PENGAMATAN PREDIKSI OPTIMASI ROP DENGAN MENGGUNAKAN MACHINE LEARNING

Abstract

Perkembangan industri migas tumbuh seiring dengan tingginya permintaan masyarakat. Penelitian dan pengujian diperlukan untuk menjaga dan meningkatkan kualitas produk migas. Perencanaan yang baik diperlukan pada semua tahap eksplorasi dan produksi untuk menghindari potensi kerugian. Dalam tahap eksplorasi terdapat proses pengeboran sumur untuk membuat lubang di tempat yang diidentifikasikan agar dapat menemukan sumber minyak dan gas di tempat tersebut. Selama proses pengeboran, laju pengeboran dioptimalkan untuk meminimalkan berbagai masalah, tentunya dengan optimasi yang dilakukan secara menyeluruh untuk meminimalkan biaya dan waktu pengeboran. Untuk melakukan pengeboran yang optimal dapat dilakukannya optimasi pada laju penembusan atau rate of penetration (ROP) dengan dicapainya ROP yang tinggi dan optimum. Model linear regression memiliki tingkat kesalahan yang lebih kecil dibandingkan dengan model lainnya. Model random forest dan model gradient boosting memiliki tingkat kesalahan yang mirip, sebab konsep penggunaan model tersebut menggunakan decision tree. Pada penggunaan widget prediction dan widget test and score model random forest dan model gradient boosting telah menunjukkan hasil yang baik dalam memprediksi ROP.