PREDIKSI PENYEBARAN HIDROKARBON MENGGUNAKAN ARTIFICIAL NEURAL NETWORK (ANN) DI FORMASI GUMAI, JAMBI

Penelitian ini memaparkan karakteristik reservoir batugamping penghasil hidrokarbon menggunakan artificial neural network di lapangan “X” Formasi Gumai, Cekungan Jambi. Lapangan ini menggunakan data seismik 3D poststack, 2 buah sumur eksplorasi, 3 buah horizon, dan 3 buah marker. Untuk mengetahui potensi sumur geotermal dilakukan prediksi temperatur dan tekanan dengan parameter lokasi, laju aliran injeksi dan temperatur injeksi dengan menggunakan metode Artificial Neural Network (ANN). Yang pertama dilakukan adalah integrasi data model produksi sumur sebanyak 2 buah sumur selama satu tahun dan dilakukan pemisahan data yaitu data selama 11 bulan digunakan sebagai data pelatihan ANN dan data selama 1 bulan terakhir digunakan sebagai data pengujian. Hasil prediksi dengan ANN akan dibandingkan dengan data pengujian. Terlihat daerah yang porous berpotensi sebagai reservoir hidrokarbon karbonat di sekitar Gumai berkisar 27543- 28113 (m/s)*(g/cc), sedangkan di sekitar Talang Akar berkisar 26973-28683 (m/s)*(g/cc). Perhitungan nilai eror antara hasil prediksi dengan data pengujian adalah berkisar 0.15% pada temperature (T) dan 0.25% pada tekanan (P) dengan sumur-1 merupakan lokasi yang paling optimum. Hasil inversi penyebaran ini di-slice untuk mendapatkan daerah porous yang berpotensi sebagai reservoir hidrokarbon pada lapangan “X” berdasarkan nilai impedansi akustik dan porositas sumur di sekitarnya.