Perpustakaan Digital ITB

Digital Rock Physics (DRP) penting untuk memahami sifat fisik batuan dan mendukung interpretasi geologi. Penelitian ini bertujuan mengestimasi pori total dan komposisi mineral pada batupasir menggunakan empat metode unsupervised clustering, yaitu Fuzzy C-Means (FCM), Gaussian Mixture Model (GMM), SelfOrganizing Map (SOM), dan Balanced Iterative Reducing and Clustering using Hierarchies (BIRCH), berdasarkan citra CT scan grayscale. Hasil menunjukkan pori total masing-masing metode sebesar 17,65%, 15,68%, 20,65%, dan 11,71%, dengan estimasi mineral utama tertinggi pada BIRCH sebesar 58,47% dan nilai pori total yang paling mendekati referensi 25,00% pada SOM sebesar 20,65%. Distribusi vertikal klaster dari 700 irisan citra memperlihatkan FCM dengan proporsi relatif stabil, GMM dengan variasi antar irisan yang lebih besar, SOM dengan distribusi mineral yang seimbang, dan BIRCH yang didominasi mineral 1 dengan variasi pori pada interval tertentu. Validasi terhadap data XRD, well log, dan thin section petrografi menunjukkan kesesuaian pola distribusi spasial antar metode. Analisis berbasis unsupervised clustering ini dapat digunakan untuk mengestimasi porositas dan distribusi mineral secara kuantitatif dan otomatis, dengan hasil yang bervariasi sesuai karakteristik metode.