ETD - UIR

Electronic Thesis and Dissertation

  • Home
  • Information
  • News
  • Help
  • Librarian
  • Member Area
    Member Login Online Registration
  • Select Language :
    Arabic Bengali Brazilian Portuguese English Espanol German Indonesian Japanese Malay Persian Russian Thai Turkish Urdu

Search by :

ALL Author Subject NPM Advanced Search

Last search:

{{tmpObj[k].text}}
Image of Prediksi Permeabilitas Efektif Minyak (ko) Pada Buildup Test Dengan Menggunakan Extreme  Gradient Boosting Algorithm Pada Sumur X
Bookmark Share

Art Original

Prediksi Permeabilitas Efektif Minyak (ko) Pada Buildup Test Dengan Menggunakan Extreme Gradient Boosting Algorithm Pada Sumur X

Gema Ramadhani - Personal Name; Fiki Hidayat - Personal Name;

Pengujian sumur adalah salah satu cara untuk mengetahui perilaku reservoir maupun sumur dan juga dapat mengetahui kemampuan suatu reservoir untuk berproduksi. Parameter tersebut yaitu permeabilitas efektif minyak (Ko). Salah satu metode yang dapat dilakukan yaitu dengan pengujian menutup sumur (buildup test). Pada studi ini menggunakan software simulasi reservoir Computer Modelling Group (CMG)-IMEX untuk pembuatan model reservoir. Kemudian dilakukan membangun 500 dataset eksperimental dengan 5 parameter input well test yaitu Initial Pressure, Production Rate, Thickness, Factor Volume Formation, dan Viscosity dengan menggunakan metode Design of Experiment (DoE) dengan permeabilitas efektif minyak sebagai response parameter. Untuk mempermudah melakukan penentuan permeabilitas efektif minyak (Ko) maka dilakukan dengan menggunakan metode Extreme Gradient Boosting Algorithm dengan membangun predictive modelling. Dengan rasio 80% untuk training model penentuan permeabilitas efektif minyak (Ko) dan 20% model diuji untuk memperoleh model prediksi XGBoost Algorithm yang baik guna dapat digunakan untuk memprediksi nilai permeabilitas efektif minyak (Ko). Dari hasil simulasi yang dilakukan oleh Extreme Gradient Boosting Algorithm didapatkan predictive model dengan nilai Mean Square Error (MSE) dan Mean Absolute Error (MAE) yang mendekati nilai 0 dan untuk R 2 training dan testing dengan nilai masing-masing 0.898 dan 0.922. Dalam penelitian ini memaparkan pengaplikasian machine learning dalam penentuan parameter reservoir dan predictive model Extreme Gradient Boosting Algorithm dapat dijadiakan acuan dan melakukan evaluasi dalam kinerja buildup test dalam memprediksi nilai permeabilitas efektif minyak (Ko) dengan tingkat keakuratan 0.922 dan singkat tanpa menggunakan simulasi reservoir yang dapat memakan banyak waktu.


Availability
#
Teknik Perminyakan (Fakultas Teknik) Perminyakan 621.86 Gem P
25438
Available but not for loan - ETD
Detail Information
Call Number
-
Language
NPM
173210233
Publisher
Teknik Perminyakan : Universitas Islam Riau., 2022
Keyword(s)
Kata kunci: Well Testing, Buildup Test, Permeabili
Other Information
Petugas
Budi Santoso
Other version/related

No other version available

File Attachment
  • Please login to see this attachment
Comments

You must be logged in to post a comment

ETD - UIR
  • Information
  • Services
  • Librarian
  • Member Area

About Us

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Search

start it by typing one or more keywords for title, author or subject

Keep SLiMS Alive Want to Contribute?

© 2026 — Senayan Developer Community

Powered by SLiMS
Select the topic you are interested in
  • Computer Science, Information & General Works
  • Philosophy & Psychology
  • Religion
  • Social Sciences
  • Language
  • Pure Science
  • Applied Sciences
  • Art & Recreation
  • Literature
  • History & Geography
Icons made by Freepik from www.flaticon.com
Advanced Search
Where do you want to share?