Prediksi Kecepatan Gelombang S Dengan Machine Learning Pada Sumur “S-1”, Cekungan Sumatera Tengah, Indonesia

Abstract

Data kecepatan gelombang S (shear) sangat diperlukan untuk karakterisasi reservoar dalam menentukan zona reservoar. Namun data kecepatan gelombang S sangat terbatas dan tersedia pada sumur tertentu saja. Penelitian ini dilakukan untuk memprediksi nilai kecepatan gelombang S dengan menggunakan metode supervised machine learning pada sumur S-1 lapangan migas di cekungan Sumatra Tengah. Simulasi algoritma machine learning dilakukan melalui tahapan sebelum dan setelah tuning pada algoritma library Scikit learn dan algoritma artificial neural network (ANN). Selain itu, parameter dan jumlah data yang digunakan dalam memprediksi nilai kecepatan gelombang akan menentukan nilai error dan akurasi. Hasil analisis menunjukkan bahwa algoritma yang digunakan untuk memperoleh akurasi terbaik pertama dalam memprediksi kecepatan gelombang S, yaitu random forest dengan nilai parameter n_estimator terbaik 10 dan algoritma kedua yang terbaik yaitu k-nearest neighbor dengan nilai parameter n_neighbor terbaik 5.