PREDIKSI PERMEABILITAS PADA SKALA WELL LOG DENGAN METODE GAUSSIAN RANDOM FUNCTION SIMULATION DAN PEMBELAJARAN MESIN TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar Magister dari Institut Teknologi Bandung Oleh SUKMA TANGKIN NIM: 22221005 (Program Studi Magister Teknik Perminyakan) INSTITUT TEKNOLOGI BANDUNG i ABSTRAK PREDIKSI PERMEABILITAS PADA SKALA WELL LOG DENGAN METODE GAUSSIAN RANDOM FUNCTION SIMULATION DAN PEMBELAJARAN MESIN Oleh Sukma Tangkin NIM: 22221005 (Program Studi Magister Teknik Perminyakan) Data permeabilitas batuan umumnya diperoleh dari dua sumber data yaitu dari uji laboratorium sampel core dan pengujian sumur yang diambil dari beberapa interval sumur. Seringkali, data ini kemudian diekstrapolasi untuk memperkirakan permeabilitas seluruh lapangan. Namun, kurangnya data biasanya menyebabkan prediksi permeabilitas kurang dapat diandalkan, membuat permeabilitas menjadi salah satu sifat fisik batuan yang paling sulit untuk dikarakterisasi. Penelitian sebelumnya selalu menggunakan pendefinisian tipe batuan (rock type) dalam proses perhitungan permeabilitas. Tipe batuan merupakan aspek yang sulit diprediksi di bagian yang tidak memiliki data core karena penentuan tipe batuan memerlukan informasi permeabilitas, yang sering kali tidak diketahui di interval tanpa sampel core. Metode yang diusulkan dalam penelitian ini berupaya memecahkan masalah tersebut dengan memprediksi permeabilitas menggunakan data inti dan log tanpa perlu mendefinisikan tipe batuan (rock type) dalam proses perhitungannya. Penulis akan memanfaatkan data core dan log secara langsung untuk memprediksi permeabilitas. Penelitian ini akan menggunakan dua metode: metode yang diusulkan yang memanfaatkan Gaussian Random Function Simulation, dan metode pembelajaran mesin sebagai perbandingan. Evaluasi yang dilakukan menunjukkan bahwa metode yang diusulkan memberikan akurasi yang sangat baik dibandingkan dengan metode yang saat ini umum digunakan. Kata kunci: Gaussian Random Function Simulation, Pembelajaran Mesin, Permeabilitas ii ABSTRACT PREDICTION OF PERMEABILITY AT WELL LOG SCALE USING GAUSSIAN RANDOM FUNCTION SIMULATION AND MACHINE LEARNING By Sukma Tangkin NIM: 22221005 (Master’s Program in Petroleum Engineering) Permeability data is exclusively obtainable from laboratory testing conducted on core samples and well tests extracted from many wells. Frequently, this data is used to make inferences and estimate the permeability of the entire field. Nevertheless, the absence of sufficient data typically leads to incorrect forecasts, rendering permeability one of the most difficult physical qualities of rocks to assess. Prior research has utilized rock type as a means of determining permeability. Predicting the rock type in areas without core data is challenging due to the unknown permeability, which is a crucial factor in establishing the rock type. The method presented in this study aims to address this issue by utilizing core and log data to forecast permeability, without the necessity to identify the rock type at each interval. The study included two methods: simulation using Gaussian random function and machine learning as a comparative approach. Keywords: Gaussian Random Function Simulation, Machine Learning, Permeability iii HALAMAN PENGESAHAN PREDIKSI PERMEABILITAS PADA SKALA WELL LOG DENGAN METODE GAUSSIAN RANDOM FUNCTION SIMULATION DAN PEMBELAJARAN MESIN HALAMAN PENGESAHAN Oleh Sukma Tangkin NIM: 22221005 (Program Studi Magister Teknik Perminyakan) Institut Teknologi Bandung Menyetujui Tim Pembimbing Tanggal ……………………….. Pembimbing I Pembimbing 2 ______________________ ______________________ (Dr. Dedy Irawan, S.T., M.T.) (Pahala Dominicus Sinurat, S.T., M.Sc) iv PEDOMAN PENGGUNAAN TESIS Tesis S2 yang tidak dipublikasikan terdaftar dan tersedia di Perpustakaan Institut Teknologi Bandung, dan terbuka untuk umum dengan ketentuan bahwa hak cipta ada pada penulis dengan mengikuti aturan HaKI yang berlaku di Institut Teknologi Bandung. Referensi kepustakaan diperkenankan dicatat, tetapi pengutipan atau peringkasan hanya dapat dilakukan seizin penulis dan harus disertai dengan kaidah ilmiah untuk menyebutkan sumbernya.