Perpustakaan Digital ITB

Proses segmentasi untuk memisahkan mineral dan pori merupakan salah satu tahapan penting yang akan sangat berpengaruh kepada perhitungan properti fisik batuan di tahap selanjutnya. Metode konvensional memiliki berbagai kendala yaitu memakan waktu yang relatif lama, biaya yang relatif tinggi, berpotensi menyebabkan kerusakan pada sampel batuan, serta bisa menyebabkan kesalahan yang disebabkan oleh bias pengguna. Fisika batuan digital dapat digunakan untuk mengatasi masalah tersebut. Perkembangan teknologi saat ini menyebabkan perkembangan yang sangat pesat pada kecerdasan artifisial. Salah satu paradigma yang berkembang dalam kecerdasan artifisial adalah pembelajaran mesin yang dapat dimanfaatkan untuk melakukan segmentasi mineral dan pori dari gambar CT scan batuan. Digunakan algoritma klasterisasi K-Means dan Fuzzy C-Means yang merupakan metode pembelajaran unsupervised untuk proses segmentasi karena memiliki keunggulan dalam hal akurasi dan kecepatan waktu komputasi. Peningkatan kontras perlu dilakukan untuk mempermudah proses segmentasi di tahap selanjutnya. Tujuan penelitian ini adalah melakukan segmentasi mineral dan pori dari data CT scan sampel batupasir menggunakan kedua algoritma klasterisasi tersebut kemudian hasilnya dibandingkan dengan data XRD (X-Ray Diffraction), data petrografi, dan data log. Setelah itu dilakukan analisis estimasi nilai porositas pada sampel batupasir. Hasil yang didapatkan yaitu kedua algoritma klasterisasi mampu dengan baik dalam melakukan segmentasi antara mineral dan pori. K-Means lebih baik dari segi kecepatan waktu komputasi yaitu tiga menit delapan detik, sedangkan Fuzzy C-Means lebih baik dari segi akurasi dengan nilai SSIM yaitu 0,9841636. Dalam segi estimasi kandungan mineral, kedua algoritma tersebut dapat dikatakan dekat dengan data XRD dan petrografi. Nilai estimasi porositas yang didapatkan adalah 30,64% untuk K-Means dan 30,45% untuk Fuzzy C-Means. Nilai tersebut lebih besar dari data log karena porositas dari batuan saat di laboratorium akan lebih besar dibandingkan pada saat kondisi reservoir yang disebabkan oleh perbedaan tekanan dan temperatur