| dc.description.abstract | Pada penelitian ini membahas mengenai perhitungan predicted permeability dengan menggunakan metode HFU (Hydraulic Flow Unit) dan metode Winland R35 yang kemudian akan dibandingkan dengan hasil dari perhitungan menggunakan metode machine learning. Permeabilitas sangat diperlukan untuk menambah pemahaman mengenai aliran fluida dalam reservoir. Dalam reservoir karbonat, tingkat heterogenitas yang dimiliki sangat tinggi sehingga diperlukan penggunaan metode rock typing untuk meningkatkan nilai coefficient of determination (R2) antara core permeability dengan predicted permeability. Metode HFU (Hydraulic Flow Unit) memiliki tahapan proses perhitungan RQI, NPI, dan FZI dari core data (core porosity dan core permeability). Sedangkan, metode Winland R35 memiliki tahapan proses perhitungan R35 dari core data (core porosity dan core permeability). Untuk perhitungan menggunakan metode machine learning memerlukan input data core permeability dengan log data. Dari hasil perhitungan, didapatkan bahwa metode HFU (Hydraulic Flow Unit) terdapat pembagian 5, 6, 7 rock typing. Hal sama berlaku terhadap metode Winland R35. Pembagian 5, 6, dan 7 rock type dari metode HFU (Hydraulic Flow Unit) mendapatkan nilai coefficient of determination (R2) sebesar 0.8751, 0.9527, dan 0,9757. Untuk pembagian 5, 6, dan 7 rock type dari metode Winland R35 mendapatkan nilai coefficient of determination (R2) sebesar 0.2125, 0.2217, dan 0.7859. Dari hasil software Orange Data Mining didapatkan nilai coefficient of determination (R2) sebesar 0.8199. Sehingga, dapat disimpulkan bahwa nilai coefficient of determination (R2) terbesar didapatkan oleh metode HFU. | en_US |
