Salah satu aspek penting dalam teknik perminyakan adalah dalam hal pendefinisian zona interest, yang
menunjukkan bahwa terdapat potensi cadangan hidrokarbon di dalamnya. Sampai saat ini, metode evaluasi
zona yang berpotensi mengandung hidrokarbon ini adalah melalui analisa log sumur dengan menentukan nilai
saturasi air menggunakan korelasi yang dikembangkan para ahli, seperti persamaan Archie untuk clean
sandstone, Simandoux dan Waxman-Smits untuk shaly sandstone. Namun, penentuan pay zone melalui well log
analysis sangat bergantung pada interpretasi manusia dan evaluasi lapangan. Hasil penentuan saturasi air
berdasarkan analisa log terbatas oleh asumsi - asumsi yang ditetapkan berdasarkan persamaan yang
digunakan, sehingga sangat mungkin terjadi kesalahan pada saat menginterpretasi pay zone.
Di dalam studi ini akan dilakukan pendekatan untuk mengeliminasi asumsi-asumsi yang dilibatkan pada saat
menganalisa potensi cadangan pada pay zone, dengan menggunakan aplikasi dari machine learning untuk
menghasilkan prediksi berdasarkan data dari analisa log sumur tanpa memerlukan interpretasi manusia.
Sebuah model Sistem Saraf Jaringan dihasilkan dengan input data dari analisa log sumur dan output data dari
data laju alir produksi, kemudian model sistem saraf jaringan diuji untuk memberikan prediksi pada beberapa
sumur. Berdasarkan data laju alir produksi, nilai dari aliran fraksional dapat ditentukan dan dijadikan sebagai
output data. Model Sistem Saraf Jaringan Buatan yang dibuat terdiri dari 2 layer dan 5 jumlah neuron optimum
dengan menggunakan algoritma pembelajaran feedforward back-propagation. Model Sistem Saraf Jaringan
Buatan memberikan hasil correlation factor sebesar 0.8990 untuk training, 0.9233 untuk validasi dan 0.9910
untuk tes. Kemudian model digunakan untuk melakukan prediksi zona potensial, yang meliputi dua jenis tes
prediksi. Tes prediksi pertama diaplikasikan terhadap 30 data sampel data tes produksi sebagai pembanding,
memberikan hasil berupa correlation factor sebesar 0.8432. Prediksi kedua dilakukan pada satu sumur tanpa data tes sebagai pembanding. Secara keseluruhan, model Sistem Saraf Jaringan Buatan mampu memberikan
hasil prediksi zona potensial yang sesuai dengan data tes dengan keterbatasan bahwa model sangat bergantung
terhadap kualitas data dan jumlah data yang digunakan.