Tesis ini mengembangkan model prediksi berbasis *machine learning* (ML) untuk mengoptimalkan strategi stimulasi asam pada lapangan minyak matur lepas pantai di Laut Jawa bagian barat. Model ini bertujuan memprediksi keberhasilan stimulasi, perubahan *Productivity Index* (PI), dan biaya operasional dengan menggunakan algoritma *gradient boosting*. Hasilnya, model mencapai akurasi tinggi dengan R² sebesar 0.8925 untuk prediksi PI, 0.7126 untuk prediksi biaya, dan *F1-score* 0.7692 untuk klasifikasi keberhasilan. Model ini juga digunakan untuk mengidentifikasi rentang parameter optimal (tekanan, temperatur, porositas, permeabilitas, volume injeksi, dan jenis formasi) untuk berbagai metode stimulasi asam, yang divalidasi dengan prinsip rekayasa reservoir dan literatur. Antarmuka pengguna (UI) dikembangkan agar model dapat digunakan secara praktis dan *real-time* untuk mendukung pengambilan keputusan berbasis data dalam pengelolaan lapangan minyak matur.