TENTANG UTS
Soal 1:
Jawaban umumnya tidak fokus atau straight ke pertanyaan/ masalah yang diajukan. Key words dalam pertanyaan ”di atas tekanan saturasi,” sedangkan dalam banyak jawaban ”di bawah
tekanan saturasi” atau ”pada p = pb.” Argumentasi banyak yang
menggunakan frase ”gas tidak bisa masuk lagi jika tekanan dinaikkan.”
Soal 2, 3, 4:
Should be OK. Diberikan data dan gunakan persamaan yang telah
dipelajari. Walau, lagi-lagi, wording argumentasi tidak fokus.
Soal 5: Mudah, jika interpretasi h = 8 m vs. A = 2 km2 benar.
Penentuan Cadangan
Simulasi Monte Carlo
Pendahuluan (1)
Persoalan memperkirakan suatu harga dari suatu variabel dalam suatu proses alam yang mengandung ketidakpastian
Dalam industri minyak, ketidakpastian terdapat dalam 1. perkiraan modal
2. cadangan
3. parameter ekonomi
Ketidakpastian dikuantifikasi dengan selang harga (bukan satu harga pasti) yang mungkin serta tingkat kemungkinannya
Ketidakpastian berkenaan dengan analisis risiko dan analisis probabilitas
Penentuan Cadangan
Simulasi Monte Carlo
Pendahuluan (2)
Ketidakpastian yang menyangkut analisis risiko:
1. Suatu sumur wild cat memerlukan waktu antara 56 sampai 87 hari untuk mengebornya – tidak mengatakan persis 65 hari.
2. Biaya total untuk pemboran tersebut antara US$ 4.3 juta sampai US$ 7.2. juta – tidak menyebutkan persis US$ 5.2 juta
Ketidakpastian yang menyangkut analisis probabilitas:
1. Berapa kemungkinan mendapatkan NPV suatu prospek melebihi target yang ditetapkan sebesar US$ 2.0 juta?
2. Seberapa mungkin tambahan cadangan dari program eksplorasi yang sedang dijalankan tahun ini akan menambah produksi tahun berikutnya?
Penentuan Cadangan
Simulasi Monte Carlo
Pendahuluan (3)
Untuk mendapatkan harga suatu variabel dapat menggunakan pendekatan deterministik atau stokastik
Proses deterministik satu keluaran (output)
Proses stokastik keluaran lebih dari satu (banyak), mempunyai kemungkinan yang sama
“Kelebihan” metode stokastik adalah memasukkan unsur ketidakpastian
Penentuan Cadangan
Simulasi Monte Carlo
Pendahuluan (4)
Simulasi Monte Carlo proses perhitungan menggunakan suatu model yang berulang-ulang yang mensimulasi suatu proses
dengan variabel berupa penyebaran (distribusi) harga
Hasil dari proses simulasi Monte Carlo adalah hubungan probabilitas vs. harga variabel
Penentuan Cadangan
Simulasi Monte Carlo
Distribusi Harga
Model berupa persamaan matematis dengan variabel yang
dinyatakan berdasarkan distribusi frekuensi (probability density
function) dan distribusi kumulatif (probability distribution function)
Distribusi frekuensi dari variabel dalam model diperkirakan berdasarkan data yang terbatas sehingga distribusi yang dihasilkan tidak berbentuk kurva yang continous
Hanya dapat memperkirakan harga minimum, maksimum, dan paling mungkin (most likely) - distribusi segi tiga (triangular)
atau
hanya harga minimum dan maksimum saja - distribusi segi empat (uniform distribution)
Penentuan Cadangan
Simulasi Monte Carlo
Distribusi Harga: Distribusi Segitiga dan Segiempat (1)
Harga minimum, maksimum, dan yang paling mungkin – distribusi berbentuk segi tiga:
Harga minimum dan maksimum saja – distribusi berbentuk segi empat: a b c w(x) Distribusi segi tiga w(x) a x b Distribusi segi empat (seragam)
Penentuan Cadangan
Simulasi Monte Carlo
Distribusi Harga: Distribusi Segitiga dan Segiempat (2)
Untuk menghindari pengaruh subjektivitas dalam penentuan model distribusi variabel, digunakan bilangan acak (random
number)
Hasil perhitungan tersebut dinyatakan dalam histogram dan distribusi kumulatif
Penentuan Cadangan
Simulasi Monte Carlo
Distribusi Harga: Histogram (1)
Kumpulan harga pengamatan suatu variabel dalam suatu model dinyatakan dalam bentuk distribusi frekuensi (bentuk histogram)
Histogram diperoleh dari n hasil pengamatan yang dikelompokkan dalam suatu selang harga, x
Jumlah pengamatan dalam selang harga dinyatakan dalam frekuensi absolut, fi, atau dalam frekuensi relatif, wi, dimana
n f wi i
Penentuan Cadangan
Simulasi Monte Carlo
Distribusi Harga: Histogram (2)
pengamatan = n selang harga = x
Penentuan Cadangan
Simulasi Monte Carlo
Distribusi Harga: Histogram (3)
Frekuensi per satuan harga x sepanjang selang x disebut kerapatan jenis frekuensi (frequency density), w(x):
x w ) x ( w i i
Plot w(x) terhadap x berbentuk histogram; luas daerah w(xi)xi di
bawah kurva sepanjang internal xi merupakan frekuensi (relatif)
Luas daerah di bawah kurva w(xi) sama dengan satu, sehingga:
1 w x ) x ( w n 1 i i n 1 i i i
Bentuk histogram akan mendekati continous bila jumlah pengamatan banyak (harga n besar)
Penentuan Cadangan
Simulasi Monte Carlo
Distribusi Harga: Distribusi Normal dan Log-Normal (1)
Distribusi frekuensi yang sering ditemukan untuk sifat fisik reservoir adalah distribusi normal atau log-normal
Distribusi frekuensi normal berbentuk lonceng (bell shaped) yang simetris sehingga
Xmean = Xmode = Xmedian
Distribusi
normal Distribusi log-normal Positive
skew Negative skew
Distribusi log-normal berbentuk seperti distribusi normal dengan salah satu sisinya menceng (skewness) ke kiri atau ke kanan
Penentuan Cadangan
Simulasi Monte Carlo
Distribusi Harga: Distribusi Normal dan Log-Normal (2)
Hasil pengolahan data pengamatan dapat juga dinyatakan sebagai distribusi frekuensi kumulatif, W(x<xi), dimana:
x i i dx ) x ( w ) x x ( W
Harga W(x<xi) merupakan luas daerah di bawah kurva distribusi
frekuensi w(x) untuk x < xi
Harga tersebut menggambarkan besarnya peluang atau
probability untuk mendapatkan harga x xi.
Harga maksimum W(x<xi) adalah 1, sehingga:
x xi 1 Wx xi
Simulasi Monte Carlo
Distribusi Harga: Distribusi Normal dan Log-Normal (3)
Untuk distribusi normal, kurva x terhadap W(x<xi) pada
probability paper berbentuk linier
Untuk distribusi log-normal, kurva x terhadap W(x<xi) pada
probability paper juga linier bila sumbu log digunakan untuk
PR 4 No.1
Selesaikan Contoh 3: Penentuan Distribusi Variabel pada diktat dengan memplot pada kertas grafik (probability paper) x terhadap W(x<xi) sehingga diperoleh ciri (bentuk kurva) untuk jenis distribusi
normal dan log-normal.
Penentuan Cadangan
Simulasi Monte Carlo
Distribusi Segi Tiga (Distribusi ) (1)
x = a harga minimum x = b paling mungkin x = c maksimum
Luas daerah di bawah kurva = 1
a b c
Penentuan Cadangan
Simulasi Monte Carlo
Distribusi Segi Tiga (Distribusi ) (2)
Persamaan untuk distribusi frekuensi w(x) dan distribusi frekuensi kumulatif W(x<xi): w(x) x b ) a b )( a c ( ) a x ( 2 (1) x b ) b c )( a c ( ) x c ( 2 (2) w(x) = distribusi frekuensi. W(x<xi) (cxa)(ab a) x b 2 (3) x b ) b c )( a c ( x c 1 2 (4)
Penentuan Cadangan
Simulasi Monte Carlo
Distribusi Segi Empat (Distribusi ) (1)
x = a harga minimum x = b maksimum
Distribusi frekuensi w(x) tetap untuk setiap harga x
w(x)
Penentuan Cadangan
Simulasi Monte Carlo
Distribusi Segi Empat (Distribusi ) (2)
Persamaan untuk distribusi frekuensi w(x) dan distribusi frekuensi kumulatif W(x<xi): b x a a b 1 ) x ( w (5) b x a a b ) a x ( ) x x ( W i (6) Akibatnya:
Grafik W(x<xi) terhadap x untuk distribusi segi tiga berbentuk S
(S-shaped)
Grafik W(x<xi) terhadap x untuk distribusi segi empat berbentuk
Penentuan Cadangan
Simulasi Monte Carlo
Distribusi Frekuensi w(x) dan
Distribusi Frekuensi Kumulatif W(x<xi)
a b c w(x) W(x<x i) c x a 1 a c w(x) a x c W(x<xi)
Penentuan Cadangan
Simulasi Monte Carlo
Proses Simulasi (1)
Simulasi Monte Carlo adalah proses perhitungan berulang-ulang sehingga menghasilkan sejumlah keluaran (output)
Harga variabel x diperoleh berdasarkan persamaan distribusi frekuensi kumulatif (segitita dan segi empat)
Berdasarkan persamaan untuk kedua distribusi tersebut diperoleh:
1. Distribusi segi tiga
0 5. i)(c a)(b )a x x ( W a x x1 b
05. i)(c a)(c b) x x ( W 1 c x x1 b)a b )( x x( W a x i
Penentuan Cadangan
Simulasi Monte Carlo
Proses Simulasi (2)
Jadi, variabel x dapat dihitung jika W(x<xi) diketahui
Agar tidak bersifat subyektif, W(x<xi) dicari dengan
menggunakan bilangan acak (random number)
Bilangan acak dapat diperoleh dengan cara:
1. Menggunakan random number generator yang tersedia dalam komputer
2. Menggunakan buku telepon dengan mengambil dua (dua) digit terakhir dari nomor telepon sebagai W(x<xi) dalam bentuk
Penentuan Cadangan
Simulasi Monte Carlo
Prosedur Simulasi
1. Tentukan model yang berupa satu atau lebih persamaan dengan asumsi dan hubungan antar variabel yang logik.
2. Pandang setiap parameter dalam model sebagai variabel acak yang memenuhi hubungan probabilitas vs. harga kumulatif
3. Pilih satu harga untuk setiap parameter dan kemudian run model. Proses ini menghasilkan satu keluaran dan disebut sebagai satu realisasi.
4. Ulangi Langkah 3. Proses ini disebut simulasi yaitu pengulangan sebanyak ribuan atau ratusan ribu kali perhitungan.
5. Lakukan pengolahan data dan analisis terhadap hasil dari Langkah 4 dengan menggunakan histogram atau distribusi frekuensi kumulatif
Penentuan Cadangan
Simulasi Monte Carlo
Penggunaan Bilangan Acak (1)
Satu perhitungan dilakukan dengan satu set bilangan acak
Jumlahnya bilangan acak sama dengan jumlah variabel dalam model perhitungan yang digunakan
Simulasi dilakukan dengan jumlah set bilangan acak (n) lebih besar dari 1000
Penentuan Cadangan
Simulasi Monte Carlo
Penggunaan Bilangan Acak (2)
Bilangan acak Assigned to variable
A B C RN1 Xa - -RN2 - Xb -RN3 - - Xc RN4 Xa - -RN5 - Xb -RN6 - - Xc dst.
RN1, RN2, RN3 satu set bilangan acak pertama
RN4, RN5, RN6 satu set bilangan acak kedua, dst.
Dengan demikian, n set bilangan acak akan menghasilkan n keluaran (output)
Penentuan Cadangan
Simulasi Monte Carlo
Pengolahan Data dan Analisis
1. Tentukan harga terkecil dan terbesar dari keluaran
2. Tentukan jumlah selang - dapat digunakan rule of
thumb:
S = 1 + 3.3 log(n) dimana:
S = jumlah selang
n = jumlah data hasil simulasi
3. Tentukan frekuensi absolut fi dan frekuensi relatif,
PR 4 No.2
Selesaikan Contoh 4: Aplikasi Simulasi Monte Carlo Dalam
Perhitungan Cadangan pada diktat dengan:
1. Melakukan simulasi dengan n = 1000 menggunakan Excel (Excel dapat menggenerate bilangan acak dengan fungsi @RAND)
2. Buat histogram dan kurva distribusi frekuensi kumulatif serta tentukan cadangan:
Proven
Proven + probable