ANALISIS SCREENING EOR MENGGUNAKAN PERTAEOR

Abstract

Industri minyak dan gas bumi dikenal sebagai industri yang membutuhkan modal dan teknologi yang tinggi. Sektor migas terus berkembang dalam hal teknologi dan metode. Kunci kesuksesan industri, termasuk industri minyak dan gas, terletak pada sumber daya manusianya. Mahasiswa adalah calon sumber daya manusia di masa depan. Oleh karena itu, selama masa kuliah, mahasiswa perlu mengembangkan softskill dan hardskill yang memadai agar dapat bersaing dengan baik di industri minyak dan gas. Salah satu cara untuk mencapai ini adalah dengan memperkenalkan mahasiswa langsung ke dunia kerja dan mendorong mahasiswa untuk mempelajari perkembangan yang ada pada sektor migas. Melalui Kerja Praktik maka mahasiswa juga akan mempelajari dan mempraktikan budaya kerja, komunikasi yang benar dengan atasan dan rekan kerja, serta manajemen waktu yang efisien. Selain itu, mahasiswa juga dapat memahami lingkungan kerja di industri minyak dan gas yang tidak dapat diperoleh dari materi perkuliahan. Karena itu, Program Studi Teknik Perminyakan di Universitas Pertamina menyelenggarakan dan mewajibkan program Kerja Praktik (KP) bagi seluruh mahasiswa.

Peningkatan pemulihan minyak (Enhanced Oil Recovery atau EOR) telah menjadi fokus utama dalam industri minyak dan gas. Saat ini, reservoir minyak yang ada semakin menurun produksinya, sehingga metode EOR menjadi kunci untuk mengoptimalkan produksi minyak. Salah satu tantangan utama dalam menerapkan teknik EOR adalah identifikasi dan pemilihan metode EOR yang paling sesuai untuk setiap reservoir. Penggunaan teknologi perangkat lunak untuk melakukan screening metode EOR telah menjadi praktek umum, yang membantu insinyur minyak dalam mengidentifikasi opsi EOR yang paling efektif dan ekonomis.

Oleh karena itu PT Pertamina (Persero) mengembangkan perangkat lunak terbaru yang disebut "PertaEOR." Perangkat lunak ini diklaim memiliki kemampuan unggul dalam melakukan screening metode EOR dan membantu pengambilan keputusan yang lebih baik dengan menggunakan fitur decision tree dalam menerapkan teknik EOR di reservoir minyak. PertaEOR juga memiliki interface yang lebih ramah pengguna dan dapat menghemat waktu. PertaEOR dikembangkan menggunakan machine learning sehingga dapat memberikan hasil yang cepat serta memiliki kemampuan pemodelan yang lebih baik untuk metode EOR tertentu.

Meskipun PertaEOR menawarkan potensi yang sangat menarik dalam meningkatkan efisiensi identifikasi metode EOR yang sesuai, masih diperlukan pemahaman yang mendalam tentang keefektifan dan keandalan perangkat lunak ini jika dibandingkan dengan software lainnya. Oleh karena itu, penelitian pada kerja praktik ini akan menggali lebih dalam untuk mengidentifikasi kelebihan dan kelemahan PertaEOR jika dibandingkan dengan model CMG.