PREDIKSI POROSITAS DENGAN METODA FUZZY LOGIC PADA LOG SUMUR FORMASI TALANG AKAR NON MARINE, NORTH WEST JAVA BASIN

Abstract

ABSTRAK: Porositas merupakan salah satu parameter fisik batuan reservoir yang digunakan untuk simulasi reservoir migas, baik itu secara statis maupun dinamis. Penelitian ini akan memprediksi nilai porositas well log dengan menggunakan metoda Fuzzy Logic. Data yang digunakan pada penelitian adalah data Routine Core Analysis (RCAL) dan well log dari Lapangan ’Mangga’ yang terletak di lepas pantai North West Java Basin, dan bagian dari Formasi Talang Akar Non Marine. Litologi daerah penelitian terdiri atas perselingan batupasir dan batulempung, yang merupakan bagian dari fasies braided channel. Input yang digunakan untuk proses fuzzification (training data) adalah data porositas RCAL, log Gamma Ray (GR), log Neutron (NPHI), log Density (RHOB) dan log Sonic (DT). Hasil prediksi log porositas fuzzy logic lalu diverifikasi dengan data porositas core dari Sumur Mangga-2 dan Mangga-5. Perbandingan metoda fuzzy logic untuk prediksi porositas terhadap porositas core menunjukkan angka koefisien korelasi ()yang cukup baik pada Sumur Mangga-2 dan Mangga-5 yaitu 0,74 dan 0,79. Hal ini menunjukkan bahwa metoda Fuzzy Logic dapat digunakan untuk prediksi porositas dengan catatan terdapat cukup data RCAL untuk training data.

Kata Kunci: fuzzy logic, porositas, talang akar non marine, well log

ABSTRACT: Porosity is one of the important physical properties for static and dynamic reservoir simulation. In this study, Fuzzy logic is used as method for predicting porosity from well log. Routine Core Analysis (RCAL) samples and well log came from ‘Mangga’ Field, located at offshore ONWJ Basin, and member of Talang Akar Non Marine Formation. The lithology consists of sandstone-shale interbedding, which is part of braided channel facies. Input parameter for fuzzification process (training data) are RCAL porosity data, Gamma Ray (GR) log, Neutron (NPHI) log, Density (RHOB) log and Sonic (DT) log. Result of porosity prediction validate by porosity core data from RCAL data of well Mangga-2 and Mangga-5. The result shows coefficient correlation of 0,74 and 0,79 from Mangga-2 and Mangga-5 well. The result will be better with more RCAL samples for training data.

Keywords: fuzzy logic, porosity, non marine talang akar, well log