| dc.description.abstract | Penelitian ini membahas mengenai prediksi tekanan pori dengan dataset pengeboran pada Cekungan Carnarvon Utara Daerah Platform Rankin menggunakan model machine learning random forest regressor, MLP regressor, dan XGBoost regressor. Tujuan dari penelitian ini adalah membuat pemodelan machine learning terbaik untuk memprediksi parameter tekanan pori pada sumur WILCOX-1, sumur WILCOX-2, dan sumur GOODWYN-6. Metode yang digunakan pada penelitian ini adalah dengan melakukan perhitungan tekanan pori secara konvensional yaitu menggunakan metode Eaton dan menyusun arsitektur dari model machine learning yang terbagi atas lima tahap: exploratory data analysis, pre-processing data, merancang model, simulasi model, hyperparameter tunning, evaluasi model, dan blind test. Dalam penentuan tekanan pori secara konvensional didapatkan bahwa ketiga sumur didaerah Platform Rankin termasuk kedalam overpressure mekanisme pembebanan. Sumur WILCOX-1 dan sumur WILCOX-2 digunakan sebagai data input kedalam model random forest regressor, MLP regressor, dan XGBoost regressor. Sumur WILCOX-1 dan sumur WILCOX-2 digunakan sebagai data training dan data test dengan komposisi data training sebesar 70% dan data test sebesar 30%. Sumur GOODWYN-6 dijadikan sebagai blind test untuk mengetahui seberapa akurat model alogritma yang telah dibangun. Dari hasil prediksi didapatkan bahwa MLP regressor lebih baik memprediksi tekanan pori dibandingkan dengan random forest regressor dan XGBoost regressor dengan hasil R2 Score sebesar 0.9999 dengan kriteria “Highly Accurate Forecasting”. Dan pada blind test terbukti bahwa ketiga model yang dibangun sudah baik dalam memprediksi dengan minimal hasil R2 Score sebesar 0.9963 dengan kriteria “Highly Accurate Forecasting”. | en_US |
