![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
ABSTRAK Fanzi Anom
PUBLIC Irwan Sofiyan ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
2023 TS TF FANZI ANOM 23820001 Cover.pdf
PUBLIC Irwan Sofiyan ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
2023 TS TF FANZI ANOM 23820001 Bab 1.pdf
PUBLIC Irwan Sofiyan ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
2023 TS TF FANZI ANOM 23820001 Bab 2.pdf
PUBLIC Irwan Sofiyan ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
2023 TS TF FANZI ANOM 23820001 Bab 3.pdf
PUBLIC Irwan Sofiyan ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
2023 TS TF FANZI ANOM 23820001 Bab 4.pdf
PUBLIC Irwan Sofiyan ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
2023 TS TF FANZI ANOM 23820001 Bab 5.pdf
PUBLIC Irwan Sofiyan ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
2023 TS TF FANZI ANOM 23820001 Daftar Pustaka.pdf
PUBLIC Irwan Sofiyan ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
2023 TS TF FANZI ANOM 23820001 Lampiran.pdf
PUBLIC Irwan Sofiyan
Alat Pengukur Aliran Fasa Jamak Virtual (APAFJV) digunakan untuk
menggantikan Alat Pengukur Aliran Fasa Jamak (APAFJ), yaitu alat ukur yang
dapat menentukan besar laju alir masing-masing fasa gas, minyak, dan air secara
waktu nyata tanpa perlu adanya pemisahan yang sempurna. APAFJV dapat menjadi
cadangan pengukuran pengujian sumur minyak dan gas saat APAFJ tidak tersedia
maupun sebagai pembanding APAFJ. Pada penelitian ini, permodelan APAFJV
dilakukan menggunakan empat metoda jaringan syaraf tiruan (JST) antara lain:
Shallow Feed Forward Back Propagation (SFFBP-JST), Deep Feed Forward Back
Propagation (DFFBP-JST), Deret waktu waktu tunda (DWWT-JST), dan
nonlinear autoregressive network (NARX-JST). Beberapa variasi saat pelatihan
model APAFJV dilakukan untuk melihat performa akurasi dari masing-masing
model antara lain: variasi jumlah lapisan tersembunyi, jumlah neuron, algoritma
pembelajaran, dan jumlah waktu tunda sampel. Sembilan parameter data ril saat
pengujian sumur di anjungan lepas pantai dalam kurun waktu dua tahun (2020-
2021) digunakan untuk permodelan APAFJV antara lain parameter tekanan dan
temperatur kepala sumur, parameter alat ukur orifis, parameter bukaan katup choke,
dan hasil pengukuran fasa jamak oleh APAFJ. Data set dibagi menjadi dua bagian
yang mana data set pertama digunakan untuk pelatihan model dan data set kedua
digunakan untuk validasi model. Hasil simulasi menunjukan metoda DWWT-JST
dengan waktu tunda sampel 30 dan penambahan jumlah data pelatihan memberikan
hasil pengukuran yang paling akurat dan durasi pelatihan yang singkat (kurang dari
7 menit). Nilai perbedaan rata-rata laju alir terbaik antara pengukuran APAFJV
terhadap APAFJ saat tahapan validasi adalah sebesar 6,0% pada laju alir gas, -
16,4% pada laju alir minyak dan -2,4% pada laju alir air.