ANALISIS PERSEBARAN POTENSI TOTAL ORGANICCARBON (TOC) LAPANGAN “LINGGA” DENGAN

MENGGUNAKAN METODE INVERSI SEISMIK DANNEURAL NETWORK

(Skripsi)

Oleh

M.KEVIN P.B SINULINGGA

KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGIUNIVERSITAS LAMPUNG

FAKULTAS TEKNIKJURUSAN TEKNIK GEOFISIKA

2017

i

ABSTRACT

POTENTIAL DISTRIBUTION ANALYSIS OF TOTALORGANIC CARBON (TOC) ON “LINGGA” FIELD USING

SEISMIC INVERSION METHOD AND NEURAL NETWORK

By

M.KEVIN P.B SINULINGGA

“LINGGA” field is located in North Sumatra Province with research objectiveBelumai Formation, North Sumatra Basin. The purpose of this research is todetermine shale hydrocarbon prospect zone on “LINGGA” field using neuralnetworks multi-atribut seismic analysis, based on Total Organic Carbon (TOC)petrophysical data and seismic Acoustic Impedance inversion. Neural networksmulti-atribut seismic is used to discover shale hydrocarbon property based on TOCpetrophysical data, that is being used to find out hydrocarbon content on shale layer.Seismic Acoustic Impedance data has obtained value 5865 – 10295 ((m/s)*(g/cc)) tocharacterize shale layer on Belumai Formation. While seismic AI is used as externalattribute and seismic 2D data as internal attribute for neural networks multi-atributseismic. The result of neural networks multi-atribut seismic has obtained TOCdistribution value which categorize as good on the target Belumai Formation withTOC value 0,79 – 1,10%.

Keyword : Multi-atribut Neural Networks, Acoustic Impedance, Total OrganicCarbon, Shale hydrocarbon

ii

ABSTRAK

ANALISIS PERSEBARAN POTENSI TOTAL ORGANICCARBON (TOC) LAPANGAN “LINGGA” DENGAN

MENGGUNAKAN METODE INVERSI SEISMIK DANNEURAL NETWORK

Oleh

M.KEVIN P.B SINULINGGA

Lapangan “LINGGA” terletak di provinsi Sumatera Utara dengan target penelitianFormasi Belumai, Cekungan Sumatera Utara. Tujuan penelitian ini adalah untukmenentukan zona prospek shale hidrokarbon pada lapangan “LINGGA” denganmenggunakan analisis seismik multi-atribut neural networks berdasarkan datapetrofisika Total Organic Carbon (TOC) serta seismik inversi Acoustic Impedance.Seismik multi-atribut neural networks digunakan untuk mengetahui sebaran propertyshale hidrokarbon berdasarkan data petrofisika berupa TOC yang digunakan untukmengetahui kandungan hidrokarbon pada lapisan shale. Data seismik AcousticImpedance memperoleh nilai 5865 – 10295((m/s)*(g/cc)) untuk mengkarakterisasilapisan shale pada Formasi Belumai. Sedangkan untuk seismik AI digunakan sebagaiexternal attribute dan data 2D seismik sebagai internal attribute pada seismik multi-atribut neural networks. Hasil seismik multi-atribut neural networks diperoleh nilaipenyebaran TOC yang dikategorikan baik pada target Formasi Belumai dengan nilaiTOC 0,79 – 1,10%.

Kata Kunci : Multi-atribut Neural Networks, Acoustic Impedance, Total OrganicCarbon, Shale hidrokarbon

iii

ANALISIS PERSEBARAN POTENSI TOTAL ORGANIC CARBON (TOC)

LAPANGAN “LINGGA” DENGAN MENGGUNAKAN METODE

SEISMIK INVERSI DAN NEURAL NETWORK

Oleh

M. KEVIN P.B SINULINGGA

Skripsi

Sebagai Salah Satu Syarat untuk Mencapai Gelar

SARJANA TEKNIK

Pada

Jurusan Teknik Geofisika

Fakultas Teknik Universitas Lampung

KEMENTERIAN RISET TEKNOLOGI DAN PENDIDIKAN TINGGI

UNIVERSITAS LAMPUNG

FAKULTAS TEKNIK

JURUSAN TEKNIK GEOFISIKA

2017

vii

RIWAYAT HIDUP

Penulis dilahirkan di Bandar Lampung pada tanggal 07

September 1994. Merupakan anak kedua dari pasangan Bapak

Antoni Sinulingga dan Ibu Umiyatie. Rekam jejak akademis

penulis dimulai dari TK Taruna Jaya Way Halim Bandar

Lampung pada tahun 1999 sampai dengan tahun 2000. Kemudian dilanjutkan ke

tingkat sekolah dasar di SD Al-Kautsar Bandar Lampung pada tahun 2000 sampai

dengan tahun 2006. Lalu penulis melanjutkan ke tingkat sekolah menengah

pertama di SMP Al-Kautsar Bandar Lampung pada tahun 2006 sampai dengan

tahun 2009. Kemudian dilanjutkan ke tingkat sekolah menengah atas di SMA YP

UNILA Bandar Lampung mulai tahun 2009 sampai dengan tahun 2012. Pada

tahun 2012, penulis melanjutkan pendidikan ke jenjang perguruan tinggi di

Jurusan Teknik Geofisika Universitas Lampung.

Selama menjalankan masa studi di Universitas Lampung, penulis juga aktif di

berbagai organisasi kemahasiswaan kampus. Pada periode 2013–2014 penulis

memulai berorganisasi sebagai anggota Himpunan Mahasiswa Teknik Geofisika

Bhuwana (HIMA TG BHUWANA) Universitas Lampung dan sebagai anggota

Staaf Dinas PSDM Badan Eksekutif Mahasiswa Fakultas Teknik Universitas

Lampung. Pada periode 2014–2015 sebagai Kepala Divisi Humas Sosial Budaya

Masyarakat Himpunan Mahasiswa TG Bhuwana Universitas Lampung, dan

viii

Member of Divisi Guest Lecture American Association Petroleum Geologist

(AAPG) Student Chapter Universitas Lampung. Pada tahun 2013-2015 penulis

tercatat sebagai Member of Visit Company Society of Exploration Geophysics

(SEG) Universitas Lampung.

Pada tahun 2015 penulis melaksanakan Kuliah Kerja Nyata (KKN) di Desa

Murni Jaya, Kecamatan Tumijajar, Kabupaten Tulang Bawang Barat. Lalu pada

April 2016 melaksanakan Kerja Praktek selama satu bulan di PT. Pertamina UTC

(Upstream Technology Center), Jakarta dengan judul laporan ”Pengolahan Data

Seismik Land 2D Lapangan ”DKE” Menggunakan Software OMEGA 2015”.

Selanjutnya pada Desember 2016-Februari 2017 penulis melaksanakan Tugas

Akhir di Badan Penelitian dan Pengembangan Energi dan Sumber Daya Mineral

“LEMIGAS”, Jakarta sebagai bahan untuk mendukung penulisan Skripsi.

Sehingga penulis dapat menyelesaikan jenjang perguruan tinggi dengan

menamatkan program sarjana melalui skripsi dengan judul ”Analisis Persebaran

Potensi Total Organic Carbon (TOC) Lapangan “LINGGA” Dengan

Menggunakan Metode Inversi Seismik Dan Neural Network”.

ix

DENGAN SEGALA KERENDAHAN HATI,

KARYA KECIL INI KU PERSEMBAHKAN

UNTUK BAPAK DAN MAMAH TERCINTA,

KAKAK KU YANG KU BANGGAKAN, SERTA

UNTUK KEMAJUAN ILMU PENGETAHUAN.

x

MOTTO

”I can accept failure, but I can’t accept not trying .”

-Michael Jordan

”Cobalah untuk tidak menjadi seorang yang suskses, tapi jadilah orang

yang bernilai.”

-Albert Einstein

”Bermimpilah seakan kau akan hidup selamanya. Hiduplah seakan kau

akan mati hari ini.”

-James Dean

”Apabila sesuatu yang kau senangi tidak terjadi,maka senangilah apa

yang terjadi.”

-Ali bin Abi Thalib

”Selemah-lemah manusia ialah orang yang tak boleh mencari sahabat

dan orang yang lebih lemah dari itu ialah orang yang mensia-siakan

sahabat yang telah dicari.”

-Ali bin Abi Thalib

xi

KATA PENGANTAR

Puji syukur penulis haturkan kepada Allah SWT, Tuhan Yang Maha Esa

atas segala rahmat dan hidayah-Nya sehingga skripsi yang berjudul

“Analisis Persebaran Potensi Total Organic Carbon (TOC) Lapangan

“LINGGA” dengan Menggunakan Metode Inversi Seismik dan Neural

Network” ini dapat terselesaikan. Shalawat serta salam senantiasa

terlimpah kepada Nabi Muhammad SAW, beserta segenap keluarga,

sahabat dan pengikut setia beliau.

Skripsi ini merupakan syarat untuk menyelesaikan studi Strata-1

Teknik Geofisika, Fakultas Teknik, Universitas Lampung. Selain itu,

dengan adanya penelitian ini penulis bisa memahami fenomena-fenomena

nyata yang terjadi di alam serta dapat mengaplikasikan teori yang sudah

diperoleh selama kuliah pada kegiatan eksplorasi yang sebenarnya.

Penulis menyadari bahwa skripsi ini masih terdapat banyak kekurangan.

Oleh karena itu, diperlukan saran dan kritik yang membangun untuk

perbaikan ke depannya. Semoga skripsi ini dapat bermanfaat bagi kita

semua.

Bandar Lampung, 17 Desember 2017

M.Kevin P.B Sinulinggasinulinggakevin@gmail.com

xii

SANWACANA

Puji syukur dan terimakasih tertinggi penulis tujukan kepada ALLAH SWT

atas segala rahmat, nikmat, karunia, dan hidayah-Nya yang tidak dapat dihitung

dalam memberikan kesempatan dan kekuatan kepada hamba-Nya untuk belajar

dan menyelesaikan masa studi pendidikan tinggi dengan melancarkan dan

menguatkan selama proses studi serta dalam penyusunan dan penyelesaian Skripsi

dengan judul ”Analisis Persebaran Potensi Total Organic Carbon (TOC)

Lapangan “LINGGA” Dengan Menggunakan Metode Inversi Seismik Dan Neural

Network”.

Tentu dalam perjalanan memulai, menyusun dan menyelesaikan skripsi ini

penulis mengucapkan banyak terimakasih kepada banyak pihak yang telah

membantu dalam segala hal secara luar biasa, baik bantuan materiel maupun

imateriel. Terimakasih saya sampaikan kepada:

1. Allah SWT atas berkat,nikmat dan karunia-Nya sampai detik ini.

2. Bapak Antoni Sinulingga dan Mamah Umiyatie, Kedua Orang Tua yang

tiada henti memberikan segala kasih sayang, semangat serta doa yang

diberikan terus menerus. Pengorbanan yang begitu besar yang takkan mampu

terbalaskan. Semoga Allah SWT selalu melimpahkan keberkahan pada

Keluarga kita

3. Monica Carolina Sinulingga (Kak Oya), yang selalu mencurahkan

perhatian dan kasih sayang dan juga memotivasi penulis agar dapat

menyelesaikan skripsi ini. Semoga Kakak selalu sukses dan sehat.

xiii

4. Keluarga Besar Aklan Hufar yang terus memberikan semangat, doa,

nasihat serta dorongan selama proses kuliah.

5. Badan Penelitian dan Pengembangan Energi dan Sumber Daya Mineral

“LEMIGAS”, Jakarta. sebagai institusi yang telah memberikan penulis

kesempatan untuk melaksanakan tugas akhir.

6. Bapak Widyo Purnomo , selaku Pembimbing Lapangan Tugas Akhir yang

telah membimbing penulis dengan penuh kesabaran dan berbagi ilmu selama

proses pengerjaan tugas akhir.

7. Bapak Humbang Purba selaku pembimbing lapangan dan teman teman

magang di Lemigas yang telah membimbing penulis dengan penuh kesabaran

dan berbagi banyak ilmu selama proses pengerjaan Tugas Akhir.

8. Bapak Bagus Sapto Mulyatno, S.Si., M.T. selaku Pembimbing I yang telah

banyak membimbing, mengarahkan serta mengingatkan dalam penyusunan

skripsi ini. Terimakasih banyak atas pembelajaran selama ini, Pak.

9. Bapak Dr. Ahmad Zaenudin, S.Si., M.T. selaku Pembimbing II yang telah

memberikan banyak motivasi dan bimbingan yang sangat baik dalam

penyusunan skripsi ini.

10. Bapak Dr. Ordas Dewanto, S.Si., M.Si. selaku Penguji yang telah

memberikan banyak masukan dan koreksi dengan sangat luar biasa dalam

penyusunan skripsi ini.

11. Bapak Dr. Ahmad Zaenudin, S.Si., M.T. selaku Ketua Jurusan Teknik

Geofisika Universitas Lampung dan Pembimbing Akademik yang senantiasa

membimbing dan mengarahkan selama proses studi berlangsung.

xiv

12. Dosen-dosen Jurusan Teknik Geofisika Universitas Lampung; Bapak Prof.

Drs. Suharno, M.Sc., Ph.D., Bapak Dr. Muh Sarkowi, S.Si., M.Si., Bapak

Dr. Ahmad Zaenudin, S.Si., M.T., Bapak Nandi H, M.Si., Bapak Bagus

Sapto Mulyatno, S.Si., M.T., Bapak Dr. Ordas Dewanto, S.Si., M.Si.,

Bapak Karyanto, S.Si., M.T., Bapak Rustadi, M.T., Bapak Syamsurijal

Rasimeng., M.Si., Bapak Alimuddin Muchtar, M.Si., Bapak Rahmad

Catur Wibowo, M.Eng., Bapak I Gede Boy, M.Eng., yang telah

memberikan banyak pembelajaran dan bantuan selama menempuh studi di

Jurusan Teknik Geofisika Universitas Lampung. Terimakasih Sangat Banyak!

13. Seluruh staff Tata Usaha Jurusan Teknik Geofisika Unila, Pak Marsono,

Pak Legino, Pak Pujono, Mbak Dewi, Mbak Dhea yang telah memberikan

banyak bantuan dalam proses administrasi.

14. Keluarga besar Badan Penelitian dan Pengembangan Energi dan Sumber

Daya Mineral “LEMIGAS”, Jakarta yang selalu ramah kepada saya dan

terima kasih atas bimbingannya kepada penulis selama mengerjakan tugas

akhir.

15. Angkatan TG 12 (Bari, Agus, Ghifari, Legowo, Vee, Andina, Andre, Ari,

Azis, Bagas, Bella, Beny, Betha, Carta, Mas Ded, Suen, Onoy, Edo, Elen,

Esha, Ferry, Gita, Hilman, Hanif, Fuad, Irwan, Jordy, Kukuh, Vivi,

Koped, Kevin, Nuzul, Made, Medi, Albana, Nana, Niar, Dilla, Anta,

Aldo, Rehana, Resti, Rival, Gata, Ucok, Sigit, Sule, Virgi, Zai, Zul) yang

telah bersama-sama memulai perjalanan ini. Bagaimanapun yang terjadi, saya

sangat bersyukur diberikan kesempatan untuk mengenal, berbagi tawa

maupun resah bersama kalian tanpa terkecuali. Terimakasih Ciloko Rolas.

xv

16. Keluarga “FORMALIN” (Forum Mahasiswa Ngeselin) Ari, Edo, Ghifari,

Esha, Hilman, Dimastya (Koped), Dimas Onoy, Aldo, Agung, Irwan dan

Jordy yang telah menjadi simbol persahabatan erat nan konyol dalam berbagi

semua hal suka dan duka di dalam kampus maupun luar kampus, terima

kasih untuk semua kebersamaan dan kesolidaritasan yang telah kalian

goreskan di hidup ini meski hanya di sebagian usia tapi tetap berarti lebih dan

semoga keluarga ini tetap hidup sampai tua nanti.

17. Teman-teman ladies Bella, Dilla, Resti, Zahidah, Medi, Betha yang telah

berbagi ilmu, semangat serta motivasi selama masa perkuliahan dan semoga

mimpi kita di masa depan terwujud.

18. Kakak-kakak tingkat (TG08, TG09, TG10, TG11) serta adik-adik tingkat

(TG13, TG14, TG15, TG16) yang telah banyak memberikan pelajaran dan

membantu selama ini. Terimakasih Banyak!

19. Teman seperjuangan Tugas Akhir Ahmad Ghifari Ardiansyah yang telah

berjuang bersama dalam suka dan duka dan berbagi semangat serta bantuan

semoga mimpi kita terwujud dan skripsi nya cepat rampung.

20. Bang Yuda TG10 yang telah memeberikan ilmu, masukan, kritik dan

bantuannya selama penulis mengerjakan skripsi, semoga Allah membalas

kebaikan Bang Yuda dan sukses selalu Bang!

21. Bella Diah Pertiwi, S.T. yang telah berjuang bersama dan berbagi semangat

serta motivasi untuk terus berjuang. Semangat mengejar mimpi-mimpi kita.

22. Serta teman-teman yang tidak bisa penulis sebutkan satu persatu. Terimakasih

banyak atas semangat, support, serta doa kalian. Wish You All The Best!

xvi

Penulis mengharapkan semoga dengan adanya karya yang berupa skripsi ini

dapat bermanfaat untuk perkembangan ilmu pengetahuan serta berguna bagi

masyarakat dan membantu proses eksplorasi sumber daya batubara di Indonesia.

Tentu, penulis sangat terbuka untuk menerima kritik dan saran yang

membangun untuk digunakan sebagai sumber motivasi dan evaluasi serta

perkembangan ilmu pengetahuan yang lebih baik. Terimakasih.

Bandarlampung, 17 Desember 2017

Penulis

M.Kevin P.B Sinulingga

xvii

DAFTAR ISI

ABSTRAK...................................................................................................................... .i

COVER DALAM .............................................................................................. iii

HALAMAN PERSETUJUAN ......................................................................... iv

HALAMAN PENGESAHAN .......................................................................... v

HALAMAN PERNYATAAN .......................................................................... vi

RIWAYAT HIDUP .......................................................................................... vii

HALAMAN PERSEMBAHAN ...................................................................... ix

HALAMAN MOTTO ...................................................................................... x

KATA PENGANTAR ...................................................................................... xi

SANWACANA ................................................................................................. xii

DAFTAR ISI ………………………………………………………...………... xvii

DAFTAR GAMBAR ………………………………………………....…........ xix

DAFTAR TABEL …………………………………………………………..... xxi

I. PENDAHULUAN1.1 Latar Belakang ...............................................................................11.2 Tujuan Penelitian ............................................................................21.3 Batasan Masalah .............................................................................2

II. TINJAUAN PUSTAKA2.1 Geologi Regional Cekungan Sumatera Utara .................................32.2 Stratigrafi Cekungan Sumatera Utara .............................................52.3 Petroleum system ............................................................................10

III. TEORI DASAR3.1 Prinsip Dasar Log Sumur ................................................................133.2 Konsep Dasar Seismik Refleksi ......................................................173.3 Interpretasi Seismik.........................................................................23

xviii

3.4 Regresi Linear Multiatribut ................................................. 25

3.5 Validasi ................................................................................ 35

3.6 Neural Network ................................................................... 38

IV. METODELOGI PENELITIAN

4.1 Lokasi dan Waktu Penelitian ............................................... 46

4.2 Alat dan Bahan .................................................................... 47

4.3 Data Penelitian .................................................................... 47

4.4 Diagram Alir ....................................................................... 49

V. HASIL DAN PEMBAHASAN

5.1 Pengolahan Data ................................................................. 50

5.2 Analisis data ........................................................................ 51

5.3 Well Seismic Tie .................................................................. 57

5.4 Picking Horizon .................................................................. 57

5.5 Seismik Inversi ................................................................... 60

5.6 Multi atribut Neural Networks ............................................ 64

5.7 Hasil Multi-atribut Neural Networks .................................. 65

5.8 Zona Prospek Shale Hidrokarbon ....................................... 65

VI. KESIMPULAN

6.1 Kesimpulan ......................................................................... 66

6.2 Saran ................................................................................... 66

DAFTAR PUSTAKA

xix

DAFTAR GAMBAR

Gambar HalamanGambar 1 Elemen-elemen Tektonik Sumatra Utara ............................................... 6

Gambar 2 Stratigrafi Regional Cekungan Sumatera Utara ...................................10

Gambar 3 Kurva Log Gamma Ray ........................................................................14

Gambar 4 Ilustrasi akuisisi checkshot ...................................................................16

Gambar 5 Prinsip Huygens ....................................................................................17

Gambar 6 Prinsip Fermat ......................................................................................18

Gambar 7 Hukum Snellius... ..................................................................................19

Gambar 8 Skema pemantulan gelombang seismik pada batas dua mediumberbeda nilai IA-nya ............................................................................21

Gambar 9 Well Seismic Tie.........................................................................................23

Gambar 10 Peta Struktur ................................................................................... 25

Gambar 11 Klasifikasi Atribut Seismik ................................................................26

Gambar 12 Conventional cross-plot antara “log target” dan “atribut seismik.......31

Gambar 13 Penerapan transformasi non-linier terhadap target dan atributmampu meningkatkan korelasi di antara keduanya........................... 32

Gambar 14 Contoh kasus tiga atribut seismik, tiap sampel log target

dimodelkan sebagai kombinasi linier dari sampel atribut pada interval

waktu yang sama ................................................................................33

Gambar 15 Plot dari prediksi error terhadap jumlah atribut yang digunakan

dalam transformasi secara matemastis kurva turun secara asimptotis ... 35

xx

Gambar 16 Ilustrasi cross-validasi ......................…..…………………….....36

Gambar 17 Validasi error …..............................................................……....38.

Gambar 18 Skematik overlay sonic log dan resistivity...................................41

Gambar 19. Penentuan tingkat kematangan (LOM) dari krosplot ∆LogR danTOC (Passey,1990). ...................................................................52

Gambar 20. Overlay log sonic dan resistivity yang menunjukkan ∆LogR ....53

Gambar 21. Skematik overlay sonic log dan resistivity (Crain,2010)............54

Gambar 22 Analisa target pada well KS.........................................................55

Gambar 23 Hasil well tie pada well KS..........................................................57

Gambar 24 Horizon penampang seismik line 89ar-494 dengan horizon

Top Belumai (Kuning) dan Top Bampo (Hijau)..........................58

Gambar 25 Analisis pra-inversi.....................................................................60

Gambar 26 Seismik Inversi AI......................................................................61

Gambar 27 Seismik Inversi AI line 89ar-494 dan Seismik section neuralnetworks TOC pada line 89ar-494.............................................64

xxi

DAFTAR TABEL

Tabel HalamanTabel 1. Respon Litologi perlapisan batuan ...........................................................14

Tabel 2. Hubungan antara TOC dengan resource potential ...................................43

Tabel 3. Pelaksanaan Kegiatan Penelitian ..............................................................45

Tabel 4. Kelengkapan Data Log .............................................................................48

Tabel 5. Tabel zona prospek TOC ..........................................................................65

I. PENDAHULUAN

1.1 Latar Belakang

Pada saat ini reservoar konvensional sedikit demi sedikit mulai ditinggalkan,

karena jumlah penemuan cadangan reservoar konvensional baru yang semakin

sulit, sehingga perlu dikembangkan dalam mencari sumber cadangan hidrokarbon

yang baru atau disebut dengan reservoar non-konvensional. Batuan serpih

merupakan salah satu contoh reservoir non-konvensional karena dapat bertindak

sebagai batuan induk dan batuan reservoir,sehingga perlu dilakukan studi atau

pendekatan secara geologi meliputi studi regional dan lokal, analisis struktur, dll.

Sedangkan pendekatan secara geofisika meliputi pemetaan secara time,

karakterisasi serta persebaran properti reservoar.

Metode yang digunakan dalam pendekatan geofisika berupa seismik inversi

dan seismik multi-atribut neural network. Seismik inversi ialah teknik untuk

membuat model bawah permukaan bumi menggunakan data seismik sebagai

input dan data sumur sebagai kontrol (Sukmono, 2000). Inversi Acoustic

Impedance (AI) adalah salah satu metode seismik inversi setelah Stack (post-

stack Inversion).

2

Seismik inversi AI merupakan teknik dalam membuat model geologi

berdasarkan data seismik, sehingga metode ini dapat mengkarakterisasi lapisan

atau formasi target. Sedangkan untuk mengetahui properti batuan shale non-

konvensional reservoir maka digunakan metode seismik multi-atribut neural

network, karena metode ini dapat menyebarkan data petrofisika Total Organic

Carbon (TOC).

Pada daerah penelitian ini dapat diperoleh zona sebaran Total Organic

Carbon (TOC) dan prospek batuan shale non-konvensional reservoir. Di

Indonesia sendiri, telah ditemukan juga cadangan hidrokarbon non-konvensional

pada batuan serpih pada Formasi Belumai, Sumatera Utara.

1.2 Tujuan Penelitian

Tujuan dari penelitian ini adalah menganalisis batuan serpih non-

konvensional reservoir dan memetakan persebaran Total Organic Carbon (TOC)

melalui analisis inversi seismik dan seismik multi-atribut neural network pada

lapangan “LINGGA”. Adapun tujuan penelitian ini adalah sebagai berikut :

1. Mengetahui karakter lapisan shale reservoar berdasarakan nilai acoustic

impedance pada zona target penelitian.

2. Menentukan penyebaran data Total Organic Carbon (TOC) pada batuan

shale non-konvensional reservoar menggunakan seismik Multi-atribut

neural networks.

3. Menentukan lapisan prospek batuan shale non-konvensional reservoar

pada Formasi Belumai.

3

1.3 Batasan Masalah

Adapun batasan masalah penelitian ini adalah sebagai berikut :

1. Penelitian menggunakan metode seismik inversi Acoustic Impedance

(AI) dan Multi-atribut neural networks.

2. Data yang didapat terdiri dari 2D seismik dengan lintasan 89ar-494, 1

data well, dan data Petrofisika TOC.

3. Formasi yang dianalisis dalam penelitian ini adalah Formasi Belumai.

II. TINJAUAN PUSTAKA

2.1 Geologi Regional Cekungan Sumatera Utara

Secara geologi, Cekungan Sumatera Utara dibatasi oleh Malacca Platform

pada bagian timur, pada bagian Selatan dibatasi oleh Asahan Arch, bagian barat

oleh Pegunungan Barisan dan pada bagian utara cekungan ini terbuka ke arah

Laut Andaman.

Aktivitas tektonik Cekungan Sumatera Utara dibedakan antara Pra-Miosen

dan Miosen hingga Pasca - Miosen. Pola struktur berarah U-S terutama dihasilkan

oleh tektonik Pra-Miosen (Mulhadiono dan Sutomo, 1984). Pola struktur Miosen -

Pasca-Miosen arah utamanya adalah BL-TG, orientasi struktur tersebut berkaitan

dengan pengangkatan Bukit Barisan. Pola sesar berarah U-S (pola Pra-Tersier)

dan arah BL-TGG maupun TL-BD merupakan reaktivasi sesar Plio-Pleistosen

sejak Miosen Tengah (Gambar 1)

Cekungan Sumatera Utara adalah salah satu dari tiga cekungan busur

belakang yang terbentuk selama Tersier (Oligosen Awal), pada Lempeng Eurasia

atau Paparan Sunda. Tektonik ekstensional mendominasi sejarah Cekungan

Sumatera di Awal Tersier dan membentuk struktur tinggian dan rendahan,

membentuk perangkap dan tempat tumbuhnya terumbu sebagai daerah kitchen.

Tektonik kedua adalah kompresional yang juga membentuk perangkap sebagai

5

struktur inversi. Evolusi Tersier cekungan Sumatera Utara dapat dibagi dalam

tujuh tahap:

• Pre-rift (sebelumnya – Eosen Akhir/Oligosen Awal) periode ini mencakup

seluruh peristiwa geologi sebelum sampai rifting Tersier terjadi.

• Early-Rift (Oligosen Awal) proses rifting dimulai dan sedimen klastik

kontinental dominan dengan sumber dari timurlaut dan timur.

• Middle-Rift (Oligosen Akhir – Miosen Awal) proses rifting masih

berlangsung dan sedimentasi bercampur antara laut dan non laut saat laut

mulai menggenangi daerah itu.

• Late Rift (Miosen Awal - Basal N7) rifting menjadi tertutup dan thermal

uplift menghasilkan post-rift ketidakselarasan regional. Sedimentasi

klastik laut dominan.

• Early Sag (Miosen Awal - Tengah N7 & N8) terjadi transgresi regional

akibat periode tenangnya tektonik. Karbonat berkembang pada struktur

tinggian yang sudah terbentuk dan seluruh wilayah mulai perlahan

menurun akibat thermal.

• Sag/Tilt (Miosen Tengah N9 - N12) penurunan termal berlanjut sedangkan

laut mengalami regresi, disertai pengangkatan cekungan ke arah baratdaya.

Pengendapan karbonat berhenti dan digantikan sedimen klastik.

• Late Sag (Miosen Tengah - Sekarang, N13 - Resen) awal kompresi

regional dan pengangkatan di selatan, penurunan termal digantikan

6

tektonik, penurunan dan transgresi laut dengan sumber sedimen bergeser

dari timurlaut ke selatan.

Gambar 1. Elemen-elemen Tektonik Sumatra Utara.

2.2 Stratigrafi Cekungan Sumatera Utara

Berikut deskripsi urutan litostratigrafi dari yang tertua sampai muda sebagai

berikut pada Gambar 2 :

- Pra-Tersier

Batuan Pra-Tersier di daerah darat umumnya terdiri dari batugamping, dolomit

dan batupasir yang diendapkan pada lingkungan pantai sampai laut dangkal.

Batuannya menyerupai Lempeng Mikro Mergui, bagian dari regional Dataran

Sunda (Pulunggono dan Cameron, 1984). Distribusi lempeng mikro di

Sumatera dan Semenanjung Malaysia dapat terlihat pada daratan, dijumpai

7

batuan metamorf dan intrusi granit dan granodiorit. Peta struktur batuan dasar

Sumatera Utara memperlihatkan bahwa cekungannya tidak simetris, lereng

barat dayanya lebih curam.

Gambar 2. Stratigrafi Regional Cekungan Sumatera Utara.

- Formasi Tampur

Formasi Tampur terdiri dari sebagian bioklastik dan biokalsilutit masif,

calcarenites dan calcilutites. Dalam formasi ini umum dijumpai nodul rijang.

Formasi ini juga terdiri dari basal konglomeratik dan batugamping dolomitik.

Formasi ini diendapkan dalam lingkungan sub-litoral - laut terbuka sepanjang

Eosen Akhir sampai Oligosen Awal, dibentuk sebagai formasi transgresif

terletak selaras di atasnya dengan Bruksah dan Formasi Bampo. Batu gamping

Tampur berumur Eosen umumnya hanya terjadi di Malaka Shelf .

8

- Formasi Parapat

Pada awal sedimentasi dalam rift basin Tersier ditandai dengan pengendapan

konglomerat, batupasir dan setempat lanau dan batubara dari Formasi Parapat.

Semennya terendapkan selama transgresi dilingkungan fluvio-litoral.

Ketebalan dan penyebaran formasi ini dikontrol oleh topografi rift basin,

menjadi lebih tebal di rendahan dan menipis atau hilang di daerah tinggian.

Ketebalan Formasi Parapat di Cekungan Sumatera Utara mencapai 2.300 m.

- Formasi Bampo

Formasi Bampo terutama terdiri dari batulempung dan serpih gampingan,

berlapis buruk, piritik dan sedikit material karbonan. Sedimen ini diendapkan

selama transgresi dalam lingkungan euxinic sampai pelagik dan selaras diatas

Formasi Parapat. Ketebalannya dari 100 sampai lebih dari 2.500 m. Sikuen

lanau Formasi Bampo mengandung sisa bahan organik dan mungkin dapat

menjadi potensial untuk batuan induk untuk hidrokarbon di Cekungan

Sumatera Utara. Formasi ini diendapkan dalam lingkungan lakustrin, mirip

dengan sedimen Oligosen yang di Cekungan Sumatera Tengah dan Selatan.

- Formasi Belumai dan Peutu

Formasi ini di blok baratlaut (Formasi Peutu dan Anggota Telaga Said)

terutama terdiri dari lanau dan batugamping dari lingkungan laut dangkal.

Batugamping terumbu dijumpai di daerah dangkal. Di timur dan tenggara blok,

sedimen yang ekivalen dengan Formasi Belumai terdiri dari batupasir kuarsitik,

kebanyakan glaukonitik, berselingan dengan batugamping air dangkal

(Karbonat Malaka) dan lanau. Formasi Peutu dan Belumai diendapkan selama

9

transgresi dan tidak selaras menutupi batuan dasar tinggian Pra-Tersier dan

selaras di atas Formasi Bampo.

- Formasi Baong

Formasi Baong terbagi kedalam tiga unit tidak resmi (Mulhadiono dkk, 1982),

yaitu: Serpih Baong bagian bawah, Batupasir Baong bagian tengah (Middle

Baong Sandstone/MBS) dan Serpih Baong bagian atas (Upper Baong Shale).

Unit Serpih Baong bagian bawah (Lower Baong Shale), tersusun atas dominasi

serpih karbonatan abu-abu gelap, kaya akan foram, menunjukkan lingkungan

pengendapan laut. Ketebalan maksimum yang dihitung mencapai 700 kaki.

Unit MBS sebagian besar terdiri dari batupasir abu-abu terang, berbutir sangat

halus, karbonatan dan glaukonitik; unit ini seringkali ditemukan di area Aru

(Blok milik Pertamina). Bagian top dari anggota ini dicirikan oleh lapisan

batupasir sementara bagian bawahnya mengacu pada lapisan batupasir terakhir

yang tepat berada di atas Serpih Baong bagian bawah. Baik bagian top maupun

bottom, keduanya tidak mewakili korelasi waktu tertentu. Ketebalan sikuen

batupasir ini bervariasi antara 300 - 850 m.

Sikuen Serpih Baong bagian bawah diendapkan di kedalaman yang lebih dalam

bila dibandingkan dengan Batupasir Baong, menginterpretasikan sikuen ini

diendapkan di lingkungan air dangkal dengan kondisi deltaik. Setelah

pengendapan MBS, cekungan kembali turun, sehingga endapan laut dalam dari

Serpih Baong bagian atas diendapkan. Koesoemadinata (1978) menganggap

MBS merupakan endapan turbidit sampai sikuen serpih dari Formasi Baong.

Perubahan relatif dari kedalaman muka air yang cepat, mengakibatkan endapan

10

deltaik diendapkan dalam waktu singkat, dan menurut keduanya, kedua

formasi tersebut tidaklah sama. Mulhadiono dkk, (1982) menyarankan bahwa

batupasir dari Sungai Besitang, yang merupakan bagian bawah dari unit MBS,

diendapkan pada rezim turbidit.

Unit serpih bagian atas terdiri sebagian besar oleh serpih homogen, abu-abu

gelap, fissile dan sedikit karbonatan, unit ini ditumpangi oleh sikuen pasir dari

Formasi Keutapang, sementara batas bawah unit ini merupakan bagian atas

dari anggota MBS.

- Formasi Keutapang

Formasi Keutapang tersusun sebagian besar oleh batupasir dan lempung

dengan sisipan serpih dan lapisan tipis batugamping, Sebenarnya, Formasi

Keutapang terbagi kedalam tiga unit litologi utama, yaitu: Bagian Bawah yang

terdiri oleh dominasi litologi pasiran, Bagian Tengah disebut Anggota Securai

yang terdiri dari batupasir laut. Bagian Atas disebut Formasi Keutapang terdiri

dari perselingan batupasir dan batulumpur. Formasi Keutapang terletak tidak

selaras diatas Formasi Baong, formasi ini terdiri dari batupasir fluvial sampai

inner neritic dan klastik halus.

- Formasi Seureula

Formasi Seureula terdiri dari dominasi batupasir dengan perlapisan serpih dan

batulempung. Batupasir Seureula memiliki ukuran butir lebih kasar, serta

mengandung lebih banyak fragmen cangkang bila dibandingkan dengan

batupasir pada Formasi Keutapang. Formasi ini diendapkan di neritik tengah

hingga luar selama Pliosen Awal (N19 – N20).

11

- Formasi Julu Rayeu

Formasi Julu Rayeu terdiri dari campuran pasir dan serpih yang kaya akan

material volkanik. Pasirnya konglomeratik dan kadang-kadang tufaan. Formasi

ini melampar secara selaras di atas Formasi Seureula dan diendapkan pada

lingkungan darat sampai laut dangkal. Ketebalan bervariasi antara 250 – 600

m. Saat ini, Formasi Julu Rayeu tidak dianggap sebagai target yang potensial

dalam cekungan ini.

2.3 Petroleum system

a. Batuan Induk

Batuan induk hidrokarbon di Cekungan Sumatera Utara berasal dari serpih

beberapa formasi antara lain:

Serpih laut dalam bagian bawah Formasi Baong

Serpih hitam, MBS dari Formasi Bampo

Serpih gampingan Formasi Belumai

Serpih bagian bawah Formasi Peutu

Batulanau endapan danau kaya organik dari Formasi Bruksah

Serpih hitam bagian bawah Formasi Keutapang.

12

b. Reservoar

Batuan reservoar yang berkembang pada Cekungan Sumatera Utara berupa

sedimen klastikal kasar berupa batupasir yang diendapkan pada lingkungan

fluvial sampai batupasir yang diendapkan pada lingkungan laut dangkal.

Adapun reservoar tersebut berasal dari runtuhan sedimen yang berasal dari :

­ Batupasir kasar alas (Basal Sandstone)

­ Batupasir gampingan dari unit Formasi Belumai

­ Batupasir bagian tengah/MBS dari Formasi Baong

­ Batupasir transgresif pada bagian bawah Formasi Keutapang

c. Cap Rock (Batuan Penyekat)

Batuan Tudung Cekungan Sumatera Utara berasal dari serpih yang terdapat

diantara formasi. Serpih Formasi Bampo, Serpih Bawah dan Tengah Formasi

Baong, Serpih Formasi Serula.

d. Trap

Secara umum perangkap hidrokarbon yang berkembang di Cekungan Sumatera

Utara berupa perangkap stratigrafi (reef) dan perangkap struktur lipatan serta

kombinasi antara struktur dan stratigrafi.

e. Migration

Migrasi hidrokarbon berupa migrasi vertikal dari batuan induk lewat zona sesar

ke batuan reservoir, sedangkan migrasi lateral dimungkinkan dari sub-

13

Cekungan ketinggian struktur. Hidrokarbon bermigrasi dari serpih Formasi

Bampo menuju reservoar Formasi Belumai dan batupasir Belumai bagian

tengah melalui zona patahan yang terbentuk selama tektonik Miosen Tengah-

Miosen Akhir.

14

III. TEORI DASAR

3.1. Prinsip Dasar Log Sumur

3.1.1. Log Gamma Ray

Prinsip pengukurannya adalah mendeteksi arus yang ditimbulkan oleh ionisasi

yang terjadi karena adanya interaksi sinar gamma dari formasi dengan gas ideal

yang terdapat di dalam kamar ionisasi yang ditempatkan pada sonde.

Secara khusus Gamma Ray Log berguna untuk identifikasi lapisan permeabel

saat Log SP tidak berfungsi, karena formasi yang resistif atau bila kurva SP

kehilangan karakternya (Rmf = Rw), atau ketika SP tidak dapat merekam

karena lumpur yang yang digunakan tidak konduktif (oil base mud). Selain itu

Log Gamma Ray juga dapat digunakan untuk mendeteksi dan evaluasi terhadap

mineral radioaktif (potassium dan uranium), mendeteksi mineral tidak radioaktif

(batubara), dan dapat juga untuk korelasi antar sumur.

Shale dan terutama marine shale mempunyai emisi sinar gamma yang lebih

tinggi dibandingkan dengan sandstone, limestone dan dolomite. Dengan adanya

perbedaan tersebut log Gamma ray ini dapat digunakan untuk membedakan

antara shale dan non shale sehingga Gamma ray sering disebut sebagai log

litologi.

15

Tabel 1. Respon Litologi perlapisan batuan (Haryono, 2010)

Coal Coal Shaly Shale Sandstone

Densitas

Gamma Ray

Resistivitas

SP

Sonic

Neutron

1.3-1.5 gr/cc

20-70 API

High

Low

Large

Large

1.5-2.0 gr/cc

75-175 API

Low-Middle

Low

-

-

2.0 gr/cc

100- 150 API

Low

Low

-

-

2.2-2.4 gr/cc

50-75 API

Low

High

-

-

Gambar 3. Kurva Log Gamma Ray

3.1.2. Log Densitas

Tujuan utama dari log densitas adalah menentukan porositas dengan mengukur

density bulk batuan, di samping itu dapat juga digunakan untuk mendeteksi

adanya hidrokarbon atau air, digunakan besama-sama dengan neutron log, juga

menentukan densitas hidrokarbon (ρh) dan membantu didalam evaluasi lapisan

shaly (Harsono,1997).

16

3.1.3. Log Sonic

Log Sonic merupakan jenis log yang digunakan untuk mengukur porositas, selain

density log dan neutron log dengan cara mengukur interval transite time (Δt),

yaitu waktu yang dibutuhkan oleh gelombang suara untuk merambat didalam

batuan formasi sejauh 1 ft. Peralatan sonic log menggunakan sebuah transmitter

(pemancar gelombang suara) dan dua buah receiver (penerima). Jarak antar

keduanya adalah 1 ft.

3.1.4. Log Neutron Porosity

Log Neutron dirancangkan untuk menentukan porositas total batuan tanpa

melihat atau memandang apakah pori-pori diisi oleh hidrokarbon maupun

air formasi. Neutron terdapat didalam inti elemen, kecuali hidrokarbon. Neutron

merupakan partikel netral yang mempunyai massa sama dengan atom hidrogen.

Neutron Porosity pada evaluasi formasi ditujukan untuk mengukur indeks

hidrogen yang terdapat pada formasi batuan. Indeks hidrogen didefinsikan

sebagai rasio dari konsentrasi atom hidrogen setiap centimeter batuan terhadap

kandungan air murni pada suhu 75⁰F.

Jadi, Neutron Porosity log tidaklah mengukur porositas sesungguhnya dari

batuan, melainkan yang diukur adalah kandungan hidrogen yang terdapat pada

pori-pori batuan. Secara sederhana, semakin berpori batuan semakin banyak

kandungan hidrogen dan semakin tinggi indeks hidrogen. Sehingga, shale yang

17

banyak mengandung hidrogen dapat ditafsirkan memiliki porositas yang tinggi

pula.

3.1.5. Checkshot

Data checkshot merupakan komponen penting dalam interpretasi seismik

khususnya dalam well seismic tie yang bertindak sebagai penerjemah domain

kedalaman data-data sumur ke dalam domain waktunya data seismik seperti pada

Gambar 4. Sebelum diproses, data sumur tersebut harus dikoreksi terlebih dahulu

untuk menghilangkan efek washout zone, cashing shoe, dan artifak-artifak

lainnya. Sebenarnya penerjemahan domain kedalaman ke dalam domain waktu

dapat dilakukan oleh data sumur, yaitu log sonic. Log sonic berupa pengukuran

transit time yang disingkat DT dapat diubah menjadi log kecepatan sonic.

Kecepatan sonic inilah yang mampu menerjemahkan domain kedalaman ke dalam

domain waktu. Akan tetapi, kecepatan sonic dalam well seismic tie mempunyai

beberapa kelemahan, sehingga masih diperlukan data kecepatan lain yang

diperoleh sebagaimana data seismik diperoleh, yaitu data checkshot. Data sonic

log dan checkshot memiliki kelemahan dan keunggulan masing-masing.

Kelemahan data sonic diamtaranya adalah sangat rentan terhadap perubahan lokal

di sekitar lubang bor seperti washout zone, perubahan litologi yang tiba-tiba.

Sedangkan kelemahan data checkshot adalah resolusi tidak sedetail sonic. Untuk

menututpi kelemahan satu sama lain ini, maka kita melakukan koreksi dengan

memproduksi sonic corrected checkshot. Besarnya koreksi checkshot terhadap

sonic disebut ‘DRIFT’.

18

Gambar 4. Ilustrasi akuisisi checkshot (Veeken, 2007)

Di sini kita akan menghitung bagaimana data checkshot diperoleh (perhatikan

Gambar 4). Parameter yang sudah diketahui adalah :

offset: jarak antara sumur dengan source

TVD-SRC: kedalaman receiver dengan ketinggian source terhadap MSL

sebagai datumnya

FB: waktu first break, yaitu waktu tempuh gelombang langsung yang

ditangkap oleh receiver (Veeken, 2007)

Seismic Source

Downholegeophone

Static Correction

Offset

Seismic ReferenceDatum

KB = Kelly BushingGL = Ground LevelMD= Measured DepthH = Distance geophone

seismic source

MD

GL

KB

Well 1

19

3.2. Konsep Dasar Seismik Refleksi

3.2.1. Prinsip Huygens

Prinsip Huygens menyatakan bahwa setiap titik pada muka gelombang merupakan

sumber bagi gelombang baru. Posisi dari muka gelombang dalam dapat seketika

ditemukan dengan membentuk garis singgung permukaan untuk semua wavelet

sekunder (Gambar 5). Prinsip Huygens mengungkapkan sebuah mekanisme

dimana sebuah pulsa seismik akan kehilangan energi seiring dengan

bertambahnya kedalaman (Asparini, 2011).

Gambar 5. Prinsip Huygens (Asparini,2011).

3.2.2. Prinsip Fermat

Gelombang menjalar dari satu titik ke titik lain melalui jalan tersingkat waktu

penjalarannya (Gambar 6). Dengan demikian, jika gelombang melewati sebuah

medium yang memiliki variasi kecepatan gelombang seismik, maka gelombang

tersebut akan cenderung melalui zona-zona kecepatan tinggi dan menghindari

zona-zona kecepatan rendah (Jamady, 2011).

20

Gambar 6. Prinsip Fermat (Jamady,2011).

3.2.3. Hukum Snellius

Perambatan gelombang yang melaui medium dengan nilai parameter fisis,

misalkan densitas yang berbeda akan menyebakan nilai kecepatan

gelombang berbeda pula. Salah satu fenomena perambatan gelombang tersebut,

yaitu pembiasan arah perambatan gelombang. Hukum Snellius tentang pembiasan

menyatakan bahwa:

1. Sinar datang, garis normal, dan sinar bias, terletak pada satu bidang datar.

2. Sinar yang datang dari medium dengan indeks bias kecil ke medium

dengan indeks bias yang lebih besar dibiaskan mendekati garis normal,

dan sebaliknya.

3. Perbandingan nilai sinus sudut datang terhadap sinus sudut bias dari satu

medium ke medium lainnya selalu tetap. Perbandingan ini disebut sebagai

indeks bias relatif suatu medium terhadap medium lain.

Secara matematis Hukum Snellius dapat dirumuskan sebagai berikut:

21

= ⊖ = = ⊖ =Sebagian energi gelombang akan dipantulkan sebagai gelombang P dan

gelombang S, dan sebagian lagi akan diteruskan sebagai gelombang P dan

gelombang S.

Gambar 7. Hukum Snellius

3.2.4. Impedansi Akustik (IA)

Bumi sebagai medium rambat gelombang seismik tersusun dari perlapisan batuan

yang memiliki sifat fisis yang berbeda-beda, terutama sifat fisis densitas batuan

(ρ) dan cepat rambat gelombang (v). Sifat fisis tersebut adalah sifat fisis yang

mempengaruhi refleksivitas seismik. Dengan berdasarkan konsep tersebut

sehingga dapat dilakukan perkiraan bentuk lapisan/struktur bawah permukaan.

Penerapan konsep tersebut kemudian disebut sebagai Impedansi Akustik, dimana

(1)

Gelombang Prefleksi

Gelombang Srefleksi

P1

Vp1 Vs1

Gelombang P

Medium 1

Gelombang Prefraksi

Gelombang Srefraksi

Medium 2 Vp2 Vs2

S1

P2

S2

P

22

sebagai karekteristik akustik suatu batuan dan merupakan perkalian antara

densitas dan cepat rambat = .Dalam mengontrol harga IA, kecepatan mempunyai arti yang lebih penting dari

pada densitas. Sebagai contoh, porositas atau material pengisi pori batuan (air,

minyak, gas) lebih mempengaruhi harga kecepatan dari pada densitas.

menganalogikan IA dengan acoustic hardness. Batuan yang keras (hard rock) dan

sukar dimampatkan, seperti batugamping mempunyai IA yang tinggi, sedangkan

batuan yang lunak seperti lempung yang lebih mudah dimampatkan mempunyai

IA rendah (Sukmono, 1999).

3.2.5. Koefisien Refleksi

Apabila terdapat dua lapisan batuan yang saling berbatasan dan memiliki

perbedaan nilai impedansi akustik, maka refleksi gelombang seismik dapat terjadi

pada bidang batas antara kedua lapisan tersebut. Besar nilai refleksi yang terjadi

kemudian dinyatakan sebagai Koefisien Refleksi :

= =Koefisien refleksi menunjukkan perbandingan amplitudo (energi) gelombang

pantul dan gelombang datang, dimana semakin besar amplitudo seismik yang

terekam maka semakin besar koefisien refleksinya.

(2)

(3)

23

Gambar 8. Skema pemantulan gelombang seismik pada batas duamedium berbeda nilai IA-nya (Rachelyanna, 2015)

3.2.6. Resolusi Seismik

Resolusi didefinisikan sebagai kemampuan untuk memisahkan dua kenampakan

yang sangat berdekatan (Sheriff, 1992). Resolusi seismik sendiri terbagi menjadi 2

macam, yaitu resolusi vertikal dan resolusi lateral.

a. Resolusi Vertikal

Resolusi vertikal seismik adalah kemampuan untuk memisahkan lapisan atas

dengan lapisan bawahnya secara vertikal. Pola refleksi ini akan nampak terpisah

dengan ketebalan ¼ λ panjang gelombang, sedangkan jika ketebalanya kurang

dari itu, maka hanya akan tampak satu interface saja. Pemisahan secara vertikal

yang minimal dapat diperlihatkan disebut sebagai tunning thickness.

Frekuensi gelombang seismik lebih kecil dibandingkan frekuensi yang dihasilkan

pada data log sumur, sehingga kemampuan perubahan seismik jauh lebih besar

sekitar 100 kali lipat. Semakin kecil frekuensi dan kecepatan, maka gelombang

24

akan semakin besar. Panjang gelombang (λ) tergantung pada kecepatan V dan

frekuensi F seperti pada persamaan di bawah ini:

λ = v/f

Dimana :

λ = Panjang gelombang (m)

v = Kecepatan rata rata (m/s)

f = Frekuensi dominan seismik (Hz)

Dari persamaan diatas dapat diidentifikasi bahwa semakin kecil panjang

gelombangnya, maka perlapisan yang dapat terdeteksi semakin kecil.

b. Resolusi Lateral

Resolusi lateral atau horizontal dikenal dengan Zona Fresnell, yaitu bagian dari

reflektor dimana energi dipantulkan ke geophone atau hydrophone setelah separuh

siklus atau seperempat panjang gelombang setelah terjadinya refleksi pertama.

Radius Zona Fresnel dapat dihitung dengan rumus := /Dimana:

rf = Radius zona Fresnel (m)

v = Rata rata kecepatan (m/s)

f = Fekuensi dominan seismic (Hz)

t = TWT (s)

(4)

(5)

25

3.3. Interpretasi Seismik

3.3.1. Well To Seismic Tie

Well Seismic Tie adalah proses pengikatan data sumur (well) terhadap data

seismik. Data sumur yang diperlukan untuk well seismic tie adalah sonic (DT),

densitas (RHOB), dan checkshot. Sebelum diproses, data well tersebut harus

dikoreksi terlebih dahulu untuk menghilangkan efek Washout Zone, cashing shoe,

dan artifak-artifak lainya. Sebagaimana yang kita ketahui, data seismik umumnya

berada dalam domain waktu (TWT) sedangkan data well berada dalam domain

kedalaman (depth). Sehingga, sebelum kita melakukan pengikatan, langkah awal

yang harus kita lakukan adalah konversi data well ke domain waktu. Untuk

konversi ini, kita memerlukan data log sonic dan checkshot.

Gambar 9. Well Seismik Tie

26

3.3.2. Identifikasi dan Picking Horizon

Menurut Coffeen (1986), salah satu cara yang dipakai dalam identifikasi horizon

adalah dengan membandingkan reflektor atau horizon seismik satu section dengan

section yang lain, berdasarkan kumpulan ciri-ciri yang ada. Ciri-ciri yang biasa

digunakan adalah :

Kedudukan horizon pada penampang seismik

Komposisi frekuensi

Kekuatan amplitudo

Kontinyuitas horizon

Langkah selanjutnya adalah memilih (picking) horizon. Faktor penimbang untuk

memilih diantaranya adalah :

Kontinyuitas refleksi

Kontinyuitas karakter refleksi

Korelasinya dengan marker geologi yang diinginkan

Perannya dalam interpretasi keseluruhan

Picking satu atau lebih horizon pada satu penampang seismik harus sama dengan

picking horizon pada penampang seismik lainnya. Pastikan bahwa suatu horizon

yang di-picking, pada titik perpotongan antara dua penampang seismik

(crosspoint) terletak pada waktu (ms) yang sama.

3.3.3. Peta Struktur Waktu

Salah satu pemetaan horizon seismik adalah peta struktu waktu. Peta struktur

waktu merupakan penerapan satruktur horizon seismik dengan waktu yang dibuat

dengan cara menarik garis transversal serta sejumlah garis yang pendek dengan

27

waktu yang sesuai dengan data shot point dan kemudian dilakukan pengkonturan

(Ramdan, D. 2001).

Gambar 10 Peta Struktur

3.4. Regresi Linear Multiatribut

3.4.1. Seismik Atribut

Seismik atribut didefinisikan sebagai karakterisasi secara kuantitatif dan deskriptif

dari data seismik yang secara langsung dapat ditampilkan dalam skala yang sama

dengan data awal (Barnes, 1999). Dengan kata lain seismik atribut merupakan

pengukuran spesifik dari geometri, dinamika, kinematika dan juga analisis

statistik yang diturunkan dari data seismik. Metode seismik berguna untuk

menganalisis fenomena geologi bawah permukaan seperti struktur geologi.

Atribut seismik dan Struktur kedalaman peta yang digunakan untuk menentukan

28

distribusi fasies asosiasi dan pemodelan struktural. Distribusi fasies dan sifat

batuan dikombinasikan dengan model struktural untuk mendapatkan model fasies.

Informasi utama dari seismik atribut adalah amplitudo, frekuensi, dan atenuasi

yang selanjutnya akan digunakan sebagai dasar pengklasifikasian atribut lainnya.

Semua horison dan bentuk dari atribut-atribut ini tidak bersifat bebas antara satu

dengan yang lainnya, perbedaannya hanya pada analisis data pada informasi dasar

yang akan berpengaruh pada gelombang seismik dan juga hasil yang ditampilkan

(Sukmono, 2002). Informasi dasar yang dimaksud disini adalah waktu, frekuensi,

dan atenuasi yang selanjutnya akan digunakan sebagai dasar klasifikasi attribut .

Gambar 11. Klasifikasi Atribut Seismik (Sukmono, 2002)

PRE-STACK-Intersep AVO-Gradien AVO-Intersep X Gradien-Beda Far-Near-Faktor Fluida

JENDELA

HORISON-Waktu-Isokron-Kecenderungan-Residual-Kemiringan-Azimuth-Beda-Edge-Iluminasi-Fasa Sesaat-Fasa Kosinus

GROSS-Lebar Frekuensi-Panjang Busur-Jumlah Zero Crossing-Puncak Frekuensi Spektral-Gradien Frekuensi Spektral-Frekuensi dominan pertama,

kedua,dst-Spektrum bandwith-Frekuensi sesaat rata-rata-Frekuensi sesaat Rms

HORISON-Frekuensi Sesaat-Frekunesi Respon-Enveloped Weight

Frekuensi sesaat-Turunan Waktu

Frekuensi

DISTRIBUSI-Gradien Frekuensi

sesaat

AMPLITUDO-Koherensi-Kontinyuitas-Kemiripan-Kovarian-Beda Puncak

Palung-Koreksi

KemiringanMaksimum

-Iluminasi-Koreksi

AzimuthMaksimum

-Fasa Kosinus-Rasio SN

SELEKSI-Daerah Loop-Amplitudo maksimum-Amplitudo negative terbesar-Amplitudo absolut maks-Beda palung-puncak

DISTRIBUSI-Halftime-Gradien kuat refleksi-Gradien pada half energi-Ratio positif negatif

HORISON-Amplitudo Refleksi-AmplitudoKomposit-Impedansi Akustik-Kuat Refleksi-Rasio Amplitudo

GROSS-Total amplitude absolut-Total energy-Absolut rata-rata-Energi rata-rata-Gradien frekuensi spectral-Kuat Refleksi rata-rata-Amplitudo rata-rata-Rata-rata amplitudo puncak

WAKTU

JENDELA

JENDELA

ATENUASIFREKUENSIAMPLITUDO

PRE-STACKVelocity

POS-STACK-Faktor Q

sesaatPOST-STACK

POST-STACK

PRE-STACKPRE-STACK POST-STACK

29

Secara umum, atribut turunan waktu akan cenderung memberikan informasi

perihal struktur, sedangkan atribut turunan amplitudo lebih cenderung

memberikan informasi perihal stratigrafi dan reservoir. Peran atribut turunan

frekuensi sampai saat ini belum betul-betul dipahami, namun terdapat keyakinan

bahwa atribut ini akan menyediakan informasi tambahan yang berguna perihal

reservoir dan stratigrafi. Atribut atenuasi juga praktis belum dimanfaatkan saat ini,

namun dipercaya bahwa atribut ini dimasa datang akan berguna untuk lebih

memahami informasi mengenai permeabilitas.

Atribut seismik dapat dibagi dalam 2 kategori:

1. Horizon-based attributes, yaitu dihitung sebagai nilai rata-rata antara dua

horizon

2. Sample-based attributes merupakan transformsi dari trace input untuk

menghasilkan trace output lainnya dengan jumlah yang sama dengan trace

input (nilainya dihitung sampel per sampel)

Atribut yang digunakan dalam analisis multiatribut dengan menggunakan

perangkat EMERGE harus dilakukan dalam bentuk sample-based attributes,

dimana 23 jenis atribut yang digunakan sebagi input, atribut- atribut tersebut dapat

dikelompokkan ke dalam 6, kategori, yaitu :

1. Atribut sesaat, meliputi:

a. Instantaneous Phase

b. Instantaneous frequency

c. Cosine Instantaneous Phase

d. Apparent Polarity

30

e. Amplitude Weighted cosine phase

f. Amplitude weighted frequency

g. Amplitude weighted phase

2. Windowed Frequency Attributes

a. Average frequency Amplitude

b. Dominant Frequency

3. Filter slice (Band filter)

a. 5/10 – 15/20 Hz

b. 15/20 – 25/30 Hz

c. 25/30 -35/40 Hz

d. 35/40 Hz – 45/50 Hz

e. 45/50 – 55/60 Hz

f. 55/60 – 65/70 Hz

4. Derivative Attributes

a. Derivative of the seismic trace

b. Derivative Instantaneous Amplitude

c. Second Derivative of the seismic trace

d. Second derivative instantaneous Amplitude

5. Integrated Attributes

a. Integrated seismic trace

b. Integrated reflection Strenght

6. Atribut waktu

31

3.4.2. Analisis Multiatribut

Analisis seismik multiatribut adalah salah satu metode statistik menggunakan

lebih dari satu atribut untuk memprediksi beberapa properti fisik dari bumi. Pada

analisis ini dicari hubungan antara log dengan data seismik pada lokasi sumur dan

menggunakan hubungan tersebut untuk memprediksi atau mengestimasi volume

dari properti log pada semua lokasi pada volum seismik. Statistik dalam

karakteristik reservoar digunakan untuk mengestimasi dan mensimulasikan

hubungan spasial variable pada nilai yang diinginkan pada lokasi yang tidak

mempunyai data sampel terukur. Hal ini didasarkan pada kenyataan yang sering

terjadi di alam bahwa pengukuran suatu variabel di suatu area yang berdekatan

adalah sama. Kesamaan antara dua pengukuran tersebut akan menurun seiring

dengan bertambahnya jarak pengukuran.

Schultz, dkk (1994) mengidentifikasi tiga subkategori utama pada teknik analisa

multiatribut geostatistik, yaitu:

1. Perluasan dari co-kriging untuk melibatkan lebih dari satu atribut sekunder

untuk memprediksi parameter utama.

2. Metode yang menggunakan matriks kovariansi untuk memprediksi suatu

parameter dari atribut input yang telah diberi bobot secara linear.

3. Metode yang menggunakan Artificial Neural Networks (AANs) atau

teknik optimisasi non-linear untuk mengkombinasikan atribut-atribut

menjadi perkiraan dari parameter yang diinginkan.

32

Analisis multiatribut pada penelitian ini menggunakan kategori yang kedua.

Prosesnya sendiri melibatkan pembuatan dari volume pseudo log yang nantinya

akan digunakan untuk memetakan penyebaran batupasir dan serpih.

Dalam kasus yang paling umum, kita mencari sebuah fungsi yang akan

mengkonversi m atribut yang berbeda ke dalam properti yang diinginkan, ini

dapat ditulis sebagai :

P(x,y,z) = F[Ai(x,y,z),…, Am(x,y,z)]

dimana :

P = properti log, sebagai fungsi dari koordinat x,y,z

F = fungsi yang menyatakan hubungan antara atribut seismik dan properti log

Ai = atribut m, dimana i = 1,...,m.

Untuk kasus yang paling sederhana, hubungan antara log properti dan atribut

seismik dapat ditunjukkan oleh persamaan jumlah pembobotan linier.= + +⋯+dimana :

wi = nilai bobot dari m+1, dimana 1 = 0,...,m

3.4.3. Conventional Crossploting

Prosedur sederhana untuk menentukan hubungan antara data log target dan atribut

seismik adalah dengan melakukan cros-plot di antara kedua data tersebut.

(6)

(7)

33

Gambar 12. Conventional cross-plot antara “log target” dan “atribut seismik”(Russel, 1997)

Gambar 12 memerlihatkan cross- plot antara log target dalam hal ini

“denporosity” dengan sebuah atribut seismik, yang disebut “Attribute”. Dengan

asumsi bahwa log target telah dikonversi ke dalam satuan waktu dan memiliki

sample rate yang sama dengan atribut seismik. Tiap titik pada cross- plot terdiri

dari sejumlah data yang berhubungan dengan sampel waktu tertentu.

Hubungan linier antara log target dan atribut ditunjukkan oleh sebuah garis lurus

yang memenuhi persamaan :

y a bx

Koefisien a dan b pada persamaan ini diperoleh dengan meminimalkan mean-

square prediction error : = ∑ ( − − )

(8)

(9)

34

Dimana penjumlahan dilakukan pada setiap titik di cross- plot. Pengaplikasian

garis regresi tersebut dapat memeberikan prediksi untuk atribut target. Lalu

dihitung kovariansi yang didefinikan dalam persamaan.

=Dimana = ∑ ( − )( − )

= ∑ ( − )= ∑ ( − )= ∑= ∑

Sebagai catatan, hubungan linier kemungkinan diperoleh dengan menerapkan

transformasi non- linier pada data log target atau data atribut, ataupun pada kedua

data tersebut.

Gambar 13. Penerapan transformasi non-linier terhadap target dan atributmampu meningkatkan korelasi di antara keduanya (Russel, 1997)

(11)

(12)

(15)

(13)

(14)

(10)

35

3.4.4. Perluasan dari Crossploting menjadi Multiatribut

Dalam metoda ini, tujuan kita adalah untuk mencari sebuah operator, yang dapat

memrediksi log sumur dari data seismik di dekatnya. Pada kenyataannya, kita

menganalisis data atribut seismik dan bukan data seismik itu sendiri. Salah satu

alasan kenapa kita melakukan hal ini karena menggunakan data atribut seismik

lebih menguntungkan dari pada data seismik itu sendiri, banyak dari atribut ini

bersifat non linier, sehingga mampu meningkatkan kemampuan prediksi.

Pengembangan (extension) analisis linier konvensional terhadap multiple atribut

(regresi linier multivariat) dilakukan secara langsung. Sebagai penyederhanaan,

kita mempunyai tiga atribut seperti yang terlihat pada Gambar 14.

Gambar 14. Contoh kasus tiga atribut seismik, tiap sampel log targetdimodelkan sebagai kombinasi linier dari sampel atribut padainterval waktu yang sama (Russel, 1997)

Pada tiap sampel waktu, log target dimodelkan oleh persamaan linier :( ) = + ( ) + ( ) + ( )Pembobotan (weights) pada persamaan ini dihasilkan dengan meminimalkan

mean-squared prediction error:= ∑ ( − − − − )(16)

(17)

36

Solusi untuk empat pembobotan menghasilkan persamaan normal standar :

= ⎣⎢⎢⎢⎡ ∑ ∑ ∑∑∑ ∑∑ ∑ ∑∑ ∑∑ ∑ ∑ ∑ ⎦⎥⎥⎥

⎤⎣⎢⎢⎡ ∑∑∑∑ ⎦⎥⎥

⎤Seperti pada kasus atribut tunggal, mean-squared error yang dihitung

menggunakan pembobotan, merupakan pengukuran kesesuaian untuk transformasi

tersebut, seperti koefisien korelasi, dimana sekarang koordinat x merupakan nilai

log yang diprediksi dan koordinat y merupakan nilai real dari data log.

3.4.5. Menentukan jumlah atribut yang digunakan dengan Step-wiseRegression

Cara untuk memilih kombinasi atribut yang paling baik untuk memrediksi log

target, maka dilakukan sebuah proses yang dinamakan step-wise regression:

1. Dicari atribut tunggal pertama yang paling baik dengan menggunakan

trial and error. Untuk setiap atribut yang terdapat pada software dihitung

error prediksinya. Atribut terbaik adalah atribut yang memberikan error

prediksi terendah. Atribut ini selanjutnya akan disebut atribut-a.

2. Dicari pasangan atribut yang paling baik dengan mengasumsikan anggota

pasangan yang pertama adalah atribut-a. Pasangan yang paling baik

adalah pasangan yang memberikan error paling kecil. Atribut ini

selanjutnya akan disebut atribut-b.

3. Dicari tiga buah atribut yang berpasangan paling baik, dengan

mengasumsikan dua buah anggota yang pertama atribut-a dan atribut-b.

Tiga buah atribut yang paling baik adalah yang memberikan prediksi

error paling kecil.

(18)

37

Prediksi ini berlangsung terus sebanyak yang diinginkan. Prediksi error, En,

untuk n atribut selalu lebih kecil atau sama dengan En-1 untuk n-1 atribut, tidak

peduli atribut mana yang digunakan.

3.5. Validasi

Transformasi multiatribut dengan jumlah atribut N+1 selalu mempunyai prediksi

error lebih kecil atau sama dengan transformasi dengan N atribut. Dengan

ditambahkannya sejumlah atribut, kita mengharapkan penurunan secara

asimptotik dari prediksi error, seperti yang terlihat pada Gambar 15

Gambar 15. Plot dari prediksi error terhadap jumlah atribut yang digunakandalam transformasi. Secara matemastis kurva turun secaraasimptotis (Russel, 1997)

Dengan bertambahnya atribut, maka ia akan meningkatkan kecocokan dari data

training, tetapi hal ini mungkin buruk jika diterapkan pada data baru (bukan pada

set data training). Hal ini biasanya disebut dengan “over training”. Dengan

menggunakan jumlah atribut yang besar dapat dianalogikan dengan pencocokan

cross- plot dengan order polinomial yang besar.

38

Sejumlah teknik statistik telah dihasilkan untuk mengukur keandalan dari

kecocokan order atribut yang besar (Draper dan Smith, 1966). Kebanyakan dari

teknik ini diterapkan pada regresi linier, dan tidak diterapkan pada prediksi linier

menggunakan neural network. Karena alasan tersebut kita memilih proses Cross

Validasi, yang dapat diterapkan pada semua jenis prediksi. Cross Validasi

membagi seluruh data training kedalam dua bagian, yaitu: data training dan data

validasi. Data training digunakan untuk menghasilkan transformasi, sedangkan

data validasi digunakan untuk mengukur hasil akhir prediksi error. Dengan asumsi

bahwa over- training pada data training akan mengakibatkan kecocokan yang

buruk pada data validasi. Hal ini diilustrasikan pada Gambar 16.

Gambar 16. Ilustrasi cross-validasi (Russel, 1997)

Kedua kurva digunakan untuk mencocokkan titik- titik data. Kurva tegas adalah

polinomial order kecil. Kurva garis putus- putus merupakan polinomial order

tinggi. Kurva garis putus-putus mencocokkan data training secara lebih baik,

tetapi memperlihatkan kecocokan yang buruk jika dibandingkan dengan data

validasi.

39

Data training terdiri dari sampel training dari semua sumur, kecuali beberapa

sumur yang disembunyikan, data validasi terdiri dari sampel dari data sumur yang

disembunyikan. Pada proses Cross Validasi proses analisis diulang beberapa kali

untuk semua sumur setiap pengukuran meninggalkan sumur yang berbeda.

Validasi error total merupakan rata- rata rms error individual.= ∑Ev : validasi error total

evi : validasi error untuk sumur i

N : jumlah sumur

Validasi error untuk setiap jumlah atribut selalu lebih besar dari training error.

Hal ini disebabkan karena, memindahkan sebuah sumur dari set training akan

menurunkan hasil kemampuan prediksi. Perlu dicatat bahwa kurva validasi error

tidak menurun secara monoton. Pada kenyataannya, ia menunjukkan minimum

lokal di sekitar empat atribut, dan kemudian secara bertahap meningkat. Kita

menginterpretasikan ini berarti setiap penambahan atribut setelah yang keempat,

sistem akan over training.

Pada umumnya, jika kurva validasi error secara jelas menunjukkan paling

minimum, kita mengasumsikan jumlah atribut pada titik tersebut adalah optimum.

Jika kurva validasi error memperlihatkan minimum regional seperti pada Gambar

17. Atau memperlihatkan sekumpulan minimum lokal, kita memilih titik dimana

kurva berhenti menurun secara meyakinkan.

(19)

40

Gambar 17. Validasi error (Russel, 1997)

Plot yang sama seperti Gambar 17, kecuali validasi error total sekarang terlihat

sebagai kurva paling atas. Perlu dicatat bahwa setelah atribut kedua, atribut

lainnya menyumbang peningkatan kecil pada validasi error, dan pada

kenyataannya, secara bertahap menyebabkan peningkatan pada prediksi error

(Russel, 1997).

3.6. Neural Network

Penggunaan multiatribut pada dasarnya dilakukan dengan mencari hubungan

statik antara data log dan set dari atribut seismik pada lokasi sumur, lalu

memanfaatkan hubungan tersebut untuk membuat suatu volum properti log yang

diinginkan. Multiatribut merupakan suatu proses ekstraksi beberapa atribut dari

data seismik yang mempunyai korelasi yang baik terhadap data log yang pada

akhirnya digunakan untuk memprediksi data log pada setiap lokasi di volum

seismik. Untuk menentukan atribut seismik yang akan digunakan dalam proses

tersebut, dilakukan uji statistik antara kedua data tersebut (data log dan atribut

seismik), sehingga dapat diketahui hubungan antara keduanya. Regresi

41

multiatribut dapat berjalan dengan baik apabila ada relasi linear fungsional yang

baik di antara log yang diprediksi dan atribut seismik. Pada kasus hubungan yang

non-linear kita dapat mengaplikasikan transformasi tersebut dengan metoda

neural network sebagai algoritma prediksi.

Dalam penelitian ini, neural network yang digunakan adalah Probabilistic

Neural Network (PNN). Transformasi multi-atribut menggunakan Probabilistic

Neural Network merupakan skema interpolasi secara matematis yang

menggunakan arsitektur neural network dalam penerapannya. Dalam pendekatan

PNN, bobot dikalkulasikan menggunakan konsep “jarak” dalam spasi atribut

antara titik yang diketahui nilainya dan titik yang tidak diketahui. Ide dasar di

balik PNN adalah menggunakan kumpulan dari satu atau lebih nilai terukur

(variabel independen) untuk memprediksi nilai variabel dependen tunggal.

Output Ø0

Pemecahan masalah dengan cara membandingkan atribut baru dan atribut yang

telah diketahui. Nilai yang diestimasi merupakan kombinasi linear dari nilai

training yang diketahui:

Ø0 = W1* Ø1 + W2* Ø2 + W3* Ø3 (20)

dimana * adalah konvolusi , Ø = nilai porosity, danW=bobot.

42

Bobot ini tergantung pada jarak antar titik yang dicari dengan titik training. Dalam

prakteknya, penggunaan PNN dapat dibagi menjadi empat langkah, yaitu:

a) Analisis regresi stepwise multi linier dan validasi

b) Training neural network untuk menentukan hubungan non-linier antara

atribut seismik dan properti reservoar di lokasi sumur

c) Menerapkan neural network yang telah di-training pada data volume seismik

d) Validasi hasil dengan satu sumur dan memprediksi dari sumur lainnya.

3.1. Petrofisika

1. Total Organic Carbon (TOC)

Untuk menganalisis kandungan TOC pada suatu reservoar menggunakan metode

∆Log R. Analisis TOC dengan data log umumnya digunakan teknik overlay log

porositas-resistivity. Biasanya digunakan sonic log sebagai indikator porositas

namun log neutron atau density log dapat menjadi indikator yang lebih baik. Shale

dengan resistivity rendah mengindikasikan non-source rock, dan bukan

merupakan gas shale. Shale sebagai batuan induk yang potensial diindikasikan

oleh terdapatnya crossover antara kurva sonic dan resistivity (Gambar 18).

Tabel 2. Hubungan antara TOC dengan resource potential (Alexander dkk, 2011).

43

Overlay antara kurva sonic dan resistivity akan mengindikasikan TOC dalam

formasi dimana ∆Log R memiliki hubungan langsung dengan TOC dan

berhubungan dengan kematangan vetrinite reflectance (Ro).

Gambar 18. Skematik overlay sonic log dan resistivity (Crain,2010).

∆LogR = Log( ) + 0,02 (∆t - ∆tBaseline) (21)

TOC = ∆LogR x 10( , , ) (22)

Dengan :

R : Resistivity yang terbaca di log (ohm-m)

Rbaseline : Resistivity pada garis dasar (ohm-m)

∆t : Travel time sonic log (µs/ft)

∆tBaseline : Travel time sonic logpada garis dasar (µs/ft)

LOM : Tingkat kematangan

44

Pada shale gas reservoir memiliki respon gamma ray yang tinggi. Hal ini

disebabkan karena shale gas umumnya terbentuk pada daerah laut atau danau

(lacustrine), dimana kerogen yang terkandung didalamnya menyebabkan

banyaknya endapan uranium, sehingga gamma ray log tinggi. Selain itu

identifikasi shale gas dapat terlihat dari log porositas dimana sonic log yang

rendah dan respon log neutron yang tinggi. Selain itu shale gas memiliki bulk

densitas dan Pe rendah.

2. Kekayaan Material Organik

Jumlah material organik yang ada pada batuan dinyatakan sebagai nilai karbon

organik total (TOC/Total Organic Carbon) dalam satuan persen dari batuan dalam

keadaan kering. Nilai TOC digunakan sebagai salah satu parameter untuk tahap

seleksi awal terhadap batuan sehingga dapat dipisahkan antara batuan yang tidak

menarik dan yang menarik untuk dikaji lebih lanjut.

Menurut Waples (1985) batuan yang mengandung TOC kurang dari 0,5%

dipertimbangkan sebagai batuan yang memiliki potensi sebagai batuan induk

hidrokarbon yang dapat diabaikan, hal ini karena jumlah dari hidrokarbon yang

dapat dihasilkan dari batuan tersebut sangat kecil, sehingga tidak terjadinya

ekspulsi. Batuan yang mengandung TOC antara 0,5 – 1,0% memiliki kemampuan

yang terbatas. Batuan tersebut tidak akan berfungsi sebagai batuan induk yang

efektif, tetapi masih dapat mengekspulsi sejumlah kecil hidrokarbon. Batuan yang

mengandung TOC lebih dari 1% merupakan batuan induk yang penting. Batuan

yang mengandung TOC antara 1 – 2% berasosiasi dengan lingkungan

pengendapan transisi antara oksidasi dan reduksi sedangkan batuan yang

45

mengandung TOC dengan nilai di atas 2% berasosiasi dengan lingkungan

pengendapan reduksi tingkat tinggi, sehingga batuan tersebut memiliki potensi

terbaik sebagai batuan induk.

IV. METODELOGI PENELITIAN

4.1. Lokasi dan Waktu Penelitian

Penelitian dilakukan di Badan Penelitian dan Pengembangan Energi dan

Sumber Daya Mineral “LEMIGAS”, Jakarta, yang dilaksanakan pada tanggal 27

November 2016 sampai dengan 24 Februari 2017, dengan judul “Analisis

Persebaran Potensi TOTAL ORGANIC CARBON (TOC) Lapangan “LINGGA”

dengan Menggunakan Inversi Seismik dan Neural Network”. Berikut tabel

pelaksanaan kegiatan selama penelitian:

Tabel 3. Pelaksanaan Kegiatan Penelitian

No AktivitasApri

lMei Juni Jul Aug Sep Okt Nov

1 2 3 4 1 2 3 4 1 2 3 4

1 Studi Literatur

2 Seminar Usul

3 Pengumpulandata

4 Pengolahan data

5 PenulisanLaporan

6 Seminar Hasil

7 Ujian Skripsi

47

4.2. Alat dan Bahan

Adapun alat-alat dan bahan yang digunakan seperti perangkat keras dan

perangkat lunak pada penelitian ini, yaitu sebagai berikut:

1. Sebuah workstation terdiri dari CPU dan Dual Monitor 21’’ yang

mendukung Software pengolahan data geofisika

2. Software Humpson Russel dan Petrel 2008

3. Literatur

4. Seperangkat laptop untuk pembuatan laporan.

4.3. Data Penelitian

Data yang digunakan dalam penelitian ini meliputi data seismik, data sumur,

serta data sekunder berupa sampel coring Total Organic Carbon . Data yang

digunakan dalam penelitian ini adalah data yang diambil dari Lapangan

“LINGGA”, Cekungan Sumatera Utara, Formasi Belumai.

1. Data Seismik

Data seismik yang digunakan dalam penelitian ini merupakan data seismik

2D Post Stack Time Migration (PSTM).

2. Data Sumur

Pada penelitian ini digunakan 1 sumur prospek TOC yang berada didalam

Lapangan “LINGGA”. Data log yang digunakan adalah log Gamma Ray,

log Density, log NPHI dan log Sonic.

48

Tabel 4. Kelengkapan Data Log

Well Checkshot GR NPHI RHOB DT

1

3. Data Marker

Data marker digunakan sebagai acuan atau referensi melakukan picking

horizon. Dalam data marker ini terdapat data time dan measured depth

(kedalaman terukur) sebagai informasi top dari formasi tersebut terukur.

Data marker yang digunakan pada target horizon ini yaitu Top Formasi

Belumai.

4. Data Checkshot

Data checkshot adalah data interval yang terdapat pada sumur, yang

digunakan untuk mendapatkan hubungan waktu dan kedalaman. Data ini

digunakan untuk melakukan pengikatan antara data sumur dengan data

seismik (well seismic tie).

49

Mulai

Studi Literatur

Data Sumur (Checkshot,Marker, log)

Data Sesimik 2D PostStack Migration

Log AI

Log P-WaveLog Density

WaveletKonvolusiKoefisienRefleksi

Well Seismic Tie

SeismogramSintetik

Korelasiantara AI

dan Seismik

Tidak

Ya

Picking

Training MultiatributPeta Struktur Waktu

Create Neural Network

Analisis

Selesai

Gambar 23. Diagram Alir

Inversion AI

Build Model

Sebaran Neural Network

Analysis

Log TOC

VI. KESIMPULAN

6.1 Kesimpulan

Kesimpulan yang diperoleh dari penelitian ini adalah :

1. Berdasarkan data log gamma ray dengan nilai diatas 70 API adalah sebagai

shale dan dibawah 69 API adalah sebagai sand. Hasil inversi AI seismik

yang diperoleh dengan nilai AI 5864 hingga10295 ((m/s)*(g/cc)) sebagai

shale.

2. Zona prospek shale hidrokarbon yang baik pada Formasi Belumai

ditunjukkan dengan daerah yang prospek TOC berwarna hitam hingga

kuning dengan nilai TOC 0,8 – 1,1 wt%.

3. Setelah diperoleh hasil dari proses multi-atribut neural networks untuk

menyebarkan data TOC dengan nilai kuantitas >1% maka dapat

menunjukkan lapisan yang berprospek shale hidrokarbon pada well KS.

6.2 Saran

Saran untuk daerah penelitian ini harus dilakukan analisa fault untuk

menentukan zona prospek yang lebih detail, dan analisa BI (Brittleness Index) pada

Formasi Belumai, karena formasi tersebut meruakan salah satu source rock pada

petroleum system di cekungan Sumatera Utara.

DAFTAR PUSTAKA

Alexander, T ., Baihly, J ., Boyer, C., Waters, B.C.G., Calvez, J.L., Miller,R.I.,C.K., Thaeler, J.,and Toelle, B.E. 2011. Shale Gas Revolution,Schlumerger.

Altamar, R.P., dan Marfurt, K.2013. Minerology-based Britleness Predictionfrom Surface Seismic data Application to the Barnett Shale, ConocoPhillips School of Geology and Geophysics, Norman, Oklahoma.

Asparini, D. 2011. Penerapan Metode Stacking dalam Pemrosesan Sinyal SeismikLaut di Perairan Barat Aceh. Bogor. IPB.

Barnes, A.E. 1999.Seismic attributes past, present, and future, SEG TechnicalProgram Expanded Abstracts 18, 892.

Brown. 2002. Seismic Attributes for Reservoir Characterization. USA: Society ofExploration Geophysicists.

Coffeen, J.A. 1986. Seismic Exploration Fundamentals Second Edition. PennWell Publishing Company . Tulsa, Oklahoma.

Crain, E.R. 2010. Unicorns in the Garden of Good and Evil: Part 1- Total OrgnicCarbon (TOC).

Draper dan Smith. 1966. Applied Regression Analysis. John Wiley and sons, Inc.New York.

Grieser. B. 2014. Oklahoma’s Shale Challenge: Caney Shale. OklahomaGeological Survey.

Harsono, A. 1997. Evaluasi Formasi dan Aplikasi Log, Schlumberger, Edisi-8.Jakarta.

Haryono, A. 2010. InterpretasiPolaSebaranLapisan Batubara berdasarkan DataLog Gamma Ray. FisikaMulawarman, Vol.6 No.2.

Hilterman, F.1983. Seismic Lithology. Unpublished course Note, Soc.Expl.Geophysics.

Hood, A., Gutjahr, C.C.M., and Heacock, R. L. 1975. Organic metamorphism andthe generation of petroleum: AAPG Bulletin, v. 59. 986-996.

Jamady, Aris. 2011. Kuantifikasi Frekuensi dan Resolusi Menggunakan SeismikRefleksi di Perairan Maluku Utara. Bogor IPB.

Keary, P., and Brooks, M. 2002. Introduction to Geophysical Exploration.Blackwell Science.

Koesoemadinata, R.P. 1978. GeologiMinyakdan Gas Bumi. Jilid I Edisikedua.Bandung :InstitutTeknologi Bandung.

Mulhadiono, Koesoemadinata, R.P., dan Rusmandar. 1982. Besitang River Sandas the First Turbidite Reservoirin Indonesia.Proc 11th Ann. Conv Indon.Petrol. Assoc.,l. P. 265-298.

P.H.C.Veeken. 2007. Seismic Stratigraphy, Basin Analysis, and ReservoirCharacterisation, Volume 37, First Edition, Elsevier, Oxford, UnitedKingdom.

Passey, Q. R., Creaney, S., Kulla, J. B., Moretti, F.J., and Stroud, J D. 1990. APractical Model for Organic Richness from Porosity and Resistivity Logs:The American Association of Petroleum Geologist Bulletin. V. 74. No. 12,P. 1777-1794. 19 Figs., 7 Table.

Perbawa, A., Kusuma, B., dan Winardhi, S. 2012. Intergration of SeismicInversion, Pore Pressure Prediction, and TOC Prediction in preliminaryStudy of Shale Gas Exploitation. 37th HAGI Annual Convention &Exhebition. Palembang.

Ramdan, D. 2001. Seismic Interpretation, Workshop IPA – HMTG UGM.

Russel, B., Hampson, D., Schuelke, J., danQurein, J. 1997.Multi-attribute SeismicAnalysis, The Leading Edge, Vol. 16, p. 1439-1443.

Schultz, P. S., Ronen, S., Hattori, M., danCorbett, C. 1994. Seismic GuidedEstimation of Log Properties, The Leading Edge, Vol. 13, p. 305-315.

Sheriff, R. E. 1992.Reservoir Geophysics, Press Syndicate of The University ofCambridge. USA

Sukmono, S. 1999. Interpretasi Seismik Refleksi, Geophysical Engineering.Bandung Institute of Technology, Bandung.

Sukmono, S. 2001. Seismic Attributes For Reservoir Characterization. JurusanTeknik Geofisika Institut Teknologi Bandung. Bandung

Sukmono, S. 2002. Seismic Attributes for Reservoir Characterization.Departement of Geophysical Engineering, FIKTM, InstitutTeknologiBandung.

Sukmono, S., dan Abdullah, A. 2001. Karakterisasi Reservoar Seismik. Lab.Geofisika Reservoar Departemen Teknik Geofisika, ITB, Bandung.

Sukmono, S. 2009.Advance Seismic Atribut Analysis.Laboratory ofReservoirGeophysics: Bandung.

Yilmaz, O. 1987. Seismic Data Processing. Tulsa: Society of ExplorationGeophysicist.