digilib@itb.ac.id +62 812 2508 8800

Analisis ekonomi yang memperhitungkan parameter teknis dan ekonomis memainkan peran penting dalam mengidentifikasi kelayakan aplikasi EOR. Langkah ini biasanya dilakukan sebelum penyelidikan reservoir lebih lanjut dilakukan. Model yang dapat memenuhi analisis akan sangat membantu studi kelayakan proyek. Studi ini berfokus pada pembuatan model prediksi untuk memprediksi kinerja reservoir secara akurat selama 10 tahun proyek CO2 flooding. Model ini sendiri dibangun oleh 25 parameter, yang mempengaruhi baik secara teknis maupun ekonomi dimana nilainya didistribusikan dalam tiga cara, diskrit, kontinu, dan menggunakan formula serta dilatih dalam percobaan menggunakan CMG-CMOST. Eksperimen yang melewati kontrol kualitas data melalui beberapa batasan kemudian digunakan sebagai model pelatihan dan data verifikasi. Net Present Value (NPV) digunakan sebagai tujuan model prediktif dimana mewakili kelayakan aplikasi EOR. Beberapa metode, baik regresi dan jaringan saraf dilakukan untuk memprediksi fungsi tujuan yang dipilih, NPV. 6089 percobaan yang dihasilkan oleh CMG-CMOST digunakan sebagai bahan proxy untuk menghasilkan model. Mempertimbangkan error kumulatif proxy dan distribusi error, penelitian menunjukkan bahwa multilayer neural network dengan struktur neuron 20-9-6-1 menghasilkan model terbaik, di mana melebihi 97% dengan data pelatihan dan divalidasi dengan data verifikasi, diikuti oleh CMG-CMOST yang menghasilkan model dengan pendekatan regresi, radial basis function neural network yang dibentuk oleh CMG-CMOST, dan regresi bentukan penulis. Model prediktif yang dipilih diharapkan untuk menghasilkan NPV proyek dengan tingkat kepercayaan sekitar 80% berdasarkan nilai P50 dari data verifikasi proxy. Inovasi dari adanya model prediksi ini membantu pengguna untuk menentukan apakah akan melanjutkan proyek atau tidak, langsung melalui nilai prediksi NPV sebagai parameter kelayakan proyek.