34
BAB III
METODOLOGI PENELITIAN
3.1 Waktu dan Tempat Penelitian
Penelitian ini dilaksanakan pada Desember 2019 hingga Agustus 2020. Penelitian ini dilakukan di Institut Teknologi Sumatera. Daerah penelitian ini berada di lapangan X.
3.2 Diagram Alir
Gambar 3.1. Diagram alir pengolahan data
35
3.3 Data
3.3.1 Data Sumur
Pada penelitian ini terdiri dari empat sumur (MKS-1, MKS-2, MKS-3 dan MKS-4) dan masing-masing sumur memeliki beberapa data log yaitu log gamma ray, density, resistivity, dan porosity. Berikut merupakan tabel ketersediaan log pada peneliian kali ini.
Tabel 3.1 ketersediaan log pada penelitian
Sumur Log
Checkshot Marker CAL Resistivity GR RHOB P-wave NPHI
MKS-1 √ √ √ √ √ √ √ √
MKS-2 √ √ √ √ √ √ √ √
MKS-3 √ √ √ √ √ √ √ √
MKS-4 √ √ √ √ √ √ √ √
Dalam penelitian ini log yang digunakan adalah log gamma ray, densitas, dan p-wave.
Log Gamma Ray digunakan untuk mengetahui sebaran dan batas lapisan permeable dan non permeable, umumnya litologi pasir merupakan lapisan yang permeable dan dapat digunakan sebagai prospek. Log densitas digunakan untuk mendapatkan nilai porositas, dengan cara mengekstrak log densitas, sehingga didapatkan log porositas dari setiap sumur. Log p-wave digunakan untuk mengetahui nilai impedansi akustik dan digunakan untuk melakukan checkshot dalam proses well seismic tie.
Gambar 3.2. Well map table menu dan koordinat x-y serta keberadaan inline dan xline pada keempat sumur
36
Gambar 3.3.Base map pada daerah penelitian
3.3.2 Data Seismik
Data seismik yang digunakan pada penelitian ini merupakan seismik 3D PSTM (Post
Stack Time Migration) berfasa nol dengan sampling rate 4 ms. Area penelitian ini
dibatasi dari inline 1100 sampai 1400 dan crosline 1000 sampai 1800. Luas daerah
penelitian ini adalah sekitar 84,75 . Data seismik ini dianggap memiliki kualitas
yang baik dan layak untuk dilakukan interpretasi, karena telah melalui tahapan proses
penghilangan noise (filter), NMO (normal move out) hingga proses migrasi. Lintasan
seismik penelitian berada pada Lapangan “X”, seperti yang terlihat pada Gambar 4.3.
37
Gambar 3.4. 3D window dari daerah penelitian
3.3.3. Data Checkshot
Data checkshot digunakan untuk melihat hubungan antara data sumur yang berada dalam domain kedalaman dengan data seismik yang berada dalam domain waktu. Data checkshot ini dapat mengonversi domain sumur (kedalaman) menjadi domain waktu.
Dengan dilakukannya konversi checkshot pada setiap sumur dan data seismik, maka data marker akan berada pada kedalaman sebenarnya dalam data seismik, sehingga dapat dilakukan pengikatan antara data seismik dan data sumur. Proses checkshot ini sangat berperan penting saat melakukan proses well seismik tie.
3.3.3 Data Marker
Data marker digunakan sebagai acuan dari batas zona target yang diperkirakan
berpotensi hidrokarbon. Data marker ini memuat informasi batas atas dan batas bawah
dari suatu formasi. Informasi yang ada pada data ini yaitu data time dan measured depth
38
(kedalaman terukur). Data marker juga digunakan sebagai acuan dalam proses picking horizon. Dalam penelitian ini setiap sumur memiliki dua buah marker yaitu, Top Res dan Base Res. Berikut merupakan data marker marker yang digunakan dalam penelitian ini :
Gambar 3.5. Data marker pada salah satu sumur (MKS 1)
3.4 Pengolahan Data 3.3.5 Pemeriksaan Log
Sebelum dilakukannya pengolahan data lebih lanjut, sebaiknya dilakukan pemeriksaan terhadap log-log yang tersedia serta beberapa informasi setiap sumur seperti koordinat sumur, kelly bushing, dan lain-lain. Setelah semua data diperiksa maka dapat dilanjutkan ke pengolahan data selanjutnya.
3.3.6 Penentuan Zona Target
Sebelum memulai proses pengolahan data, hal yang harus dilakukan adalah
menentukan zona target yang akan diolah hingga tahap interpretasi. Hal ini dilakukan
agar membantu penulis dalam proses pengolahan data agar lebih spesifik dan detail
pada daerah target. Berdasarkan gambar 3.6 dapat dilihat bahwa reservoir batu pasir
ditandai dengan nilai gamma ray rendah namun memiliki P-wave yang tinggi, yang
mengindikasi sand. Selain itu, nilai porositas yang tinggi juga mengindikasi
keberadaan fluida pada zona target. Nilai log resistivitas yang tinggi menunjukkan
keberadaan hidrokarbon (minyak dan gas), karena hidrokarbon merupakan fluida
yang bersifat resistivity.
39
Gambar 3.6. Respon log Gamma Ray, p-wave, Porositas dan resistivitas pada sumur MKS 1
3.3.7 Well Correlation
Well Correlation dilakukan untuk menentukan batas zona target dengan memanfaatkan data marker sebagai acuannya. Dalam proses well seismic tie dilakukan well correlation untuk menentukan dan melihat batas zona target pada masing-masing sumur.
Gambar 3.7. Well Correlation pada ke-empat sumur dengan marker top res dan base res
3.3.8 Perhitungan Porositas
Porositas merupakan salah satu properti fisik yang penting dalam penentuan suatu reservoir. Porositas merupakan kemampuan suatu batuan reservoir untuk menyimpan fluida. Sebelum dilakukan proses yag lebih lanjut lagi, terlebih dahulu dilakukan proses perhitungan porositas. Telah dilakukan perhitungan porositas melalui dua
Gamma Ray rendah
Porositas Tinggi
Resistiivitas tinggi
40
pendekatan, yaitu dengan menggunakan log nphi dan log densitas. Hasil menunjukkan bahwa perhitungan porositas dari log densitas lebih memberikan hasil yang baik daripada melalui log nphi. Tujuan dilakukannya perhitungan porositas ini adalah agar penulis mengetahui dan memehami prinsip dasar untuk mendapatkan log porositas.
Berikut ini merupakan tampilan beberapa log porositas hasil perhitungan pada sumur MKS 1, MKS 2, MKS 3 dan MKS 4.
Gambar 3.8 Perhitungan porositas dari log densitas
41
Gambar 3.9 Perhitungan porositas dari log nphi
3.3.9 Analisa Cross-plot
Sebelum dilakukannya proses well seismic tie, terlebih dahulu dilakukan proses analisa cross-plot agar dapat mengetahui parameter yang sensitf terhadap perubahan litologi. Telah dilakukan proses cross-plot antara 2 log dalam sistem kartesian sumbu koordinat x dan y. Cross-plot dilakukan pada interval sekitar top res dan base res.
Berikut merupakan hasil dari cross-plot yang telah dilakukan.
P-Impedance vs Porositas
Pada Gambar 3.10 memperlihatkan korelasi nilai impedansi akustik dengan
porositas, dari gambar tersebut terbukti bahwa nilai impedansi akustik dan
porositas dapat membedakan litologi batu pasir dan batu lempung dengan
baik. Nilai cut off yang digunakan sebagai parameter untuk dapat memisahkan
karakter litologi adalah nilai gamma ray sebesar 50 API. Nilai dibawah 50
42
API termasuk dalam zona batu pasir, sedangkan di atas 50 API termasuk dalam kategori zona batu lempung.
Gambar 3.10 Cross-plot antara Akustik Impedansi dan porositas pada sumur MKS-3
Berdasarkan hasil cross-plot antara impedansi akustik dengan porositas, keduanya memiliki hubungan yang cukup kuat. Dari hasil tersebut dapat dilihat bahwa akustik impedansi tinggi berkorelasi dengan porositas rendah, begitupula sebaliknya.
Sehingga, dapat disimpulkan bahwa parameter impedansi akustik akan dapat dimanfaatkan sebagai input eksternal atribut dalam mengestimasi persebaran porositas dan batu pasir pada analisa multi-atribut.
3.3.10 Well Seismic Tie
Well Seismic Tie merupakan proses untuk mengikat antara data seismik dan data sumur. Data sumur merupakan data dalam domain kedalaman, sedangkan data seismik dalam domain waktu. Maka dari itu perlu dilakukan konversi data sumur dalam domain kedalaman menjadi domain waktu agar dapat melakukan well seismic tie, untuk mengetahui posisi kedalaman marker yang sebenarnya pada data seismik.
Sebelum melakukan well seismic tie, hal yang perlu dilakukan adalah membuat
seismogram sintetik pada setiap sumur. Seismogram sintetik dapat diperoleh dari hasil
konvolusi antara RC dengan wavelet. Maka hal pertama yang perlu dilakukan adalah
ekstrak wavelet. Ekstrak wavelet dilakukan dengan cara statistik, bandpass dan ricker,
dari hasil ketiga ekstrak tersebut dilakukan korelasi terhadap data seismik dan data
sumurnya. Ekstrak wavelet dilakukan dengan mengekstraksi wavelet dari volum data
43
seismik disekitaran zona target. Dari ketiga ekstrak wavelet yang dilakukan, korelasi yang tertinggi diperoleh dari ekstrak wavelet secara statistik, dengan nilai rata-rata korelasi yaitu sebesar
0,803. Pada tabel 3.2 menunjukkan nilai korelasi pada masing- masing wavelet dari keempat sumur.
Gambar 3.11 Respon dari wavelet statistik
Gambar 3.12. Tampilan proses well seismic tie pada sumur MKS 1 0.941
44
Tabel 3.2 Korelasi sintetik seismogram di lokasi sumur tiap-tiap wavelet
Sumur Hasil Korelasi
MKS 1 0.941
MKS 2 0.957
MKS 3 0.722
MKS 4 0.870
Rata - rata 0.872
3.3.11 Picking Horizon
Picking horizon dilakukan dengan acuan data marker dan hasil well seismic tie dari ketiga sumur. Picking Horizon dilakukan pada inline 1100-1400 dengan increment 10 dan pada xline 1000-1800 dengan increment 10. Proses ini dilakukan dengan cara membuat garis kemenerusan pada penampang seismik. Pada penelitian ini dilakukan picking di horizon top res dan horizon base res.
Gambar 3.13. picking horizon pada inline 1281 yang dilewati oleh sumur MKS-1 dan MKS-2
Pada gambar 4.13 ditunjukkan contoh picking horizon pada inline 1281 yang
melewati sumur MKS 1 dan MKS 2. Pada penelitian ini, picking horizon dilakukan
pada horizon top res dan horizon base res. Data marker digunakan sebagai acuan
untuk picking horizon. Hasil dari picking ini akan dilanjutkan untuk bahan dasar
dalam pembuatan peta struktur waktu (time structure map). Tujuan dilakukannya
picking horizon ini adalah untuk membuat model geologi, yang nantinya akan dipakai
dalam pembuatan peta multi-atribut untuk melihat keberadaan hidrokarbon sementara.
45
a). b).
Gambar 3.14 Time Structure Map Horizon Top Res (a) dan Base Res (b).
3.4 Seismik Inversi
Proses inversi seismik dilakukan untuk mendapatkan nilai impedansi akustik yang kemudian digunakan penulis sebagai parameter untuk analisis interpretasi lebih lanjut.
Sebelum melakukan seismik inversi, terlebih dahulu dilakukan pembuatan model awal.
Model awal dibuat dari data seismik dan data log, data log yang digunakan adalah data log AI (impedansi akustik). Model awal dilakukan untuk menentukan bagus tidaknya hasil inversi. Sebelum dilakukan pembuatan model awal, terlebih dahulu dilakukan pembuatan arbitrary line yang melewati ketiga sumur. Telah dilakukan pembuatan model awal yaitu, apply low frequency dengan nilai 10/15 Hz. Pembuatan model awal dilakukan pada arbitrary line yang melewati ketiga sumur di daerah penelitian. Setelah model awal dibuat maka selanjutnya yang dilakukan adalah proses analsis terhadap model yang telah dibuat.
Gambar 3.15. Model awal dengan frekuensi 10/15 Hz pada arbitrary line
46
Gambar 3.16 Analisis Model Awal Low Frequency dengan inversi Model Based pada MKS 1
Setelah model awal dibuat, maka selanjutnya dilakukan analisis parameter untuk mengetahui nilai korelasi dan error dari model yang dibuat tersebut. Pada MKS 1 korelasi yang diperoleh sebesar 0.983073.
Gambar 3.17. Crossplot model based antara p-impedance hasil dari inversi dengan p-impedance log asli
Gambar 3.17 merupakan crossplot model based antara p-impedance hasil inversi model
awal dengan p-impedance log asli. Berdasarkan gambar tersebbut terlihat bahwa tren
sudah cukup baik dengan data yang tidak berada jauh dari garis linier.
47
Gambar 3.18. Hasil inversi model based pada arbitrary line yang melewati ke empat sumur
Setelah dilakukan analisis model awal, maka selanjutnya dilakukan proses inversi.
Proses inversi dilakukan untuk mendapatkan gambaran model geologi bawah permukaan. Hasil yang didapatkan dalam proses inversi ini adalah informasi yang terkandung dalam suatu lapisan batuan yang berupa nilai impedansi akustik. Impedansi akustik secara langsung dapat menggambarkan karakter fisis didalam suatu lapisan batuan, sehingga parameter ini dapat digunakan untuk pemodelan karakteristik reservoar. Dengan diketahui nilai impedansi akustiknya, maka akan memudahkan penulis untuk mengkorelasikan secara kuantitatif dengan parameter fisis lain pada reservoar, seperti porositas dan gamma ray. Dalam penelitian ini inversi yang dilakukan adalah metode inversi model based. Metode ini digunakan karena hasil yang didapatkan memiliki kontrol yang baik. Hasil inversi ini digambarkan dalam bentuk blocky yang memiliki nilai impedansi akustik yang kontras, sehingga dapat mempermudah penulis dalam penentuan batas suatu lapisan reservoir. Parameter yang dipakai dalam proses inversi ini adalah :
Window : sepanjang horizon ± 20 ms Constrained : soft constrained 0.6 Average Block : 4 ms
Prewhitening : 1 % Iterasi : 20
Parameter model constrain ini mengontrol bagaimana data seismik dan model awal
diseimbangkan untuk mendapatkan model hasil inversinya. Dalam proses inversi ini
Average Block yang dipilih adalah 4 ms, hal ini disesuaikan dengan sampling dari data
seismiknya.
48
3.5 Seismik Multi-atribut
Setelah dilakukan well-seismic tie dan inversi AI, maka selanjutnya dilakukan proses analisa multi-atribut. Pada penelitian ini akan dibuat volum estimasi batu pasir dan porositas. Tujuan dibuat volum estimasi batu pasir adalah untuk memetakan dan mengetahui persebaran batu pasir berdasarkan nilai gamma ray nya. Sedangkan volum estimasi porositas bertujuan untuk mengetahui porositas pada daerah penelitian. Selain menggunakan internal atribut yang ada pada data seismik, volum inversi AI juga akan dijadikan sebagai eksternal atribut dalam proses analisa multi-atribut ini.
Pada penelitian ini, volum estimasi porositas dan batu pasir dibuat menggunakan analisis multi-linear regression terhadap atribut-atribut yang ada, baik internal atribut seismik maupun eksternal atribut inversi AI. Beberapa parameter yang digunakan untuk menentukan atribut seismik yang akan digunakan yang pertama adalah pemilihan operator length, proses ini dilakukan untuk memilih operator length terbaik. Nilai operator length menunjukkan seberapa banyak data sampel yang diikutsertakan dalam proses multiatribut. Untuk mendapatkan nilai operator legth yang terbaik ditentukan dengan melakukan tes operator length.
Selanjutnya, parameter yang digunakan adalah training error dan validasi. pada
tahapan training perlu dilihat berapa banyak atribut terbaik yang akhirnya akan
digunakan sebelum data mengalami over-training. Oleh karena itu, selain melakukan
training, dilakukan pula validasi. Error hasil training akan terus menurun seiring
bertambahnya jumlah atribut, oleh karena itu hasil training masih belum memberikan
informasi yang tepat karena belum melibatkan data validasi. Maka dari itu dihitung
pula nilai error hasil validasinya. Nilai validasi ini akan menunjukkan hasil yang lebih
baik untuk dijadikan sebagai acuan dalam menyebarkan persamaan multi-atribut ke
seluruh volum seismik.
49
Gambar 3.19. Tes Operator Length
Berdasarkan hasil tes operator length pada Gambar 3.19, menunjukkan bahwa error paling kecil dihasilkan pada operator length sebesar 2 dengan kombinasi 7 atribut.
Maka dari itu, dapat disimpulkan bahwa jumlah sampel terbaik untuk dilibatkan dalam analisa multi-atribut ini adalah sebanyak atau sejauh 2 titik dengan 7 atribut. Nilai ini dianggap menjadi nilai terbaik untuk dilakukannya analisa lebih lanjut.
Tabel 3.3. Nilai hasil eror training dan validasi pada analisa multi-atribut
0.033
50
Gambar 3.20. Tabel error plot versus attribute number
Pada Tabel 3.3. menunjukkan nilai hasil error training dan validasi. Dari tabel tersebut dapat dilhat bahwa nilai error validasi terkecil jatuh pada kombinasi 7 atribut dengan nilai error training sebesar 0.027 dan error validasi sebesar 0.033. Tabel diatas juga menunjukkan bahwa nilai eror training semakin berkurang seiring bertambahnya jumlah atribut. Namun eror validasi menunjukkan bahwa nilai penggunaan lebih dari 7 atribut menyebabkan nilai eror validasi mengalami peningkatan. Berdasarkan hal tersebut, maka jelaslah bahwa tahapan validasi memiliki peran yang sangat penting untuk memberi keputusan jumlah atribut terbaik yang akan digunakan. Maka dari itu, 7 kombinasi atribut terbaik di atas lah yang digunakan oleh penulis dalam proses analisa multi-atribut.
Selain itu, dapat dilihat pula bahwa inversi memiliki hubungan yang sangat penting terhadap porositas. Hal ini dapat dibuktikan bahwa penggunaan hasil inversi sebagai eksternal atribut menjadi atribut terbaik ketiga dan ketujuh. Oleh karena itu, dapat disimpulkan bahwa inversi terbukti memiliki peran yang penting dalam proses analisa multi-atribut.
3.6 Penentuan Potensial Reservoir
Setelah dilakukan proses multi-atribut dengan properti fisik yaitu porositas dan gamma
ray, maka hal yang perlu dilakukan adalah menentukan potensial reservoir.
51
