Post on 02-Mar-2019
ANALISIS AVO, INVERSI DAN NEURAL NETWORK UNTUK
KARAKTERISASI RESERVOAR EARLY MIOCENE
LAPANGAN OFFSHORE AL-FITRA
(Skripsi)
Oleh
Wahyuda Alfin
1015051037
JURUSAN TEKNIK GEOFISIKA
FAKULTAS TEKNIK
UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2016
ABSTRACT
AVO ANALYSIS, INVERSION AND NEURAL NETWORK FOR
CHARACTERIZATION OF EARLY MIOCENE RESERVOIR
ON OFFSHORE AL-FITRA FIELD
By
WAHYUDA ALFIN
The existence of anomalous amplitude (brighspot) on the seismic section may be
an indication of hydrocarbon presence in a reservoir. However, many other
conditions can also give brightspot effect, such as a thin insert of coal, fractured
rock, a layer of salt, conglomerate, turbidite, or tuning effect of thin layers.
Therefore, it is necessary to analyse amplitude variation with offset (AVO) in
order to increase confidence in possibility of hydrocarbon presence, especially gas
in the reservoir of this field. In this research, AVO analysis is to identify the class
of AVO anomalies, application of inversion and Lambda-Mu-Rho transformation
so that the reservoir can be well delineated, and application of Neural Network is
to predict the distribution of porosity and water saturation in sandstone reservoir
at Belumai level. From this research, it is known that Belumai sandstone reservoir
on well AW-1, AW-2, AW-3, and AW-4 are classified as class IV anomaly,
which identified by impedance value is lower than the overlying rock, intercept
value is negative, gradient value is positive and plotted in quadrant II at intercept
and gradient crossplot. Based on the inversion results, sandstone reservoir zones
can be separated with carbonate and shale, characterized by a low AI value 7800-
9100 ((m/s)*(g/cc)), low value of SI 4400-5200 ((m/s)*(g/cc)), the value of Mu-
Rho is relatively low 16-22 ((GPa)*(g/cc)), as well as the value of Lambda-Rho is
also relatively low 22.5-25.5 ((GPa)*(g/cc)) that indicate a porous rock with gas
associated. While, PNN neural network prediction obtains correlation value of
porosity = 0.97 and water saturation = 0.98, reservoir in the Al-Fitra field has
porosity of 15-25% and water saturation 15-35%. And based on slice map results
on volume of AI, SI, LMR, porosity and water saturation, the distribution of
sandstone reservoir in southern part of Al-Fitra field is clearly delineated, which
has NW-SE orientation and also found two potential zones which are considered
as sandstone reservoir and need to be evaluated further.
Keywords: AVO, Seismic Inversion, Lambda-Mu-Rho (LMR), Neural Network.
ABSTRAK
ANALISIS AVO, INVERSI DAN NEURAL NETWORK UNTUK
KARAKTERISASI RESERVOAR EARLY MIOCENE
LAPANGAN OFFSHORE AL-FITRA
Oleh
WAHYUDA ALFIN
Keberadaan anomali amplitudo (brighspot) pada penampang seismik bisa menjadi
salah satu indikator kehadiran hidrokarbon pada suatu reservoar. Namun, banyak
kondisi-kondisi lain yang dapat memberikan efek brightspot, seperti sisipan tipis
batubara, rekah-rekah, lapisan garam, konglomerat, turbidit, ataupun efek tuning
dari lapisan tipis. Karena itu, diperlukan analisis amplitudo terhadap offset (AVO)
agar meningkatkan kepercayaan terhadap kemungkinan kehadiran hidrokarbon
terutama gas di reservoar lapangan ini. Dalam penelitian ini dilakukan analisis
AVO untuk mengidentifikasi kelas anomali AVO, inversi dan transformasi
Lambda-Mu-Rho agar reservoar dapat terdeleniasi lebih jelas, serta penerapan
Neural Network untuk memprediksi distribusi nilai porositas dan saturasi air pada
zona reservoar batupasir Belumai. Dari penelitian ini, diketahui bahwa zona
reservoar batupasir Belumai pada sumur AW-1, AW-2, AW-3, dan AW-4
tergolong sebagai anomali batupasir kelas IV, dengan nilai impedansi yang lebih
rendah dibandingkan batuan penutupnya, intercept bernilai negatif, gradient
bernilai positif serta berada di kuadran II pada crossplot intercept & gradient.
Berdasarkan hasil inversi, zona reservoar batupasir dapat terpisahkan dengan
karbonat dan serpih, ditandai dengan nilai AI rendah 7800-9100 ((m/s)*(g/cc)),
nilai SI rendah 4400-5200 ((m/s)*(g/cc)), nilai Mu-Rho rendah 16-22
((GPa)*(g/cc)), serta nilai Lambda-Rho yang juga rendah 22.5-25.5
((GPa)*(g/cc)) menunjukkan batuan porous berasosiasi fluida gas. Sedangkan
berdasarkan hasil prediksi neural network PNN dengan nilai korelasi porosity =
0.97 dan water saturation = 0.98, reservoar di lapangan Al-Fitra memiliki nilai
porositas 15-25% dan nilai saturasi air 15-35%. Dan slice map pada volume AI,
SI, LMR, porosity dan water saturation, sebaran reservoar batupasir gas di bagian
selatan terpetakan dengan jelas yang berorientasi NW-SE serta ditemukan juga 2
zona potensi sebagai reservoar batupasir gas dan perlu dievaluasi lebih lanjut.
Kata Kunci: AVO, Inversi Seismik, Lambda-Mu-Rho (LMR), Neural Network.
ANALISIS AVO, INVERSI DAN NEURAL NETWORK UNTUK
KARAKTERISASI RESERVOAR EARLY MIOCENE
LAPANGAN OFFSHORE AL-FITRA
Oleh
WAHYUDA ALFIN
Skripsi
Sebagai Salah Satu Syarat untuk Mencapai Gelar
SARJANA TEKNIK
Pada
Jurusan Teknik Geofisika
Fakultas Teknik Universitas Lampung
UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2016
RIWAYAT HIDUP
Wahyuda Alfin, lahir di Padang, Sumatera Barat pada 3
Oktober 1992, merupakan anak pertama dari 3 bersaudara
pasangan Bapak Alhafri dan Ibu Yeni Fitra. Penulis
menyelesaikan pendidikan di SDN 19 Sawahan, Padang pada
tahun 2004, SMPN 31 Padang pada tahun 2007, dan SMAN 5
Padang pada tahun 2010. Pada tahun 2010 penulis terdaftar
sebagai mahasiswa Universitas Lampung Jurusan Teknik Geofisika melalui jalur
SNMPTN. Selama menjadi mahasiswa, penulis pernah aktif berorganisasi di
FOSSI FT, HIMA TG Bhuwana, BEM U KBM Unila sebagai Staf Ahli
Kementrian Luar Negeri, AAPG SC Unila sebagai Wakil Ketua Divisi Short Talk,
SEG SC Unila sebagai Ketua Divisi Professional Project dan tercatat sebagai
anggota HMGI, AAPG dan SEG Student member. Penulis juga pernah mengabdi
sebagai asisten Mata Kuliah Perpetaan. Penulis pernah magang di PT. Elliot
Geosains Indonesia, dan pernah melaksanakan Kerja Praktek dan kembali
melakukan penelitian Tugas Akhir di PT. Pertamina EP Pusat dengan judul
“Analisis AVO, Inversi dan Neural Network untuk Karakterisasi Reservoar Early
Miocene Lapangan Offshore Al-Fitra” sehingga berhasil menyelesaikan
pendidikan Sarjana pada bulan Agustus 2016.
DENGAN SEGALA KERENDAHAN HATI,
KARYA KECIL INI KU PERSEMBAHKAN UNTUK
IBU DAN AYAH TERCINTA, ADIK-ADIK YANG KU
BANGGAKAN, SERTA UNTUK KEMAJUAN ILMU
PENGETAHUAN.
MOTTO
"Dalam konfrontasi antara aliran air dan batu, aliran air selalu
menang, bukan lewat kekuatan, tetapi lewat kegigihan"
[Jackson Brown, Jr.]
“ すぐやる segera kerjakan, かならずやる pastikan kau kerjakan
sesungguh-sungguhnya, できるまでやる kerjakan hingga tuntas,
lalu semesta akan berpihak padamu”
[Nagamori]
“Those who have little knowledge of science, they
become Atheist. But those who have indepth knowledge
of science, they become a believer in God”
[Francis Bacon]
“Ilmu itu lebih baik daripada harta. Ilmu menjaga engkau
dan engkau menjaga harta”
[Ali ibn Abi Thalib]
So which of the favors of your Lord would you deny?
Maka nikmat Tuhanmu yang manakah yang kamu dustakan?
[Q.S Ar-Rahman]
1
KATA PENGANTAR
Puji syukur penulis haturkan kepada Allah SWT, Tuhan Yang Maha Esa atas
segala rahmat dan hidayah-Nya sehingga skripsi yang berjudul “Analisis AVO,
Inversi dan Neural Network untuk Karakterisasi Reservoar Early Miocene
Lapangan Offshore Al-Fitra” ini dapat terselesaikan. Shalawat serta salam
senantiasa terlimpah kepada Nabi Muhammad SAW, beserta segenap keluarga,
sahabat dan pengikut setia beliau.
Skripsi ini merupakan syarat untuk menyelesaikan studi Strata-1 Teknik
Geofisika, Fakultas Teknik, Universitas Lampung. Selain itu, dengan adanya
penelitian ini penulis bisa memahami fenomena-fenomena nyata yang terjadi di
alam serta dapat mengaplikasikan teori yang sudah diperoleh selama kuliah pada
kegiatan eksplorasi yang sebenarnya.
Penulis menyadari bahwa skripsi ini masih terdapat banyak kekurangan. Oleh
karena itu, diperlukan saran dan kritik yang membangun untuk perbaikan ke
depannya. Semoga skripsi ini dapat bermanfaat bagi kita semua.
Bandar Lampung, Oktober 2016
Wahyuda Alfin
wahyuda_alfin@yahoo.co.id
xi
SANWACANA
Alhamdulillahi rabbil `alamin, rasa syukur yang mendalam penulis panjatkan
kepada Allah SWT atas rahmat dan karunianya sehingga skripsi ini dapat
terselesaikan denagan baik. Penyusunan skripsi ini tidak terlepas dari dukungan,
bimbingan dan bantuan berbagai pihak. Ucapan sebesar-besarnya penulis tujukan
kepada :
1. Bapak Alhafri dan Ibu Yeni Fitra, orangtua tercinta yang tiada henti
memberikan kasih sayang, dukungan, doa, dan segala yang penulis
butuhkan. Pengorbanan yang begitu besar yang takkan mampu terbalaskan.
Semoga Alloh SWT selalu melimpahkan keberkahan pada Keluarga kita.
2. My younger Brothers, Yafis Mulianda dan Luthfi Hanif, kalian adalah
salah satu motivasi Abang untuk berjuang sampai saat ini.
3. Bapak Prof. Suharno, M.S., M.Sc., Ph.D., selaku Dekan Fakultas Teknik
Universitas Lampung dan pengajar di jurusan Teknik Geofisika. Terima
kasih atas ilmu, motivasi, dan bimbingannya.
4. Bapak Dr. Ahmad Zaenudin, S.Si., M.T., selaku Ketua Jurusan Teknik
Geofisika dan dosen Pembimbing Akademik. Terima kasih atas motivasi,
bimbingan, ilmu dan sarannya.
5. Bapak Bagus Sapto Mulyatno, S.Si., M.T., selaku Dosen Pembimbing I.
Terimakasih atas telah menyempatkan waktu untuk berbagi cerita,
xii
berdiskusi, dan selalu memberikan motivasi, bimbingan, ilmu dan sarannya
sehingga skripsi ini dapat terselesaikan.
6. Bapak Rustadi, S.Si., M.T., selaku Dosen Pembimbing II. Terimakasih
atas waktu, ilmu dan arahannya.
7. Bapak Dr. Muh. Sarkowi, M.Si., selaku Dosen Penguji pada Tugas Akhir
ini, terimakasih waktu, saran dan ilmunya.
8. Bapak Syamsurijal Rasimeng, M.Si., yang selalu mengarahkan,
mengajarkan penulis menjadi asisten praktikum dan kegiatan lapangan,
terimakasih atas motivasi, waktu, bimbingan dan ilmunya Pak.
9. Seluruh Dosen Teknik Geofisika Universitas Lampung, Bapak Prof. Drs.
Suharno, M.S., M.Sc., Ph.D., Bapak Bagus Sapto Mulyatno, M.T.,
Bapak Dr. Muh. Sarkowi, M.Si., Bapak Dr. Ahmad Zaenudin, M.T.,
Bapak Syamsurijal R., M.Si., Bapak Alimuddin, M.Si., Bapak Rustadi,
M.T., Bapak Karyanto, M.T., Bapak Dr. Nandi H., M.Si., dan Bapak
Dr. Ordas Dewanto, M.Si., Terima kasih atas semua ilmu bermanfaat
yang telah diberikan.
10. Staf Jurusan Teknik Geofisika, Mbak Dewi, Pak Marsuno “Babeh”, Mas
Pujono dan staf Dekanat Fakultas Teknik Universitas Lampung, Mbak
Stefi, Pak Udin yang telah banyak membantu dalam proses administrasi.
11. Mas Taufiqurrahman yang telah memberikan kesempatan kepada penulis
untuk melaksanakan Tugas Akhir di PT. Pertamina EP. Terima kasih atas
bantuannya Mas.
12. Mas Ari F. Kabisat, selaku pembimbing dari PT. Pertamina EP, atas
kesabaran dalam membimbing dan mengajarkan ilmunya kepada penulis,
xiii
terima kasih atas waktu dan juga nasehatnya Mas Ari. Semoga Allah SWT
selalu memberikan kesehatan dan keberkahan.
13. Para Geoscientist dan warga lantai 16, Mas Julian Saputro, Mas Alanta
Elyan, Mas Aldis Ramadhan, Mas “Boim” Alexis B. Samudra, Mas
Mufid, terima kasih atas masukan dan ilmunya. Mas Dwi, Mas Muadz,
Mas Rio, Mas Romel yang selalu ngajakin main futsal, kapan-kapan main
lagi Mas..!! Dan seluruh karyawan Divisi Eksplorasi PT. Pertamina EP,
terima kasih atas bantuannya selama pelaksanaan penelitian tugas akhir ini.
14. Dai Bianda (Geologi Unpad’11), teman seperjuangan TA atas dukungannya
selama di kantor, terima kasih atas kritik dan sarannya Bro.!! Sangat
membangun.
15. Keluarga TG Mania’ 10, keluarga yang telah berjuang bersama di
Universitas Lampung. Rian Hidayat (pak Komti terhebat yang pernah
ada), Taufiq, geng Minang Sari Elviani jo Fenty Ria Maretta, Widatul
Faizah MD, M. Farhan Ravsanzany, Beriyan Adeam, Mega Khusnul,
Anis Kurnia Dewi, Annisa Mutiara B, Anita Octavia G, Halilintar
Duta Mega, Heksa Agus Wiyono, Dito Hadisurya, Ines Kusuma
Ningrum, Eki Zuhelmi, M. Satria Maulana, Filya Rizky Lestari, M.
Amri Satria, Anne Marie, Siti Fatimah, M.P. Bagus Wicaksono, Bima
Fajar Ertanto, Fernando Siallagan, Ade Setiawan, Murdani, Hanna
Ade Pertiwi, Pangestu Eko Lariyanto, Roy Bryanson Sihombing.
Terima kasih atas kebersamaannya, diskusi dan sharing ilmu, momen
konyol, aneh, sedih dan bahagia selama ini. Pahit manis cerita sejak hari
pertama berjumpa akan selalu terkenang. Sukses untuk kita semua.
xiv
16. Kakak tingkat dan senior TG khususnya Kak Sinku Sanjaya yang tiada
bosan memberikan saran, masukan, dan kritik yang membangun diri
menjadi lebih baik, Kak Edo Bagol, Kak Nando, Kak Gun, Alm. Uda
Agung (semoga diterima di sisi Alloh SWT), Kak Zuhron, Kak Alfian,
Kak Irfan, terima kasih atas sharing ilmunya Kak.
17. Rekan-rekan mahasiswa, adik-adik tingkatku jurusan Teknik Geofisika:
Wilyan, Ucup, Ketho, Nanda, Sari Putri Zam, Fitri Rusmala,
Raynaldo, Edo, Subari ‘Heiho’, Irwansyah, Esha, Hilman, Kevin, Azis,
Niar, Ipeh, Elen, Ririn, Winda, Widya, Sya’bana, Nafis, Agung, Reza,
geng ’14: Malik, Jefri, Diana, Cinthia, Isti, dkk serta geng ’15. Rajin-
rajin belajar.!!
18. Geng Wisma Aveari: Bro Novri, Anggi, Agung; Geng Kost-an Al-Fayat:
Andri Sansan, Dito wakwaw, dan Nur “Bro Macan”.
Serta semua pihak satu persatu yang telah memberikan dukungan sehingga
skripsi ini dapat selesai. Semoga Allah membalas semua kebaikan yang telah
diberikan.
Penulis menyadari bahwa skripsi ini masih terdapat kekurangan dan kesalahan.
Karena itu, penulis berharap adanya kritik, saran dan masukan yang membangun,
sehingga dapat bermanfaat bagi kemajuan ilmu pengetahuan dan teknologi.
Bandar Lampung, Oktober 2016
Penulis,
Wahyuda Alfin
xv
DAFTAR ISI
halaman
ABSTRACT ....................................................................................................... i
ABSTRAK ........................................................................................................ ii
COVER DALAM ............................................................................................. iii
HALAMAN PERSETUJUAN ........................................................................ iv
HALAMAN PENGESAHAN .......................................................................... v
HALAMAN PERNYATAAN .......................................................................... vi
RIWAYAT HIDUP .......................................................................................... vii
HALAMAN PERSEMBAHAN ...................................................................... viii
HALAMAN MOTTO ...................................................................................... ix
KATA PENGANTAR ...................................................................................... x
SANWACANA ................................................................................................. xi
DAFTAR ISI ..................................................................................................... xv
DAFTAR GAMBAR ........................................................................................xviii
DAFTAR TABEL ............................................................................................ xxii
BAB I PENDAHULUAN
1.1 Latar Belakang .................................................................................... 1
1.2 Tujuan Penelitian ................................................................................ 3
1.3 Batasan Masalah ................................................................................. 3
BAB II TINJAUAN PUSTAKA
2.1 Fisiografi Cekungan Sumatera Utara ................................................. 4
2.2 Kerangka Tektonik ............................................................................. 5
2.3 Stratigrafi Cekungan Sumatera Utara ................................................. 7
2.3.1 Batuan Dasar ............................................................................. 8
2.3.2 Formasi Tampur (Eosen Akhir) ................................................ 8
2.3.3 Formasi Bruksah (Oligosen Awal-Oligosen Akhir) ................. 8
2.3.4 Formasi Bampo (Oligosen Awal-Oligosen Akhir) ................... 9
2.3.5 Formasi Belumai (Miosen Awal) .............................................. 9
xvi
2.3.6 Formasi Baong (Miosen Tengah).............................................. 9
2.3.7 Formasi Keutapang (Miosen Akhir) ......................................... 9
2.3.8 Formasi Seureula (Pliosen Awal).............................................. 10
2.3.9 Formasi Juleu Rayeu (Pliosen Akhir) ....................................... 10
2.4 Petroleum System Cekungan Sumatera Utara .................................... 10
2.4.1 Batuan Induk (Source Rock) ..................................................... 10
2.4.2 Batuan Reservoar (Reservoir Rock) .......................................... 11
2.4.3 Batuan Tudung (Seal) ............................................................... 11
2.4.4 Migrasi (Migration) .................................................................. 12
2.4.5 Perangkap (Trap) ...................................................................... 12
BAB III TEORI DASAR
3.1 Metode Seismik Refleksi .................................................................... 15
3.1.1 Trace Seismik ........................................................................... 16
3.1.2 Resolusi ..................................................................................... 18
3.1.3 Wavelet ...................................................................................... 18
3.1.4 Seismogram Sintetik ................................................................. 18
3.2 Amplitude Variation with Offset (AVO) ............................................. 19
3.2.1 Persamaan AVO ........................................................................ 20
3.2.2 Klasifikasi Anomali AVO ......................................................... 23
3.3 Impedansi ........................................................................................... 26
3.3.1 Acoustic Impedance (AI)........................................................... 26
3.3.2 Shear Impedance (SI) ................................................................ 27
3.4 Parameter Lambda-Mu-Rho ............................................................... 28
3.5 Inversi Seismik ................................................................................... 29
3.6 Neural Network .................................................................................. 31
3.7 Tinjauan Umum Well-logging ............................................................ 33
3.7.1 Log Gamma-ray (GR) ............................................................... 33
3.7.2 Log Bulk Density (RHOB) ........................................................ 35
3.7.3 Log Sonic Interval Transite Time (Delta T) .............................. 35
3.7.4 Log Tahanan Jenis (Resistivity) ................................................ 36
3.7.5 Log Neutron Porosity (NPHI) ................................................... 37
BAB IV METODOLOGI PENELITIAN
4.1 Waktu dan Tempat Penelitian ............................................................ 40
4.2 Perangkat dan Data Penelitian ............................................................ 40
4.3 Tahapan Penelitian ............................................................................. 41
4.3.1 Pengolahan Data Tahap 1.......................................................... 41
4.3.2 Pengolahan Data Tahap 2.......................................................... 43
4.3.3 Pengolahan Data Tahap 3.......................................................... 46
4.3.4 Pengolahan Data Tahap 4.......................................................... 48
4.4 Diagram Alir ....................................................................................... 49
BAB V HASIL DAN PEMBAHASAN
5.1 Pengolahan Data Sumur ..................................................................... 50
5.1.1 Transformasi Log ...................................................................... 50
5.1.2 Crossplot Log ............................................................................ 52
xvii
5.1.3 Fluid Replacement Scenario dan AVO Modelling ................... 58
5.2 Analisis AVO (Gradient Analysis) ..................................................... 60
5.2.1 Analisis AVO pada Data Sumur ............................................... 61
5.2.2 Analisis AVO pada Data Seismik ............................................. 65
5.3 Well-Seismic Tie ................................................................................. 71
5.4 Interpretasi Horizon ............................................................................ 76
5.5 Model Inisial (Initial Model) .............................................................. 78
5.6 Inversi Seismik ................................................................................... 79
5.7 Transformasi Lambda-Mu-Rho .......................................................... 89
5.8 Neural Network .................................................................................. 93
5.9 Analisis dan Interpretasi ..................................................................... 101
BAB VI KESIMPULAN DAN SARAN
6.1. Kesimpulan ......................................................................................... 114
6.2. Saran ................................................................................................... 115
DAFTAR PUSTAKA
xviii
DAFTAR GAMBAR
Gambar halaman
Gambar 2.1 Fisiografi cekungan Sumatera Utara ......................................... 4
Gambar 2.2 Sub-cekungan Sumatera Utara .................................................. 5
Gambar 2.3 Framework tektonik cekungan Sumatera Utara ........................ 6
Gambar 2.4 Stratigrafi cekungan Sumatera Utara ........................................ 7
Gambar 2.5 Penampang regional lapangan Al-Fitra ..................................... 14
Gambar 3.1 Prinsip kerja seismik refleksi .................................................... 16
Gambar 3.2 Konvolusi antara reflektivitas dengan wavelet
mengurangi resolusi .................................................................. 17
Gambar 3.3 Jenis-jenis wavelet 1) Zero Phase Wavelet, 2) Maximum
Phase Wavelet, 3) Minimum Phase Wavelet,
4) Mixed Phase Wavelet ............................................................ 18
Gambar 3.4 Seismogram sintetik yang diperoleh dari konvolusi RC dan
wavelet....................................................................................... 19
Gambar 3.5 Geometri AVO .......................................................................... 19
Gambar 3.6 Respon AVO pada lapisan batupasir gas .................................. 20
Gambar 3.7 Partisi energi gelombang seismik pada bidang reflektor .......... 21
Gambar 3.8 Klasifikasi berdasarkan kurva gradient AVO ........................... 25
Gambar 3.9 Crossplot AVO ......................................................................... 25
Gambar 3.10 Faktor pengaruh terhadap kecepatan gelombang seismik ......... 27
Gambar 3.11 Proses forward modelling dan inverse modelling ..................... 30
Gambar 4.1 Basemap penelitian ................................................................... 42
Gambar 4.2 Pre-stack Gather ....................................................................... 44
Gambar 4.3 Super Gather ............................................................................. 45
Gambar 4.4 Incident Angle Mute .................................................................. 45
Gambar 4.5 Muted Gather ............................................................................ 45
Gambar 4.6 Trims Static ............................................................................... 46
Gambar 4.7 Diagram alir penelitian .............................................................. 49
Gambar 5.1 Hasil transformasi log pada sumur AW-1 ................................. 50
Gambar 5.2 Hasil transformasi log pada sumur AW-2 ................................. 51
Gambar 5.3 Hasil transformasi log pada sumur AW-3 ................................. 51
Gambar 5.4 Hasil transformasi log pada sumur AW-4 ................................. 51
Gambar 5.5 Hasil transformasi log pada sumur West-1 ............................... 52
Gambar 5.6 Hasil transformasi log pada sumur North-1 .............................. 52
Gambar 5.7 Crossplot antara P-impedance dan gamma ray pada sumur
AW-1 ......................................................................................... 54
xix
Gambar 5.8 Crossplot antara S-impedance dan gamma ray pada sumur
AW-1 ......................................................................................... 54
Gambar 5.9 Crossplot antara Lambda-Rho dan Mu-Rho pada sumur
AW-1 ......................................................................................... 54
Gambar 5.10 Crossplot antara P-impedance dan gamma ray pada sumur
AW-2 ......................................................................................... 55
Gambar 5.11 Crossplot antara S-impedance dan gamma ray pada sumur
AW-2 ......................................................................................... 55
Gambar 5.12 Crossplot antara Lambda-Rho dan Mu-Rho pada sumur
AW-2 ......................................................................................... 55
Gambar 5.13 Crossplot antara P-impedance dan gamma ray pada sumur
AW-3 ......................................................................................... 56
Gambar 5.14 Crossplot antara S-impedance dan gamma ray pada sumur
AW-3 ......................................................................................... 56
Gambar 5.15 Crossplot antara Lambda-Rho dan Mu-Rho pada sumur
AW-3 ......................................................................................... 56
Gambar 5.16 Crossplot antara P-impedance dan gamma ray pada sumur
AW-4 ......................................................................................... 57
Gambar 5.17 Crossplot antara S-impedance dan gamma ray pada sumur
AW-4 ......................................................................................... 57
Gambar 5.18 Crossplot antara Lambda-Rho dan Mu-Rho pada sumur
AW-4 ......................................................................................... 57
Gambar 5.19 Data log Vp, Vs dan density hasil perubahan skenario fluida
pada sumur AW-1 ..................................................................... 58
Gambar 5.20 Hasil sintetik AVO pada sumur AW-1, a) sintetik brine;
b) sintetik oil; c) sintetik insitu.................................................. 59
Gambar 5.21 Hasil sintetik AVO pada sumur AW-2, a) sintetik brine;
b) sintetik oil; c) sintetik insitu.................................................. 59
Gambar 5.22 Hasil sintetik AVO pada sumur AW-3, a) sintetik brine;
b) sintetik oil; c) sintetik insitu.................................................. 59
Gambar 5.23 Hasil sintetik AVO pada sumur AW-4, a) sintetik brine;
b) sintetik oil; c) sintetik insitu.................................................. 60
Gambar 5.24 Hasil sintetik AVO pada sumur West-1, a) sintetik brine;
b) sintetik oil; c) sintetik insitu.................................................. 60
Gambar 5.25 Analisis AVO dan crossplot AVO pada data sumur AW-1 ...... 63
Gambar 5.26 Analisis AVO dan crossplot AVO pada data sumur AW-2 ...... 63
Gambar 5.27 Analisis AVO dan crossplot AVO pada data sumur AW-3 ...... 64
Gambar 5.28 Analisis AVO dan crossplot AVO pada data sumur AW-4 ...... 64
Gambar 5.29 Analisis AVO dan crossplot AVO pada data sumur West-1 .... 65
Gambar 5.30 Perbandingan kurva gradient dari data seismik yang
melewati sumur AW-1, AW-2 dan West-1 ............................... 67
Gambar 5.31 Perbandingan kurva gradient dari data seismik yang
melewati sumur AW-3, AW-4 dan West-1 ............................... 67
Gambar 5.32 Perbandingan atribut intercept, gradient dan product dari
data seismik yang melewati sumur AW-1 dan AW-2 ............... 68
Gambar 5.33 Pre-stack seismik yang melewati: a) zona potensi-1;
b) zona potensi-2; dan c) sumur AW-1 ..................................... 70
xx
Gambar 5.34 Perbandingan kurva gradient dari data seismik yang
melewati zona potensi-1, zona potensi-2 dan AW-1 ................ 70
Gambar 5.35 Wavelet statistical dari data seismik ......................................... 71
Gambar 5.36 Well-seismic tie dengan wavelet statistical pada sumur
AW-1 ......................................................................................... 72
Gambar 5.37 Well-seismic tie dengan wavelet statistical pada sumur
AW-2 ......................................................................................... 73
Gambar 5.38 Well-seismic tie dengan wavelet statistical pada sumur
AW-3 ......................................................................................... 73
Gambar 5.39 Well-seismic tie dengan wavelet statistical pada sumur
AW-4 ......................................................................................... 74
Gambar 5.40 Well-seismic tie dengan wavelet ekstraksi dari sumur AW-1 ... 74
Gambar 5.41 Well-seismic tie dengan wavelet ekstraksi dari sumur AW-2 ... 75
Gambar 5.42 Well-seismic tie dengan wavelet ekstraksi dari sumur AW-3 ... 75
Gambar 5.43 Well-seismic tie dengan wavelet ekstraksi dari sumur AW-4 ... 76
Gambar 5.44 Interpretasi horizon ................................................................... 77
Gambar 5.45 Peta struktur waktu horizon Belumai SS .................................. 77
Gambar 5.46 Model inisial AI (atas) dan SI (bawah) pada xline 3008 ........... 79
Gambar 5.47 Desain operator inversi AI ........................................................ 80
Gambar 5.48 Desain operator inversi SI ......................................................... 80
Gambar 5.49 Analisis inversi AI pada sumur AW-1 ...................................... 81
Gambar 5.50 Analisis inversi AI pada sumur AW-2 ...................................... 82
Gambar 5.51 Analisis inversi AI pada sumur AW-3 ...................................... 82
Gambar 5.52 Analisis inversi AI pada sumur AW-4 ...................................... 83
Gambar 5.53 Analisis inversi SI pada sumur AW-1 ....................................... 83
Gambar 5.54 Analisis inversi SI pada sumur AW-2 ....................................... 84
Gambar 5.55 Analisis inversi SI pada sumur AW-3 ....................................... 84
Gambar 5.56 Analisis inversi SI pada sumur AW-4 ....................................... 85
Gambar 5.57 Hasil inversi AI (atas) dan inversi SI (bawah) yang melewati
sumur AW-1 pada xline 3008 ................................................... 86
Gambar 5.58 Hasil inversi AI (atas) dan inversi SI (bawah) yang melewati
sumur AW-2 pada xline 2932 ................................................... 87
Gambar 5.59 Hasil inversi AI (atas) dan inversi SI (bawah) yang melewati
sumur AW-3 pada xline 3011 ................................................... 88
Gambar 5.60 Hasil inversi AI (atas) dan inversi SI (bawah) yang melewati
sumur AW-4 pada xline 3099 ................................................... 89
Gambar 5.61 Hasil transformasi Lambda-Rho (atas) dan Mu-Rho (bawah)
yang melewati sumur AW-1 pada xline 3008 ........................... 90
Gambar 5.62 Hasil transformasi Lambda-Rho (atas) dan Mu-Rho (bawah)
yang melewati sumur AW-2 pada xline 2932 ........................... 91
Gambar 5.63 Hasil transformasi Lambda-Rho (atas) dan Mu-Rho (bawah)
yang melewati sumur AW-3 pada xline 3011 ........................... 92
Gambar 5.64 Hasil transformasi Lambda-Rho (atas) dan Mu-Rho (bawah)
yang melewati sumur AW-4 pada xline 3099 ........................... 93
Gambar 5.65 Hasil korelasi multi-atribut untuk porositas .............................. 95
Gambar 5.66 Perbandingan hasil training multi-atribut dengan log
porositas .................................................................................... 96
Gambar 5.67 Perbandingan hasil training PNN dengan log porositas ............ 96
xxi
Gambar 5.68 Crossplot antara porositas prediksi dengan porositas dari
well ............................................................................................ 96
Gambar 5.69 Hasil korelasi multi-atribut untuk saturasi air ........................... 97
Gambar 5.70 Perbandingan hasil training multi-atribut dengan log
saturasi air ................................................................................. 97
Gambar 5.71 Perbandingan hasil training PNN dengan log saturasi air ........ 97
Gambar 5.72 Crossplot antara saturasi air prediksi dengan saturasi air
dari well ..................................................................................... 98
Gambar 5.73 Hasil PNN porositas yang melewati sumur AW-1 pada
xline 3008 .................................................................................. 98
Gambar 5.74 Hasil PNN porositas yang melewati sumur AW-2 pada
xline 2932 .................................................................................. 99
Gambar 5.75 Hasil PNN porositas yang melewati sumur AW-3 pada
xline 3011 .................................................................................. 99
Gambar 5.76 Hasil PNN porositas yang melewati sumur AW-4 pada
xline 3099 .................................................................................. 99
Gambar 5.77 Hasil PNN saturasi air yang melewati sumur AW-1 pada
xline 3008 .................................................................................. 100
Gambar 5.78 Hasil PNN saturasi air yang melewati sumur AW-2 pada
xline 2932 .................................................................................. 100
Gambar 5.79 Hasil PNN saturasi air yang melewati sumur AW-3 pada
xline 3011 .................................................................................. 100
Gambar 5.80 Hasil PNN saturasi air yang melewati sumur AW-4 pada
xline 3099 .................................................................................. 101
Gambar 5.81 Slice map volume Acoustic Impedance ..................................... 102
Gambar 5.82 Slice map volume Shear Impedance ......................................... 102
Gambar 5.83 Slice map volume Lambda-Rho ................................................ 103
Gambar 5.84 Slice map volume Mu-Rho........................................................ 103
Gambar 5.85 Slice map volume porositas ....................................................... 104
Gambar 5.86 Slice map volume saturasi air .................................................... 104
Gambar 5.87 Slice map atribut min. amplitudo overlay time structure .......... 107
Gambar 5.88 Slice map AI overlay time structure ......................................... 108
Gambar 5.89 Slice map SI overlay time structure .......................................... 109
Gambar 5.90 Slice map Lambda-Rho overlay time structure ......................... 110
Gambar 5.91 Slice map Mu-Rho overlay time structure ................................ 111
Gambar 5.92 Slice map porositas overlay time structure ............................... 112
Gambar 5.93 Slice map saturasi air overlay time structure ............................ 113
DAFTAR TABEL
Tabel halaman
Tabel 3.1 Klasifikasi anomali AVO ................................................................. 26
Tabel 4.1 Jadwal kegiatan penelitian ............................................................... 40
Tabel 4.2 Kelengkapan data log ....................................................................... 41
Tabel 4.3 Geometri data seismik lapangan “Al-Fitra” ..................................... 43
Tabel 5.1 Parameter model inisial Acoustic Impedance (AI) ........................... 78
Tabel 5.2 Parameter model inisial Shear Impedance (SI) ................................ 78
Tabel 5.3 Parameter inversi Acoustic Impedance (AI)..................................... 79
Tabel 5.4 Parameter inversi Shear Impedance (SI) .......................................... 80
1
a
a
a
a
BAB I. PENDAHULUAN
a
a
1.1 Latar Belakang
Cekungan Sumatera Utara telah dikenal sebagai salah satu penghasil hidrokarbon
di Indonesia. Banyak lapangan di ruang lingkup cekungan Sumatera Utara ini
yang terbukti menghasilkan hidrokarbon minyak dan gas. Salah satunya ialah
lapangan “Al-Fitra” yang berada dalam Wilayah Kerja PT. Pertamina EP di lepas
pantai Sumatera Utara. Struktur Al-Fitra ini dibor pertama kali melalui sumur
AW-1 dan terbukti dari data DST menghasilkan gas dan kondensat. Data log
sumur menunjukkan keterdapatan hidrokarbon gas yang potensial berasal dari
lapisan reservoar batupasir Belumai berumur Early Miocene.
Selama ini, metode geofisika yang selalu digunakan dalam eksplorasi
hidrokarbon adalah metode seismik refleksi karena dapat memberikan gambaran
struktur geologi dan perlapisan batuan bawah permukaan dengan cukup detail
dan akurat. Pada penampang seismik yang melewati struktur “Al-Fitra”
menunjukkan adanya anomali amplitudo (brightspot) yang berkorelasi dengan
adanya hidrokarbon gas. Namun pada kenyataannya di lapangan, tidak semua
brightspot disebabkan oleh keberadaan gas, banyak kondisi-kondisi lain di bawah
permukaan yang dapat memberikan efek brightspot, seperti sisipan tipis batubara,
batuan berpori atau rekah-rekah, lapisan garam, konglomerat, turbidit, ataupun
efek tuning dari lapisan tipis. Karena itu, diperlukan evaluasi khusus data Gather
2
seismik untuk menganalisis respon amplitudo terhadap offset (AVO) agar
meningkatkan kepercayaan terhadap kemungkinan kehadiran fluida hidrokarbon
terutama gas di reservoar lapangan ini.
Seiring dengan berkembangnya metode seismik refleksi, berkembang juga teknik
inversi seismik untuk memodelkan bawah permukaan. Inversi seismik merupakan
teknik pembuatan model bawah permukaan dengan menggunakan data seismik
sebagai input dan data sumur sebagai control. Untuk keperluan lebih lanjut, hasil
inversi yang berupa Acoustic Impedance (AI) dan Shear Impedance (SI) juga
dapat ditransformasikan menjadi produk Lambda-Rho (λρ) yang lebih sensitif
terhadap perubahan fluida dan Mu-Rho (μρ) yang lebih sensitif terhadap
perubahan litologi.
Selain itu, aplikasi Neural Network juga dapat mengekstrak informasi dari variasi
amplitudo seismik yang berhubungan dengan perubahan impedansi akustik,
sehingga dapat dihubungkan dengan sifat reservoar lainnya. Dengan
memanfaatkan hubungan data log dan beberapa set atribut seismik pada lokasi
sumur, maka dapat digunakan untuk memprediksi data log di setiap lokasi dalam
volume seismik sehingga menjadi volume properti log yang diinginkan, seperti
porositas dan saturasi air.
Keberadaan zona brighspot di lapangan Al-Fitra ini yang ditunjukkan peta atribut
amplitudo, mendorong penulis untuk menganalisis karakter dari reservoar dan
persebarannya. Penelitian dengan metode analisis AVO, seismik inversi dan
neural network ini, diharapkan dapat mengkarakterisasi reservoar dengan lebih
3
baik sehingga bisa menjadi pertimbangan dalam pengembangan lapangan
selanjutnya.
1.2 Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah untuk:
1. Mengidentifikasi kelas anomali AVO pada reservoar batupasir Belumai.
2. Mengetahui persebaran reservoar batupasir dan potensi hidrokarbon dengan
inversi.
3. Memprediksi distribusi porositas dan saturasi air berdasarkan Probabilistic
Neural Network (PNN).
1.3 Ruang Lingkup
Penulis membatasi ruang lingkup pada penelitian tugas akhir ini yaitu:
1. Daerah penelitian ini berada pada lapangan offshore Al-Fitra dengan
objektif lapisan reservoar batupasir Belumai.
2. Data yang digunakan berupa data seismik 3D post-stack dengan asumsi
telah melalui tahap processing sesuai prosedur dan data seismik 3D pre-
stack gather yang telah yang dikoreksi NMO. Serta difokuskan pada data
log 4 sumur dari 6 sumur yang berada pada lapangan Al-Fitra.
3. Metode yang digunakan adalah analisis AVO, inversi Acoustic Impedance
(AI), inversi Shear Impedance (SI) dan Lambda-Mu-Rho (LMR). Serta
dilanjutkan dengan Neural Network untuk pemetaan distribusi porositas dan
saturasi air.
33
a
a
a
a
BAB III. TEORI DASAR
a
a
3.1 Metode Seismik Refleksi
Seismik refleksi adalah salah satu metode dalam geofisika yang bertujuan untuk
mengetahui apa yang terdapat di dalam bumi dengan memanfaatkan pantulan
gelombang akustik yang dihasilkan dari sumber energi getar (dinamit, vibroseis,
air gun) dan direkam oleh receiver (geophone atau hydrophone). Data yang
dimanfaatkan dari gelombang pantul ini ialah travel time (waktu tempuh) dan
velocity (kecepatan rambat gelombang). Kecepatan gelombang yang dihasilkan
berasal dari energi tertentu yang kemudian menggerakkan partikel-partikel
gelombang dengan frekuensi tertentu.
Pada Gambar 3.1 mengilustrasikan prinsip kerja seismik refleksi. Sumber yang
diledakkan di permukaan akan menghasilkan gelombang akustik yang menjalar ke
segala arah. Gelombang yang menjalar ke dalam bumi akan melewati batuan-
batuan di dalamnya. Ketika mengenai batas perlapisan batuan, gelombang
terpantulkan lagi ke permukaan dan terekam oleh alat penerima (receiver).
Gelombang tersebut membawa semua informasi yang menggambarkan kondisi
bawah permukaan.
16
Gambar 3.1 Prinsip kerja seismik refleksi
Kemudian hasil rekaman tersebut diproses melalui beberapa tahapan processing
untuk mendapatkan hasil sesuai yang diinginkan. Tahapan yang biasa dilakukan
seperti stacking, deconvolution, migration, amplitude balancing, dll. Tiap-tiap
tahapan processing tersebut mempunyai tujuan berbeda dan juga hasil yang berbeda
tergantung tujuan kita.
Untuk inversi, kita menginginkan data seismik yang amplitudonya sedekat
mungkin dengan kondisi sebenarnya. Karena dengan inversi kita melakukan
pendekatan untuk mendapatkan model geologi yang sebenarnya. Apabila input
(data seismik) sudah tidak asli (preserve) maka hasil yang didapat tentu saja juga
tidak sesuai dengan keadaan sebenarnya.
3.1.1 Trace Seismik
Setiap trace seismik merupakan hasil konvolusi sederhana dari reflektivitas bumi
dengan fungsi sumber seismik ditambah dengan komponen noise (Russell, 2008).
Dalam bentuk persamaan dapat dituliskan sebagai berikut (tanda * menyatakan
konvolusi):
17
S(t) = w(t) * r(t) + n(t) (1)
dimana : S(t) = trace seismik
w(t) = wavelet seismik
r(t) = reflektivitas bumi, dan
n(t) = noise
Konvolusi dapat dinyatakan sebagai penggantian (replacing) setiap koefisien
refleksi dalam skala wavelet kemudian menjumlahkan hasilnya. Seperti diketahui
bahwa refleksi utama berasosiasi dengan perubahan harga impedansi. Selain itu
wavelet seismik umumnya lebih panjang daripada spasi antara kontras impedansi
yang menghasilkan koefisien refleksi. Dapat diperhatikan pada Gambar 3.2 bahwa
konvolusi dengan wavelet cenderung mereduksi koefisien refleksi sehingga
mengurangi resolusi untuk memisahkan reflektor yang berdekatan.
Gambar 3.2 Konvolusi antara reflektivitas dengan wavelet mengurangi resolusi
(Russell, 2008).
18
3.1.2 Resolusi
Resolusi didefinisikan sebagai jarak minimum antara dua obyek yang dapat
dipisahkan oleh gelombang seismik (Sukmono, 2002). Dalam seismik refleksi,
objek adalah batas antar lapisan. Keterbatasan yang dimiliki gelombang seismik ini
disebabkan range frekuensinya antara 10-60 Hz sehingga hal ini dapat berhubungan
langsung dengan resolusi yang dimiliki. Dalam interpretasi seismik, resolusi terbagi
menjadi dua arah yaitu resolusi vertikal dan resolusi horizontal.
3.1.3 Wavelet
Wavelet adalah sinyal transien yang mempunyai interval waktu dan amplitudo,
frekuensi, dan fasa tertentu. Ada empat jenis wavelet berdasarkan konsentrasi
energinya (ditunjukkan Gambar 3.3), yaitu zero phase, minimum phase, maximum
phase, dan mixed phase.
Gambar 3.3 Jenis-jenis wavelet 1) Zero Phase Wavelet, 2) Maximum Phase
Wavelet, 3) Minimum Phase Wavelet, 4) Mixed Phase Wavelet
3.1.4 Seismogram Sintetik
Seismogram sintetik adalah rekaman seismik buatan yang dibuat dari data log
kecepatan dan densitas. Data kecepatan dan densitas membentuk fungsi koefisien
(1) (2)
(3) (4)
19
refleksi yang selanjutnya dikonvolusikan dengan wavelet. Hal ini diilustrasikan
pada Gambar 3.4. Seismogram sintetik dibuat untuk mengkorelasikan antara
informasi sumur (litologi, umur, kedalaman, dan sifat-sifat fisis lainnya) terhadap
trace seismik guna memperoleh informasi yang lebih lengkap dan komprehensif.
Gambar 3.4 Seismogram sintetik yang diperoleh dari konvolusi RC dan wavelet
(Sukmono, 2002)
3.2 Amplitude Variation with Offset (AVO)
Amplitude Variation with Offset (AVO) merupakan konsep yang didasari pada
respon perubahan amplitudo refleksi pada jejak seismik seiring bertambahnya sudut
datang. Semakin besar jarak sumber ke penerima (offset) semakin besar pula sudut
datangnya. Hal tersebut diilustrasikan pada Gambar 3.5.
Gambar 3.5 Geometri AVO
θ1
θ2
20
Gambar 3.6 mengilustrasikan respon AVO dengan gelombang datang yang
menjalar pada lapisan serpih (shale) dan sebagai reflektornya lapisan batupasir
(sandstone) yang tersaturasi gas. Hasil rekaman amplitudo seismik atau nilai
refleksinya semakin membesar dengan bertambahnya offset.
Gambar 3.6 Respon AVO pada lapisan batupasir gas (Chiburis, 1993)
3.2.1 Persamaan AVO
AVO muncul akibat adanya partisi energi pada bidang reflektor. Sebagian energi
direfleksikan dan sebagian lainnya ditransmisikan. Selain itu, gelombang konversi
juga terbentuk ketika suatu gelombang mencapai batas lapisan. Koefisien refleksi
menjadi fungsi dari kecepatan gelombang P (Vp), gelombang S (Vs), densitas (ρ)
dari setiap lapisan, serta sudut datang (θ) gelombang seismik. Sehingga, terdapat
empat kurva yang dapat diturunkan yaitu amplitudo refleksi gelombang P,
21
amplitudo transmisi gelombang P, amplitudo refleksi gelombang S dan amplitudo
transmisi gelombang S seperti yang ditunjukkan pada Gambar 3.7.
Gambar 3.7 Partisi energi gelombang seismik pada bidang reflektor
Persamaan dasar AVO pertama kali diperkenalkan oleh Zoeppritz (1919) yang
menggambarkan koefisien refleksi dan transmisi sebagai fungsi dari sudut datang
pada media elastik (densitas, gelombang P dan gelombang S). Knott dan Zoeppritz
melakukan analisa koefisien refleksi berdasarkan hal tersebut dan persamaannya
dapat dituliskan dalam bentuk persamaan matriks, seperti terlihat pada persamaan
(2).
1
1
1
1
1
1
1
1
2
11
222
11
221
1
11
22
11
21222
121
2
2121
1
11
2211
2211
2cos
2sin
cos
sin
)(
)(
)(
)(
2sin2cos2sin2cos
2cos2sin2cos2sin
sincossincos
cossincossin
Ts
Tp
Rs
Rp
Vs
Vs
Vp
Vp
Vp
Vs
Vs
VsVp
VsVp
VsVp
Vs
Vp (2)
22
Rp = Refleksi gelombang P
Rs = Refleksi gelombang S
Tp = Transmisi gelombang P
Ts = Transmisi gelombang S
1 = sudut pantul gelombang S
2 = sudut bias gelombang S
1 = sudut datang gelombang P
2 = sudut bias gelombang P
Vp kecepatan gelombang P
Vs kecepatan gelombang S
densitas
Persamaan Zoeppritz mempunyai solusi yang kompleks tidak memperlihatkan
pemahaman yang mudah antara amplitudo dengan offset dan sifat batuannya,
sehingga untuk pemodelan dan analisa AVO biasanya digunakan persamaan
linearisasi. Aki dan Richard (1980) memperkenalkan pendekatan praktis untuk
mengatasi persamaan Zoeppritz yang kompleks, sehingga koefisien refleksi pada
setiap sudut datang hanya dipengaruhi oleh densitas, kecepatan gelombang P, dan
kecepatan gelombang S.
𝑅𝑝 = 𝑎 ∆𝑉𝑝
𝑉𝑝+ 𝑏
∆𝜌
𝜌+ 𝑐
∆𝑉𝑠
𝑉𝑠 (3)
Dimana :
𝑎 = 1
2 𝑐𝑜𝑠2𝜃
𝑏 = 0.5 − [2 (𝑉𝑠
𝑉𝑝)
2
𝑠𝑖𝑛2𝜃]
𝑐 = −4 (𝑉𝑠
𝑉𝑝)
2
𝑠𝑖𝑛2𝜃
𝜃 = 𝜃1 + 𝜃2
2
𝜌 = 𝜌2 − 𝜌1
2, ∆𝜌 = 𝜌2 − 𝜌1
𝑉𝑝 = 𝑉𝑝2 − 𝑉𝑝1
2, ∆𝑉𝑝 = 𝑉𝑝2 − 𝑉𝑝1
𝑉𝑠 = 𝑉𝑠2 − 𝑉𝑠1
2, ∆𝑉𝑠 = 𝑉𝑠2 − 𝑉𝑠1
Dari persamaan diatas, Wiggins (1983) memodifikasi persamaan 3 tersebut menjadi
bentuk baru yang terdiri dari 3 (tiga) bagian seperti persamaan 4 berikut :
𝑅𝑝(𝜃) = 𝐴 + 𝐵𝑠𝑖𝑛2𝜃 + 𝐶𝑡𝑎𝑛2𝜃 𝑠𝑖𝑛2𝜃 (4)
23
𝐴 =1
2 [
∆𝑉𝑝
𝑉𝑝+
∆𝜌
𝜌] (5)
𝐵 =1
2
∆𝑉𝑝
𝑉𝑝− 4 [
𝑉𝑠
𝑉𝑝]
2 ∆𝑉𝑠
𝑉𝑠− 2 [
𝑉𝑠
𝑉𝑝]
2 ∆𝜌
𝜌 (6)
𝐶 =1
2
∆𝑉𝑝
𝑉𝑝 (7)
Persamaan (5) adalah untuk koefisien refleksi pada keadaan zero offset dan fungsi
tersebut bergantung dengan densitas dan kecepatan gelombang P. Persamaan (6)
adalah tingkat gradien yang dikalikan dengan sin2θ, dan merupakan efek besar pada
perubahan amplitudo sebagai fungsi offset. Persamaan ini bergantung pada
perubahan kecepatan gelombang P, kecepatan gelombang S, dan densitas.
Persamaan (7) berupa kurva dan hanya bergantung pada perubahan kecepatan
gelombang P. Persamaan ini dikalikan oleh (𝑡𝑎𝑛2𝜃 𝑠𝑖𝑛2𝜃), namun berpengaruh
sangat kecil pada efek amplitudo sudut di bawah 30°.
3.2.2 Klasifikasi Anomali AVO
Rutherford dan Williams (1989) membagi kelas AVO dalam kasus shale-gas sand
ke dalam tiga kelas, yaitu kelas 1 yang berhubungan dengan nilai impendansi yang
tinggi dari batupasir gas, kelas 2 yang berhubungan dengan nilai impendansi
batupasir gas yang mendekati nol dan kelas 3 dengan nilai impedansi batupasir gas
yang rendah. Castagna (1997) mengembangkan kelas AVO dari Rutherford dan
Williams (1989), dengan menambahkan anomali kelas 4. Klasifikasi ini
diilustrasikan pada Gambar 3.8.
Anomali kelas 1 memiliki nilai impendansi akustik sandstone yang tinggi.
Sandstone kelas 1 relatif mempunyai nilai impedansi yang lebih tinggi
dibandingkan lapisan penutup atau lapisan di atasnya yang biasanya berupa shale.
24
Batas antara shale dan sandstone tersebut mempunyai nilai koefisien refleksi yang
tinggi dan positif. Sandstone pada kelas 1 merupakan sandstone yang secara
ekstrim telah terkompaksi. Kurva AVO kelas 1 memiliki intercept positif dan
gradient negatif. Nilai gradient kelas 1 biasanya lebih besar bila dibandingkan
dengan kelas 2 dan 3.
Anomali kelas 2 memiliki kontras akustik impedansi yang mendekati nol.
Sandstone kelas 2 hampir memiliki nilai impedansi akustik yang hampir sama
dengan batuan di atasnya. Sandstone tersebut terkompaksi dan terkonsolidasi.
Gradient dari sandstone kelas 2 memiliki nilai yang besar namun tidak sebesar
gradient pada kelas 1. Anomali AVO kelas 2 terdiri dari kelas 2 yang memiliki
intercept dan gradient negatif serta kelas 2p yang memiliki intercept positif dan
gradient negatif. Kelas 2p merupakan anomali dengan pembalikan polaritas.
Intercept pada kelas 2 ini memiliki nilai yang mendekati nol.
Anomali kelas 3 memiliki nilai akustik impedansi yang kecil dibandingkan dengan
batuan di atasnya. Sandstone-nya biasanya kurang terkompaksi dan tidak
terkonsolidasi. Anomali kelas 3 memiliki intercept dan gradient negatif. Nilai
intercept nya berada di bawah nilai intercept kelas 2. Biasanya nilai gradient nya
tidak lebih besar dari kelas 1 dan kelas 2.
Anomali kelas 4 memiliki nilai impedansi kecil dari batuan penutupnya. Anomali
kelas 4 memiliki intercept negatif dan gradient positif. Anomali kelas 4 ini terjadi
ketika batupasir yang porous dilapisi oleh lapisan yang berkecepatan tinggi seperti
karbonat, tight sand yang tersementasi, siltstone, atau shale yang keras.
25
Gambar 3.8 Klasifikasi berdasarkan kurva gradient AVO (Rutherford &
Williams, 1989 dengan modifikasi)
Gambar 3.9 Crossplot AVO (Castagna, 1997)
Berdasarkan kurva gradient AVO (Gambar 3.8) dan crossplot AVO (Gambar
3.9), klasifikasi anomali AVO dapat disajikan dalam Tabel 3.1 di bawah ini:
26
Tabel 3.1 Klasifikasi Anomali AVO (Castagna, 1997)
3.3 Impedansi
3.3.1 Acoustic Impedance (AI)
Salah satu sifat akustik yang khas pada batuan adalah Acoustic Impedance (AI)
yang dipengaruhi oleh tipe dari litologi, porositas, kandungan fluida, kedalaman,
dan tekanan. Oleh sebab itu AI dapat digunakan untuk identifikasi litologi,
porositas, hidrokarbon, dan yang lainnya.
Acoustic Impedance (AI) merupakan hasil perkalian kecepatan (V) dan densitas ()
AI = Vp . (8)
dimana: AI = impedansi akustik (m/s. g/cm3)
= densitas (g/cm3)
Vp = kecepatan (m/s)
Dikarenakan orde nilai kecepatan lebih besar dibandingkan dengan orde nilai
densitas, maka harga AI lebih dikontrol oleh kecepatan gelombang seismik pada
batuan. Ketika gelombang yang merambat ke dalam bumi menemui batas lapisan
(interface) yang memiliki perbedaan AI, sebagian energi gelombang tersebut akan
terpantulkan dan sebagian lagi akan ditransmisikan/diteruskan ke dalam bumi.
Gelombang yang terpantulkan tersebut akan ditangkap oleh receiver yang berada
di permukaan. Hubungan koefisien refleksi dapat dituliskan dalam persamaan :
27
ii
ii
iiii
iiii
AIAI
AIAI
VV
VVRCi
1
1
11
11
(9)
dimana :
Vi = Kecepatan lapisan ke-I ; AIi = Impedansi Akustik Lapisan ke-i
V i+1 = Kecepatan lapisan ke-i+1 ; AIi+1 = Impedansi Akustik Lapisan ke-i + 1
RCi = Koefisien Refleksi (KR) ke-i
Pada Gambar 3.10 dapat dilihat beberapa faktor yang dapat mempengaruhi nilai
kecepatan gelombang seismik.
Gambar 3.10 Faktor pengaruh terhadap kecepatan gelombang seismik
(Hiltermann, 1977 dalam Sukmono, 2002).
Karakterisasi berdasarkan AI memiliki keterbatasan dalam membedakan antara
efek litologi dan fluida. Nilai AI rendah yang disebabkan oleh kehadiran fluida
hidrokarbon sering overlapped dengan AI rendah dari efek litologi.
3.3.2 Shear Impedance (SI)
Secara umum impedansi Shear hampir sama dengan impedansi akustik,
perbedaannya pada kecepatan yang digunakan adalah kecepatan gelombang S (Vs).
28
Secara matematis dirumuskan sebagai:
SI = Vs . ρ (10)
dimana: SI = impedansi shear (m/s. g/cm3)
= densitas (g/cm3)
Vs = kecepatan (m/s)
Karena sifat dari gelombang S yang hanya mengukur rigiditas matriks batuan
sehingga keberadaan fluida tidak terdeteksi, gelombang ini hanya akan melewati
medium solid, sehingga apabila diolah lebih lanjut, SI dapat merepresentasikan
perubahan litologi.
3.4 Parameter Lambda-Mu-Rho
Menurut Goodway (1997), parameter Lambda-Rho (λρ) dan Mu-Rho (μρ)
merupakan parameter fisika yang dapat digunakan untuk mempertajam indikasi
reservoar minyak dan gas. Lambda-Rho adalah hasil perkalian antara modulus
Lame atau inkompresibilitas (λ) dan densitas (ρ), parameter yang cukup sensitif
dalam memperlihatkan keberadaan fluida migas. Sedangkan Mu-Rho adalah hasil
perkalian antara modulus geser atau rigiditas (μ) dan densitas (ρ), parameter yang
cukup sensitif untuk memperlihatkan perbedaan litologi
Nilai dari λρ, μρ, dan K dapat diperoleh dari hubungan antara kecepatan gelombang
P dan S dengan konstanta Lame (λ dan μ) yang dinyatakan sebagai berikut:
2Vp (11)
3
4
KVp (12)
29
Vs (13)
dimana :
Vp = kecepatan gelombang P,
Vs = kecepatan gelombang S,
= densitas,
λ = modulus inkompresibilitas,
μ = modulus rigiditas,
K = modulus bulk,
Subtitusi dari persamaan di atas, sehingga didapatkan:
2SI (14)
22 2SIAI (15)
22
34
sp VVK (16)
3.5 Inversi Seismik
Seismik inversi adalah proses pemodelan geofisika yang dilakukan untuk
memprediksi informasi sifat fisis bumi berdasarkan informasi rekaman seismik
yang diperoleh. Inversi merupakan kebalikan (inverse) dari upaya pengambilan
data seismik (forward modeling). Forward modeling adalah operasi konvolusi
antara wavelet sumber dengan kontras impedansi akustik bumi (koefisien refleksi).
Proses inversi merupakan proses 'pembagian' rekaman seismik terhadap wavelet
sumber yang diprediksi (Abdullah, 2010). Hal ini diilustrasikan pada Gambar 3.11.
30
Gambar 3.11 Proses forward modelling dan inverse modelling (Abdullah, 2010)
Secara garis besar inversi seismik dapat dikelompokkan menjadi inversi pre-stack
dan inversi post-stack. Inversi pre-stack dilakukan pada data seismik yang belum
di-stack (CDP gather). Inversi ini bertujuan untuk menurunkan parameter elastik
untuk penentuan karakter batuan. Sedangkan inversi post-stack merupakan teknik
untuk mendapatkan kembali nilai koefisien refleksi dari rekaman seismik yang
selanjutnya digunakan untuk menentukan nilai impedansi akustik lapisan batuan.
Inversi seismik didefinisikan sebagai suatu teknik pembuatan model bawah
permukaan dengan menggunakan data seismik sebagai input dan data sumur
sebagai kontrol (Sukmono, 2000). Proses ini untuk menghitung model impedansi
bawah permukaan yang sesuai dengan penampang seismik. Karena hilangnya
komponen frekuensi rendah maupun tinggi pada proses seismik, informasi yang
dibutuhkan untuk pembuatan profil impedansi ini tidak bisa hanya didapatkan dari
31
penampang seismik saja. Sehingga, pada proses inversi digunakan model low
frequency (model awal) yang didapat dari data sumur untuk mengembalikan lagi
informasi yang hilang. Model ini menggambarkan model struktur kecepatan yang
akan digunakan untuk membatasi inversi.
Terdapat beberapa metode yang berkembang untuk mendapatkan nilai inversi
seismik, misalnya metode model based, sparse spike, dan rekursif. Selain itu,
terdapat metode inversi yang dikembangkan oleh Lancaster dan Whitcombe (2000)
dari BPA yang disebut Coloured Inversion (CI). Metode ini bukan metode yang
paling baik di kelasnya, tetapi metode ini cukup cepat dan lebih mudah digunakan.
Hasil inversi dengan metode CI ini juga masih lebih handal dibandingkan dengan
‘metode cepat’ lainnya seperti inversi rekursif. Bahkan hasil inversinya cukup mirip
dengan hasil inversi dengan metode sparse spike yang membutuhkan waktu lebih
lama dalam pengerjaannya. Penerapan metode ini dengan menggunakan operator
inversi yang didesain berdasarkan fakta bahwa trend dari spektrum log impedansi
akustik di suatu reservoar mempunyai bentuk konstan. Hal ini mengindikasikan
bahwa sebuah operator konvolusi dapat digunakan untuk melakukan proses inversi.
3.6 Neural Network
Penggunaan multiatribut pada dasarnya dilakukan dengan mencari hubungan statik
antara data log dan set dari atribut seismik pada lokasi sumur, lalu memanfaatkan
hubungan tersebut untuk membuat suatu volum properti log yang diinginkan.
Multiatribut merupakan suatu proses ekstraksi beberapa atribut dari data seismik
yang mempunyai korelasi yang baik terhadap data log yang pada akhirnya
digunakan untuk memprediksi data log pada setiap lokasi di volum seismik. Untuk
32
menentukan atribut seismik yang akan digunakan dalam proses tersebut, dilakukan
uji statistik antara kedua data tersebut (data log dan atribut seismik), sehingga dapat
diketahui hubungan antara keduanya. Regresi multiatribut dapat berjalan dengan
baik apabila ada relasi linear fungsional yang baik di antara log yang diprediksi dan
atribut seismik. Pada kasus hubungan yang non-linear kita dapat mengaplikasikan
transformasi tersebut dengan metoda neural network sebagai algoritma prediksi.
Dalam penelitian ini, neural network yang digunakan adalah Probabilistic Neural
Network (PNN). Transformasi multi-atribut menggunakan Probabilistic Neural
Network merupakan skema interpolasi secara matematis yang menggunakan
arsitektur neural network dalam penerapannya. Dalam pendekatan PNN, bobot
dikalkulasikan menggunakan konsep “jarak” dalam spasi atribut antara titik yang
diketahui nilainya dan titik yang tidak diketahui. Ide dasar di balik PNN adalah
menggunakan kumpulan dari satu atau lebih nilai terukur (variabel independen)
untuk memprediksi nilai variabel dependen tunggal.
Pemecahan masalah dengan cara membandingkan atribut baru dan atribut yang
telah diketahui. Nilai yang diestimasi merupakan kombinasi linear dari nilai
training yang diketahui:
Ø0 = W1* Ø1 + W2* Ø2 + W3* Ø3 (17)
dimana * adalah konvolusi , Ø = nilai porosity, dan W= bobot.
Bobot ini tergantung pada jarak antar titik yang dicari dengan titik training.
Output Ø0 ?
33
Dalam prakteknya, penggunaan PNN dapat dibagi menjadi empat langkah:
a) Analisis regresi stepwise multi linier dan validasi
b) Training neural network untuk menentukan hubungan non-linier antara
atribut seismik dan properti reservoar di lokasi sumur
c) Menerapkan neural network yang telah di-training pada data volume seismik
d) Validasi hasil dengan satu sumur dan memprediksi dari sumur lainnya.
3.7 Tinjauan Umum Well-logging
Data well-logging merupakan data yang diperoleh dari pengukuran langsung pada
lubang bor/sumur yang ditampilkan pada rekaman berupa log. Log adalah suatu
grafik kedalaman atau waktu dari satu set data yang menunjukan parameter yang
diukur secara berkesinambungan di dalam sebuah sumur. Kurva log memberikan
informasi geologi bawah permukaan dalam bentuk parameter tertentu di lubang bor
dengan resolusi yang cukup tinggi.
Karena tingkat akurasinya yang tinggi, maka data log dijadikan sebagai kontrol
terhadap data seismik untuk identifikasi litologi, sebaran fasies, dan evaluasi
formasi terutama dalam identifikasi hidrokarbon. Dalam penelitian ini, data log
utama yang digunakan adalah log Gamma Ray, log Bulk Density, log Sonik DT (P-
wave) dan log DTS (S-wave), log Neutron Porosity, log Resistivity.
3.7.1 Log Gamma-ray (GR)
Rekaman dalam log yang ditampilkan oleh alat (device) yang menangkap sinar
Gamma menunjukkan tingkat radioaktivitas beberapa unsur yang terkandung dalam
mineral batuan. Radioaktivitas yang dicatat pada log GR berasal dari 3 unsur
34
radioaktif yang yaitu Uranium-U, Thorium-Th dan Potasium-K. Unsur-unsur ini
secara terus menerus memancarkan GR dalam bentuk pulsa-pulsa energi radiasi.
Sinar Gamma ini mampu menembus batuan dan terdeteksi dalam bentuk pulsa
listrik. Parameter yang direkam adalah jumlah dari pulsa yang tercatat per satuan
waktu.
Log GR diskala dalam satuan API (GAPI). Satu GAPI adalah 1/200 dari respon
yang didapat dari caliber standar suatu formasi tiruan yang berisi Uranium,
Thorium, dan Potassium dengan kuantitas yang diketahui dengan tepat dan diawasi
oleh American Petroleum Institute (API) di Houston Texas. Umumnya log
disajikan dengan skala 0-100 atau 0-150 GAPI. Hasil analisis dari North American
Shale Composite (NASC) melaporkan bahwa standar referensi nilai dari Th 12.3
ppm, U 2.66 ppm, dan K 3.2% sebanding dengan pembacaan log 121.7 API.
Biasanya unsur U, Th, dan K merupakan kandungan alami dari mineral lempung
atau serpih. Umumnya batupasir, batugamping, dan dolomit memiliki konsentrasi
isotop radioaktif (U, Th, K) dengan jumlahnya relatif lebih sedikit daripada
lempung. Dengan demikian semakin besar respon radiasi yang dicatat pada log
menunjukkan makin banyak pula mineral lempung yang terdapat pada formasi.
Namun tidak selalu nilai Gamma ray tinggi akan berasosiasi dengan batuan
lempung/serpih.
Dari sifat tersebut fungsi utama Log GR dalam aplikasi stratigrafi dan geologi
minyak bumi adalah sebagai “log lempung” untuk membedakan antara lempung
dan formasi “bersih” dan juga untuk mengevaluasi proporsi lempung (V-shale)
dalam shaly formations.
35
3.7.2 Log Bulk Density (RHOB)
Alat yang digunakan untuk mencatat log densitas ini memiliki prinsip kerja yang
mirip dengan alat NPHI, hanya saja yang ditembakkan alat adalah sinar gamma
energi menengah yang kemudian akan bertumbukan dengan elektron-elektron yang
ada pada batuan. Tumbukan tersebut akan menyebabkan hilangnya energi
(atenuasi) sinar gamma yang kemudian akan dipantulkan dan diterima oleh detektor
yang akan diteruskan untuk direkam pada log. Dalam hubungan fisika, atenuasi
sinar gamma diterjemahkan sebagai fungsi dari jumlah elektron yang tedapat dalam
formasi. Jumlah ini dinyatakan dalam kerapatan elektron yang mewakili densitas
keseluruhan.
3.7.3 Log Sonic Interval Transite Time (Delta T)
Log Sonik adalah hasil rekaman alat yang bekerja di lubang bor berdasarkan
kecepatan rambat gelombang suara. Prinsip kerja alat ini cukup sederhana, yaitu
memancarkan gelombang elastik kedalam suatu formasi kemudian merekam waktu
kedatangan gelombang pantul. Waktu yang dibutuhkan gelombang suara untuk
sampai ke penerima disebut interval transit time. Karena jarak antara
sumber/receiver gelombang dengan batuan dianggap konstan maka besar selisih
waktu bergantung pada jenis batuan dan besarnya porositas batuan tersebut.
Gelombang merambat dalam medium sangat bergantung pada fungsi dari parameter
elastik seperti K (Bulk Modulus), μ (Shear Modulus), dan densitas (ρ).
Log sonik direkam sebagai kelambatan (slowness) biasanya dinyatakan dalam
satuan mikro detik. Ada dua jenis log sonic yang dibagi menurut gelombang yang
36
direkamnya, yaitu log DTC (Delta Time Compressional) sebagai log sonik-P dan
log DTS (Delta Time Shear) sebagai log sonik S.
3.7.4 Log Tahanan Jenis (Resistivity)
Tahanan jenis dari formasi adalah salah satu parameter yang cukup penting untuk
menentukan saturasi hidrokarbon. Arus listrik dapat mengalir di dalam formasi
batuan disebabkan konduktivitas dari air yang dikandungnya. Batuan kering dan
hidrokarbon merupakan isolator yang baik kecuali beberapa jenis mineral seperti
graphite dan sulfida besi. Resistivitas formasi diukur dengan cara mengirim arus ke
formasi seperti alat lateral log, atau menginduksikan arus listrik ke dalam formasi
seperti alat induksi.
Prinsip kerja alat laterolog yaitu arus listrik secara lateral dialirkan ke dalam
formasi. Dengan mengukur tegangan listrik yang diperlukan untuk menghasilkan
arus listrik utama yang besarnya konstan, maka resistivitas dapat dihitung dengan
menggunakan Hukum Ohm.
Spherical Focused Induction (SFI) memiliki cara kerja induksi elektromagnet yang
mengikuti hukum Faraday, yaitu bila sebuah kumparan dialiri arus listrik bolak-
balik akan menghasilkan medan magnet dan sebaliknya perubahan medan magnet
akan menimbulkan arus listrik pada kumparan. Arus listrik yang mengalir pada
kumparan alat induksi menghasilkan medan magnet di sekeliling sonde lalu medan
magnet ini akan menghasilkan arus eddy (eddy current) di dalam formasi di sekitar
alat.
37
Formasi konduktif di sekitar alat akan bereaksi seperti kumparan-kumparan kecil
yang sangat banyak sehingga mengalirkan arus Eddy terinduksi. Arus Eddy yang
terbentuk akan menghasilkan medan magnet yang dideteksi oleh kumparan
penerima. Kekuatan dari arus pada penerima adalah sebanding dengan kekuatan
dari medan magnet yang dihasilkan dan sebanding dengan arus Eddy dan juga
konduktivitas dari formasi. Maka alat ini disebut sebagai alat konduktivitas.
3.7.5 Log Neutron Porosity (NPHI)
Alat NPHI tidak mengukur volume pori secara langsung. Alat ini bekerja dengan
memancarkan partikel-partikel neutron energi tinggi dari suatu sumber kedalalam
formasi batuan. Partikel-partikel neutron ini akan bertumbukan dengan atom-atom
pada batuan sehingga mengakibatkan hilangnya energi dan kecepatan. Atom H
secara fisis memiliki massa atom yang serupa dengan neutron. Dengan demikian
tumbukan neutron dengan atom H akan bersifat efektif, artinya energi yang hilang
akibat penyerapan merupakan jumlah tertinggi dibanding tumbukan dengan atom
lain. Partikel yang telah kehilangan energi tersebut kemudian akan dipantulkan
kembali, diterima oleh detektor dan direkam ke dalam log.
Jumlah atom Hidrogen yang terkandung dalam batuan diasumsikan berbanding
lurus dengan banyaknya pori batuan. Biasanya pori-pori batuan ini terisi fluida
(baik gas, air, atau minyak). Ketiga jenis fluida tersebut secara relatif memilki
jumlah atom hidrogen tertentu, dari sini dapat ditentukan jenis fluida pengisi pori
batuan/formasi yang diukur.
Untuk mendapatkan nilai porositas yang sebenarnya, log NPHI harus dibantu
dengan log lainnya seperti log hasil analisis petrofisika dan log densitas. Porositas
38
diturunkan dari log densitas dan log porositas neutron. Porositas densitas dihitung
berdasarkan rumus:
maD
fl ma
(18)
dengan D = porositas densitas = log densitas
ma = densitas matrik fl = densitas fluida
Porositas sebenarnya dari suatu batuan dapat diperkirakan dengan kombinasi
porositas densitas dan neutron:
2
D N
(19)
Hubungan porositas dan saturasi air diberikan oleh persamaan Archie untuk formasi
bersih dalam bentuk:
m Wn
w
T
RS a
R (20)
dengan a = 0.62 m = -2.15
n = 2 Rw = 0.04
RT = tahanan jenis = porositas
Hubungan porositas terhadap densitas fluida dan porositas dinyatakan dalam
persamaan berikut:
(1 )B g fl (21)
dengan B = densitas batuan
g = densitas butiran dalam matrik batuan
= porositas
fl = densitas fluida
39
Hubungan saturasi dengan densitas fluida dapat dihitung dengan perhitungan
sederhana untuk campuran fluida sebagai berikut:
(1 )fl w w w hcS S (22)
dengan fl = densitas fluida
wS = saturasi air/brine
w = densitas air/brine
hc = densitas hidrokarbon
Dengan demikian log turunan lain seperti log saturasi air dapat diperoleh dengan
memanfaatkan persamaan diatas. Log ini bermanfaat untuk melihat kandungan air
dalam formasi sehingga dapat diketahui pula kandungan fluida lainnya.
40
a
a
a
a
BAB IV. METODOLOGI PENELITIAN
a
a
4.1 Waktu dan Tempat Penelitian
Penelitian yang berjudul ”ANALISIS AVO, INVERSI DAN NEURAL
NETWORK UNTUK KARAKTERISASI RESERVOAR EARLY MIOCENE
LAPANGAN OFFSHORE AL-FITRA” dilaksanakan di Fungsi Eksplorasi
Region Sumatera PT. Pertamina EP, Menara Standard Chartered Jakarta.
Penelitian ini dimulai pada tanggal 4 Mei 2015 hingga 7 Juli 2015. Kegiatan
penelitian dapat dilihat pada Tabel 4.1.
Tabel 4.1 Jadwal Kegiatan Penelitian
No Waktu Mei 2015 Juni 2015 Juli 2015
Kegiatan 1 2 3 4 1 2 3 4 1 2 3 4
1 Studi Literatur
2 Pengolahan Data
3 Analisa dan Pembahasan
4.2 Perangkat dan Data Penelitian
Dalam penelitian ini, digunakan 1 unit workstation dengan software penunjang
pengolahan data yaitu Hampson-Russel (HRS-9) dan Petrel 2014. Sedangkan data
yang digunakan dalam penelitian ini adalah sebagai berikut:
1. Data log sumur (AW-1, AW-2, AW-3, AW-4, West-1 dan North-1)
2. Data seismik 3D Pre-stack dan 3D Post-stack (Preserve)
3. Data Checkshot
41
4. Data Marker
4.3 Tahapan Penelitian
4.3.1 Pengolahan Data Tahap 1
1. Pemeriksaan Data Sumur
Pemeriksaan data log meliputi koordinat, elevasi Kelly Bushing (KB), lokasi
sumur terhadap data seismik, interval data log, dan kelengkapan data log.
Peninjauan data log bertujuan untuk mengontrol kualitas data log yang digunakan
dalam proses pengolahan selanjutnya. Data yang kurang baik dilakukan proses
editing untuk mendapatkan hasil data log yang lebih baik dan berkorelasi dengan
kondisi bawah permukaan sebenarnya.
Tabel 4.2 Kelengkapan Data Log
No Sumur
AW-1 AW-2 AW-3 AW-4 North-1 West-1 Log
1 Checkshot √ √ √ - √ -
2 P-wave √ √ √ √ √ -
3 S-wave - √ √ √ - -
4 Density √ √ √ √ √ √
5 Gamma Ray √ √ √ √ √ √
6 Neutron Porosity √ √ √ √ √ √
7 Resistivity √ √ √ √ √ √
8 Inline 1273 1274 1274 1274 1186 1155
bottom 1272 1271 1303
9 Xline 3008 2931 2931 2932 1359 3065
bottom 2932 3015 3106
10 Tipe Vertical Deviated Deviated Deviated Vertical Vertical
42
Gambar 4.1 Basemap Penelitian
2. Transformasi Log
Untuk data yang tidak tersedia pada log utama, dilakukan transformasi dari log
lain. Setelah data log utama tersedia, dilakukan transformasi log turunan yang
digunakan untuk tahapan selanjutnya. Log turunan yang digunakan dalam
penelitian ini, seperti log P-impedance, S-impedance, Lambda-Rho, Mu-Rho,
porositas efektif dan saturasi air.
3. Crossplot Log
Membuat crossplot log untuk mengetahui hubungan antara 2 parameter atau lebih
sehingga dapat dikelompokkan zona-zona yang memiliki kesamaan karakter
litologi, fluida dan lain-lain yang ditandai kisaran nilai parameter tertentu.
Analisis crossplot juga berguna untuk menguji sensitifitas parameter paling baik
N
43
dalam memisahkan litologi dan fluida reservoar di sumur tersebut. Ada 3 jenis
crossplot yang dilakukan yaitu: P-Impedance (sumbu X) dan Gamma Ray (sumbu
Y), S-Impedance (sumbu X) dan Gamma Ray (sumbu Y), serta crossplot Lambda-
Rho (sumbu X) dengan Mu-Rho (sumbu Y). Crossplot ini menggunakan color key
porosity.
4. Fluid Replacement Scenario dan AVO Modelling.
Sebelum dilakukan pemodelan sintetik AVO, diperlukan analisis fluida pengisi.
Data sumur dibuat skenario konten fluida pada zona reservoar yaitu reservoar
yang tersaturasi minyak, air dan nilai log sebenarnya (insitu). Setelah didapatkan
nilai log P-wave, S-wave, density dari masing-masing skenario, dibuat pre-stack
synthetic dari log ini menggunakan algoritma Zoeppritz.
4.3.2 Pengolahan Data Tahap 2
1. Pre-Conditioning Seismic Gather
Agar hasil pada analisis AVO lebih optimal, dilakukan proses pre-conditioning
data seismik yang bertujuan untuk memperbesar S/N (signal to noise ratio).
Adapun susunan geometri dari data seismik dapat dilihat pada Tabel 4.3.
Tabel 4.3 Geometri Data Seismik Lapangan “Al-Fitra”
Parameter Inline Xline
Number of 709 3121
Start Number 999 337
Increment 1 1
Spacing 25 m 12.5 m
44
- Super Gather
Super gather merupakan proses penggabungan beberapa CDP yang berdekatan
untuk mengurangi noise random sehingga reflektor seismik zona target menjadi
lebih jelas. Hasil dari proses super gather dapat dilihat pada Gambar 4.3
- Mute
Setelah dilakukan super gather, reflektor masih terlihat noisy pada far offset-nya.
Proses muting dilakukan untuk memotong data gather pada far offset yang noisy
dan akan mengganggu perhitungan atribut AVO. Proses ini dilakukan berdasarkan
incident angle yang dianggap cukup optimal, yaitu 0-32° seperti yang ditunjukkan
Gambar 4.4 dan Gambar 4.5
- Trim Static
Proses ini membantu menyelesaikan masalah migrasi move-out pada data seismik
pre-stack (Gambar 4.6). Hal ini dilakukan untuk meratakan reflektor pada zona
target. Trim static dengan menentukan optimal shift dengan cara cross-
correlating untuk diaplikasikan pada trace lain dalam sebuah gather.
Gambar 4.2 Pre-stack Gather
46
Gambar 4.6 Trims Static
2. Analisis AVO
- Pick AVO
Pick AVO dilakukan pada data sintetik AVO dari sumur dan pre-stack gather
yang sudah dilakukan pre-conditioning (trim static) untuk mengetahui respon
amplitudo seismik di zona target yang ditunjukkan oleh kurva gradient terhadap
offset (gradient analysis). Serta dilakukan juga crossplot atribut AVO intercept vs
gradient untuk mendukung penentuan kelas anomali AVO.
- Volume Atribut AVO
Atribut AVO dapat dibuat sebagai volume atribut yang mempermudah dalam
melihat produk AVO seperti: intercept, gradient, dan product (A*B).
4.3.3 Pengolahan Data Tahap 3
1. Well-seismic Tie
Proses well-seismic tie merupakan pengikatan antara data log sumur dan data
seismik, sehingga data seismik dalam domain waktu dapat berkorelasi dengan
data log sumur dalam domain kedalaman. Data log yang digunakan untuk well-
47
seismic tie ini berupa log sonic yang telah dikoreksi kedalaman dengan data
checkshot.
Pada well-seismic tie diperlukan wavelet untuk membuat seismogram sintetik dari
data log. Wavelet ini diperoleh dari ekstraksi dari data seismik di kedalaman dan
lebar window tertentu terutama pada zona target. Kemudian diikuti dengan
ekstraksi wavelet dari data sumur untuk mendapatkan korelasi yang lebih baik
dengan data seismik.
2. Interpretasi Horizon
Tahapan ini merupakan penelusuran kemenerusan horizon (batas perlapisan) yang
ditandai dengan amplitudo refleksi dari data seismik. Adapun horizon yang
digunakan pada penelitian ini yaitu top Carbonate dan top Belumai SS.
3. Inversi Seismik
- Model Inisial (Initial Model)
Model inisial merupakan model geologi dengan melibatkan horizon daerah target
dan komponen frekuensi rendah dari data sumur sebagai tren efek kompaksi
sehingga diperoleh hasil inversi impedansi absolut. Model ini juga berguna untuk
mengetahui batas litologi secara umum dari nilai Acoustic Impedance (AI) dan
Shear Impedance (SI) pada tiap lapisan.
- Analisis Inversi
Analisis inversi bertujuan untuk menentukan parameter yang akan digunakan
pada proses inversi. Hal ini dilakukan agar didapatkan korelasi maksimum antara
seismogram sintetik dan data real seismik, dengan nilai error yang relatif kecil.
48
4. Transformasi Lambda-Mu-Rho
Proses transformasi ini menggunakan data input hasil inversi Acoustic Impedance
(AI) dan Shear Impedance (SI) untuk mendapatkan volume Lambda-Rho dan Mu-
Rho.
4.3.4 Pengolahan Data Tahap 4
1. Probabilistic Neural Network
Tahap ini bertujuan untuk memprediksi properti reservoar seperti distribusi
porositas dan saturasi air berdasarkan training neural network. Proses ini
menggunakan data input log porositas, log saturasi air, data seismik, volume
inversi AI sebagai atribut eksternal. Hasil dari proses ini adalah volume pseudo
porositas dan pseudo saturasi air.
114
a
a
a
a
BAB VI. KESIMPULAN
a
a
6.1 Kesimpulan
Berdasarkan penelitian yang telah dilakukan ini, dapat disimpulkan bahwa:
1. Berdasarkan hasil analisis AVO zona reservoar batupasir Belumai, secara
keseluruhan, sumur AW-1, AW-2, AW-3, dan AW-4 digolongkan sebagai
anomali kelas IV yang ditandai dengan nilai impedansi yang lebih rendah
dibandingkan batuan penutupnya, intercept bernilai negatif, gradient bernilai
positif serta berada pada kuadran II pada crossplot intercept & gradient.
2. Berdasarkan hasil inversi, zona reservoar batupasir dapat terpisahkan dengan
karbonatan dan serpih, ditandai dengan nilai AI rendah 7800-9100
((m/s)*(g/cc)), nilai SI rendah 4400 – 5200 ((m/s)*(g/cc)), nilai Mu-Rho
rendah 16 – 22 ((GPa)*(g/cc)), serta nilai Lambda-Rho yang juga rendah
22.5 – 25.5 ((GPa)*(g/cc)) menunjukkan batuan porous yang berasosiasi
fluida gas.
3. Hasil prediksi neural network PNN dengan nilai korelasi porosity = 0.97 dan
water saturation = 0.98, terlihat pada reservoar Al-Fitra memiliki rentang
nilai porositas sebesar 15-25% dan nilai saturasi air sebesar 15-35%.
4. Dari hasil slice map pada volume AI, SI, LMR, porositas dan saturasi air,
sebaran reservoar batupasir gas di bagian selatan lapangan terpetakan dengan
115
jelas yang berorientasi NW-SE serta ditemukan juga 2 zona di bagian utara
yang berpotensi sebagai reservoar batupasir gas dan perlu dievaluasi lebih
lanjut.
6.2 Saran
Perlu dilakukan penelitian lebih lanjut mengenai jenis fluida hidrokarbon yang
terdapat pada reservoar Early Miocene terutama pada zona potensi di utara dengan
teknik inversi Extended Elastic Impedance (EEI), atribut seismik serta
memprediksi pseudo-gamma ray berbasis penerapan PNN.
105
a
a
a
a
DAFTAR PUSTAKA
a
a
Aki, K., dan Richards, P.G. 1980. Quantitative Seismology: Theory and Methods.
W.H Freeman & Company.
Abdullah, A. 2011. Ensiklopedi Seismik Online E-book: Seismik Inversi.
Castagna, J.P., dan Swan, H.W. 1997. Principles of AVO crossplotting.
Interpreter’s Corner. The Leading Edge.
Chiburis, E., Leaney, S., Skidmore, C., Franck, C., dan McHugo, S. 1993.
Hydrocarbon Detection with AVO. Oilfield Review, Seismics, 42-50.
Darman, H. 2014. Basin Index. http://geoseismic-seasia.blogspot.com/2014/04/
table-of-content-basin-index.html. Diakses pada 29 September 2015.
Darman, H., dan Sidi, F.H. 2000. An Outline of Geology of Indonesia. Jakarta:
IAGI.
Darman, H. 2000. The Geology of Indonesia/Sumatera. https://en.wikibooks.org
/wiki/The_Geology_of_Indonesia/Sumatra#2.3._SUMATRA_BACK_
ARC_BASINS. Diakses pada 25 April 2016.
Goodway, B. 1997. Improved AVO Fluid Detection and Lithology Discrimination
Using Lame Petrophysical Parameter: λρ, μρ, and λ/μ Fluid Stack
From P and S Inversion. CSEG Recorder.
Hampson, D., dan Russell, B. 2014. EMERGE Multi-Attribute Analysis. Course
Notes. CGG Company.
Lancaster, S., dan Whitcombe, D. 2000. Fast-track ‘coloured’ inversion. SEG
Expanded Abstracts, 19, 1298-1301.
Pertamina. 2006. Final Geological Well Report. PT. Pertamina EP Region
Sumatera. (Tidak Dipublikasikan)
Pertamina-Beicip Franlab. 1992. Global Geodinamics, Basin Classification and
Exploration Play Types in Indonesia. Jakarta: PT. Pertamina. (Tidak
Dipublikasikan).
106
Putra, F.J. 2010. Analisis Lingkungan Pengendapan dan Distribusi Reservoir
pada Formasi Keutapang, Lapangan Delima, Daerah Langkat,
Cekungan Sumatera Utara. Bandung: ITB.
Russell, B. 2008. Introduction to Seismic Methods. Course Notes Series,
Hampson-Russel Software Services Ltd.
Rutherford, S. R., dan Williams, R. H. 1989. Amplitude-Versus-Offset Variations
in Gas Sands. Geophysics, 54, 680–688.
Sukmono, S. 2000. Seismik Inversi untuk Karakterisasi Reservoar. Bandung: ITB.
Sukmono, S. 2002. Interpretasi Seismik Refleksi. Bandung: ITB
Wiggins, R., Kenny, G.S., dan McClure, C.D. 1983. A Method for Determining
and Displaying The Shear-Velocity Reflectivities of a Geological
Formation. European Patent Application 0113944.