaringan facies reservoir………………… 52 Tabel 4.1 Kisaran OOIP dari 28 perhitungan……………………………………………….. 54 Tabel 4.2 Probabilitas OOIP yang hanya melibatkan SWE…………………………………. 55 Tabel 4.3 Probabilitas OOIP yang hanya melibatkan SWIRR………………………………. 55

vii Universitas Indonesia Analisis ketidakpastian..., Budi Rahim Permana, FMIPA UI, 2009

BAB 1 PENDAHULUAN 1.1 Obyek Penelitian Lapangan Minyak D terletak 120 kilometer sebelah barat laut Kota Pekanbaru Provinsi Riau. Lapangan ini dioperasikan oleh PT Chevron Pacific Indonesia di bawah kontrak bagi hasil produksi (production sharing contract) dengan BP Migas di dalam Blok Rokan. Daerah penelitian berada di Lapangan D Area G (warna jingga) di bagian Tenggara dari lapangan ini (Gambar 1.1)

Lapangan D

Gambar 1.1 Peta lokasi penelitian. Lapangan D Area G.

Obyek penelitian adalah reservoar

RN yang merupakan bagian dari Formasi

Bekasap. Penelitian dilakukan berdasarkan data petrofisika dari sumur untuk karakterisasi reservoar dan untuk menganalisis ketidakpastian dari volumetrik

Universitas Indonesia 1 Analisis ketidakpastian..., Budi Rahim Permana, FMIPA UI, 2009

khususnya original oil in place (OOIP) dikarenakan pemodelan facies, metode penentuan porositas, saturasi air dan metode pemodelan yang berbeda . 1.2 Latar Belakang Lapangan Minyak D merupakan lapangan minyak terbesar kedua di Indonesia setelah Lapangan Minyak Minas. Lapangan ini ditemukan tahun 1941 dengan kedalaman 250 sampai 700 kaki (sumur D #1) dan mulai diproduksikan tahun 1958. Luas lapangan ini sekitar 144 kilometer persegi yang terbagi menjadi 11 area. Perkiraan OOIP (original oil in place) dari lapangan ini sekitar 6,2 milyar barrel (Johannesen, dkk, 1990). Minyak yang dihasilkan merupakan minyak berat dengan standar API kurang lebih 24. Pada tahun 1958 sampai dengan 1960-an dilakukan produksi secara primer dengan puncak produksi sekitar tahun 1965. Produksi saat itu mencapai 65.000 barrel setiap hari. Selanjutnya mulai tahun 1990 dilakukan proyek DSF (D Steam Flood) untuk meningkatkan recovery factor. Pada tahun 1996 Lapangan D mencapai puncak produksi dengan produksi sekitar 300.000 barrel setiap hari (Subiyantoro, G., 2003). Pada tahun 2006 produksi kumulatif mencapai 2 milyar barrel tetapi produksi harian mulai menurun menjadi sekitar 200.000 barrel per hari (Winderasta W., 2006). Sejarah produksi Lapangan D dapat dilihat pada gambar 1.2.

Gambar 1.2 Peningkatan produksi lapangan dengan penerapan metode recovery menggunakan injeksi uap (BPMIGAS, 2006, Website)


Produksi minyak Lapangan D dihasilkan dari Formasi Bekasap. Formasi Bekasap terdiri dari reservoar KD, PR, dan RN. Produksi Lapangan D dari reservoar-reservoar sangat tergantung dari injeksi uap kedalam reservoar. Area G adalah area paling Barat (Gambar 1.1), dengan produksi pada akhir tahun 2008 sekitar 12.000 barrel per hari. Produksi Area G hanya berasal dari reservoar KD, PR dan RN. Kedalam reservoar-reservoar ini sekitar 650 kaki di bawah permukaan air laut (TVDSS ft). Area ini terpotong-potong oleh sesar yang merupakan struktur sesar negative flower structure (Wawancara dengan Johansen S., September 2007). Struktur di Area G ini dapat dilihat pada gambar 1.3.

Gambar 1.3 Peta struktur Lapangan D

Lapangan D memiliki jumlah sumur yang sangat banyak sebagai konsekuensi di terapkannya steam flood. Jumlah keseluruhan sumur di Lapangan D mencapai sekitar delapan ribu sumur. Area G sendiri memiliki sekitar 550 sumur yang terdiri dari sumur produksi, sumur injeksi, dan sumur observasi. Dengan jumlah sumur yang demikian banyak, memungkinkan untuk melakukan karakterisasi reservoar dengan metode geostatistik yang melibatkan data petrofisika dan markers. Hasil pemodelan


geostatistik ini sangat tergantung dari cara penentuan porositas dan metode yang dipakai dalam pendistribusian properti dari reservoar tersebut. Pemodelan geostatistik sebelumnya dilakukan untuk seluruh Lapangan D dengan menggunakan data porositas yang dihasilkan dari data density log. Metode pemodelan dilakukan secara sederhana dengan cara mendistribusikan data porositas secara langsung yang dikontrol oleh interpretasi variogram. 1.3. Tujuan dan Batasan Studi Penelitian ini dimaksudkan untuk mendapatkan gelar Magíster Sains pada Departemen Físika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Indonesia tahun ajaran 2008/2009. Disamping itu, penelitian ini dilakukan untuk membandingkan dua skenario realisasi (atas dasar electro-facies dan atas dasar properti secara langsung), pengaruh dua metode penentuan porositas, dan skenario yang lainnya. Hasil dari pemodelan ini diharapkan dapat menangkap ketidakpastian terhadap vulometrik khususnya OOIP dan sensitifitas setiap metode yang dipakai. Studi dilakukan terbatas hanya pada Reservoar RN di Area G saja. Teknik pemecahan masalah difokuskan pada analisis electro-facies dan analisis petrofisika yang terdiri dari 2 metode dalam penentuan porositas yaitu metode berdasarkan log density dan metode CSP yang melibatkan data density log dan neutron log. Selain itu, dalam pemodelan geostatistik terdiri dari 2 metode dalam pendistribusian properti yaitu berdasarkan electro-facies yang dihasilkan dari cluster analisis dan pendistribusian properti secara langsung tanpa melalui pemodelan facies. Peranti lunak yang digunakan dalam analisis cluster dan petrosika adalah Geolog, sedangkan untuk pemodelan geostatistik dan penghitungan volumetrik menggunakan Petrel.


1.4. Sistematika Penulisan Sistematika penulisan penelitian ini terdiri dari lima bab. Kelima bab ini menjelaskan latar belakang, landasan teori, proses pengolahan, analisis, dan kesimpulan. Pada bab satu akan menjelaskan obyek penelitian, latar belakang, tujuan dan batasan studi. Di dalam bab ini akan menggambarkan secara umum permasalahan yang ada dan tujuan dari penelitian ini. Pada bab dua akan mendeskripsikan dasar-dasar teori yang digunakan untuk mendukung penelitian mulai dari geologi regional, geologi lapangan D, analisis cluster, penentuan porositas menggunakan density log dan CSP, penentuan saturasi air menggunakan persamaan Simandoux, pemodelan statik modeling. Pada bab tiga akan memaparkan tentang data yang digunakan, pengolahan data dan hasilnya yang terdiri dari: analisis clusters (electro-facies), analisis properti petrofisika (porositas, VSH, dan SW), dan pemodelan 3D geoseluller (pemodelan facies, porositas, VSH, dan SW). Pada bab empat merupakan pembahasan dari hasil studi yang mencakup Perhitungan OOIP dengan hasilnya berupa kisaran ketidakpastian, sensitifitas OOIP terhadap skenario, porositas, SW, dan metode realisasi, serta diskusi tentang pemodelan ini. Pada bab lima berisi tentang kesimpulan-kesimpulan yang diperoleh dari penelitian ini dan rekomendasinya untuk penelitian selanjutnya.


BAB 2 KERANGKA GEOLOGI UMUM LAPANGAN D DAN TEORI DASAR Lapangan D merupakan bagian dari Cekungan Sumatra Tengah sehingga prosesproses geologi yang berlangsung mengikuti pola-pola struktur yang ada di Cekungan Sumatra Tengah. 2.1 Perkembangan Tektonik Cekungan Sumatra Tengah Menurut Cameron tahun 1983, Cekungan Sumatra Tengah mempunyai luas kurang lebih 52.000 km2 yang dibatasi oleh Tinggian Asahan di sebelah utara, Pegunungan Tigapuluh di sebelah tenggara, Bukit Barisan di sebelah barat daya, dan Sunda Craton di sebelah timur (Gambar 2.1).

Gambar 2.1 Peta cekungan-cekungan berumur Tersier di Sumatra.


Menurut Subiyantoro

(2003), evolusi terbentuknya Cekungan Sumatra Tengah

bersamaan dengan terbentuknya Pegunungan Bukit Barisan, Cekungan Sumatra Utara, dan Cekungan Sumatra Selatan. Sistem terbentuknya cekungan ini hampir sama dengan terbentuknya cekungan-cekungan baru seperti pada Danau Maninjau. Cekungan yang terbentuk akibat sesar strike slip sepanjang Pulau Sumatra yang disertai oleh volkanisme. Sesar strike slip ini terbentuk karena sudut konvergen antara lempeng India-Australia dengan Sumatra sekitar N 6o E dengan laju penunjaman 6,5 cm/tahun. Secara tektonik lempeng, Cekungan Sumatra Tengah merupakan cekungan busur belakang. Heindrick dan Aulia (1993) membagi perkembangan struktur Cekungan Sumatra Tengah menjadi empat fase tektonik. Perkembangan dimulai dari F0 yang terjadi pada Pre-Eosen atau Mesozoikum dan yang lebih tua, F1 yaitu fase rifting yang terjadi pada Eosen-Oligosen, F2 yaitu fase sagging dan transtensional yang terjadi kurang lebih pada Miosen Awal, dan F3 yaitu fasa inversi atau pun kompresi yang terjadi pada Miosen Tengah sampai sekarang (Gambar 2.2).

Gambar 2.2 Perkembangan tektonik Cekungan Sumatra Tengah (Heindrick dan Aulia, 1993)


2.2 Perkembangan Tektono-Stratigrafi Cekungan Sumatra Tengah Heindrick dan Aulia (1993) menyimpulkan bahwa akibat bentuk cekungan yang berubah-ubah selama 4 fase yaitu F0, F1, F2, dan F3, menjadikan stratigrafi Cekungan Sumatra Tengah terbagi menjadi empat kelompok. Kelompok pertama adalah batuan pre-Tersier yang merupakan batuan dasar. Kelompok kedua adalah Kelompok Pematang yang diendapkan pada saat rifting selanjutnya Kelompok Sihapas diendapkan pada saat sagging. Kelompok terakhir adalah Kelompok Petani yang diendapkan pada saat kompresi (Gambar 2.3).

Gambar 2.3 Kolom stratigrafi Cekungan Sumatra Tengah (Heindrick dan Aulia, 1993)

2.3 Geologi Lapangan D Lapangan D terletak pada tinggian Rokan (Heindrick dan Aulia, 1993). Pada bagian barat Lapangan D dibatasi oleh sesar geser menganan Sebanga, sebelah utara dibatasi


oleh Lapangan Minyak Pager dan Puncak, di sebelah timur dibatasi oleh sinklin Siak Kecil dan sebelah selatan oleh tinggian Minas (Gambar 2.4). 2.3.1

Struktur Lapangan D

Menurut Johannesen dkk. (1990), lapangan D mempunyai kecenderungan struktur antiklin arah utara-selatan dengan panjang 18 kilometer dan lebar 8 kilometer. Pada sayap sebelah timur merupakan sayap yang berbentuk homoklin dengan kemiringan 3 sampai 5 derajat sedangkan dari bagian tengah sampai ke bagian sayap sebelah barat strukturnya semakin komplek karena pengaruh sesar-sesar yang ada. Sesar-sesar yang terdapat di lapangan D umumnya sesar normal yang mempunyai arah umum utaraselatan dengan kemiringan 65 derajat dan pergeseran berkisar 10 sampai 100 kaki. Sesar-sesar ini diyakini berhubungan dengan sesar geser Sebanga.

Gambar 2.4 Penampang struktur geologi Lapangan D


2.3.2

Stratigrafi Lapangan D

Litostratigrafi Lapangan D terdiri dari Formasi Pematang dan Kelompok Sihapas (Sukanta, U., dkk, 2004). Kelompok Sihapas dapat dibagi menjadi Formasi Menggala, Bangko dan Bekasap. Formasi Bangko dapat dibagi lagi menjadi DL, JG, dan BJ. Formasi Bekasap yang berada di atasnya dapat dibagi menjadi KD, PR, RN, dan DXXX. Secara sequence stratigraphy (orde ke tiga), Kelompok Sihapas ini terbagi menjadi dua sekuen yaitu sekuen pertama dan sekuen kedua (Sukanta, U., dkk.,2004). Sekuen pertama terdiri dari Formasi Menggala dan Bangko. Kedua formasi ini terdapat diantara SB 25.2 dan SB 22. Sedangkan sekuen kedua terdiri dari KD, PR, RN,dan DXXX. Pada Sequen kedua dapat dibagi lagi menjadi beberapa sekuen set yaitu KD, PR, Lower RN dan Upper RN 2.3.3 Seismo-Stratigrafi Lapangan D Seismo-stratigafi adalah urut-urutan perlapisan batuan sedimen berdasarkan penampakan seismik. Hasil analisis penampang seismik memperlihatkan adanya tiga kelompok batuan yang terdiri dari pre-rift, syn-rift, dan post rift (Gambar 2.5).

Gambar 2.5 Penampang seismik dan interpretasi sekuen dari pengendapan batuan sedimen di Lapangan D


Endapan pre-rift merupakan batuan dasar di Lapangan D. Batas atas dari sekuen prerift adalah erosional truncation sedangkan konfigurasi internalnya adalah chaotic. Ketika terjadi pemekaran atau rifting maka diendapkanlah sekuen syn-rift yang terkelompokkan kedalam Kelompok Pematang. Endapan syn-rift ini dibatasi oleh batas bawah berupa onlap dan batas atas berupa concordance, sedangkan konfigurasi internalnya adalah divergen. Endapan ini mempunyai bentuk membaji dengan ketebalan menebal ke arah barat. Setelah rifting berhenti maka diendapkanlah Kelompok Sihapas sebagai endapan post-rift dengan batas atas dan batas bawah concordance dan konfigurasi internalnya berupa sub paralel. Reservoar RN merupakan bagian dari endapan post-rift 2.4 Analisis Electro-Facies dengan Metode Analisis Cluster Analisis facies dibutuhkan untuk membantu dalam pemodelan 3 dimensi dimana facies dapat menggambarkan arsitektur dari reservoar. Analisis facies dari data bor inti merupakan analisis yang sangat akurat dalam penentuan facies dari reservoar, sayangnya data bor inti sangatlah jarang. Dengan demikian penentuan facies dengan menggunakan data logging merupakan suatu cara yang efektif untuk menggambarkan arsitektur dari reservoar dan akan membantu dalam pemodelan 3 dimensi. Hasil analisis facies dengan menggunakan data logging adalah electro-facies. Electro-facies adalah suatu pengklasifikasian facies berdasarkan respon dari data log yang mencerminkan karakteristik dari sedimen tersebut sehingga dapat dipisahkan satu dari yang lainnya. Analisis electro-facies dapat dilakukan dengan beberapa cara antara lain dengan cara interpretasi secara manual, cut off, clustering, dll. Dalam bab ini akan dibahas secara lebih detail mengenai analisis electro-facies menggunakan metode clustering. Analisis cluster adalah suatu metode untuk mengidentifikasi dan mengklasifikasikan suatu individu berdasarkan kemiripan dari karakteristik yang dimilikinya. Hasil dari


analisis ini berupa beberapa kelompok yang mencerminkan heteroginitas. Setiap kelompok yang dihasilkan mempunyai karakteristik yang relatif mirip. Secara umum pengelompokan data dengan analisis cluster terdiri dari 3 tahapan, antara lain: 1. Transformasi data 2. Pengukuran jarak antara satu data dengan data yang lain 3. Clustering atau pengelompokan Transformasi data merupakan tahap yang sangat penting. Transformasi ini adalah suatu metode untuk mengubah satuan dan kisaran dari data-data yang akan kita gunakan sehingga semua parameter yang akan digunakan mempunyai satuan dan kisaran yang sama. Keseragaman ini akan dibutuhkan untuk pengukuran jarak antar data yang kita gunakan. Ada beberapa metode dalam transformasi data di dalam analisis cluster. Charlie Wu (2006) menyebutkan setidaknya ada empat metode yang sering digunakan di dalam analisis cluster, antara lain: 1. Centralization, metode ini digunakan dengan cara mengurangkan data dengan meannya x'

ij

= x ij - x j

(2.1)

x' ij = Nilai baru sesudah transformasi x ij = Nilai asal

x j = Mean 2. Natural Logarithm, metode ini digunakan dengan cara me-log-kan data x' ij = log ( x ij)

(2.2)

x' ij = Nilai baru sesudah transformasi x ij = Nilai asal


3. Data Normalization x' ij =

xij −min{xij} max{xij}−min{xij}

(2.3)

x' ij = Nilai baru sesudah transformasi xij = Nilai asal 4. Data Standarization x' ij =

xij − x j Sj

x' ij = Nilai baru sesudah transformasi xij = Nilai asal

(2.4)

Sj = Standard Deviation

x j = Mean Setelah transformasi data tahap selanjutnya adalah pengukuran jarak antar data point. Pada umumnya metode yang digunakan adalah metode Euclidean. Metode ini adalah metode pengukuran jarak biasa seperti pengukuran jarak dengan penggaris dan dapat dibuktikan dengan teori pitagoras (Gambar 2.6). Dalam penerapannya metode ini bisa dilakukan untuk 1 dimensi sampai N dimensi. 1 dimensi, dx = jarak dalam 1 dimensi, P= px , dan Q= qx dx = ( px − qx) 2

2

(2.5)

dimensi, dxy = jarak dalam 2 dimensi, P=( px , py ), dan Q=( qx , qy ) dxy = ( px − qx) 2 + ( px − qx) 2

(2.6)

N dimensi, d 12 n = jarak dalam N dimensi, P=( p1 , p 2 ,…, pn ), dan Q=( q1 , q 2 ,..., qn ) d 12 n = ( p1 − q1) 2 + ( p 2 − q 2) 2 + ... + ( pn − qn) 2

(2.7)


Gambar 2.6 Proses pengukuran jarak antar data dan clustering (Volpi, B., Donagemma, V., Donna, G.B., 2005)

Setelah pengukuran jarak tahap selanjutnya adalah pengelompokan atau clustering yang akan dilakukan setahap demi setahap dimana dua data yang mempunyai jarak terdekat akan dibuat satu cluster dan berubah menjadi satu data dengan inti di tengahnya. Proses ini diilustrasikan pada gambar 2.6. Selain itu proses clustering dapat diperlihatkan oleh dendogram (Gambar 2.7)

Gambar 2.7 Dendogram dan proses clustering


2.5 Penentuan Porositas Porositas adalah perbandingan antara volume pori terhadap volume keseluruhan. Geologi adalah pengontrol utama untuk porositas dimana bila seluruh butirannya berbentuk bundar, tidak terdapat semen, dan kemasnya sama maka porositas batuan akan tidak tergantung terhadap ukuran butir (Gambar 2.8).

Gambar 2.8 Porositas batupasir

Pada umumnya porositas batupasir dipengaruhi oleh lingkungan pengendapan sehingga terdapat distribusi dari ukuran butir yang menyebabkan porositas semakin rendah. Dengan demikian porositas merupakan fungsi dari kemas, pemilahan, dan sementasi. Dalam penghitungan OOIP, data porositas yang diperlukan adalah porositas efektif. Porositas efektif terdiri capillary bound water, moveable water, dan Hidrokarbon. Dari data logging yang terdiri dari density log dan neutron log akan didapatkan data yang mencerminkan porositas total dari batuan tersebut (Gambar 2.9)


Gambar 2.9 Terminologi porositas di batuan shaly-sand (ETC, 2008)

Dalam penelitian ini akan menggunakan 2 metode dalam penentuan porositas. Metode pertama adalah metode yang digunakan oleh pemodelan terdahulu dimana porositas total ditentukan hanya berdasarkan density log. Metode ke-2 adalah metode terbaru dimana porositas total dihasilkan oleh suatu algoritma berdasarkan density log dan neutron log. Pada metode ke-1, porositas total hanya berdasarkan density log. Massa jenis total (ρb) didefinisikan sebagai massa jenis fluida (ρf) yang menempati pori-pori (Ф) ditambah dengan massa jenis matrik (ρma) yang menempati sisa-sisa dari pori (1Ф)(Dewan, 1983).

ρb = Ф* ρf + (1- Ф)* ρma

(2.8)

Dari persamaan di atas dapat diturunkan persamaan untuk menghitung porositas berdasarkan massa jenis (selanjutnya akan disebut PHIT_GS), namum diperlukan data matrik batuan dari daerah bersangkutan. Persamaan tersebut menjadi:


PHIT_GS= (ρma- ρb)/( ρma- ρf)

(2.9)

Lapangan D merupakan reservoar dengan batuan berupa batupasir sehingga massa jenis matrik batuannya sekitar ρma=2,65 gr/c3 sedangkan untuk massa jenis fluida ρf= 1 gr/c3 (Subiyantoro, G., 2003). Porositas efektif (Фe) adalah selisih dari porositas density batuan (PHIT_GS) dengan proporsi porositas lempung di dalam batuan (porositas yang terisolasi, Vcl*Фdcl) (Subiyantoro, G., 2003). Jadi porositas efektif (Фe, selanjutnya akan disebut PHIE_GS) berdasarkan Subiyantoro tahun 2003 didapatkan dari persamaan PHIE_GS=PHIT_GS-Vcl*Фdcl

(2.10)

Dimana Vcl adalah volume lempung yang didapatkan dari persamaan (Subiyantoro, G.,2003) Vcl = (Фn-Фd)/( Фncl-Фdcl) Vcl = (Фn-Фd)/( 0.5-0.03) Vcl=(Фn-Фd)/0.47

(2.11)

Metode ke-2 adalah metode CSP. Metode ini dikembangkan oleh Chevron (Clavaud, J.B., dkk., 2005) sebagai standard dalam penentuan porositas dalam batupasir shaly-

sand dimana secara teori cocok dengan reservoar di Lapangan D. CSP ini merupakan metode internal Chevron sehingga dalam penelitian ini tidak akan dikupas secara mendalam tetapi akan dipaparkan secara sekilas saja. Selain itu, fokus dalam penelitian ini adalah untuk mendapatkan sensitifitas porositas terhadap OOIP.


Filosofi dari metode ini adalah (Clauvaud, J.B., dkk., 2005): •

Cross plot antara log neutron dan log density dengan asumsi mengetahui nilai fluida dan properti dari matrik.

•

Posisi shale di dalam cross plot.

•

Penentuan shale dengan 0 unit porositas yang biasanya didasarkan oleh massa jenis shale sebesar 2,71 gr/cc.

•

Pembentukan

segitiga

yang

membatasi

data

point

sehingga

dapat

menghasilkan porositas total (PHIT_CSP) (Gambar 2.9). •

Penentuan VSH (volume dari shale) yang tidak tergantung dari PHIT_CSP.

•

Penentuan porositas efektif (PHIE_CSP)dengan cara: PHIE_CSP=PHIT_CSP-VSH*VCBW

(2.12)

dimana VCBW adalah volume dari clay bound water

A

B C

Gambar 2.10 Metode CSP (Clauvaud, J.B., dkk., 2005)

Gambar 2.10 A menunjukan metode CSP secara grafik. Grafik ini dibatasi oleh segitiga yang dibentuk oleh nilai RHOB (massa jenis) dan NPHI (neutron) dari matrik, dry shale, shale, dan fluida. Gambar 2.10 B menunjukkan diagram segitiga CSP yang digunakan untuk mengukur PHIT. Gambar 2.10 C menunjukkan diagram segitiga CSP yang digunakan untuk menghitung VSH.


2.6 Penentuan VSH (volume dari shale) Volume dari shale (VSH) menunjukan proporsi dari shale di dalam batuan. Dalam penentuan VSH dapat menggunakan berbagai macam jenis log, tetapi yang umum digunakan adalah gamma ray log (Crain, E.R., 2008). VSH dari gamma ray log ini dihasilkan dengan persamaan sebagai berikut (Crain, E.R., 2008): VSH = (GR-GRmin)/(GRmax-GRmin)

(2.13)

Dimana: VSH = volume shale GR = nilai gamma ray pada log GRmin = nilai gamma ray pada 100% batupasir GRmax = nilai gamma ray pada 100% shale 2.7 Penentuan saturasi air (SW) Dalam perhitungan OOIP dibutuhkan data saturasi minyak di dalam pori-pori batuan. Saturasi minyak di reservoar minyak didapatkan dari satu dikurangi saturasi air (SW) (So =1-SW). Penentuan SW didalam batuan berpori berkembang berdasarkan dua konsep (ETC, 2008). Konsep pertama adalah berdasarkan perbandingan resistivitas yang ditemukan secara empirik setelah adanya teknologi resistivity log (Persamaan 2.14). Konsep kedua dikembangkan oleh Gus Archie pada tahun 1940-1941 yang menemukan hubungan interestitial yang disebut F atau Formation Factor (Persamaan 2.15). Selanjutnya persamaan ini berkembang menjadi persamaan Archie (Persamaan 2.16). Sw =

Ro Rt

Ro = FRw a Rw Sw n = m × Rt φe

(2.14) (2.15) (2.16)

Dimana: Sw = saturasi air n = eksponen saturasi a = faktor turtuosity


Φe = porositas efektif m = eksponen sementasi Rw = resistivity air formasi, ohm-m Rt = resistivity total, ohm-m Ro = resistivity total pada batuan yang terisi 100% air, ohm-m Persamaan Archie di atas merupakan persamaan dasar dalam perhitungan saturasi air, tetapi persamaan ini hanya berlaku pada reservoar yang tidak mengandung shale. Dengan demikian persamaan Archie ini tidak dapat digunakan di Lapangan D yang mempunyai fragmen shale didalamnya. Bila persamaan Archie ini dipakai untuk perhitungan SW dibatuan shaly-sand maka hasilnya akan pesimistik. Salah satu persamaan yang cukup efektif untuk pengukuran SW pada batuan shaly-

sand adalah persamaan Simandoux yang diusulkan oleh P.Simandoux pada tahun 1963 (Crain, E.R, 2008). Persamaan ini mengkoreksi persamaan Archie dengan adanya kehadiran shale (Persamaan 2.17). Persamaan inilah yang selama ini digunakan di Lapangan D khususnya dan lapangan lain di Cekungan Sumatera Tengah. 2 C .Rw ⎡ 5φe 2 Vsh ⎞ Vsh ⎤ ⎛ ⎢ ⎥ Sw = + − ⎜ ⎟ Rsh ⎥ φe 2 ⎢ Rw.Rt ⎝ Rsh ⎠ ⎣ ⎦

Dimana :

Sw

= saturasi air

C

= variabel (0.4 untuk batupasir and 0.45 untuk karbonat).

Rw

= resistivity air formasi.

Φe

= porositas efektif.

Rt

= resistivity total.

Vsh

= volume shale.

Rsh

= resistivity shale

(2.17)

2.8 Model 3D Geoseluller Model adalah suatu deskripsi yang sistematik sehingga dapat merepresentasikan suatu obyek. Bentuk suatu model bermacam-macam tergantung dari kebutuhan yang


diinginkan dari si pembuat model. Dalam penelitian ini akan dilakukan pemodelan geologi berupa model 3D geoseluller atau model statik. 3D geoseluller adalah pemodelan tiga dimensi berbasis grid untuk memodelkan properti dari reservoar. Pemodelan properti reservoar dilakukan dengan metode geostatistik. Beberapa metode geostatistik yang dilakukan dalam pemodelan ini antara lain analisis variogram, Sequential Gaussian Simulation (SGS), dan Sequential Indicator Simulation (SIS). 2.8.1 Variogram Variogram atau pun semivariogram adalah salah satu alat untuk mengukur kontinuitas atau roughness dari data set secara spatial (Barnes, R., 2003). Analisis variogram terdiri dari variogram eksperimental yang dihitung dari data dan model variogram yang diinterpretasi berdasarkan variogram eksperimental (Gambar 2.11).

Sill

Range

Nugget Range

Gambar 2.11 Analisis eksperimental dan interpretasi variogram Variogram experimental didapatkan dengan pengukuran data pada arah tertentu dan pada jarak tertentu (Wu, C., 2006)

γ ( h) =

1 Σ (Z ( i ) − Z ( i + h ) )2 2N

(2.18)


Dimana: γ (h) = nilai variogram untuk jarak h N = jumlah pasangan Z(i)= nilai data pada posisi i Z(i+h)= nilai data pada posisi (i+h) Model variogram yang dihasilkan pada umumnya dimodelkan dengan tiga model matematika yaitu spherical, eksponensial, dan Gaussian (Caers, J., 2005) (Gambar 2.12)

a

b

c

Gambar 2.12 Tiga pemodelan variogram a. model spherical b. model eksponential c. model Gaussian (Caers, J., 2005)


2.8.2 Sequential Gaussian Simulation (SGS) Metode ini merupakan metode yang sangat populer dikalangan geomodeler untuk mendistribusikan properti reservoar yang bersifat kontinu seperti porositas, VSH, SW, permeabilitas, dll. Metode ini dikembangkan oleh Deutsch dan Journel tahun 1992 (Dubrule, O., 2007). Algoritma SGS bekerja secara berkelanjutan mengisi posisi secara acak (Gambar 2.13). Pada posisi baru akan dicarikan suatu nilai dan variance-nya dengan cara kriging dari nilai sebelumnya dan dari data sumur. Selanjutnya nilai baru ini akan menjadi mean di dalam CDF Gaussian (cumulative density function) sedangkan yang akan mengisis titik kosong ini berasal dari random number dari CDF. Proses selanjutnya adalah menggabungkan nilai baru ini ke dalam data set. Data set baru akan terbentuk dengan penggabungan data sumur (hard data) dengan nilai yang diprediksi. Selanjutnya algoritma SGS akan mencari lokasi baru yang belum diprediksi secara random dan memperkirakannya dengan kriging menggunakan data set yang baru. Proses ini berkelanjutan sehingga tercapai nilai statistik yang diinginkan dalam distribusi Gaussian dan memenuhi input statistik seperti mean, standar deviasi, variogram (Dubrule, O., 2007).

Gambar 2.13 Algoritma SGS (Dubrule, O., 2007)


2.8.3 Sequential Indicator Simulation (SIS) Sequential Indicator Simulation adalah simulasi yang sangat popular untuk mendistribusikan atau memperkirakan properti yang diskrit seperti facies, tipe batuan, dll. Metode ini merupakan pendekatan berbasis pixel berdasarkan indicator variogram (Dubrule, O., 2007) Metode SIS dikembangkan oleh Stanford School pada tahun 1989 (Dubrule, O., 2007) yang menghasilkan SGS untuk variabel yang diskrit. Algoritma dari SIS hampir mirip dengan SGS, yang membedakan adalah proses setelah langkah ke-2 dimana nilai tersebut kan disampel dalam indicator sample sehingga nilai pada langkah ke-2 akan dibuat integer berdasarkan probabilitas data disekelilingnya (Dubrule, O., 2007) (Gambar 2.14)

Gambar 2.14 Algoritma SIS (Dubrule, O., 2007)


BAB 3 PENGOLAHAN DATA DAN HASIL

3.1 Data Dalam penelitian ini mengunakan data-data sebagai berikut: •

Data sumur sebanyak 350 sumur. Dalam model statik data sumur berkurang menjadi 343 sumur karena 7 sumur terletak pada sel yang sama (Gambar 3.1 dan Lampiran 1).

•

343 data wireline log yang terdiri dari gamma ray, neutron, dan density (Gambar 3.2)

•

343 data evaluasi formasi yang terdiri dari PHIE_GS, SWE, VSH, LogPerm (porositas efektif, saturasi air efektif, volume dari shale, dan log dari permeabilitas) yang dibuat oleh Subiyantoro. Data ini sudah ada di dalam sistem di CPI.

•

4064 markers CPI yang terdiri dari Top RN (T_RN), Top RN 1 (T_RN1), Bottom RN 1 (B_RN1), Top RN 2 (T_RN2), Bottom RN 2 (B_RN2), Top RN 3 (T_RN3), Bottom RN 3 (B_RN3), Top RN 4 (T_RN4), Bottom RN 4 (B_RN4), Top RN 5 (T_RN5), Bottom RN 5 (B_RN5), Top PR (T_PR) (Gambar 3.2).

•

2 faulted Surfaces yang diambil dari pemodelan DFFM 2008 (fullfield model 2008). Faulted surfaces ini dihasilkan dari intrepretasi seismik oleh Technical Team HO tahun 2007 dan diedit kembali dengan cara flexing (wawancara dengan Aziz, 2008) (Gambar 3.3)

Terdapat dua proses dalam mengolah data-data sumur sebelum dijadikan input di dalam model geoseluller. Proses itu terdiri dari algoritma untuk electro-facies dan algoritma untuk PHIE_CSP.


Gambar 3.1 343 data sumur

A

A’ GR

GR

NPHI & RHOB

NPHI & RHOB

Gambar 3.2 Data wireline log dan marker


TOP RN

TOP PR

Gambar 3.3 Dua input faulted surfaces

3.2 Analisis Electro-Facies Analisis electro-facies ini merupakan analisis berdasarkan analisis cluster menggunakan perangkat lunak Geolog dari Paradigm. Dari analisis ini hasil yang didapatkan berupa electro-facies yang lebih cenderung kepada litho-facies karena facies jenis ini dikelompokkan berdasarkan wireline log yang mengkarakteristikkan litologi.

Alur kerja (Gambar 3.4) dalam electro-facies ini dimulai dengan pemilihan sumur yang mempunyai wireline log (gamma ray, neutron, dan density) di RN. Setelah terpilih maka akan dilakukan QC secara kualitatif dimana hanya data yang tidak ada pengaruh steam, relatif tidak terproduksikan dan data wireline log yang mempunyai kondisi lubang yang relatif bagus saja yang dipakai. Dari hasil pemilihan itu terpilihlah 350 sumur yang akan dilakukan analisis cluster. Langkah selanjutnya adalah menjadikan data wireline log tersebut menjadi input didalam modul Facimage di Geolog, melakukan analisis cluster dengan metode MRGC (Multi Resolution Graph Based). Setelah selesai, Facimage akan menawarkan beberapa cluster yang


harus di QC dan bila diperlukan dapat dilakukan proses penggabungan dari beberapa cluster dan menjadikannya menjadi electro-facies yang akan dimodelkan dalam model geoseluller.

Mulai

QC data log Tidak lolos QC Pemilihan

Tidak dipakai

Lolos QC Input ke Facimage

Cluster Analysis (MRGC)

QC hasil cluster dan penggabungan Cluster (electro-facies)

Selesai Gambar 3.4 Diagram alur analisis cluster

Dari hasil clustering didapatkan 5 electro-facies (Gambar 3.5-3.7) dengan karakterisasi sebagai berikut: •

Facies 1 merupakan facies reservoar terbaik berupa batupasir (sand_1). Cluster ini memiliki nilai GR rendah, NPHI tinggi, dan RHOB rendah.


•

Facies 2 merupakan facies bukan reservoar berupa batupasir karbonatan (tight_sand). Cluster ini memiliki nilai GR rendah, NPHI rendah, dan RHOB tinggi

•

Facies 3 merupakan facies reservoar

berupa batupasir dengan kualitas

dibawah facies 1 (sand_2). Cluster ini memiliki GR rendah tetapi lebih tinggi dari facies 1, NPHI tinggi, dan RHOB rendah. •

Facies 4 merupakan facies bukan reservoar berupa batulanau dengan kandungan foraminifera yang cukup banyak (Silt). Cluster ini memiliki GR yang lebih tinggi dari ketiga facies di atas, memiliki NPHI yang sangat tinggi, dan RHOB yang sangat rendah.

•

Facies 5 merupakan facies

bukan reservoar berupa shale. Cluster ini

memiliki GR yang lebih tinggi dari keempat facies di atas, dengan NPHI tinggi dan RHOB sedang. •

GR

Error!Sand

NPHI

RHOB

1

Tight Sand Sand 2 Silt Shale

Gambar 3.5 Pengelompokan dan karakteristik electro-facies

A

B

Gambar 3.6 Cross plot electro-facies A. Cross plot 2D (NPHI -RHOB) B Cross plot 3D (NPHIRHOB-GR)


Dalam proses selanjutnya (di Petrel) konfigurasi atau kode dari setiap facies tetap sama kecuali untuk facies 5 (shale) berubah menjadi facies 0. A’ A’

AA

Gambar 3.7 Electro-facies

3.3 Penentuan Porositas dengan metode CSP Penentuan porositas dengan metode CSP memerlukan beberapa tahap. Alur kerja (Gambar 3.8) dimulai dengan QC data log dari NPHI dan RHOB. Langkah selanjutnya adalah menentukan parameter-parameter input untuk perhitungan (Gambar 3.9 dan Gambar 3.10), antara lain: •

Fluid neutron porosity = 1

•

Fluid bulk density = 1

•

Matrix neutron porosity = 0

•

Matrix bulk density = 2,65

•

Shale neutron porosity = 0,55

•

Dry shale grain density (0 p.u. shale) = 2,71

•

Volume of Clay Bound Water = 0,1 (Witjaksono, K., 2007, komunikasi lisan)


Mulai

QC data

log Tidak lolos QC Tidak dipakai

Pemilihan

Lolos QC Input ke modul CSP

Penentuan Parameterparameter

Perhitungan porosity total (PHIT) dan porosity effektif (PHIE)

PHIT_CSP dan PHIE_CSP

Selesai Gambar 3.8 Diagram alur perhitungan porositas menggunakan metode CSP

Gambar 3.9 Loglan (bahasa pemograman di Geolog) dari CSP.


Hasil dari CSP ini akan menjadi input di dalam Petrel dan penamaan PHIT dan PHIE akan diubah namanya menjadi PHIT_CSP dan PHIE_CSP.

3.10 Cross plot CSP isoporosity (PHIT)

Hasil perhitungan porositas dengan CSP menghasilkan porositas yang lebih kecil dibandingkan data porositas yang sudah ada (berdasarkan density log). Perbedaan secara umum antara PHIE_GS dan PHIE_CSP berkisar 5-6 persen. PHIE_CSP lebih kecil daripada PHIE_GS (Gambar 3.11 dan 3.12).

Gambar 3.11 Histogram PHIE_GS dengan PHIE_CSP


Gambar 3.12 Perbedaan porositas antara metode yang dihasilkan oleh Subiyantoro (GS) dan metode CSP.

3.4 Penentuan Saturasi Air (SW) Dalam penelitian ini digunakan dua saturasi air yaitu dari persamaan Simandoux (SWE) dan saturasi air irreducible hypothetic (SWIRR). SWE yang digunakan dalam geoseluller model berasal dari CPI database dengan input porositas PHIE_GS. Data ini digunakan untuk pemodelan baik GS maupun CSP karena SWE dengan persamaan Simandoux relatif tidak sensitif dengan perubahan porositas dibawah 10 %, sedang perbedaaan PHIE_GS dan PHIE_CSP hanya berkisar 5 persen. Tabel 3.1 dan gambar 3.13 memperlihatkan sensitifitas perubahan porositas terhadap SWE.


Parameter C 0.4 RW 2 RT 20 RSH 6 Vsh 0.5 2 C.Rw ⎡ 5φe 2 ⎛ Vsh ⎞ Vsh ⎤ ⎢ ⎥ +⎜ Sw = ⎟ − φe 2 ⎢ Rw.Rt ⎝ Rsh ⎠ Rsh ⎥ ⎣ ⎦

Tabel 3.1 Sensitifitas perubahan porositas terhadap SWE PHIE

GS 0.15 0.2 0.25 0.3 0.35 0.4 0.45

SW GS 0.55 0.52 0.49 0.46 0.43 0.40 0.38

PHIE

SW

PHIE

SW

PHIE

SW

PHIE

SW

PHIE

SW

-5% 0.143 0.190 0.238 0.285 0.333 0.380 0.428

0.55 0.53 0.50 0.47 0.44 0.41 0.39

-6% 0.141 0.188 0.235 0.282 0.329 0.376 0.423

0.55 0.53 0.50 0.47 0.44 0.42 0.39

-10% 0.135 0.180 0.225 0.270 0.315 0.360 0.405

0.56 0.53 0.50 0.48 0.45 0.42 0.40

-20% 0.12 0.16 0.2 0.24 0.28 0.32 0.36

0.57 0.54 0.52 0.49 0.47 0.45 0.42

-30% 0.105 0.14 0.175 0.21 0.245 0.28 0.315

0.57 0.55 0.53 0.51 0.49 0.47 0.45

Sensitivitas Porositas pada Persamaan Simandoux

0.60

0.55

0.50

SWE

GS 5% 0.45

10% 20% 30%

0.40

0.35

0.30 0

0.1

0.2

0.3

0.4

0.5

PHIE

Gambar 3.13 Grafik perubahan SWE terhadap PHIE.

Area G pertama kali diproduksikan pada tahun 1977 dan mulai dilakukan steam flood pada tahun 1999. Sejak tahun 1977 sampai sekarang terus dilakukan pengeboran dan pengambilan data logging. Dengan demikian penulis berhipotesis bahwa data SWE


dari sumur yang dibor setelah tahun 1977 akan mengalami depletion sedikit ataupun banyak. Dengan demikian dilakukan Skenario lain untuk saturasi air ialah mencoba untuk mendapatkan nilai SWIRR (saturasi air irreducible). Berdasarkan cross plot SWE dengan PHIE maka didapat beberapa kemungkinan JCurve untuk mendapatkan SWIRR di atas oil water contact (OWC) (Gambar 3.13)

Gambar 3.13 J-curve untuk SWIRR.

Berdasarkan cross plot di atas maka dibuat tiga skenario SWIRR dengan persamaan sebagai berikut: SWIRR_low = 0,2202*PHIE-0,4289

(3.1)

SWIRR_mid = 0,1797*PHIE-0,4283

(3.2)

SWIRR_high = 0,1409*PHIE-0,3615

(3.3)

3.5 Model 3D Geoseluller Model geoseluller dibuat dengan tujuan utama untuk menghitung volumetrik khususnya OOIP dengan beberapa skenario untuk mendapatkan sensitifitas OOIP terhadap beberapa konsiderasi. Konsiderasi itu antara lain:


•

Pengaruh facies model terhadap OOIP dibandingkan distribusi properti secara langsung.

•

Pengaruh realisasi dua porositas (GS dan CSP) terhadap OOIP.

•

Pengaruh variogram facies terhadap OOIP. Terdapat 2 skenario variogram untuk facies, Facies_A menggunakan variogram secara umum sedangkan Facies_B menggunakan variogram untuk masing-masing zona reservoar.

•

Pengaruh SWE dan SWIRR terhadap OOIP.

•

Pengaruh co-krigging dalam realisasi SW.

Selain itu, secara kualitatif pemodelan ini akan menggambarkan penyebaran properti reservoar di RN Area G. Alur kerja pemodelan (Gambar 3.14 dan 3.15) dilakukan dalam beberapa tahap antara lain:

1. Pemodelan struktur. Pemodelan ini berdasarkan 2 faulted Surfaces dan marker. Grid yang dibentuk untuk penelitian ini adalah unfaulted grid. 2. Setelah pemodelan struktur, proses selanjutnya dibagi menjadi dua yaitu pemodelan properti secara langsung dan pemodelan properti melalui pemodelan facies. 3. Penghitungan OOIP untuk masing-masing skenario

OOIP

Gambar 3.14 Alur kerja pemodelan geoseluller di Petrel


Data: 2 faulted surfaces Marker Electro-facies PHIE_GS & PHIE_CSP VSH SWE & SWIRR

Mulai

Structural Modelling

Skenario

Property Modelling

Facies Modelling Property modeling

Porositas

VSH

SWE Porositas

SWE

VSH

SWE

SWE SWE

SWIRR

Perhitungan OOIP

Selesai Gambar 3.15 Diagram alur pembuatan model 3D geoseluller

Dalam realisasi OOIP terdapat 28 realisasi. Realisasi ini terbagi di dalam 2 group besar yaitu berdasarkan facies dan berdasarkan properti secara langsung. Berdasarkan facies akan dibagi menjadi Facies A (menggunakan variogram umum) dan Facies B (menggunakan variogram untuk setiap zona reservoir). Tiap-tiap facies mempunyai dua kasus berdasarkan skenario porositas yaitu porositas GS dan porositas CSP. Untuk tiap-tiap porositas akan memiliki enam saturasi air yaitu: SWE_Porositas (SWE yang dihasilkan dengan cara collocated cokriging dengan porositas), SWE_VSH (SWE yang dihasilkan dengan cara collocated cokriging dengan VSH), SWE (SWE yang dihasilkan tanpa

collocated cokriging), SWIRR_low,

SWIRR_mid, dan SWIRR_high. Di dalam kelompok yang berdasarkan properti


dibagi menjadi dua kasus yaitu porositas GS dan CSP (PHIE_GS dan PHIE_CSP). Tiap-tiap skenario porositas mempunyai dua kasus saturasi air yaitu SWE_VSH (SWE yang dihasilkan dengan cara collocated cokriging dengan VSH) dan SWE (SWE yang dihasilkan tanpa collocated cokriging)

3.5.1

Pemodelan Struktur

Pemodelan struktur adalah suatu langkah untuk memodelkan reservoar dalam bentuk grid. Dalam penelitian ini grid yang dibentuk adalah grid tanpa sesar menggunakan faulted surfaces. Besar grid yang dibentuk berukuran 25 m X 25 m. Proses pembuatan grid ini antara lain:

1. Pilar gridding. Suatu proses untuk pembuatan kerangka dengan ukuran sel 25 m X 25 m 2. Make Horizon. Adalah proses pembuatan tubuh reservoar yang dibatasi oleh faulted surfaces T_RN dan T_PR (Gambar 3.16). 3. Make Zone. Adalah proses pembuatan lapisan internal untuk reservoar terdiri dari 11 zona (Gambar 3.16), yaitu: RN (bukan reservoar), RN 1, NR1 (bukan reservoar), RN 2, NR 2 (bukan reservoar), RN 3, NR 3 (bukan reservoar), RN 4, NR4 (bukan reservoar), RN 5, dan NR 5 (bukan reservoar). Zona ini dibuat berdasarkan data marker. 4. Layering. Adalah proses pembuatan lapisan di dalam zona yang sebisa mungkin bisa mengakomodasi heterogenitas dari reservoar. Reservoar utama di Area 9S ini adalah RN 1 dan RN 2 sehingga layering di zona ini lebih detail daripada yang lainnya dengan tinggi sel berukuran 2 kaki (Gambar 3.17). 5. Penentuan kontak fluida. Didalam penelitian ini terdapat OWC berdasarkan data sumur di luar pattern Area G pada kedalam 530 kaki TVDSS (Gambar 3.18). sumur ini tidak terdapat di dalam data set karena hanya memiliki gamma ray dan resistivity saja. Di reservoar ini terdapat juga gas akan tetapi penyebaran gas disebabkan jebakan-jebakan stratigrafi sehingga tidak di jumpai kontak antara gas


dan minyak sebagaimana layaknya tudung gas. Dalam perhitungan OOIP keberadaan gas ini tidak diperhitungkan dan dianggap sebagai minyak. A

11 Zona

B Grid Area 9S dan sayap barat

T_PR

Sumur dan marker

OWC 530 TVDSS

Gambar 3.16 A Pembuatan model struktur. B Grid yang terbentuk dan OWC

Gambar 3.17 Layering pada setiap zona


OWC 530 ft TVDSS

Gambar 3.18 Sumur yang mempunyai OWC

3.5.2

Pemodelan Facies

Pemodelan facies dilakukan untuk mengetahui kemungkinan penyebaran facies di daerah penelitian. Data yang dijadikan input adalah data electro-facies yang sudah di upscaled ke dalam grid (Gambar 3.19). Pendistribusian facies dilakukan melalui SIS (sequential indicator simulation) di Petrel (Gambar 3.20) dengan input variogram setiap facies secara umum untuk seluruh zona (realisasi Facies A) dan variogram untuk setiap facies untuk setiap zona (realisasi Facies B) (Gambar 3.21 dan Lampiran 2). Selain itu dalam SIS digunakan juga input data proporsi facies secara vertikal (Gambar 3.22).

Gambar 3.19 Electro-facies (kolom 4) dan electro-facies yang di-upscaled (kolom 5)


Gambar 3.20 Modul pemodelan facies dengan SIS di Petrel

Gambar 3.21 Salah satu contoh interpretasi variogram

RN 1

RN 2

Gambar 3.22 Sebelah kiri menunjukan proporsi vertikal dari facies di zona RN 1 sedangkan sebelah kanan proporsi vertikal dari facies di zona RN 2


Realisasi facies ini menghasil kemungkinan penyebaran facies secara tiga dimensi. Penampang pada I=37 menunjukkan bahwa secara kualitatif Facies A dan Facies B tidak berbeda jauh (Gambar 3.23)

Gambar 3.23 Penampang pada I=37. Realisasi Facies A dan B

Melalui cara upscaled grid maka peta facies yang dominan di suatu zona dapat dihasilkan. Peta facies ini memperlihatkan facies yang paling dominan pada setiap titiknya (Gambar 3.24-3.25)

Gambar 3.24 Peta penyebaran Facies A untuk setiap zona


Gambar 3.25 Peta penyebaran Facies B untuk setiap zona

3.5.3

Pemodelan Porositas

Pemodelan porositas terbagi menjadi dua skenario besar. Skenario pertama adalah pemodelan porositas berdasarkan facies dan skenario kedua adalah penyebaran porositas secara langsung. Untuk setiap skenario terdapat dua kasus yaitu porositas menggunakan data PHIE_GS dan PHIE_CSP. Metode penyebaran prositas ini menggunakan metode SGS dengan input variogram (Lampiran 3.1) dan data statistik (Lampiran 3.2) seperti min, max, mean dan standard deviation (Gambar 3.26)

Gambar 3.26 Modul pemodelan petrofisika di Petrel


Pada skenario pemodelan porositas melalui pemodelan facies, facies-facies yang bukan reservoar seperti shale, tight_sand, dan silt akan mempunyai nilai nol meskipun pada perhitungan petrofisika facies-facies ini mempunyai nilai porositas (Gambar 3.27). Selain itu, facies-facies ini tidak dapat menghasilkan minyak. Demikian halnya dengan zona RN yang didominasi facies silt maka zona ini akan mempunyai nilai porositas nol.

Gambar 3.27 Porositas pada facies-facies non reservoar

Pemodelan porositas melalui pemodelan facies akan memberikan nilai porositas ratarata yang lebih kecil dibandingkan pemodelan porositas secara langsung. Porositas rata-rata yang dihasilkan oleh pemodelan porositas melalui pemodelan facies adalah 20 persen lebih kecil dibandingkan pemodelan porositas secara langsung. Dengan adanya dua tipe realisasi facies (Facies A dan Facies B) memberikan variasi porositas sekitar 4 persen dimana realisasi porositas melalui Facies B lebih kecil dibandingkan realisasi

facies melalui Facies A. Selain itu dengannya dua tipe

porositas yaitu GS dan CSP menghasilkan variasi porositas 4-5 persen dimana porositas GS (PHIE_GS) lebih besar dibandingkan porositas CSP (PHIE_CSP) (Gambar 3.28-3.30).


Gambar 3.28 Penampang model PHIE_GS pada I=37.

Gambar 3.29 Penampang model PHIE_CSP pada I= 37.


Gambar 3.30 Histogram dan nilai statistik dari setiap realisasi porositas

3.5.4

Pemodelan VSH (volume dari shale)

Pemodelan VSH terbagi menjadi dua skenario besar. Skenario pertama adalah pemodelan VSH berdasarkan facies dan skenario kedua adalah penyebaran secara langsung. Untuk skenario pertama terdapat dua kasus yaitu VSH_A (pemodelan menggunakan Facies A) dan VSH_B (pemodelan menggunakan Facies B). Pemodelan VSH ini menggunakan SGS dengan input data statistik dan variogram (Lampiran 4.1 dan 4.2)

Pada pemodelan VSH melalui pemodelan facies, facies-facies non reservoar akan memiliki nilai satu sehingga hanya facies reservoar saja yang memiliki variasi VSH (Gambar 3.31-3.32).


Gambar 3.31 Data statistik pemodelan VSH pada zona reservoar dengan 3 skenario

Gambar 3.32 Penampang pemodelan VSH pada I=37

Pemodelan VSH melalui pemodelan facies efektif untuk memisahkan data-data dari facies yang bukan reservoar sehingga dalam perhitungan selanjutnya facies yang bukan reservoar tidak akan mempengaruhi nilai dari simulasi seperti SW dan perhitungan OOIP.

3.5.5

Pemodelan Saturasi Air (SW)

Pemodelan SW ini dibagi menjadi dua skenario besar yaitu pemodelan secara langsung dan pemodelan melalui model facies. Pada pemodelan secara langsung


terdapat dua kasus yaitu SW melalui metode SGS dengan Collocated Cokriging (CoCr) dengan VSH dan SGS tanpa Collocated Cokriging (no CoCr) dengan input variogram dan data statistik (Lampiran 5.1 dan 5.2). Sedangkan untuk pemodelan SW melalui model facies terdapat 10 kasus untuk masing-masing facies. Kasus itu terdiri dari: •

SW dari data FE (formation evaluation) atau SWE melalui metode CoKr dengan PHIE_CSP. Hasil realisasi ini adalah SWE__CSP

•

SW dari data FE (formation evaluation) atau SWE melalui metode CoKr dengan PHIE_GS. Hasil realisasi ini adalah SWE__GS

•

SW dari data FE (formation evaluation) atau SWE melalui metode CoKr dengan VSH_A. Hasil realisasi ini adalah SWE__VSH

•

SW dari data FE (formation evaluation) atau SWE tanpa melalui metode CoKr. Hasil realisasi ini adalah SWE__NoCoKr

•

SW dari hasil korelasi porositas yang memperkirakan saturasi air irreducible (SWIRR). SWIRR ini terdiri dari tiga kasus setiap model porositas (low, mid, dan high). Hasil realisasinya adalah SWIRR___.

Total realisasi SW ini adalah 22 kasus. Tabel 3.2 memperlihatkan data statistik dan perbedaannya dari ke 22 kasus tersebut. Gambar 3.33-3.35 memperlihatkan (penampang pada I=37) perbedaan untuk setiap realisasi

Tabel 3.2 Data statistik untuk setiap realisasi SW pada zona reservoar

Nama Kasus

Facies

Collocated

mean

Cokrigging SWE_VSH

Tidak ada

VSH

0,68

SWE_NoCokr

Tidak ada

Tidak ada

0,72

SWE_A_CSP

Facies A

PHIE_CSP

0,72


SWE_A_GS

Facies A

PHIE_GS

0,71

SWE_A_VSH

Facies A

VSH_A

0,72

SWE_A_NoCoKr

Facies A

Tidak ada

0,73

SWIRR_A_CSP_low

Facies A

Tidak ada

0,54

SWIRR_A_CSP_mid

Facies A

Tidak ada

0,49

SWIRR_A_CSP_high

Facies A

Tidak ada

0,43

SWIRR_A_GS_low

Facies A

Tidak ada

0,53

SWIRR_A_GS_mid

Facies A

Tidak ada

0,49

SWIRR_A_GS_high

Facies A

Tidak ada

0,43

SWE_B_CSP

Facies B

PHIE_CSP

0,72

SWE_B_GS

Facies B

PHIE_GS

0,72

SWE_B_VSH

Facies B

VSH_A

0,72

SWE_B_NoCoKr

Facies B

Tidak ada

0,73

SWIRR_B_CSP_low

Facies B

Tidak ada

0,54

SWIRR_B_CSP_mid

Facies B

Tidak ada

0,49

SWIRR_B_CSP_high

Facies B

Tidak ada

0,43

SWIRR_B_GS_low

Facies B

Tidak ada

0,53

SWIRR_B_GS_mid

Facies B

Tidak ada

0,49

SWIRR_B_GS_high

Facies B

Tidak ada

0,43

Gambar 3.33 Penampang dari realisasi SW secara langsung


Collocated Cokriging dilakukan dengan input nilai koefisien korelasi untuk skenario pemodelan

SW secara langsung didapatkan korelasi paling tinggi antara SWE

dengan VSH (Tabel 3.3) dan pada skenario pemodelan SW melalui facies didapatkan korelasi yang cukup bagus antara porositas dan VSH pada facies reservoar (Tabel 3.4).

Gambar 3.34 Penampang model SW (I=37) untuk setiap realisasi dari Facies A


Gambar 3.35 Penampang model SW (I=37) untuk setiap realisasi dari Facies B


Tabel 3.3 Koefisien korelasi data log tanpa penyaringan facies. PHIE_CSP

VSH -0.285

SW -0.4 0.64

PHIE_GS

VSH -0.278

SW -0.39 0.64

PHIE_CSP VSH SW PHIE_GS VSH SW

Tabel 3.3 Koefisien korelasi data log dengan penyaringan facies reservoar. PHIE_CSP

VSH -0.34

SW -0.6 0.54

PHIE_GS

VSH -0.35

SW -0.6 0.54

PHIE_CSP VSH SW PHIE_GS VSH SW

Hasil simulasi SW ini menunjukan secara statistik realisasi SWE antara skenario facies dan non facies menunjukan perbedaaan kecil sekitar 5-6 % begitu pun realisasi antara realisasi metode SGS dengan collocated cokriging secara langsung SGS tanpa collocated cokriging secara langsung. Perbedaan yang mencolok terdapat antara realisasi SWE dengan SWIRR.


BAB 4 PERHITUNGAN OOIP, ANALISIS KETIDAKPASTIAN, DAN ANALISIS SENSITIFITAS DARI SELURUH REALISASI

4.1 Perhitungan OOIP OOIP (original oil in place) adalah jumlah minyak awal sebelum diproduksi. OOIP ini dapat dihitung dengan persamaan sebagai berikut:

OOIP (STB) = Volume Bulk * Porositas*(1-SW)/Boi Dimana: SW = Saturasi air Boi = ratio perubahan volume minyak jika diangkat ke permukaan

Perhitungan OOIP dilakukan dengan Petrel (Gambar 3.37). Perhitungan ini menggunakan input sebagai berikut: •

Grid

•

OWC (oil water contact)

•

Realisasi porositas

•

Realisasi SW

•

Poligon yang membatasi daerah penelitian

Gambar 4.1 Modul perhitungan volume di dalam Petrel


Perhitungan OOIP dalam terdiri dari 28 kasus untuk mengakomodasi semua skenario (Lampiran 6).

4.2 Analisis Ketidakpastian OOIP Dari semua skenario didapatkan suatu kisaran ketidakpastian dari OOIP. Secara umum ketidakpastian OOIP di area ini mempunyai kisaran sebagai berikut (Tabel 4.1 Dan Gambar 4.2).

Tabel 4.1 Kisaran OOIP dari 28 perhitungan

Zona Total RN 1 RN 2 RN 3 RN 4 RN 5

OOIP MMSTB P50 105 72 23 2 7 2

P10 93 65 21 1 5 2

P90 186 119 35 3 20 8

14 12

SWIRR

10

SWE

8

OOIP ALL 6 4 2 0 85

100

115

130

145

160

175

190

205

OOIP MMSTB

Gambar 4.2 Histogram nilai OOIP dari skenario SWE dan SWIRR untuk seluruh zona reservoar.

Gambar di atas menunjukan terdapatnya dua kelompok yang mencerminkan dua skenario besar saturasi air yaitu skenario SWE dan SWIRR.


Analisis ketidakpastian melibatkan SWE dan SWIRR memberikan kisaran yang cukup besar disebabkan perbedaan nilai yang cukup besar antara SWE dengan SWIRR. Jika analisis ketidakpastian dibatasi hanya untuk SWE (yang selama ini digunakan oleh pemodelan di CPI) maka kisaran ketidakpastiaan OOIP cukup sempit (Tabel 4.2) begitu juga bila analisis ketidakpastian hanya dilakukan untuk SWIRR saja (Tabel 4.3)

Tabel 4.2 Probabilitas OOIP yang hanya melibatkan SWE Zona Total RN 1 RN 2 RN 3 RN 4 RN 5

P10 91.5 64 21 1 5 2

Probabilitas OOIP MMSTB (SWE) P50 96 67 21.5 1 5 2

P90 104.5 71.5 23 1.6 6.5 2

Tabel 4.3 Probabilitas OOIP yang hanya melibatkan SWIRR Zona Total RN 1 RN 2 RN 3 RN 4 RN 5

P10 154.7 99.4 29.1 3 17 7

Probabilitas OOIP MMSTB (SWIRR) P50 172.5 110.5 32.5 3 19 7.5

P90 194.2 123.6 36.9 3 21 8.9

4.3 Analisis Sensitfitas OOIP Dengan adanya beberapa skenario yang terdiri dari realisasi facies dan non-facies, multi porositas, multi SW, collocated cokrigging, dll. Maka, analisis sensitifitas dapat diukur dengan baik. Analisis sensitifitas pada penelitian ini adalah sebagai berikut (Gambar 4.3): •

Penggunaan saturasi air irreducible (SWIRR) memberikan nilai OOIP lebih besar sekitar 30-40% daripada penggunaan SWE


•

Realisasi properti secara langsung akan menghasilkan nilai OOIP lebih besar 7-14% dibandingkan realisasi properti melalui pemodelan facies.

•

Realisasi SWE dengan metode collocated cokriging porositas menghasilkan nilai OOIP lebih besar sekitar 6% dibandingkan metode collocated cokriging VSH.

•

Penggunaan porositas GS (PHIE_GS) menghasilkan nilai OOIP lebih besar sekitar 4% dibandingkan penggunaan porositas CSP (PHIE_GS)

•

Realisasi properti SWE secara langsung tetapi tidak menggunakan metode collocated cokriging menghasilkan nilai OOIP lebih besar sekitar1,5-3,5% dibandingkan realisasi SWE melalui pemodelan facies tetapi tidak menggunakan metode collocated cokriging

•

Skenario Facies A dimana variogram yang digunakan lebih panjang dibandingkan Facies B, menghasilkan nilai OOIP lebih besar sekitar 0,4-1,5 % dibandingkan dengan skenario Facies B

Sensitivitas OOIP

SWIRR vs SWE

168-93 Variogram facies A Vs B

93-92 Collocated Poro Vs VSH

Rindu 2

99-92

Rindu 1 Porositas GS Vs CSP

No Facies NoCoKr Vs Facies NoCoKr

Total

96-92 94-91

No Facies VS Facies

111-96

0.00

5.00

10.00

15.00

20.00

25.00

30.00

35.00

40.00

45.00

50.00

Persentase Perbedaan

Gambar 4.3 Sensitifitas OOIP terhadap metode dan skenario


4.4 Diskusi Pemodelan 3D geoseluller dengan menggunakan metode geostatistik merupakan suatu metode yang efektif untuk karakaterisasi reservoar. Geostatistik memberikan suatu solusi probabilistik dari reservoar dengan input yang bermacam-macam dan skenario yang bermacam-macam pula.

Pada penelitian ini menghasilkan beberapa hal yang menarik untuk dibahas antara lain penggunaan SWIRR dibandingkan dengan SWE, pemodelan properti dengan atau tanpa melalui pemodelan facies, dan penggunaan porositas dengan metode density (PHIE_GS) dengan metode CSP (PHIE_CSP).

Penggunaan SWIRR (irreducible water saturation) adalah saturasi air reservoar di atas OWC sebelum terkuras baik sedikit atau banyak oleh sumur-sumur produksi. Jadi sejatinya dalam perhitungan OOIP, saturasi air yang digunakan adalah SWIRR. Data sumur yang berbeda waktu (vintage) akan menghasilkan ketidakpastian saturasi air awal dari reservoar. Dengan demikian, SWE yang digunakan dengan umur sumur yang berbeda-beda akan memberikan kemungkinan under estimating OOIP dari reservoir.

Pemodelan properti reservoar melalui pemodelan facies akan memberikan nilai OOIP yang lebih kecil daripada pemodelan properti secara langsung. Penulis berhipotesis bahwa pemodelan properti melalui pemodelan facies lebih realistik dalam menghitung OOIP karena melalui metode ini akan memisahkan batuan reservoar dengan batuan non-reservoar yang notabene memiliki nilai porositas, dan VSH. Penggunaan porositas PHIE_GS dan PHIE_CSP memberikan hasil yang tidak terlalu berbeda meskipun KD porositas ini dihitung dengan metode yang berbeda. Perbedaan OOIP sekitar 4 persen memperlihatkan KD metode ini cukup valid digunakan.


4.5 Rekomendasi Dari hasil penelitian ini, penulis merekomendasikan beberapa hal, yaitu: •

Pemprosesan atau perhitungan petrofisika untuk mendapatkan SWIRR pada setiap sumur dikarenakan perbedaan vintage. Selain itu, faktor terbesar yang memberikan ketidakpastian adalah nilai saturasi air.

•

Validasi electro-facies dengan data bor inti, karena electro-facies didapatkan dari data wireline log yang mengukur parameter batuan tidak secara langsung dan dengan interval 0,5 kaki.

•

Penelitian lebih lanjut yang bisa membuktikan perbedaan nilai OOIP antara metode melalui pemodelan facies maupun tanpa pemodelan facies.


BAB 5 KESIMPULAN

Berikut ini adalah kesimpulan dari hasil penelitian tentang analisis ketidakpastian dan sensitivitas OOIP terhadap multi realisasi facies dan non-facies, multi porositas, dan multi saturasi air yang dilakukan di Area G Lapangan Minyak D, Cekungan Sumatera Tengah:

1. Terdapat 343 data sumur di area Gouth yang bisa digunakan untuk karakterisasi reservoar RN. 2. RN 1 dan RN 2 adalah reservoar utama di area G 3. Berdasarkan analisis cluster dari data wireline log (gamma ray, neutron, dan density) batuan pada reservoar ini dapat dibagi menjadi 5 electro-facies yaitu: Shale (non-reservoar), Sand_1 (reservoar), Tight_sand (non-reservoar), Sand_2 (reservoar), dan Silt (non-reservoar). 4. Perhitungan porositas efektif dengan metode CSP menghasilkan nilai porositas yang lebih kecil dari metode yang digunakan oleh Subiyantoro sekitar 5 % 5. Kisaran ketidakpastian OOIP untuk seluruh reservoar dan realisasi adalah: P10 93

OOIP MMSTB P50 105

P90 186

6. Kisaran ketidakpastian OOIP untuk seluruh reservoar dan realisasi tetapi yang hanya menggunakan SWE, adalah: P10 91.5

Probabilitas OOIP MMSTB (SWE) P50 96

P90 104.5

7. Kisaran ketidakpastian OOIP untuk seluruh reservoar dan realisasi tetapi hanya menggunakan SWIRR, adalah: P10 154.7

Probabilitas OOIP MMSTB (SWIRR) P50 172.5

P90 194.2


8. SWIRR adalah parameter pemodelan yang memberikan sensitivitas nilai OOIP paling besar sekitar 40% 9. Pemodelan properti melalui pemodelan facies memberikan nilai OOIP lebih kecil sekitar 14 % dibandingkan pemodelan properti secara langsung. 10. PHIE_CSP memberikan nilai OOIP lebih rendah sekitar 4 % dibandingkan PHIE_GS 11. Saturasi air dari SWIRR hypothetic menghasilkan nilai saturasi air yang lebih rendah 25-40 % 12. Untuk mengurangi ketidakpastian beberapa penelitian atau pekerjaan perlu dilakukan antara lain: a. Pengambilan batuan inti (core) dan analisisnya dari zona yang belum terdapat steam untuk mendapatkan: i. Saturasi air irreducible (mengurangi ketidakpastian terhadap SW) ii. Porositas efektif (mengurangi ketidakpastian terhadap skenario porositas) iii. Analisis facies terutama litho-facies (validasi terhadap electrofacies) b. Analisis properti dari sumur baru untuk memvalidasi dan meng-update model


DAFTAR REFERENSI Barnes, R., 2003, Geostatistic Course material (Variogram Tutorial), Internal ENI Corporate University.

Caers, J., 2005, Geostatistic Course material (Modeling Geological Continuity), Internal ENI Corporate University.

Cameron, N.R., 1983, The Stratigraphy of Sihapas Formation in the North West of Central Sumatra basin, Proceeding IPA 12th Annual Conference.

Clavaud, J.B., dkk., 2005, New FE Standards Clastic Porosity Modules and Workflow, Internal report Chevron.

Crain, E.R., Crain’s Petrophysical Hand Book, www.spec2000.net

Dewan, J.T., 1997, Modern Open-Hole Log Interpretation, PennWell Books, Tulsa

Dubrule, O, 2007, Geostatistic course material (Conditional Simulation for Heterogenity Modeling and Uncertainty Quantification). Internal Chevron.

ETC, 2008, Intermediate Formation Evaluation, Internal Chevron.

Heindrick, T.L., Aulia, K., 1993, A Structural and Tectonic Model of Coastal Plain Block, Central Sumatra basin, Indonesia, Proceeding IPA 22nd Annual Conference.

Johannesen, D.C., Lyle, J.H., Hunter, W.A. 1990, The Geology of The Duri Oil Field Sumatra Indonesia, Internal Report PT. Caltex Pacific Indonesia.


Subiyantoro, G., 2003, Pengaruh Diagenesa Terhadap Porositas dan Permeabilitas Pada Reservoar RN, Formasi Duri, Lapangan Minyak D, Cekungan Sumatra Tengah, Tesis Magíster ITB.

Sukanta, U., Technical Team HOOU, 2004, Duri High Resolution Sequence Stratigraphy, Internal Report PT. Chevron Pacific Indonesia.

Volpi, B., Donajemma, U., Donna, G.B., 2003, Geostatistic course material, Internal ENI Corporate University.

Winderasta, W., 2006, Merayakan 2 Milyar Barrel Produksi Minyak di Lapangan Raksasa Duri, Riau, Internal report PT. Chevron Pacific Indonesia. Wu, C., 2006, Geostatistic lecture material, Geofísika Reservoar FMIPA Universitas Indonesia.


LAMPIRAN


LAMPIRAN 1 Data Sumur No

Sumur

No

Sumur

No

Sumur

No

Sumur

No

Sumur

No

Sumur

No

Sumur

1

2L-58A

51

2Q-75A

101

2S-38A

151

3N-25A

201

3P-18D

251

3S-35A

301

4M-26A

2

2N-10A

52

2Q-76A

102

2S-48A

152

3N-26A

202

3P-18D

252

3S-40A

302

4M-27C

3

2P-16A

53

2Q-77A

103

2S-58A

153

3N-27A

203

3P-18D

253

3S-41A

303

4M-31A

4

2P-18A

54

2Q-88A

104

2S-68A

154

3N-27B

204

3P-18D

254

3S-42A

304

4M-32A

5

2P-27A

55

2R-14A

105

3L-51A

155

3N-27D

205

3P-18D

255

3S-43A

305

4M-32B

6

2P-28A

56

2R-15A

106

3L-70B

156

3N-28A

206

3P-18D

256

3S-44A

306

4M-33A

7

2P-34A

57

2R-17B

107

3L-71A

157

3N-28B

207

3P-18D

257

3S-45A

307

4M-34A

8

2P-35A

58

2R-22A

108

3L-73A

158

3N-29B

208

3P-18D

258

3S-46B

308

4M-35A

9

2P-37A

59

2R-24A

109

3L-74B

159

3N-34A

209

3P-18D

259

3S-50A

309

4M-36A

10

2P-44A

60

2R-24B

110

3L-75A

160

3N-34B

210

3P-18D

260

3S-51A

310

4M-36B

11

2P-45A

61

2R-26A

111

3L-77A

161

3N-35B

211

3P-18D

261

3S-51B

311

4M-39A

12

2P-46A

62

2R-33A

112

3L-78B

162

3N-36A

212

3P-18D

262

3S-52A

312

4M-39B

13

2P-47A

63

2R-34A

113

3L-79A

163

3N-36C

213

3P-18D

263

3S-53A

313

4M-40A

14

2P-47C

64

2R-35A

114

3L-80A

164

3N-37A

214

3P-18D

264

3S-54A

314

4M-40B

15

2P-54A

65

2R-37A

115

3L-81A

165

3N-37B

215

3P-18D

265

3S-55B

315

4M-41A

16

2P-54B

66

2R-38A

116

3L-83A

166

3N-38A

216

3P-18D

266

3S-56A

316

4M-42A

17

2P-56A

67

2R-43A

117

3L-85A

167

3N-41A

217

3P-18D

267

3S-57A

317

4M-43B

18

2P-57A

68

2R-45A

118

3L-87A

168

3N-43A

218

3P-18D

268

3S-60A

318

4M-44A

19

2P-65A

69

2R-46A

119

3L-88A

169

3N-44A

219

3P-18D

269

3S-61B

319

4M-46A

20

2P-66A

70

2R-46B

120

3L-89A

170

3N-45A

220

3P-18D

270

3S-62A

320

4M-50A

21

2P-67A

71

2R-47A

121

3M-10B

171

3N-46A

221

3P-18D

271

3S-63A

321

4M-51A

22

2P-75A

72

2R-48A

122

3M-11A

172

3N-47A

222

3P-18D

272

3S-65A

322

4M-52A

23

2P-77A

73

2R-53B

123

3M-17A

173

3N-48A

223

3P-18D

273

3S-66A

323

4M-53A

24

2P-84A

74

2R-54A

124

3M-19A

174

3N-53A

224

3P-18D

274

4L-56A

324

4M-54A

25

2P-85A

75

2R-55A

125

3M-25A

175

3N-55A

225

3P-18D

275

4L-71A

325

4M-56B

26

2P-86A

76

2R-56A

126

3M-26A

176

3N-58A

226

3P-18D

276

4L-73A

326

4M-57A

27

2Q-14A

77

2R-62A

127

3M-27A

177

3N-59A

227

3P-18D

277

4L-75A

327

4M-59B

28

2Q-15A

78

2R-64B

128

3M-29A

178

3N-61A

228

3P-18D

278

4L-76A

328

4M-60A

29

2Q-16A

79

2R-65A

129

3M-34B

179

3N-62A

229

3P-18D

279

4L-76B

329

4M-61A

30

2Q-24A

80

2R-66A

130

3M-37A

180

3N-63A

230

3P-18D

280

4L-77A

330

4M-63A

31

2Q-25A

81

2R-67A

131

3M-38B

181

3N-63B

231

3P-18D

281

4L-79A

331

4M-64A

32

2Q-26A

82

2R-67B

132

3M-39A

182

3N-64A

232

3P-18D

282

4L-80A

332

4M-65A


LAMPIRAN 1 Data Sumur No Sumur

No

Sumur

No

Sumur

No

Sumur

No

Sumur

No

Sumur

No

Sumur

33

2Q-26B

83

2R-68A

133

3M-46A

183

3N-65A

233

3P-18D

283

4L-82A

333

4M-66A

34

2Q-27A

84

2R-74A

134

3M-48A

184

3N-66A

234

3P-18D

284

4L-83A

334

4M-67A

35

2Q-34A

85

2R-75A

135

3M-49A

185

3N-66B

235

3P-18D

285

4L-84A

335

4M-82B

36

2Q-35A

86

2R-76A

136

3M-59A

186

3N-67A

236

3P-18D

286

4L-84B

336

4M-83B

37

2Q-36A

87

2R-77A

137

3M-66A

187

3N-68B

237

3P-18D

287

4L-85C

337

4M-84B

38

2Q-37B

88

2R-77C

138

3M-67A

188

3N-69B

238

3P-18D

288

4L-86A

338

4M-85B

39

2Q-45A

89

2R-84A

139

3M-68A

189

3N-72A

239

3P-18D

289

4L-87B

339

4M-89B

40

2Q-46A

90

2R-85A

140

3M-69A

190

3N-73A

240

3P-18D

290

4M-13A

340

4N-11A

41

2Q-47A

91

2R-86A

141

3M-75B

191

3N-76A

241

3P-18D

291

4M-14A

341

4N-22A

42

2Q-54A

92

2R-87A

142

3M-76A

192

3N-78B

242

3P-18D

292

4M-15A

342

4N-31A

43

2Q-55A

93

2R-88A

143

3M-77A

193

3N-87B

243

3P-18D

293

4M-16A

343

5M-60A

44

2Q-56A

94

2S-16A

144

3M-78A

194

3P-10A

244

3P-18D

294

4M-16B

45

2Q-57A

95

2S-17B

145

3N-15A

195

3P-11A

245

3P-18D

295

4M-20A

46

2Q-65A

96

2S-18B

146

3N-16A

196

3P-12A

246

3P-18D

296

4M-21A

47

2Q-67A

97

2S-26A

147

3N-17A

197

3P-13A

247

3P-18D

297

4M-22A

48

2Q-67C

98

2S-27A

148

3N-17B

198

3P-14A

248

3P-18D

298

4M-23B

49

2Q-72A

99

2S-28A

149

3N-18A

199

3P-15A

249

3P-18D

299

4M-24A

50

2Q-74A

100

2S-37A

150

3N-23A

200

3P-16A

250

3P-18D

300

4M-25B


LAMPIRAN 2.1 Variogram Pemodelan Facies

Zona Semua Semua Semua Semua Semua

Zona

RN

Zona

RN 1

Zona

RN 2

Zona

RN 3

Zona

RN 4

Zona

RN 5

Facies Shale Sand 1 Tigth Sand Sand 2 Silt

Facies Shale Sand 1 Tigth Sand Sand 2 Silt Facies Shale Sand 1 Tigth Sand Sand 2 Silt Facies Shale Sand 1 Tigth Sand Sand 2 Silt Facies Shale Sand 1 Tigth Sand Sand 2 Silt Facies Shale Sand 1 Tigth Sand Sand 2 Silt Facies Shale Sand 1 Tigth Sand Sand 2 Silt

Skenario Facies A (Umum) Arah utama Major 60 3300 60 1150 60 1800 60 2000 60 1100

Skenario Facies B (Zona) Arah utama Major Minor 60 2000 800 60 1800 720 60 250 100 60 150 60 60 1800 720 Arah utama Major Minor 60 400 160 60 1350 540 60 2100 840 60 500 200 60 1120 448 Arah utama Major Minor 60 850 340 60 900 360 60 800 320 60 550 220 60 500 200 Arah utama Major Minor 60 300 120 60 250 100 60 250 100 60 250 100 60 350 140 Arah utama Major Minor 60 300 120 60 250 100 60 250 100 60 250 100 60 100 40 Arah utama Major Minor 60 1050 420 60 250 100 60 250 100 60 900 360 60 800 320

Vertikal 5 5 5 5 5 Vertikal 5 5 5 5 5 Vertikal 5 5 5 5 5 Vertikal 5 5 5 5 5 Vertikal 5 5 5 5 5 Vertikal 5 5 5 5 5

Minor 1320 460 720 800 440

Vertikal 5 5 5 5 5

Keterangan

dari zona RN 4

Keterangan

Keterangan

Keterangan dari zona RN 4 dari zona RN 4

Keterangan

Keterangan dari zona RN 4 dari zona RN 4



Zona RN RN 1 RN 2 RN 3 RN 4 RN 5


Facies -

Skenario PHIE_GS Arah utama Major 60 850 60 1700 60 900 60 350 60 250 60 600

Minor 340 680 360 140 100 240

Vertikal 5 5 5 5 5 5

Facies -

Skenario PHIE_CSP Arah utama Major 60 500 60 1300 60 800 60 350 60 250 60 500

Minor 200 520 320 140 100 200




Zona RN 1 Zona RN 2 Zona RN 3 Zona RN 4 Zona RN 5


Facies Sand 1 Sand 2 Facies Sand 1 Sand 2 Facies Sand 1 Sand 2 Facies Sand 1 Sand 2 Facies Sand 1 Sand 2

Skenario PHIE_GS Arah utama Major Minor Vertikal 60 900 360 5 60 700 280 5 Arah utama Major Minor Vertikal 60 1000 400 5 60 850 340 5 Arah utama Major Minor Vertikal 60 200 80 5 60 500 200 5 Arah utama Major Minor Vertikal 60 200 80 5 60 650 260 5 Arah utama Major Minor Vertikal 60 200 80 5 60 550 220 5


Skenario PHIE_CSP Arah utama Major Minor Vertikal 60 800 320 5 60 600 240 5 Arah utama Major Minor Vertikal 60 1100 440 5 60 950 380 5 Arah utama Major Minor Vertikal 60 250 100 5 60 400 160 5 Arah utama Major Minor Vertikal 60 250 100 5 60 650 260 5 Arah utama Major Minor Vertikal 60 250 100 5 60 300 120 5

Keterangan

Keterangan

Keterangan dari zona RN 4 Keterangan

Keterangan dari zona RN 4

Keterangan

Keterangan




LAMPIRAN 3.2 Data Statistik Pemodelan Porositas

RN

RN 1

RN 2

RN 3

RN 4

RN5

RN

RN 1

RN 3

RN 4

RN 2

RN 5


LAMPIRAN 3.2 Data Statistik Pemodelan Porositas Histogram PHIE_CSP Zona RN 1

Histogram PHIE_CSP Zona RN 3





LAMPIRAN 3.2 Data Statistik Pemodelan Porositas Histogram PHIE_GS Zona RN 1

Histogram PHIE_GS Zona RN 2





LAMPIRAN 4.1 Variogram VSH



Facies -


Skenario VSH Arah utama Major 60 850 60 1700 60 900 60 350 60 250 60 600

Arah utama 60 60 Arah utama 60 60 Arah utama 60 60 Arah utama 60 60 Arah utama 60 60

Skenario VSH Major Minor 750 300 600 240 Major Minor 750 300 550 220 Major Minor 500 200 500 200 Major Minor 500 200 500 200 Major Minor 500 200 500 200

Vertikal 5 5 Vertikal 5 5 Vertikal 5 5 Vertikal 5 5 Vertikal 5 5

Minor 340 680 360 140 100 240


Keterangan

Keterangan




LAMPIRAN 4.2 Data Statistik VSH

RN

RN 1

RN 2

RN 3

RN 4

RN 5


LAMPIRAN 4.2 Data Statistik VSH Histogram VSH RN 1

Histogram VSH RN 2

Histogram VSH RN 3

Histogram VSH RN 4

Histogram VSH RN 5


LAMPIRAN 5.1 Variogram SWE



Facies -


Skenario SWE Arah utama Major 60 650 60 1200 60 900 60 300 60 1000 60 1400

Skenario SWE Arah utama Major Minor 60 650 260 60 700 280 Arah utama Major Minor 60 1000 400 60 850 340 Arah utama Major Minor 60 550 220 60 550 220 Arah utama Major Minor 60 800 320 60 1100 440 Arah utama Major Minor 60 800 320 60 800 320

Minor 260 480 360 120 400 560

Vertikal 5 5 Vertikal 5 5 Vertikal 5 5 Vertikal 5 5 Vertikal 5 5


Keterangan

Keterangan

Keterangan dari Sand 2 Keterangan

Keterangan dari Sand 2


LAMPIRAN 5.2 Data Statistik SWE

RN

RN 1

RN 2

RN 3

RN 4

RN 5


LAMPIRAN 5.2 Data Statistik SWE Histogram SWE RN 1

Histogram SWE RN 2

Histogram SWE RN 3

Histogram SWE RN 4

Histogram SWE RN 5


LAMPIRAN 6 Perhitungan Volumetrik














TESIS Diajukan sebagai salah satu syarat untuk memperoleh gelar Magister Sains BUDI RAHIM PERMANA

Recommend Documents