| dc.description.abstract | Hadirnya machine learning di era perkembangan teknologi ini, dapat dijadikan sebagai
sarana untuk mengolah data yang besar. Penggunaan machine learning juga hadir
sebagai cara khususnya di dalam ilmu petrofisika yang merupakan cabang dari bidang
geologi untuk menghitung dan menganalisis parameter petrofisika. Penelitian ini
merupakan contoh dimana penggunaan machine learning dapat mengolah data geologi
khususnya dibidang ilmu petrofisika dalam menganalisis dan menghitung parameter
petrofisika dengan data sumur yang ada pada kedua cekungan yakni Cekungan Salina
dan Cekungan Sedgwick yang berada di daerah Kansas, Amerika Utara. Metode yang
digunakan peneliti dalam penelitian ini meliputi studi literatur, pengambilan data,
kontrol kualitas data, perhitungan petorfisika manual, pembagaian data model set dan
blind set, penentuan algoritma machine learning dan pengeolahan data menggunakan
machine learning. Hasil dari penelitian ini berupa hasil regresi secara visual yang
menampilkan prediksi machine learning terhadap data blind set, nilai rata-rata akurasi
model dan nilai akurasi hasil prediksi data blind set yang dimana keduanya divalidasi
secara kuantitatif menggunakan tiga parameter yakni root mean squared, mean absolute
error, dan r squared. Berdasarkan hasil prediksi machine learning terhadap data blind
set serta validasi secara kuantiatif diketahui bahwa hasil terbaik untuk penelitian ini
dalam menggunakan machine learning dimiliki oleh algoritma random forest dan yang
terburuk dimiliki oleh algoritma lasso. | en_US |
