Perpustakaan Digital ITB

Dalam kebanyakan kasus, metode konvensional yang menggunakan analisis log sumur dan gambar dalam menentukan dan menggambarkan porositas sekunder membutuhkan waktu dan biaya yang tidak sedikit. Akibatnya, penelitian ini akan menggunakan metode machine learning untuk memproses dan menganalisis data log seperti gamma ray, neutron, density dan resistivity pada sumur-sumur yang tidak memiliki data log gambar, demi meningkatkan ketepatan dan kecepatan identifikasi jenis porositas sekunder pada formasi batuan karbonat dengan menggunakan dataset yang telah dianotasi dengan informasi porositas sekunder dari Formation Micro Imager (FMI). Penelitian ini dapat meningkatkan efisiensi dan akurasi proses identifikasi porositas sekunder pada formasi batuan karbonat, demi membuka peluang penemuan reservoir yang lebih baik dengan biaya yang minim. Dalam penelitian ini dibuat fitur tambahan berupa volume shale, porositas densitas, porositas total, dan porositas efektif, untuk meningkatkan kinerja model. Penelitian ini berhasil menemukan algoritma machine learning yang akurat dan efisien untuk menentukan jenis porositas sekunder, sehingga diharapkan dapat mengurangi waktu dan biaya untuk melakukan analisa dan karakterisasi reservoir.