Perpustakaan Digital ITB

Endapan wax merupakan salah satu permasalahan besar yang dialami dalam proses produksi minyak dari sub-surface hingga ke permukaan. Wax pada minyak merupakan molekul padatan dengan nomor Karbon di atas 18 yang biasanya cukup banyak pada minyak jenis paraffinic oil. wax yang terendapkan dalam pipa terjadi karena adanya penurunan temperatur di sekitar aliran minyak dalam pipa yang mana wax crystals akan mulai terlihat saat menyentuh wax appearing temperature (WAT). Pada kondisi ini wax akan terus terendapkan menyesuaikan dengan nilai solubility wax dalam minyak hingga mencapai temperatur terendah pada aliran minyak dalam pipa. Perkembangan ilmu komputer dalam hal ini machine learning membantu banyak permasalahan di bidang perminyakan yang bersifat prediktif dan klasifikasi. Salah satunya dalam prediksi laju pengendapan wax di pipa. Kemampuan prediktif yang baik dari algoritma machine learning dapat digunakan sebagai pembanding dengan metode prediksi lain. 4 Algoritma machine learning (ML) digunakan untuk memprediksi laju pengendapan wax yakni Random Forest, Adaboost dan Gradient Boosting untuk jenis ensembel dan algoritma regresi linier. Berdasarkan hasil percobaan didapatkan bahwa algoritma Adaboost menunjukan kemampuan prediksi yang paling baik dengan MAE, MSE, RMSE untuk data uji masing-masing sebesar 0,014, 0,003 dan 0,052 dan R2 pada data uji adalah 0,997. Algoritma Adaboost kemudian dijadikan implementasi dengan menggunakan perhitungan pada kasus lain dengan tujuan menunjukan robustness dari machine learning yang dibuat. Didapatkan relatif galat dari masing-masing kasus pada hari ke 15, 20, dan 25 prediksi ketebalan rata-rata wax dan prediksi ketebalan maksimum wax di bawah 10%. Hal ini menunjukan nilai yang baik secara statistik sehingga dapat dikatakan Adaboost yang dibuat robust.