| dc.description.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. | en_US |
