ANALISA PREDIKSI LAJU KOROSI MENGGUNAKAN METODE MACHINE LEARNING PADA LAPANGAN X

Abstract

Penelitian ini bertujuan untuk menganalisis dan memprediksi laju korosi pada Lapangan X menggunakan metode machine learning, khususnya algoritma XGBOOST. Dalam industri minyak dan gas, korosi pada pipa merupakan masalah serius yang dapat menyebabkan kerugian finansial yang signifikan. Penelitian ini menggunakan data korosi dari sekitar 150 data yang diambil dari paper, dengan parameter yang dipilih berdasarkan pengetahuan domain dan analisis korelasi. Metode yang digunakan meliputi pre-processing data, pembagian data menjadi train, test, dan blind set, serta pelatihan model menggunakan algoritma XGBOOST dengan hyperparameter tuning untuk mendapatkan model terbaik. Evaluasi model dilakukan menggunakan metrik Mean Absolute Error (MAE) dan R-squared (R2). Hasil penelitian menunjukkan bahwa parameter seperti pressure, velocity, CO2 partial pressure, pH, dan chloride memiliki korelasi yang signifikan dengan laju korosi. Model XGBOOST yang dihasilkan menunjukkan akurasi tinggi dengan nilai MAE 0.01215 dan R2 0.9686 pada test set, serta MAE 0.01031 dan R2 0.9787 pada blind set. Hasil dari perbandingan dengan model De Waard 95 menunjukkan bahwa XGBOOST mendapat skor lebih baik. Kesimpulan dari penelitian ini adalah model machine learning dapat digunakan untuk memprediksi laju korosi dengan akurasi yang baik, sehingga dapat membantu dalam mitigasi masalah korosi di lapangan minyak dan gas.