Akuisisi blok migas merupakan keputusan berulang yang melibatkan dana sangat besar dalam periode cukup panjang dengan risiko tinggi, terlebih jika menyangkut lapangan yang belum dieksplorasi. Untuk meningkatkan kualitas keputusan, investor biasanya menggunakan model valuasi sebagai alat bantu. Model valuasi lapangan minyak yang belum dieksplorasi jauh lebih kompleks dibanding model untuk lapangan yang sudah dieksplorasi dan lapangan yang sudah dibangun. Kompleksitas ini disebabkan lebih banyaknya sumber ketidakpastian dan lebih besarnya skala ketidakpastian yang dihadapi. Model-model valuasi terdahulu untuk lapangan minyak yang belum dieksplorasi umumnya menggunakan submodel- submodel ketidakpastian yang kurang realistis. Hal ini dilakukan demi mendapatkan model valuasi yang secara matematis tractable. Penelitian ini bertujuan membangun model valuasi lapangan minyak yang belum dieksplorasi yang lebih realistis dibanding model-model terdahulu dengan tetap menjaga optimalitas solusi. Model valuasi yang dibangun harus operasional sehingga bisa dimanfaatkan oleh pihak yang terlibat dalam keputusan akuisisi, yaitu Pemerintah sebagai pemilik dan perusahaan minyak sebagai investor dan pengelola lapangan. Model valuasi yang dibangun dalam penelitian ini memperhitungkan ketidakpastian luaran eksplorasi, kondisi reservoir, dan harga minyak. Luaran eksplorasi direpresentasikan dengan proses binomial, sedangkan harga minyak mengikuti proses stokastik mean-reverting dua faktor (model Schwartz-Smith). Berbeda dari model-model valuasi terdahulu, dalam penelitian ini kondisi reservoir diestimasi menggunakan pendekatan pemelajaran mesin yang mengkombinasikan Gaussian mixture model dan jaringan syaraf tiruan. Sejumlah parameter probabilistik yang direpresentasikan menggunakan kopula Gaussian digunakan untuk menggambarkan kondisi reservoir. Berdasarkan parameter-parameter tersebut laju produksi diestimasi secara analitik dinamik menggunakan compressible-liquid tank model. Model mengakomodasi fleksibilitas investor untuk menutup lapangan ketika tidak lagi ekonomis. Model bertujuan memaksimasi nilai lapangan minyak berdasarkan skenario terbaik pengelolaan lapangan. Skenario pengelolaan direpresentasikan dengan banyaknya sumur produksi yang aktif per periode dan saat penutupan lapangan. Dengan semua karakteristik tersebut, valuasi lapangan minyak dimodelkan sebagai masalah pemrograman dinamik stokastik dengan fungsi tujuan berupa fungsi simulasi. Solusi model diperoleh menggunakan pendekatan optimasi simulasi dengan metode pencarian acak real-coded genetic algorithm. Untuk meningkatkan efisiensi komputasi dilakukan pembatasan ruang solusi berbasis data historis dan penerapan metode reduksi variansi yang mengkombinasikan Latin hypercube sampling dan antithetic variates. Implementasi model valuasi dilakukan dengan program yang ditulis dalam bahasa pemrograman R menggunakan perangkat lunak RStudio Server dan dijalankan di Google Cloud Platform dengan konfigurasi 8 vCPU 32GB RAM. Dibutuhkan waktu 14 hari untuk menjalankan keseluruhan program. Estimasi parameter model dilakukan menggunakan data harga spot dan future minyak mentah Brent dan data reservoir terbukti dari basis data TORIS (Tertiary Oil Recovery Information System). Submodel harga minyak dan kondisi reservoir dapat dibuktikan valid. Model valuasi menghasilkan luaran berupa distribusi nilai lapangan minyak yang direpresentasikan dengan rerata dan ukuran risiko conditional value-at-risk (CVaR). Model juga terbukti bisa membedakan lapangan berdasarkan tingkat risikonya. Kebaruan penelitian ini terletak pada pengakomodasian ketiga sumber ketidakpastian tersebut di atas sekaligus dalam satu model serta metode estimasi dan representasi kondisi reservoir. Penggunaan optimasi simulasi dalam model valuasi lapangan minyak juga merupakan hal baru. Kelemahan model ini adalah lamanya waktu komputasi untuk mendapatkan solusi. Beberapa pendekatan analitik untuk meningkatkan efisiensi komputasi sudah diintegrasikan dalam model sehingga upaya pengurangan waktu komputasi lebih jauh hanya dapat dilakukan menggunakan konfigurasi compute engine dengan spesifikasi lebih tinggi. Bagi Pemerintah atau perusahaan minyak, biaya komputasi yang dibutuhkan relatif kecil dibandingkan manfaat model bagi peningkatan kualitas keputusan akuisisi. Model valuasi ini dapat dikembangkan lebih lanjut untuk masalah lain yang sejenis atau terkait, yaitu: model valuasi untuk lapangan gas menggunakan data reservoir terbukti dari basis data GASIS (Gas Information System), model valuasi lapangan minyak dalam skema kemitraan, dan modal valuasi portofolio lapangan minyak. Model valuasi untuk skema kemitraan dapat dibuat dengan menambahkan variabel keputusan proporsi participating interest. Sementara itu, dalam model valuasi portofolio, model valuasi ini akan menjadi submodel dengan variabel keputusan tambahan berupa proporsi modal yang dialokasikan untuk setiap lapangan.