Art Original
Prediksi Slope Pada Build Up Pressure Menggunakan Ensemble Method Machine Learning Algorithm Pada Sumur X
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.
No other version available