Perpustakaan Digital ITB

Data permeabilitas batuan umumnya diperoleh dari dua sumber data yaitu dari uji laboratorium sampel core dan pengujian sumur yang diambil dari beberapa interval sumur. Seringkali, data ini kemudian diekstrapolasi untuk memperkirakan permeabilitas seluruh lapangan. Namun, kurangnya data biasanya menyebabkan prediksi permeabilitas kurang dapat diandalkan, membuat permeabilitas menjadi salah satu sifat fisik batuan yang paling sulit untuk dikarakterisasi. Penelitian sebelumnya selalu menggunakan pendefinisian tipe batuan (rock type) dalam proses perhitungan permeabilitas. Tipe batuan merupakan aspek yang sulit diprediksi di bagian yang tidak memiliki data core karena penentuan tipe batuan memerlukan informasi permeabilitas, yang sering kali tidak diketahui di interval tanpa sampel core. Metode yang diusulkan dalam penelitian ini berupaya memecahkan masalah tersebut dengan memprediksi permeabilitas menggunakan data inti dan log tanpa perlu mendefinisikan tipe batuan (rock type) dalam proses perhitungannya. Penulis akan memanfaatkan data core dan log secara langsung untuk memprediksi permeabilitas. Penelitian ini akan menggunakan dua metode: metode yang diusulkan yang memanfaatkan Gaussian Random Function Simulation, dan metode pembelajaran mesin sebagai perbandingan. Evaluasi yang dilakukan menunjukkan bahwa metode yang diusulkan memberikan akurasi yang sangat baik dibandingkan dengan metode yang saat ini umum digunakan.