LATAR BELAKANGKonsumsi minyak dunia terus mengalami peningkatan dari tahunketahunterdorongolehbanyaknyanegara berkembang yang tengah menuju tahap industrialisasi. Salah satu ara untuk meningkatkan produksi minyak pada lapanganlamaadalahdenganmenggunakan teknologiEnchanced Oil Recovery"EOR#. $alamaplikasiEOR%spesi&kasisumurinjeksiseperti permeabilitas%porositas%danpersebaranreser'oirarea penelitiansangatlahpentingdan(ntukmendapatkan in)ormasitersebutperludilakukanidenti&kasikarakteristik darireser'oirmigasatauistilahlainnyakarakterisasi reser'oirSalahsatumetodekarakterisasireser'oirseismikadalah metode in'ersi impedansi akustik dan metode multiatribut*ER(+(SAN +ASALA,Bagaimanakarakteristikdanpola sebaran reser'oir di daerah penelitian.Bagaimana perbandingan metode in'ersi seismikimpedansiakustikmodelbased dan recursive.Bagaimanaperbandinganmetode multiatributRegresiLinierdan Probabilistic Neural Network+AKS($ $AN T(-(AN+engaplikasikanmetodein'ersiseismik impedansiakustikdanmetode multiatributuntukmengkarakterisasidan mengidenti&kasipolasebaranreser'oirdi daerah penelitian.+embandingkanmetodein'ersiseismik impedansiakustikmodelbaseddan recursive di daerah penelitian.+embandingkanmetodemultiatribut RegresiLinierdanProbabilisticNeural Network di daerah penelitian.T.N-A(AN *(STAKA,uda dkk "/001# dalam penelitiannya 2Analisis Multiatribut Seismik UntukPemetaanatuanReservoir!ada"ormasiPematangdi La!angan#"i$%ekunganSumatra&engah3menyimpulkanbah4a searaumummetodein'ersiseismikbandlimitedbelum menunjukanhasilakhiryangbaik.,asilin'ersipadapenelitian tersebut sudah dapat memisahkan antara to! dan bottom dari 5ona target di sekitar sumur% tetapi kemenerusan lateralnya kurang baik. ,asilakhiryangdidapatkanukupbaikdihasilkanolehmetode in'ersi model6based dan s!arse s!ike.Sementarahasilanalisamultiatributseismikdalammemprediksi !seudo6porositasmemperlihatkankeookanantaraporositas sumurdanporositasprediksidenganhasiltrainingdan'alidasi adalah0%7089::.Atasdasartersebutdiasumsikanbah4a'olume porositasyangdihasilkan'aliduntukmemprediksipenyebaran batu pasir pada 5ona target.*ada penelitian ;itriyanie "/088# yaitu 2'denti(kasi Litologi )anPorositasMenggunakanAnalisa'nversidanMulti*AtributSeismik+Studi,asusLa!anganlack-oot3% menyimpulkanbah4apenggunaanmetodein'ersi impedansiakustikmemberikangambaranyangbaik tentangtargetreser'oirsebagai5onadengananomali impedansirendahdanporositastinggidenganin'ersi algoritmamodel*basedmempunyaikoe&sienkorelasi tertinggidanerrorpalingrendahdalamhubunganantara data seismik dan data log sumur asli. Sementarapenggunaanmetodeseismikmulti6atribut memberikanhasilyanglebihbaikdalammeningkatkan resolusiseismikuntukmelihatpenyebaranlitologidan prediksiimpedansiakustik%densitasdanporositaspada reser'oirtarget.$alampenelitiannya%hasilprediksi trans)ormasi ste!wise regression "S.R# dapat ditingkatkan dengan metode !robabilistic neural network "PNN#.Rahimdkk"/08$padarangkamodelreser'oiruntuk mengikuti 'ariasi di seluruh lapangan.$ASAR TE?R.SE.S+.K RE;LEKS.Satumetodaeksplorasiyangdidasarkanpada pengukuranrespongelombangyangdikirimkanke ba4ahpermukaandankemudiandire@eksikan sepanjangperbedaanlapisantanahataubatas6batas batuan.*enjalarangelombangseismikdalammediumbumi mengikutihukum6hukum&sikayangberlakudalam optika geometri.PvSinvSinvSinvSinvSinS S p p p= = = = =2 1 2 12 1 2 1 K?+*?NEN SE.S+.K RE;LEKS.Impedansi Akustikkemampuan batuan untuk mele4atkan gelombang seismik yang melaluinyaA B 'CKoefsien Refeksinilai yang mempresentasikan bidang batas antara dua medium yang memiliki impedansi akustik yang berbeda yang diperoleh dari perbandingan amplitudo pulsa terpantul terhadap amplitudo pulsa datangWaveletgelombangharmonikyangmempunyaiinter'al amplitudo% )rekuensi% dan )asa tertentu Aero *hase =a'elet+inimum *hase =a'elet+aDimum *hase =a'elet+iDed *hase =a'eletSeismogram Sintetikrekaman seismik buatan yang dibuat dari data log keepatan dan densitsSeimogram sintetik ini digunakan untuk mengikat data sumur dengan data seismikSurvey CheckshotEhekshotadalahshot"tembakan#yangbertujuanuntuk mengoreksidanmengontrolhasillogsonidalam menentukan4akture)erensiataukoreksi4aktutiba karenageometri.Sur'eyEhekshotdilakukandengan menempatkangeophonekedalamlubangsumur% sedangkan sumber seismiknya di permukaan dekat mulut sumur.SEISMIK I!ERSI+enurutSukmono"/000# in'ersiseismikadalahsuatu teknikuntukmembuatmodel geologiba4ahpermukaan denganmenggunakandata seismiksebagaiinputdan data sumur sebagai kontrolRe@eksigelombangseismik memberikangambarandata ba4ahpermukaanseara lateral% sedangkan data sumur memberikandataba4ah permukaan seara 'ertialKonsep dari in'ersi .mpedansi Akustik. *anah merah memperlihatkanpemodelanFkedepanGsementara panah hitam menunjukan in'ersiME"#$E I!ERSI SEISMIK RECURSIVE.n'ersirekursi)merupakanbentukin'ersipaling sederhana%seringdisebutjugabandlimited inversion=+ +=11111niiii irrZ Zi iii ii ii ii iii iii ii ii ii iiZ ZZZ ZZ ZZ ZZ ZrZ ZZZ ZZ ZZ ZZ Zr+=+++= +=++++= ++ ++++++++++1 11111111112121iiiirrZZ+=+111ME"#$E I!ERSI SEISMIK MODEL BASED*rinsipmetodeiniadalahdenganmembuatmodel seismikimpedansiakustikdanmembandingkannya dengandataseismiksebenarnya.Suatumodel dibandingkandengandatapengukuranakan menghasilkankesalahan"error#tertentu.*rosesini dilakukansearaberulangsampaidiperolehhasil dengan tingkat error terkeil+etodeinimembutuhkanmodeldugaanimpedansi akustika4alyangdiperolehdaridatalogsumur%yaitu dengan mengalikan data log soni dan data log densitas untuk medapatkan data log impedansi akustik sumur&race seismik obser'asi dirumuskan oleh persamaan ) ( ) ( * ) ( ) ( t n t R t W t S + =+isalkanjumlahdataobser'asiS/t0sebanyakN% sedangkanjumlahparameteryangtidakdiketahui "parametermodel#sebanyakM.*adaumumnya jumlahdatalebihbanyakdariparametermodel% sehingga digunakan metode optimasi least s1uare.+isalkankoe&sienre@eksiyangmengkarakterisasi model a4al kemudiandikon'olusikandenganmenggunakan 4a'eletyangadasehinggadiperolehsuatutrace model "seismogram sintetik#.Error antara s/t0 dan m/t0$iasumsikan bah4a nilai koe&sien re@eksi sebenarnya $engan mengubah ke dalam 'ektor( )M otR R R R0 02 01,..., , =) ( * ) ( ) (0t R t w t m =) ( ) ( ) ( t m t s t e =t t tR R R + =0[ ]TNS S S S S ,..., , ,3 2 1= [ ]TMR R R R R ,..., , ,3 2 1=hubunganantaratraceseismikSdengankoe&sien re@eksi model R dapat dinyatakan dalam )ungsionaldengan menggunakan deret Taylorbah4aerroratauselisihantaramodeldengandata seismikdalam bentuk matriks Dengan A adalah ( ) N i R R R R F SM i,..., 2 , 1 , ,..., , ,3 2 1= =nnnRRR FnRRR FRRR FR F R F + + + + =) (!1...) (21 ) () ( ) (0 220200RRR FR F R F + =) () ( ) (00) ( ) (0R F R F F = R A F = RR F ) (0H"adalahselisihantaradataseismiksebenarnya denganmodel.dariperhitunganmatematisdiatas makadiperolehsolusiuntukHRyangtelah diminimalkanerrornyasehinggaketikadijumlahkan denganprediksia4alkoe&sienre@eksiakan menghasilkan koe&sien re@eksi baru[ ] F A A A RT T = 1ME"#$E SEISMIK M%&"IA"RI'%"+etodeseismikmultiatributadalahsebuah metodeseismikuntukmemprediksiproperti &sikbatuanreser'oirdenganmenggunakan atribut6atribut seismik sebagai input*adadasarnya%denganmenggunakanmetode inikitamenarihubunganantaradatalogdan dataseismikdidaerahsekitarlokasisumur% kemudianmenggunakanhubunganyang didapatuntukmemprediksipropertilogdi seluruh penampang seismik$engan mengasumsikan hubunganyanglinier antaralogtargetdan atributKoe&sienadanbpada persamaanini diperolehdengan meminimalisasimean*s1uare !rediction errorI*erhitunganprediksierror%E%merupakan pengukurankeookanuntukgaris regresiKoe&sien korelasi dide&nisikan oleh persamaanIbx a y + =( )= =Nii ibx a yNE1221y xxy =( ) ( )y iNj ix i xym y m xN ==1( )= =Nix i xm xN121( )= =Niy i ym yN121==Nii xxNm11==Nii yyNm11denganI LiI Nilai target log%i 2 3+ 4+ 555+ N jumlah data sampel% w6I Bobot yang tidak diketahui+ i 2 7+ 3+ 4+ 555+ M jumlah atribut% A6iI sampel ke6i dari atribut ke66REGRES. L.N.ERRegresiliniermultiatributdigunakanuntukmemperoleh )ungsioperatoryangmenghubungkanantaradatalog sumur dan data atribut seismikhubungan antara log properti dan atribut seismik ) ,..., , (2 1 MA A A F L =ji j j j iA w A w A w w L + + + + = ...2 2 1 1 0Adanya perbedaan resolusi antara data sumur dengan data atribut seismik menyebabkan hasil prediksi kurang optimal. Alternati)nyaadalahdenganmenggunakanoperator kon'olusi w6I 'ektor operator kon'olusi% 6 B 0% 8% /% ...% MM MA w A w A w w L + + + + = ...2 2 1 1 0( )= =NiM M iA w A w A w w LNE122 2 1 1 0211 . 2 2 , 2 . 2 0 , 2 1 . 2 1 , 2 1 . 1 1 , 1 . 1 0 , 1 1 . 1 1 , 1 0, , , , , ,+ + + + + + + + + + =i i i i i i iA w A w A w A w A w A w w LMetode Step (ise regressionAtribut pertama yang paling baik diperoleh dengan trial and error. (ntuk setiap atribut yang ada dihitung error prediksinya. Atribut terbaik adalah atribut yang memberikan error prediksi terkeil. Atribut ini selanjutnya disebut atribut68.*asangan atribut terbaik diperoleh dengan mengasumsikan anggota pasangan yang pertama adalah atribut68. *asangan yang paling baik adalah pasangan yang memberikan error terkeil. Atribut ini selanjutnya disebut atribut6/.Atribut ketiga didapat dengan mengasumsikan dua buah anggota yang pertama adalah atribut68 dan atribut6/. *asangan yang paling baik adalah pasangan yang memberikan error prediksi terkeil% dan selanjutnya pasangan atribut ini disebut atribut6>.*roses di atas dapat diulang hingga didapatkan kombinasi atribut yang paling baik.Proses metode step-wise regression (Draper dan Smith, 1981).(ntukmengetahuinilai'alidasierrordilakukanlangkah6langkah berikutI(ntukmengetahui'alidasisuatusumur%kita mengeluarkansebuahsumurdarianalisisregresi% menentukanpembobotan%danmemprediksinilaidari sumur yang dikeluarkan. -ika nilai log target prediksi adalah Li8 sedangkan log target sebenarnyayangtelahdiketahuiadalahLi%makanlai 'alidasi error pada sumur tersebut adalahdengan i B 8% /% >% ...% N jumlah sampel.*roses8dan/diulanguntuksemuasumur%sehingga didapatkan 'alidasi error untuk setiap sumur.+isal ada sejumlah 9 sumur% maka untuk menghitung nilai 'alidasierrorsejumlah9sumur%digunakanpersamaan berikut iniIdengan k B 8% /% >% ...% 9 jumlah sumur.( )= =Nii iL LNe12 2'1==Z

eZE1221*R?BAB.L.ST.E NE(RAL NET=?RK "*NN#metode PNN mengasumsikan bah4a setiap log prediksi yangbaru"logy#%dapatdituliskansebagaikombinasi linier dari data training /y35 y4+ y:0 dengan bobot . yang merupakan)ungsidariatribut;/;3+;4+;:0danbobot dijumlahkan menjadi satu melalui persamaan3 3 2 2 1 1y W y W y W y + + = diontohkanbah4aw7B/danw3B0.1sertatitik yang diprediksi.Algoritma PNN adalah berdasar pada konsep 2jarak3 dalam ruang atribut "Russel% /00K 0.79788. .n'ersi +odel Based/. L B a M N O b dengan nilai a B 0.KK/:/7 dan b B 977>.SE.S+.K +(LT.ATR.B(T*arameter untuk menentukan kelompok atribut seismik terbaik yang akan digunakan untuk memprediksi log target adalah nilai prediksi error dan nilai 'alidasi error.4: Regresi &inier*adametoderegresilinierinikelimaatributyang telahditentukandarihasiltrainingdiaplikasikan padalogdensitassetiapsumurdengan mengasumsikanbah4ahubunganantaranilai target log dan atribut seismik adalah linier1. Probabilitas Neural Network (PNN.*ada metode PNN% proses training menggunakan atribut6atributpadaregresilinieryangkemudianditraining ulangsesuaimetodePNN.*adametodePNNatribut6atributditrainingdenganasumsibah4alogtargetdan atributseismikmemilikihubunganyangnon6linier sehingga metode ini lebih kompleks dari regresi linier.Diagram alir penelitian