Perpustakaan Digital ITB

Beberapa metode telah dikembangkan untuk mengestimasi nilai permeabilitas dari data log, mulai dari empiric correlation hingga Artificial Intelligence. Pada tesis ini permeability estimation dari data log dilakukan dengan mengaplikasikan artificial intelligence, yaitu fuzzy logic yang detuning melalui dua cara yaitu: Genetic Algorithm (GA optimized fuzzy logic) dan Artificial Neural Network (Adaptive Neuro Fuzzy Inference Sistem). Input yang digunakan untuk memprediksi permeabilitas adalah log density, neutron, resistivity, dan gamma ray. Input – input tersebut digunakan untuk dikorelasikan dengan nilai permeabilitas yang diukur di laboratorium. Hasil yang didapatkan cukup mengesankan, ANFIS mampu mengenali hubungan antara log dengan permeabilitas core lebih baik, hal ini ditunjukkan dengan nilai R2 0.99999998, sedangkan GA aided fuzzy logic bernilai 0.851457. Analisa yang lebih mendalam dilakukan pada ANFIS, yaitu dengan sensitivity analisis pada jumlah data yang digunakan untuk training. Hasil sensitivity analisis menunjukkan bahwa hanya dengan menggunakan 20% data untuk training, ANFIS mampu mengkorelasikan dengan baik, dengan nilai R2 0.658251. Hal ini meningkatkan level of confidence dalam mengenerate nilai permeabilitas pada tiap kedalaman dengan hanya beberapa data core.