Perpustakaan Digital ITB

Reservoir karbonat memiliki tingkat heterogenitas yang tinggi akibat kompleksitas proses pengendapan dan diagenesis, sehingga menyulitkan prediksi sifat petrofisika seperti permeabilitas dan klasifikasi rock type, terutama pada interval yang tidak memiliki data core. Penelitian ini mengembangkan model machine learning untuk memprediksi porositas, mengklasifikasikan rock type, dan memprediksi permeabilitas dari data log sumur dan core pada reservoir karbonat Formasi Terumbu di Lapangan AZR, serta mendistribusikan hasilnya secara spasial melalui integrasi dengan data inversi seismik. Model CatBoost terpilih untuk prediksi porositas, dengan fitur RHOB, PHIE, dan LOG_DR, mencapai R² validasi silang 0,826 pada 428 titik data core. Klasifikasi rock type empat kelas berbasis label RQI/FZI menggunakan model CatBoost (fitur GR, RHOB, NPHI, DR) mencapai akurasi validasi silang 0,529 pada seluruh titik dengan data core, sedangkan model permeabilitas yang dilatih terpisah untuk setiap rock type mencapai R² 0,93 secara keseluruhan, sebanding dengan persamaan porositas-permeabilitas konvensional namun tanpa memerlukan data core pada tahap prediksi. Analisis SHAP menunjukkan bahwa densitas, resistivitas, gamma ray, dan porositas neutron merupakan penentu utama klasifikasi rock type, konsisten dengan pemahaman petrofisika reservoir karbonat. Hasil prediksi dipropagasikan ke sekitar 40.000 titik data pada seluruh lima sumur dan didistribusikan secara spasial ke seluruh area Lapangan AZR, sekitar 530 km², melalui integrasi dengan data inversi impedansi akustik, menghasilkan korelasi negatif yang kuat, sekitar 0,80, antara impedansi akustik dan porositas serta membantu mengidentifikasi zona rock type baik (RT-3 dan RT-4) sebagai target pengembangan lanjutan. Interpretasi geologi memperkuat pola ini: Lapangan AZR merupakan platform karbonat terisolasi dengan kualitas rock type yang lebih baik pada sisi timur lapangan, sehingga pengembangan lanjutan disarankan difokuskan ke arah timur. Pendekatan ini memberikan alternatif yang efisien dan konsisten untuk karakterisasi reservoir karbonat pada zona yang tidak memiliki data core.