Perpustakaan Digital ITB

Karakterisasi sifat elastik batuan reservoir yang akurat merupakan langkah krusial dalam eksplorasi dan pengelolaan sumber daya kebumian. Metode fisika batuan digital hadir sebagai alternatif untuk mengatasi keterbatasan metode konvensional. Penelitian ini bertujuan untuk mengintegrasikan alur kerja meliputi segmentasi biner pori, estimasi aspek rasio pori, serta estimasi sifat elastik batuan. Tahapan awal pengolahan citra diawali dengan peningkatan kontras pada 851 citra CT scan batupasir menggunakan metode Contrast Limited Adaptive Histogram Equalization (CLAHE). Pelabelan masker pori dilakukan secara otomatis menggunakan algoritma klasterisasi K-Means berbasis ruang warna HSL. Selanjutnya, segmentasi biner pori dilakukan menggunakan algoritma Convolutional Neural Network (CNN) arsitektur UNet. Untuk segmentasi geometri pori, dilakukan evaluasi komparatif antara algoritma segmentasi watershed dan Connected Component Labeling (CCL) sebelum dilakukan estimasi aspek rasio pori. Terakhir, estimasi sifat elastik batuan (modulus bulk, modulus geser, modulus young, dan rasio poisson) dimodelkan menggunakan metode finite element algoritma Garboczi. Hasil penelitian menunjukkan bahwa arsitektur UNet memiliki keandalan tinggi dalam segmentasi biner pori dengan akurasi sebesar 94,23% dan nilai Intersection over Union (IoU) sebesar 0,7133. Dalam segmentasi geometri pori, algoritma segmentasi CCL terbukti lebih unggul dibandingkan watershed karena mampu mempertahankan bentuk serta kelengkapan objek pori asli tanpa merusak perhitungan porositas total. Hasil estimasi aspek rasio pori mengidentifikasi bahwa sampel batupasir didominasi oleh pori tipe intermediet (61,99%) dan spherical (20,47%) dengan rata-rata aspek rasio masing-masing 0,50 dan 0,83. Hasil estimasi sifat elastik mengonfirmasi bahwa peningkatan nilai porositas dan dominasi pori yang semakin pipih (aspek rasio rendah) secara signifikan menurunkan nilai modulus elastik batuan, namun meningkatkan rasio poisson. Integrasi metode pengolahan citra, artificial intelligence, dan Garboczi terbukti efektif dan akurat dalam melakukan estimasi sifat elastik batuan.