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 Slope Pada Build Up Pressure  Menggunakan Ensemble Method Machine  Learning Algorithm Pada Sumur X
Bookmark Share

Art Original

Prediksi Slope Pada Build Up Pressure Menggunakan Ensemble Method Machine Learning Algorithm Pada Sumur X

Erawati - Personal Name; Fiki Hidayat - Personal Name;

Metode Pressure Build-Up (PBU) merupakan salah satu teknik utama dalam mengevaluasi performa reservoir, karena memberikan informasi penting seperti permeabilitas, skin factor, dan tekanan reservoir. Proses analisis PBU melibatkan identifikasi kemiringan (slope) pada grafik log-log melalui penentuan titik trendline. Pendekatan konvensional menggunakan perangkat lunak seperti Microsoft Excel atau Saphir cenderung memakan waktu, memiliki risiko kesalahan yang tinggi, dan sangat bergantung pada interpretasi manual. Hal ini menciptakan kebutuhan untuk metode yang lebih efisien dan akurat dalam mengatasi masalah tersebut. Machine learning menawarkan alternatif dengan kemampuan untuk memproses data secara otomatis dan memberikan hasil yang konsisten tanpa ketergantungan pada intervensi manual. Dalam penelitian ini, algoritma Light Gradient Boosting Machine (LGBM) digunakan untuk memprediksi nilai slope dari uji PBU, sehingga proses analisis menjadi lebih cepat dan efisien. Penelitian dilakukan dengan membangun model simulasi reservoir menggunakan perangkat lunak Computer Modelling Group (CMG)-IMEX. Dari simulasi tersebut, dihasilkan 1000 dataset eksperimental yang terdiri atas enam parameter input well test, yaitu Initial pressure, Production rate, Thickness, Factor Volume Formation, Permeability, dan Viscosity, dengan slope sebagai parameter output. Untuk mempermudah analisis, dataset ini dikelompokkan menjadi tiga cluster menggunakan algoritma K-Means, dengan hasil visualisasi menunjukkan cluster pertama berwarna merah, cluster kedua berwarna biru, dan cluster ketiga berwarna hijau. Hasil simulasi dengan Light Gradient Boosting Algorithm menghasilkan model prediksi dengan nilai Mean Square Error (MSE) dan Mean Absolute Error (MAE) yang mendekati nol. Dengan pembagian data training dan testing sebesar xi 80:20, diperoleh nilai R² sebesar 0.937 untuk training dan 0.784 untuk testing, serta nilai slope (m) sebesar 148.140.


Availability
#
Teknik Perminyakan (Fakultas Teknik) perminyakan 551.48 Era p
251470
Available
Detail Information
Call Number
perminyakan 551.48 Era p
Language
Indonesia
NPM
203210524
Publisher
permiyakan : Universitas Islam Riau., 2025
Keyword(s)
CMG
Build Up Test
Slope
Other Information
Petugas
Ayu Agustina
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?