(input). Metode ini sering digunakan ketika model memiliki kompleksitas yang tinggi, nonlinier, atau melibatkan lebih dari sekedar beberapa parameter yang tidak pasti. Evaluasi yang sering dilakukan dalam simulasi
evaluasi. Simulasi Monte Carlo
suatu distribusi ketidakpastian yang bertujuan untuk mengetahui bagaimana variasi acak, kurangnya pengetahuan, atau kesalahan dapat mempengaruhi sensitivitas dari sistem yang sedang dimodelkan. Simulasi
karena melibatkan
sampling dari populasi sebenarnya. Jika suatu persamaan mem simulasi Monte Carlo
kemungkinan hasil yang diperoleh dengan mengetahui distribusi probabilitas masing masing variabel tersebut yang sering digambarkan dalam bentuk hi
(Gambar4.19).
Gam Pada gambar diatas y2) dari variabel-variabel x
distribusi data pada suatu histogram dapat condong ke kiri atau condong ke kanan, Metode ini sering digunakan ketika model memiliki kompleksitas yang tinggi, nonlinier, atau melibatkan lebih dari sekedar beberapa parameter yang tidak pasti. Evaluasi yang sering dilakukan dalam simulasi Monte Carlo ini bisa mencapai 10.000 Monte Carlo adalah salah satu dari banyak metode untuk menganalisis suatu distribusi ketidakpastian yang bertujuan untuk mengetahui bagaimana variasi acak, kurangnya pengetahuan, atau kesalahan dapat mempengaruhi sensitivitas dari sistem imodelkan. Simulasi Monte Carlo dikategorikan sebagai metode sampling karena melibatkan input acak dari distribusi probabilitas untuk mensimulasikan proses sampling dari populasi sebenarnya.
Jika suatu persamaan mempunyai variabel-variabel yang t
Monte Carlo bisa digunakan untuk mengetahui distribusi kemungkinan kemungkinan hasil yang diperoleh dengan mengetahui distribusi probabilitas masing masing variabel tersebut yang sering digambarkan dalam bentuk hi
Gambar-4.19. Ilustrasi Simulasi Monte Carlo
bar diatas (Gambar-4.19), dijelaskan ilustrasi penentuan hasil (y variabel x1, x2, dan x3 yang bukan merupakan suatu angka pasti. Suatu
distribusi data pada suatu histogram dapat condong ke kiri atau condong ke kanan,
71 Metode ini sering digunakan ketika model memiliki kompleksitas yang tinggi, nonlinier, atau melibatkan lebih dari sekedar beberapa parameter yang tidak pasti. ini bisa mencapai 10.000 adalah salah satu dari banyak metode untuk menganalisis suatu distribusi ketidakpastian yang bertujuan untuk mengetahui bagaimana variasi acak, kurangnya pengetahuan, atau kesalahan dapat mempengaruhi sensitivitas dari sistem dikategorikan sebagai metode sampling acak dari distribusi probabilitas untuk mensimulasikan proses
variabel yang tidak pasti, maka bisa digunakan untuk mengetahui distribusi kemungkinan-kemungkinan hasil yang diperoleh dengan mengetahui distribusi probabilitas masing-masing variabel tersebut yang sering digambarkan dalam bentuk histogram probabilitas
dijelaskan ilustrasi penentuan hasil (y1 atau
yang bukan merupakan suatu angka pasti. Suatu distribusi data pada suatu histogram dapat condong ke kiri atau condong ke kanan,
72 tergantung pada populasi data yang telah dikelompokan. Dan populasi hasil pun akan cenderung terpengaruhi oleh kecondongan data tersebut.
Dengan menggunakan simulasi Monte Carlo pada perhitungan sumber daya hidrokarbon, diharapkan akan menghasilkan distribusi kemungkinan hasil dari mulai nilai yang paling optimistik, psimistik, dan nilai umum yang paling banyak diperoleh dalam simulasi (most likely).
4.4.2 Perhitungan Sumber Daya Hidrokarbon
Perhitungan sumber daya hidrokarbon biasanya dilakukan dengan menggunakan persamaan di bawah ini.
1
7758
Dimana : dalam (STB, Stock Tank Barrels)
7758 = Faktor konversi dari acre.ft ke barrels Vb = Volume Bulk dari reservoir (acre.ft) Ø = Porositas sesungguhnya (fraksi) Sw = Saturasi air (fraksi)
Boi = Oil formation volume factor (STB/bbls) (N/G) = Net to Gross (fraksi)
Berdasarkan persamaan di atas, dapat deketahui beberapa variabel yang memiliki nilai ketidakpastian. Antara lain: Porositas, Saturasi Air, dan net to gross. Sedangkan harga Boi menggunakan harga yang telah umum digunakan untuk menghitung sumber daya minyak yaitu 1.1 STB/bbls.
Variabel porositas diperoleh dari histogram hasil dari perhitungan petrofisik. Dalam aplikasi simulasi Monte Carlo, diambil tiga nilai terpenting untuk selanjutnya menjadi asumsi dalam simulasi Monte Carlo. Ketiga nilai porositas tersebut adalah nilai
76 No Prospect Tipe Perangkap Tinggi Closure (ft) Luas (Acre) Volume Bulk (Acre-feet)
Porositas (fraksi) Saturasi Air (fraksi) Net to Gross (fraksi)
Bo
Sumber Daya (MMSTB) Min Most
Likely Max Min Most
Likely Max Min Max P10 P50 P90
1 Prospect-1 Three way dip 60.38 240.255 8406.41 0.24 0.28 0.4 0.3 0.5 0.7 0.53 0.85 1.1 5.37 6.8 11.6
2 Prospect-2 Three way dip 21.2 617.717 22499.3 0.24 0.28 0.4 0.3 0.5 0.7 0.53 0.85 1.1 14.4 18.1 22.7
3 Prospect-3 Desected
Anticline 33.95 64.7821 759.038 0.24 0.28 0.4 0.3 0.5 0.7 0.53 0.85 1.1 0.48 0.61 0.77
4 Prospect-4 Three way dip 5678 302.24 4381.09 0.24 0.28 0.4 0.3 0.5 0.7 0.53 0.85 1.1 2.79 3.53 4.39
Total 23.0 29.04 39.5
77 4.5 Perhitungan Sumber Daya Hidrokarbon Dengan Analisis Resiko (Risk Resources) dan
Prospect Ranking
Setelah berhasil menghitung besarnya sumber daya hidrokarbon dengan menggunakan simulasi Monte Carlo, hasil yang diperoleh belum tentu sebanyak yang diperhitungkan dalam simulasi. Hal ini dikarenakan banyaknya faktor yang mempengaruhinya, sebagian diantaranya adalah kualitas reservoir yang berbeda-beda, kemungkinan closure yang bocor, serta pengisian hidrokarbon pada closure yang tidak maksimal. Oleh karena itu, salah satu hal yang penting untuk memperkirakan kemungkinan besarnya sumber daya hidrokarbon yang bisa diperoleh adalah dengan menganalisis resiko-resiko berdasarkan elemen-elemen Sistem Petroleum. Komponen-komponen yang berpengaruh terhadap ketidakpastian dalam perhitungan sumber daya hidrokarbon meliputi effective reservoir, petroleum charge (terdiri dari migrasi dan source rock), dan trap integrity (meliputi jenis perangkap dan kualitas batuan tudung) (Gluyas dan Swarbick, 2004). Masing-masing komponen tersebut diberikan nilai-nilai tertentu berdasarkan kualitas dan kemungkinan-kemungkinan lain yang bisa mengurangi potensi prospek yang telah ada. Dalam penelitian ini, angka-angka yang menjukkan masing-masing komponen tersebut dinamakan probability of success. Volume hidrokarbon yang belum dikalikan dengan probability of success disebut unrisk resources (sumber daya tanpa analisis resiko) sedangkan volume hidrokarbon yang telah dikalikan dengan probability of success disebut sebagai risk resources (sumber daya dengan analisis resiko).
Komponen effective reservoir diidentifikasi berdasarkan kualitas batuan reservoirnya. Kualitas batuan reservoir dapat dilihat dari porositas, permiabelitas serta ketebalan dari batuan reservoirnya. Dikarenakan penulis tidak memiliki data persebaran porositas serta permeabelitas, maka kualitas reservoir didasarkan hanya pada ketebalan reservoir dengan menggunakan peta ketebalan. Dibawah ini merupakan tabel yang penulis susun sebagai dasar untuk menentukan probability of success dari batuan reservoir (Tabel-4.5).
78 Ketebalan reservoir (meter) Angka probability of success
>60 0.8
50-60 0.7
40-50 0.6
<40 0.5
Tabel-4.5 Pemberian angka probability of success berhubungan dengan ketebalan
Pengaruh Petroleum charge (migrasi dan batuan induk) pada jumlah perhitungan sumber daya hidrokarbon didasarkan pada jarak antara closure dengan posisi kithen. Semakin dekat dari kithen, maka closure semakin memiliki kemungkinan yang tinggi untuk dimasuki hidrokarbon. Probability of success untuk Petroleum charge didasarkan pada Tabel-4.6
Migrasi dan ketersampaian closure dari
batian induk (Petroleum charge) Angka Probability of success Migrasi vertikal langsung dari batuan
induk melalui sesar (tepat di atas peta kitchen)
0.8
Migrasi horizontal terlebih dahulu menuju sesar kemudian migrasi vertikal melalui sesar tersebut. (tidak tepat di atas peta kitchen)
0.7
Tabel-4.6 Pemberian angka probability of success berhubungan dengan Petroleum charge
Pengaruh trap integrity dibagi menjadi dua, yaitu kualitas batuan tudung serta jenis perangkap. Batuan tudung yang baik adalah batuan impermeabel yang tebal. Dalam analsis Sistem Petroleum pada bagian batuan tudung disebutkan bahwa ke arah barat daya/selatan, batuan tudung semakin tebal. Sehingga dalam penelitian ini pemberian
79 angka probability of success berhubungan dengan batuan tudung didasarkan pada posisi dari prospek (Tabel-4.7). Semakin ke arah selatan maka semakin baik. Jenis perangkap berpengaruh juga terhadap kemungkinan leaking-nya perangap tersebut. Semakin perangkap dipengaruhi oleh sesar, maka perangkap tersebut semakin memiliki kemungkinan meloloskan hidrokarbon. Sehingga pemberian angka probability of success berhubungan dengan jenis perangkap dijelaskan pada Tabel-4.8.
Posisi prospek berkaitan dengan ketebalan batuan tudung
Angka probability of success
Berada di bagian utara (batuan tudung lebih tipis)
0.7
Berada di bagian tengah 0.8
Berada di bagian selatan (batuan tudung relatif tipis)
0.9
Tabel-4.7 Pemberian angka probability of success berhubungan dengan ketebalan batuan tudung.
Jenis Perangkap Angka probability of success
Four way dip 0.9
Three way dip 0.7
Desected Anticline 0.5
Tabel-4.8 Pemberian angka probability of success berhubungan dengan jenis perangkap. Karakteristik masing-masing prospek pada penelitian ini terkait dengan probability of success diperlihatkan dalam bentuk Tabel-4.9. Berdasarkan parameter-parameter yang ada pada Tabel-4.9, maka dapat dihitung sumber daya hidrokarbon dengan analisis resiko (risk resources) yaitu dengan mengkalikan semua angka probability of success dengan sumber daya hidrokarbon tanpa analisis resiko (unrisk resources) yang ditunjukkan dalam bentuk Tabel-4.10.
Setelah dilakukannya perkalian sumber daya hidrokarbon dengan probability of success maka diperolehlah peringkat prospek dari besar ke kecil berturut-turut: Prospek-2, Prospek-1, Prospek-4, dan Prospek-3 (lihat Tabel-4.9)
80
Prospek
Karakteristik Masing-Masing Prospek
Petroleum charge (migrasi dan
ketersampaian hidrokarbon dari batuan induk) (lihat Gambar4.23)
Effective reservoir
Trap integrity
Jenis Perangkap Batuan Tudung
Prospek-1 Prospek Terdapat tepat di atas peta
kithcen
Memiliki ketebalan
30-70 meter Three way dip
Prospek berada di bagian selatan (batuan tudung relatif
tebal)
Prospek-2
Prospek tidak tepat berada di atas peta kitchen (terdapat migrasi horizontal
terlebih dahulu sebelum migrasi vertikal)
Memiliki ketebalan
47-67 meter Three way dip
Prospek berada di bagian utara (batuan tudung relatif
tipis)
Prospek-3 Prospek Terdapat tepat di atas peta
kithcen
Memiliki ketebalan 53-60 meter
Desected Anticline
Prospek berada di bagian selatan (batuan tudung relatif
tebal)
Prospek-4 Prospek Terdapat tepat di atas peta
kithcen
Memiliki ketebalan
30-44 meter Three way dip
Prospek berada di bagian selatan (batuan tudung relatif
tebal)
81
Prospek
Unrisk Resources
(MMSTB)
Angka probability of success (PS)
Total PS Risk Resources (MMSTB) Prospect Ranking P50 Petroleum charge Effective reservoir Batuan Tudung Jenis Perangkap P50 Prospek-1 6.8 0.9 0.8 0.9 0.5 0.3240 2.203 2 Prospek-2 18.1 0.8 0.8 0.7 0.7 0.3136 4.48704 1 Prospek-3 0.61 0.9 0.8 0.9 0.7 0.4536 0.19764 4 Prospek-4 3.53 0.9 0.6 0.9 0.7 0.3402 1.200 3 Total 29.04 Total 10.09
Tabel-4.10 Perhitungan unrisk resources yang dikalikan dengan probability of success menghasilakan risk resources serta pemeringkatan prospek