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


COVER RR Rahajeng Suryo Rahmadhini
Terbatas  Suharsiyah
» Gedung UPT Perpustakaan

BAB 1 RR Rahajeng Suryo Rahmadhini
Terbatas  Suharsiyah
» Gedung UPT Perpustakaan

BAB 2 RR Rahajeng Suryo Rahmadhini
Terbatas  Suharsiyah
» Gedung UPT Perpustakaan

BAB 3 RR Rahajeng Suryo Rahmadhini
Terbatas  Suharsiyah
» Gedung UPT Perpustakaan

BAB 4 RR Rahajeng Suryo Rahmadhini
Terbatas  Suharsiyah
» Gedung UPT Perpustakaan

BAB 5 RR Rahajeng Suryo Rahmadhini
Terbatas  Suharsiyah
» Gedung UPT Perpustakaan

BAB 6 RR Rahajeng Suryo Rahmadhini
Terbatas  Suharsiyah
» Gedung UPT Perpustakaan


Pemanfaatan gas CO2 baik dari lapangan migas ataupun industri untuk keperluan EOR mempunyai maksud ganda yaitu untuk peningkatan cadangan dan juga untuk membantu menangani efek rumah kaca. Pilot injeksi CO2 di Lapangan X dengan sumber CO2 dari SPG Merbau dan PLTU Bukit Asam sebesar 150 ton/hari. Penelitian ini bertujuan untuk memahami dan menganalisis ketidakpastian keekonomian dalam pengambilan keputusan berdasarkan analisis metode stokastik dengan fungsi obyektif Net Present Value (NPV). Penelitian ini dilakukan dengan dua metode yaitu metode deterministik dan stokastik. Studi optimisasi metode deterministik dilakukan dengan menganalisis langsung hasil optimasi menggunakan perangkat lunak secara teknis dan ekonomis dengan sistem bagi hasil gross split. Optimasi ini dilakukan dengan melakukan workover 3 sumur produksi menjadi sumur injeksi. Laju injeksi yang digunakan sebesar 3,92 MMSCFD dan menghasilkan kumulatif produksi minyak 1,99 mmbbl, faktor perolehan meningkat sebesar 20,37% dari 4,51% menjadi 24,88% dengan parameter keekonomian NPV 6,62 MMUSD, IRR 23%, dan POT selama 4,89 tahun. Kemudian dilakukan analisis kasus optimal yang diterapkan pada Lapangan X dengan metode stokastik, dalam penelitian ini digunakan metode Particle Swarm Optimization (PSO) dengan fungsi objektif Net Present Value (NPV) dan batasan parameter jumlah sumur injeksi dan volume injeksi CO2. Perubahan dilakukan dengan 3 skenario yaitu inertia weight sebesar 0,4 sampai 0,9 dengan learning factor 1 sampai 1,8. Hasil percobaan perubahan parameter utama PSO (inertia weight dan learning factor) menunjukkan bahwa nilai inertia weight sebesar 0,9 memberikan waktu perhitungan pencarian solusi optimum tercepat 400 distribusi data dan NPV 3,5 sampai 4 MMUSD. Parameter yang paling berpengaruh yaitu inertia weight dengan rekomendasi nilai inertia weight yang tinggi.