Perpustakaan Digital ITB

Metode laboratorium konvensional seringkali bersifat destruktif, memakan waktu dan biaya. Penelitian ini menerapkan metodologi dari Digital Rock Physics (DRP) sebagai pendekatan non-destruktif untuk mengestimasi sifat mekanik batuan melalui perhitungan numerik. Studi ini memanfaatkan citra CT scan dari sampel batupasir serpihan. Tahapan pengolahan citra meliputi pra-pemrosesan untuk peningkatan kontras. Kemudian tahap segmentasi fasa menggunakan algoritma Machine Learning Unsupervised K-Means Clustering. Metode ini digunakan untuk memisahkan komponen pori dan matriks secara otomatis. Dengan penyesuaian segmentasi dilakukan penerapan threshold klaster pori secara kualitatif melalui visual besaran pori dan secara kuantitatif menggunakan parameter Structural Similarity Index Measure (SSIM). Dihitung porositas efektif dan terisolasi sebagai informasi tambahan. Dengan hasil segmentasi, yaitu klaster 1 (pori) 18.02-19.19%, klaster 2 (mineral quartz) 49.14% , klaster 3 (mineral illite) 22.96%, dan klaster 4 (mineral kaolinite dan campuran) 8.71%. Dengan validasi ekternal untuk segmentasi, yaitu data X-Ray Diffraction (XRD), well log, dan sayatan tipis dengan hasil yang sudah mendekati. Hasil segmentasi dilakukan konversi data untuk masukan Garboczi. Modulus elastik Garboczi diestimasi dengan pendekatan numerik berbasis Finite Element Method (FEM) dan energi minimum, perolehan estimasi Bulk Modulus sebesar 21.36 GPa dan Shear Modulus sebesar 17.40 GPa. Dengan validasi eksternal untuk Garboczi, yaitu data well log dan model batas Voigt Reuss dan Hashin-Shtrikman dengan perolehan yang sudah baik. Selanjutnya, tahap perhitungan Brittleness Index (BI) berdasarkan sumber data, yaitu mineral-based sebesar 0.608 & 0.622, elastic-based sebesar 0.49, dan logbased sebesar 0.621 dengan hasil indeks dalam satu klasifikasi yang sama, yaitu Brittle. Nilai BI ini bermanfaat dalam rencana stimulasi reservoir seperti hydraulic fracturing.