Perpustakaan Digital ITB

Dorongan dari kepentingan lingkungan dan kebutuhan energi yang lebih berkelanjutan membuat industri hulu minyak saat ini sedang meningkatkan efisiensi dari kinerja produksinya lewat strategi transformasi digital. Dengan perkembangan teknologi digital khususnya pada ilmu data hal ini dapat dilakukan dengan mengimplementasikan metode pembelajar mesin AR (Autoregressive) dalam melakukan prediksi masa depan terhadap variabel penentu produksi guna memaksimalkan sistem produksi. Namun metode ini masih memiliki beberapa kekurangan. Salah satunya adalah model belum mampu untuk memprediksi variabel besaran yang banyak seperti pada studi kasus yang dilakukan pada penelitian ini terhadap variabel tekanan sumur pada sistem produksi Steamflood yang memiliki lebih dari satu sumur. Selain itu, model juga belum mampu untuk mempertimbangkan faktor eksternal dari besaran yang diprediksi. Oleh karena itu, tugas akhir ini bertujuan untuk mengembangkan model yang dapat melakukan prediksi pada lebih dari satu variabel serta menggunakan faktor eksternal penentu. Model yang dikembangkan menambahkan pendekatan Multi-series pada metode sebelumnya sehingga prediksi dari tekanan uap air yang masuk ke dalam sumur dapat dilakukan pada sistem yang memiliki lebih dari satu sumur. Selain itu, terdapat penambahan faktor luar atau fitur eksogen pada model ini yang secara fisis menentukan variabel tekanan seperti generator uap air dan katup. Dengan mengaplikasikan solusi yang dikembangkan, model dapat memprediksi tekanan yang ada pada masing-masing sumur minyak dengan hasil cukup baik. Hal ini dapat dibuktikan baik secara visual dimana hasil prediksi cukup mengikuti data ujinya dengan baik serta secara nilai metrik ukur model yang digunakan telah melebihi nilai Naive sebagai nilai pembandingnya dengan rata-rata RMSE sebesar 30.5 dan MAPE sebesar 0.04.