IGIP-PVT

ISSN 2088-7590
JTMGB
Jurnal Teknologi Minyak dan Gas Bumi
Vol. : 3 No. : 1 April 2012
Ikatan Ahli Teknik Perminyakan Indonesia

Society of Indonesian Petroleum Engineers
Jakarta
JTMGB Vol. 3 No. 1 Hal. 1-76 ISSN 2088-7590
April 2012
Keterangan gambar cover:
Personal basket sedang diturunkan dari anjungan lepas pantai laut Natuna, Indonesia
JTMGB Jurnal Teknologi Minyak dan Gas Bumi
ISSN 0216-6410 Vol. : 3 No. : 1 April 2012
Jurnal Teknologi Minyak dan Gas Bumi adalah majalah ilmiah

yang diterbitkan sebagai kontribusi para professional ahli teknik perminyakan Indonesia
yang tergabung dalam Ikatan Ahli Teknik Perminyakan Indonesia (IATMI) dalam
menyediakan media komunikasi kepada anggota IATMI pada khususnya
dan mensosialisasikan dunia industri minyak dan gas bumi
kepada masyarakat luas pada umumnya.
KEPUTUSAN KETUA UMUM IATMI PUSAT

NO: 03/SK/ IATMI/I/2011
Penanggung Jawab : DR. Ir. Salis S. Aprilian
Peer Review : Prof. DR. Ir. Pudjo Sukarno (Integrated Production System)
Prof. DR. Ing. Ir. HP Septoratno Siregar, DEA (EOR)
Prof. Ir. Doddy Abdassah, PhD. (Teknik Reservoir)
DR. Ir. Arsegianto (Ekonomi & Regulasi MIGAS)
DR. Ir. Sudjati Rachmat, DEA (Well Stimulation and Hydraulic
Fracturing)
DR. Ir. Sudarmoyo,SE, MT (Penilaian Formasi)
Ir. Aris Buntoro, MT (Teknik Pemboran)
DR. Ir. Ratnayu Sitaresmi, MT (Teknik Reservoir)
Ir. Syamsul Irham, MT (Ekonomi MIGAS)
DR. Ir. Taufiq Fathaddin (EOR/Simulasi)
DR. Ir. Andang Kustamsi (Teknik Pemboran)
Dewan Redaksi
Ketua : DR. Ir. Taufan Marhaendrajana (Engineering Mathematics and
Well Testing/Performances)
Anggota : DR. Ir. Asep K. Permadi (Karakterisasi dan Pemodelan Reservoir)
DR. Ir. Tutuka Ariadji (Production Optimization)
DR. Ir. Bambang Widarsono (Penilaian Formasi)
Redaktur Pelaksana : Ir. IGK. Budiartha
Ir. Elly M.Jusuf, MSc.
Ir. Ana Masbukhin
Sekretariat : Ir. Bambang Pudjianto
Layout Desain : Endy Hadianto, S.Kom
Alief Syahru
Sirkulasi : Abdul Manan
Alamat Redaksi: Patra Office Tower Lt.1 R.1C

Jln. Jendral Gatot Subroto Kav. 32-34
Jakarta 12950 – Indonesia. Tel/Fax: +62-21-5203057
website: http://www.iatmi.or.id email: pusat@iatmi.or.id
Jurnal Teknologi Minyak dan Gas Bumi (ISSN 0216-6410)

diterbitkan oleh Ikatan Ahli Teknik Perminyakan Indonesia, Jakarta
Didukung oleh Fakultas Teknik Pertambangan dan Perminyakan ITB
JTMGB Jurnal Teknologi Minyak dan Gas Bumi
ISSN 0216-6410 Vol. : 3 No. : 1 April 2012
DAFTAR ISI
Penentuan Ketidakpastian Kuantitatif dan Kualitatif Parameter PVT Menggunakan Me-

tode Design of Experimental & Multiple Linear Regression untuk Perhitungan IGIP de-
ngan Material Balance pada Lapangan X
Sylvan Ramadanel Abdinni, Tutuka Ariadji ....................................................................... 1-36
Improving Oil Recovery and Injection Strategy in Shallow Reservoir (Rindu Reservoir)
of Area 3&4 Duri Steam Flood
Sudianto Lumban Tobing, Sandra Natalia, Henri Silalahi ..................................................... 37-46
Evaluasi Keberlakuan Metode Down-hole Water Sink (DWS) Pada Reservoir Minyak
(Evaluation of Down-hole Water Sink (DWS) Method in Oil Reservoir)
Agung Prasetyo Nugroho, Taufan Marhaendrajana ............................................................ 47-55
Teknik Evaluasi Reservoar Gas Metana Batubara

Usman Pasarai, Kosasih .................................................................................................. 57-68
Evaluasi Metode Stimulasi Radial Jet Drilling untuk Optimasi Dewatering pada Sumur
Gas Metana Batubara di Lapangan Rambutan
Gathuk Widiyanto, Panca Wahyudi ........................................................................... 69-76
KATA PENGANTAR
Para Pembaca JTMGB yang budiman,
Rasanya baru kemarin kita bertemu melalui jurnal ini, dan sepertinya waktu berjalan begitu cepat. Itu
mungkin karena kita semakin sibuk dengan pekerjaan dan urusan masing-masing. Maka melalui me-
dia ini, kami dengan senang hati bisa kembali menjumpai para pembaca dengan aneka materi bacaan
yang tersaji dalam JTMGB Edisi April 2012 ini.
Pertama, saya ingin mengajak para pembaca untuk mengheningkan cipta sejenak mengenang dan
mendo’akan guru, sahabat, teman diskusi, pakar, penulis kreatif, wamen, guru besar, pemikir, dewan
penasehat IATMI, kakak kita almarhum Mas Wid (Prof Dr Ir Widjajono Partowidagdo) yang belum
lama ini wafat di saat pendakian Gunung Tambora (21/4). Inna lillahi wa inna ilaihi raji’un (sesung-
guhnya segalanya datang dari Allah dan akan kembali kepadaNya). Kita merasa sangat kehilangan
di saat kita membutuhkan sosok seperti beliau dalam berbicara, menulis, mendengar, mengemuka-
kan ide, dan beradu-argumentasi. Ide dan gagasannya yang orisinil selalu berusaha menyelesaikan
berbagai masalah (terutama di bidang migas dan energi) yang pelik dengan cara yang sederhana.
Sesederhana penampilannya.
Pada JTMGB edisi ini, kita juga ingin membahas persoalan-persoalan (parameter) yang sederhana
tetapi yang memiliki implikasi signifikan terhadap hasilnya. Misalnya tentang Penentuan Parameter
PVT untuk Perhitungan IGIP dengan Material Balance. Ini menjadi menarik karena ketidakpastian
data komposisi C1-C7 menyebabkan ketidakpastian berbagai parameter data PVT yang selanjutnya
akan mempengaruhi pada ketidakpastian estimasi nilai IGIP suatu lapangan.
Tulisan yang lain adalah tentang perbaikan pola titik serap dan strategi injeksi untuk meningkatkan
perolehan di Reservoir Rindu, Lapangan Duri, Sumatra, yang merupakan reservoir dangkal. Ini tentu-
nya dapat menjadi bechmark bagi lapangan lain yang sejenis. Upaya lain untuk menaikkan perolehan
minyak juga dapat dilakukan dengan cara mengurangi water-coning, yakni dengan memproduksikan
air bersama-sama minyak dalam sistem dual completion, sehingga water table akan lebih stabil. Ini
dapat dibaca di tulisan yang mengangkat pokok bahasan tentang “Metode Down-hole Water Sink
(DWS) Pada Reservoir Minyak”.
Dengan semakin banyaknya pengembangan lapangan Gas Metan Batubara (GMB) atau Coalbed
Methane (CBM), dua tulisan berikutnya cukup menarik untuk disimak. Pertama mengenai bagaimana
menghitung Cadangan gas di lapisan batubara tersebut, dan tulisan kedua membahas metoda komplesi
dan produksi agar proses pengurasan air (dewatering process) dapat lebih cepat, yakni dengan meng-
gunakan metoda “radal jetting”. Metode ini ternyata berdampak pada peningkatan laju dewatering
dari 1,91 BWPD menjadi 4,76 BWPD dan meningkatkan produksi gas dari 0,58 MSCFD menjadi
10,5 MSCFD. Selamat menikmati bacaan edisi kali ini. !***
(SSA)
Penentuan Ketidakpastian Kuantitatif dan Kualitatif Parameter PVT
Menggunakan Metode Design of Experimental & Multiple Linear Regression
untuk Perhitungan IGIP dengan Material Balance
pada Lapangan X
Sylvan Ramadanel Abdinni(1), Tutuka Ariadji.(2)

(1)
PT. LAPI – ITB, Jalan Ganesha No. 15B, Bandung 40132
(2)
Dosen Pembimbing Program Studi Teknik Perminyakan – Institut Teknologi Bandung
Telp: (1) +62222534178, (2) +62811227745, (1) email: ramadanel.abdinni@gmail.com
Sari
Ketidakpastian data komposisi C1-C7 menyebabkan ketidakpastian berbagai parameter data
PVT seperti Boi, Bgi, dan Rs. Ketidakpastian ini berdampak pada ketidakpastian estimasi nilai IGIP di
segmen 1&2 pada lapangan X. Paper ini bertujuan menentukan tingkat ketidakpastian ketiga para-
meter PVT tersebut dengan menggunakan metode DOE (Design of Experiments) dan MLR (Multiple
Linear Regression) terhadap estimasi IGIP berdasarkan perhitungan material balance. Paper ini juga
sebagai studi tambahan dalam menentukan nilai data PVT yang tepat pada lapangan ini.
Langkah awal yang dilakukan pada paper ini adalah dengan menentukan estimasi IGIP yang
cocok dengan history matching antara tekanan terhadap waktu pada lapangan X dengan mengguna-
kan prinsip material balance. Setelah ditemukan kecocokan antara perolehan IGIP material balance
dengan simulasi reservoir maka diperoleh base case perhitungan IGIP pada lapangan tersebut. Se-
lanjutnya base case tersebut akan diuji senstivitasnya dengan merubah parameter PVT agar diketahui
kelakuan tiap parameter tersebut terhadap IGIP. Prosesnya adalah dengan memasukkan data uji sen-
sitivitas tersebut kedalam kedua metode DOE dan MLR. Pada akhirnya dengan menggunakan metode
Multiple Linear Regression dan Design of Experimental, maka telah ditentukan besarnya pengaruh
Boi, Bgi, dan Rs terhadap estimasi IGIP pada setiap segmen. Hasil yang diperoleh dari uji tersebut
adalah bahwa parameter Boi merupakan parameter yang paling besar tingkat ketidakpastiannya, yang
dilanjutkan dengan Bgi dan Rs. Namun pada segmen 3 parameter Rs lebih besar tingkat ketidakpasti-
annya dibandingkan Bgi. Selain itu juga dari kedua metode tersebut telah dihasilkan persamaan proxi
untuk perhitungan IGIP. Pada akhirnya, telah ditentukan kisaran P10, P50, dan P90 estimasi IGIP
pada Lapangan X. Nantinya kisaran ini dapat digunakan sebagai studi lanjutan guna menentukan
parameter PVT pada lapangan ini.
Kata kunci: parameter/data PVT, IGIP, material balance, design of experimental, multiple linear
regression.
Abstract
The uncertainties composition of C1-C7 cause uncertainties of each paramaters form the PVT
data, such as Boi, Bgi, and Rs, These uncertainties also causes an effect while estimating the Initial
Gas In Place (IGIP) at X-field especially at segment 1 and 2. The objective of this paper is to define
each uncertainties level caused by each PVT parameter, contrasting each parameter PVT in this case
Boi, Bgi, and Rs. For that, by using 2 different kinds of method and by comparing each conclusion we
have indentified and defined the cause of each parameter and its level of uncertainty towards the IGIP
estimation.
First single step to purpose this objective is to match the history matching pressure against
time by using material balance, by having this done we could have the correct IGIP. Then after we
having this done, check on the IGIP estimations comparing it with the reservoir simulation, then we
can colclude if we have had the right estimation to begin with the base case. Afterwards with the
1
2
base case, we do several sensitivity tests by changing its Rs, Boi, and Bgi we could have samples to
be used into the both methods which are DOE and MLR to identify the level of uncertainties of each
PVT parameters towards its effect on estimating the IGIP for each segment. The results that we get
explains that Boi, has the highest uncertainty level comparing to other PVT parameter. But at the 3rd
segment we have Rs at the second place on its value of level uncertainty, then Bgi. Not only that we
also construct a proxy equation to calculate IGIP. At the end we also could have the value for each P
10, P 50, and P90 estimaiton of IGIP at X-field. Furthermore this range will be used as a continuous
study to estimate the exact PVT on this field.
Keywords: parameter/data PVT, IGIP, material balance, design of experimental, multiple linear re-
gression.
I. Pendahuluan dilakukan sebelumnya. Oleh karena itu, langkah

awalnya adalah dengan mengumpulkan data-data
Latar Belakang yang ada, dan mengambil analisa serta kesimpu-
Lapangan X yang dikaji terletak di blok lan dari studi sebelumnya.
Natuna. Lapangan ini terbagi menjadi 2 daerah Berikut akan diterangkan perjalanan studi simu-
utama, yaitu Main dan South. Namun, perlu lasi yang telah dilakukan pada lapangan ini,
diketahui, peninjauan studi pada paper ini hanya seperti ditandai lingkaran warna merah. Bagan
difokuskan pada daerah Main saja, hal ini dika- Flowchart studi simulasi dan permasalahannya dapat
renakan permasalahan yang dikaji hanya terda- dilihat pada Gambar 2.
pat pada daerah tersebut. Oleh karena itu, daerah
South tidak akan dibahas pada paper ini. Ske- Sejarah Studi Simulasi yang Dilakukan
matik lapangan X yang dikaji dapat dilihat pada Pada awalnya studi ini memperhitungkan
Gambar 1. In place lapangan X dengan metode volumetric
Peninjauan studi yang dilakukan mengi- dari studi GGR (Geology Geophysics Reservoir).
kutsertakan proses, analisa, dan hasil secara seg- Dari studi ini diperoleh IGIP sebesar 198 BSCF
men yang terdapat di dalamnya. Perlu diketahui dan IOIP sebesar 128 MMSTB. Setelah itu di-
pula, studi yang dipaparkan pada paper ini meru- lakukan pembuatan geomodel dari penambahan
pakan studi lanjutan dari studi-studi yang sudah data dari sumur eksplorasi, sehingga diperoleh
Gambar 1. Skematik lapangan X.

3
Gambar 2. Bagan studi simulasi dan masalah.
model statik yang selanjutnya dimasukkan dalam diekspor ke dalam simulasi reservoir dinamik.
simulasi reservoir statik. Perhitungan In Place dari Namun, segmen 1 dan 2 yang terpisah digabung-
simulasi reservoir tersebut diperoleh IGIP sebe- kan menjadi satu kesatuan, hal ini dikarenakan
sar 160 BSCF dan IOIP sebesar 105 MMSTB. adanya sumur produksi (sumur no.6) yang ber-
Untuk memvalidasi perolehan ini maka diuji produksi dari segmen 1 dan 2. Alasan penggabung-
dengan menggunakan Material Balance. Hasil an kedua segmen tersebut dikarenakan tidak dapat
dari Material Balance menunjukkan hasil yang mengalokasikan asal produksi hidrokarbon dan
serupa yaitu dengan IGIP sebesar 161 BSCF dan air dari sumur 6.
IOIP sebesar 104 MMSTB.
Setelah tervalidasinya nilai estimasi IGIP Permasalahan
dan IOIP, maka dilakukan pembagian segmen. Permasalahan muncul ketika perolehan
Pembagian segmen ini dilakukan karena adanya estimasi peninjauan IGIP dilakukan persegmen.
sealing fault yang membagi daerah Main tersebut Khususnya yang terjadi pada segmen 1&2. Per-
menjadi 4 bagian. Keempat segmen yang terdapat olehan estimasi IGIP pada segmen 1&2 ternyata
pada daerah Main dapat di lihat pada Gambar 3. kurang dari total kumulatif produksi gas yang
Setelah diperoleh model dengan 4 segmen terse- sudah berproduksi sejak tahun 1995 hingga Fe-
but, maka model statik dari simulasi reservoir bruari 2010. Baik dari model statik dan dinamik
tersebut dijadikan model dinamik dengan cara diperoleh nilai IGIP untuk segmen 1&2 sebesar
90 BSCF, sedangkan total produksi komulatif gas
telah mencapai sebesar 120 BSCF.
Berawal dari permasalahan inilah maka
perlu diketahui secara tepat pembagian In place
pada tiap segmen yang ada. Setelah dianalisa
menggunakan simulasi reservoir ternyata segmen
3 diperoleh profil tekanan terhadap waktu yang
masih belum matching secara tepat, sedangkan
segmen 1&2 cenderung berada di bawah profil
tekanan terhadap waktu. Profil tekanan terhadap
Gambar 3. Geologi model reservoir daerah Main. waktu dapat dilihat pada Gambar 4. Dari sinilah
4
Gambar 4. Profil tekanan sebelum Matched tiap segmen Gambar 5. Profil tekanan Matched tiap segmen (dari kiri -
(dari kiri - kanan) 1&2, 3 dan 4. kanan) 1&2, 3 dan 4.
diindikasikan adanya kelebihan Gas In place pada tersebut.

segmen 3, dan kurangnya Gas In place untuk Pola studi matching data PVT dapat dilihat pada
segmen 1&2. flowchart berikut :
Selanjutnya studi dilanjutkan dengan
menggunakan simulasi reservoir dinamik agar
memperoleh estimasi IGIP yang tepat pada tiap
segmennya. Studi dilakukan dengan cara me-
rubah komposisi C1-C7. Komposisi akhir yang
digunakan dapat dilihat pada Gambar 7. Pada
gambar tersebut juga dapat dilihat hasil tingkat
kecocokan parameter PVT yang diperoleh ter-
hadap studi experiments observation. Dengan
melakukan uji perubahan komposisi komponen
tersebut, maka diperoleh hasil yang matching
antara tekanan terhadap waktu, dengan perolehan
IGIP untuk segmen 1&2 sebesar 130 BSCF, seg-
men 3 sebesar 15.81 BSCF dan Segmen 4 sebe- Pada awalnya diperoleh set data PVT, setelah
sar 16.07 BSCF. Hasil matching grafik tekanan itu dilakukan inisialisasi, namun apabila nilai in
terhadap waktu dapat di lihat pada Gambar 5. place tidak cocok dengan yang diharapkan maka
Namun, walaupun diperoleh hasil matching yang data PVT akan dimodifikasi ulang. Setelah diper-
cocok antara tekanan terhadap waktu, tetapi tidak oleh nilai In Place yang cocok, maka dilanjutkan
untuk hasil matching PVT tersebut terhadap ex- dengan history matching. Apabila History match-
periments data observation PVT Gambar 6, oleh ing tidak dapat diperoleh kecocokan maka proses
karena itu perlu ditinjau ulang parameter PVT akan kembali dengan melakukan modifikasi data
5
Gambar 6. Hasil matching parameter PVT terhadap experiments observation pada segmen 1&2.
PVT. Namun permasalahan yang muncul adalah

ternyata data PVT yang dihasilkan tidak diper-
oleh kecocokan dengan hasil studi observation.
Namun pada history matching plot grafik teka-
nan terhadap waktu sudah cocok, oleh karena itu
permasalahan tersebut perlu ditinjau lebih lanjut.
Dari hasil studi ini ada kemungkinan salahnya
pengambilan sampel pada uji lab, sehingga me-
nyebabkan ketidakpastian tersebut.
Pada paper ini akan dibahas mengenai tingkat
ketidakpastian parameter PVT pada lapangan X.
Sehingga dapat dijadikan studi penambah, pem-
banding guna menentukan kisaran dan pengaruh
tiap parameter PVT terhadap perolehan IGIP.
Ruang Lingkup Kajian

Perubahan komposisi C1-C7 yang di-
lakukan dalam simulasi reservoir tersebut pada
akhirnya dapat dihasilkan data-data PVT terbaru
seperti Boi, Bgi, Rs,. Namun nilai Rs, Boi, dan Bgi
masih belum match dengan experiements obser-
vation, oleh karena itu perlu memvalidasi per-
olehan Boi, Bgi, dan Rs tersebut. Proses validasi
Gambar 7. Komposisi C1-C7 setelah matching tiap seg- ini dapat di-over checked dengan dilakukannya
men (dari kiri - kanan) 1&2, 3 dan 4. studi mengenai tingkat ketidakpastian parameter
6
Boi, Bgi, dan Rs terhadap perolehan IGIP. Penin- Main, lapangan X termasuk segmen-segmen
jauan dan hasil akhir dari Studi inilah yang dipa- yang membaginya. Studi dilakukan dengan
parkan pada paper ini. Dari hasil tersebut dapat menggunakan metode Desain of Experimen-
diperolehnya persamaan proxi untuk menghitung tal (DOE) dan Multiple Linear Regression
IGIP pada Lapangan X. Perhitungan estimasi (MLR)
IGIP tersebut nantinya hanya memerlukan pa- 3. Membandingkan hasil dari metode DOE
rameter Rs, Boi, dan Bgi saja. Selain mendapatkan dengan Multiple Linear Regression sebagai
persamaan proxi perhitungan IGIP, studi ini juga satu studi lanjutan pada lapangan X dalam
dapat memberitahukan atau menginformasikan menentukan ketidakpastian parameter PVT
parameter PVT apa saja yang berpengaruh pa- yang paling berpangaruh terhadap nilai esti-
ling besar, signifikan hingga tidak signifikan ter- masi IGIP.
hadap perolehan IGIP. Selain itu hasil dari studi 4. Membuat korelasi perhitungan IGIP pada
ini dirangkum dan dijadikan constraint terhadap daerah Main, serta pada segmen-segmen
data PVT yang akan dihasilkan guna menemukan yang terdapat pada daerah tersebut, dengan
kecocokan data PVT terhadap studi experiments menggunakan data Rs, Boi, Bgi sebagai data
observation. parameter independen.
Untuk memvalidasi perolehan IGIP dari 5. Memberi gambaran mengenai pengaruh data
simulasi reservoir sebelumnya, maka pada paper PVT terhadap perolehan IGIP, untuk dijadi-
ini akan dibandingkan pula perolehan IGIP ha- kan studi penambah dalam menentukan kom-
sil run simulasi reservoir dengan menggunakan posisi C1-C7 yang sesuai sehingga pada akhir-
software material balance. nya dapat diperoleh data PVT yang sesuai
Validasi menggunakan material balance dengan studi experiments observation, dan
ini dikarenakan lapangan X sudah cukup lama berujung pada match-nya estimasi IGIP.
berproduksi dari tahun 1995 hingga sekarang.
Sehingga data produksi yang ada sudah cukup II. Metodologi
banyak. Diharapkan estimasi IGIP pada daerah
Main, khususnya segmen 1&2 dapat diestimasi Penentuan estimasi IGIP yang tepat un-
secara akurat. Selanjutnya studi dengan mate- tuk setiap segmen akan dilakukan dengan Mate-
rial balance yang sudah matching tersebut akan rial Balance. Apabila hasil yang diperoleh sudah
dianggap sebagai base case. Nantinya base case match dengan studi simulasi reservoir sebelum-
yang sudah sesuai dengan simulasi reservoir nya, maka hasil yang diperoleh tersebut akan
tersebut akan dilakukan uji sensitivitas parameter digunakan sebagai base case pada studi ketidak-
PVT (Rs, Boi, Bgi) terhadap perolehan IGIP seba- pastian parameter Rs, Boi, Bgi. Setelah itu, base
gai data awal yang akan digunakan pada studi case yang diperoleh tersebut akan dilakukan uji
tingkat ketidakpastian PVT (Boi, Bgi, dan Rs) ter- sensitivitas parameter PVT (Rs, Boi, Bgi) terhadap
hadap perolehan estimasi IGIP. perolehan IGIP. Tujuan dilakukannya uji sensi-
Langkah terakhirnya adalah dengan melihat data tivitas tersebut dikarenakan data hasil uji sensiti-
percentile yang diperoleh (P10, P50, dan P90 ) vitas akan dimasukkan sebagai input data untuk
maka kita dapat menentukan kisaran parameter mengidentifikasikan tingkat ketidakpastian tiap
PVT pada lapangan X ini. parameter yang diuji (Rs, Boi, Bgi) terhadap per-
olehan IGIP. Pada tahap ini juga dilakukannya
Tujuan Studi Ini perubahan uji sensitivitas terhadap nilai maksi-
mum dan minimum dari tiap parameter PVT de-
1. Sebagai studi yang berkelanjutan dalam men- ngan cara menaikkan dan menurunkan salah satu
cari estimasi IGIP yang tepat untuk tiap seg- parameter PVT dan parameter lainnya tetap. Dari
men, serta memvalidasi perolehan estimasi sini kita dapat mengetahui nilai batas atas dan
IGIP dari studi simulasi reservoir sebelum- bawah parameter masing-masing PVT tersebut
nya dengan menggunakan material balance. untuk memberikan kisaran awal parameter PVT
2. Menentukan tingkat ketidakpastian para- yang dapat digunakan dalam proses matching.
meter PVT (Rs, Boi, Bgi) yang mempengaruhi Metode yang digunakan dalam penentuan tingkat
pengukuran estimasi nilai IGIP pada daerah ketidakpastian parameter PVT terhadap perhitung-
7
an estimasi IGIP, adalah dengan menggunakan : IGIP. Proses matching tersebut dilakukan dengan
1. Metode Design of Experimental menggunakan analytical method. Uji sensitivitas
2. Metode Multiple Linear Regression yang dilakukan sesuai dengan kebutuhan data
3. Setelah diperolehnya hasil dari kedua metode yang akan dimasukkan pada metode penentuan
tersebut, maka perolehan yang didapatkan ketidakpastian data PVT terhadap IGIP.
akan dianalisa lebih lanjut dan berujung pada Prinsipnya, penggunaan material balance adalah
kesimpulan yang menganalisa secara kuali- dengan menggunakan perhitungan rumus mate-
tatif dan kuantitatif tingkat ketidakpastian rial balance sebagai berikut :
PVT tersebut terhadap perolehan IGIP. Dari Np  Bo + ( Rp − Rso )  + WpBw =
NBoi
hasil studi maka akan dijadikan landasan se-
lanjutnya untuk studi penentuan komposisi  ( Bo − Boi ) ( Rsoi − Rso ) Bg  Bg 
 + m −11 
C1-C7  Boi  Bgi   + We
 
+ 1 + m  Swccw + cf  ∆p 
Flow Chart Metodologi penelitian  ( )
 1 − Swc

 
Berikut adalah flow chart yang dilakukan .......................... (1)
pada studi paper ini. Rumus di atas merupakan pemodelan reservoir
yang dianggap sebagai tank. Ruas kiri merupa-
kan total produksi air, minyak, dan gas, atau dise-
but sebagai underground withdrawal, sedangkan
ruas kanan dianggap sebagai perubahan yang ter-
jadi akibat produksi minyak, gas, dan adanya wa-
ter influx. Terlihat bahwa nilai PVT (Rs, Boi, Bgi)
mempengaruhi nilai IOIP dan IGIP.
Design Of Experimental
DOE atau yang juga biasa disebut Experi-
mental Design (ED) adalah suatu teknik untuk
menentukan lokasi dan jumlah eksperimen yang
akan mengumpulkan informasi sebanyak-ba-
nyaknya untuk biaya eksperimen yang paling
rendah. Pada umumnya, diasumsikan bahwa
suatu proses yang melibatkan repsons y yang
tergantung pada variabel-variabel ξ1, ξ2,....., ξk .
Hubungan tersebut dinyatakan sebagai berikut :
y= f (ξ ,ξ ,....ξ ) + e
1 2 k ................. (2)
Dengan f sebagai fungsi respons sebenarnya yang

tidak diketahui dan ε adalah faktor error yang
Material Balance merepresentasikan sumber lain dari variabilitas
yang tidak dihitung pada f.
History matching dengan material ba- Variabel-variabel ξ1, ξ2,....., ξk adalah variabel
lance dilakukan terlebih dahulu agar nilai IGIP natural karena diekspresikan pada satuan pengu-
untuk setiap segmen pada Main area sesuai de- kuran alami. Pada studi experimental design,
ngan studi simulasi reservoir yang dilakukan variabel alami ditransformasi menjadi variabel
sebelumnya. Setelah diperolehnya base case es- yang diberi kode x1, x2, ….. xk dimana variabel-
timasi IGIP lapangan X yang sudah matching, variabel tersebut tidak berdimensi dengan nilai
maka dilanjutkan dengan uji sensitivitas peruba- mean 0 dan sebaran [-1,1]. Nilai -1 dan +1 dise-
han data PVT (Rs, Boi, Bgi) terhadap perolehan but level dan merepresentasikan secara berturut-
8
turut variabel minimum dan maksimum. Dapat Multiple Linear Regression

diformulasikan ulang sebagai : Pada umumnya permasalahan regresi
muncul apabila terdapat lebih dari satu variable
y= f (ξ ξ ξ )
1
, ,....
2 k
+e ................. (3)
independen dalam pemodelan regresi. Karena
munculnya kerumitan dalam mekanisme terse-
but, maka diperlukannya multiple linear regres-
Experimental design merupakan suatu metodolo- sion. Ketika koefisien model yang diperoleh ada-
gi yang mengurangi jumlah run simulasi reser- lah linier, maka dapat kita sebut sebagai multiple
voir yang akan menghasilkan hubungan antara linier regression.
parameter yang diteliti dengan respon yang Khususnya pada penelitian ini, Multiple
diharapkan. Experimental design telah diguna- Linier Regression Analysis dilakukan untuk men-
kan dalam industri migas untuk menunjukkan cari tahu variabel-variabel yang mempengaruhi
ketidakpastian yang signifikan terhadap penen- nilai estimasi IGIP terhadap data PVT. Sesuai
tuan cadangan, perolehan minyak/gas pada saat dengan namanya, multiple linear regression da-
pengembangan lapangan. pat menganalisa lebih dari satu parameter inde-
Metode ED ini telah digunakan dalam berbagai penden terhadap satu parameter dependen. Hasil
aplikasi reservoir engineering seperti prediksi dari uji ini dapat mengahasilkan tingkat keper-
kelakuan reservoir, pemodelan ketidakpastian, cayaan yang cukup tinggi, dikarenakan data
studi sensitivitas, history matching, dan optimasi yang dimasukkan cukup banyak dan beragam,
pengembangan. Metode ED ini dapat mengapli- maka pada hasil akhirnya seharusnya akan mem-
kasikan ide untuk melakukan running simulasi berikan info yang lebih presisi. Data independen
yang sedikit sekaligus mengumpulkan informasi yang dimasukkan dapat berupa data kuantitatif
yang optimum dari hasil simulasi. atau berupa kategori.
Pada paper ini penggunaan DOE akan mengana- Diperlukannya studi MLR agar kita dapat menge-
lisa pengaruh ketidakpastian data PVT (Rs, Boi, tahui secara detail pengaruh parameter Rs, Boi,
Bgi) terhadap nilai estimasi IGIP. Prinsipnya ada- Bgi pada estimasi nilai IGIP, serta mendapatkan
lah dengan membangun, mendesain tabel matriks korelasi dalam perhitungan IGIP. Berbeda de-
berdasarkan randominasi dari input parameter ngan metode Design of Experimental, metode ini
yang dianalisis, salah satu caranya adalah dengan cenderung lebih lama mengingat data yang diper-
menggunakan Desain Placket Burman. lukan cukup banyak dan beragam, dan ada berapa
tahapan yang harus dilakukan dalam memperoleh
hasil tersebut, diantaranya adalah :
Placket Burman Design
1. Pada penelitian ini digunakan metode Step-
Desain Plackett-Burman cocok untuk wise dalam menentukan variabel yang masuk
mempelajari faktor sebanyak k =(N-1)/(L-1), dike dalam model. Stepwise digunakan dengan
mana L adalah jumlah tingkat dan k adalah jum- proses pembentukan model multiple linear
lah faktor. Keuntungan desain ini adalah semua regression sesuai dengan parameter yang pa-
efek utama diestimasi dengan presisi yang sama. ling berpengaruh akan terlebih dahulu masuk
Hal ini berarti seseorang tidak harus menganti- ke dalam perhitungan model. Parameter yang
sipasi faktor-faktor apa saja yang paling penting paling berpengaruh tersebut dapat dilihat
ketika mendesain studi. Untuk desain penyaring- pada korelasi yang ada antar parameter de-
an, orang tidak tertarik untuk meneliti interaksi ngan nilai dependen-nya. Proses masuknya
antar faktor. Tujuannya adalah untuk meneliti dan ditolaknya data tergantung pada F-test,
sebanyak mungkin faktor dengan jumlah perco- pada pemodelan multiple linear regression
baan yang minimum dan mengidentifikasi faktor- digunakan regresi linear.
faktor yang perlu diteliti lebih jauh dimana inter- 2. Uji asumsi yang digunakan harus memenuhi
aksi-interaksi dapat dinilai lebih dalam. semua syarat yang diperlukan dalam mem-
Software yang digunakan dalam melakukan uji bangun sebuah korelasi dari multiple linear
DOE adalah dengan menggunakan software regression. Kelima uji asumsi tersebut ada-
Minitab. lah:
9
- Hubungan antara variabel dependen de- 4. Main effects Plot IGIP

ngan variabel independen adalah linier 5. Hitogram residual untuk uji normalitas
(asumsi linearitas) Khusus pada DOE akan diperoleh grafik :
- Error berdistribusi normal 1. Pareto Chart of the standardized effect
- Independensi error 2. Normal Plot of the standardized effect
- Homoscedasticity
- Tidak terdapat multi kolinearitas antar Khusus pada MLR, akan dilakukan analisa, Coef-
variabel independen ficient, Anova, dan uji asumsi.
Setelah memenuhi keseluruhan poin dan
asumsi di atas, maka dari hasil multiple linear re- III. Hasil Dan Pembahasan
gression dapat kita gunakan dalam menganalisa Hasil studi tingkat ketidakpastian parame-
tingkat ketidakpastian 3 variabel PVT yang di- ter PVT (Rs, Boi, Bgi) pada lapangan X dilakukan
gunakan (Rs, Boi, Bgi) terhadap IGIP. Hasil yangmenggunakan 2 metode, yaitu dengan menggu-
diperoleh tersebut dapat dikatakan valid dikare-nakan metode DOE (Design of Experimental)
nakan sudah memenuhi uji atau asumsi multiple dan MLR (Multiple Linear Regression). Namun
linear regression. Software yang digunakan da- sebelum melakukan studi ketidakpastian parame-
lam menguji dan menganalisa Multiple Linear ter tersebut maka perlu dilakukannya history
Regression adalah dengan menggunakan soft- matching dengan menggunakan Material Balance
ware Minitab, SPSS, dan XLstat. agar model yang kita gunakan sudah valid. History
matching pada Material Balance dilakukan dika-
S-curve renakan perlunya penentuan IGIP yang tepat pada
segmen 1&2. Selanjutnya dengan memakai base
Grafik S-curve merupakan sebuah grafik case tersebut kita dapat melakukan uji sensitivi-
yang dapat menghasilkan masing-masing nilai tas data PVT. Sebelum masuk ke dalam tahap ini,
P 10, P 50, P 90 dari estimasi IGIP yang diper- dilakukan uji sensitivitas untuk menentukan batas
oleh. atas dan bawah (maksimum dan minimum) tiap
Analisa Parameter Tabel 1. Perolehan nilai maksimum dan minimum parameter Rs, Boi, Bgi
Dari hasil penggunaan Rs Boi Bgi IGIP (BSCF) IOIP (MMSTB) Keterangan
metode DOE dan MLR akan 1032 1,548 0,006 160,8444671 103,83363
dilakukan analisa dari be- 1002 1,548 0,006 161,2745574 104,28196
berapa grafik yang diperoleh. 952 1,548 0,006 161,9700340 104,65633
Analisa dari grafik tersebut 942 1,548 0,006 162,1047263 104,66273
akan mengidentifikasikan out- 932 1,548 0,006 162,2390860 104,66904
put mengenai parameter PVT 922 1,548 0,006 162,3736280 104,67525
(Boi, Bgi, Rs) yang berperan se- 912 1,548 0,006 162,5077342 104,68136
cara signifikan dan yang tidak 902 1,548 0,006 162,6416490 104,68747
terhadap perolehan estimasi 802 1,548 0,006 163,1490621 104,74898 Maximum IGIP
IGIP. 702 1,548 0,006 161,1987323 104,20832 Base Case
Berikut adalah grafik-grafik 602 1,548 0,006 159,4270666 104,90683
dan tabel yang akan diban- 592 1,548 0,006 159,2556890 104,91468
dingkan dari hasil DOE de- 582 1,548 0,006 159,0859884 104,92252
ngan MLR : 572 1,548 0,006 158,9179230 104,93047
1. Normal Probability Plot 562 1,548 0,006 158,7515939 104,93832
2. Persamaan Proxi (predic- 552 1,548 0,006 158,5872686 104,94626 Minimum IGIP
tion terhadap actual) 702 1,998 0,006 178,1361258 1,05E+02 IGIP
3. Galat yang dihasilkan 702 1,988 0,006 177,7349584 1,05E+02
(prediction terhadap ac- 702 1,968 0,006 176,9357581 1,05E+02
tual) 702 1,948 0,006 176,1397754 1,05E+02
10
702 1,848 0,006 172,2209310 1,05E+02 parameter PVT Tabel 1. Data

702 1,748 0,006 168,4177670 1,05E+02 ini akan digunakan sebagai
702 1,648 0,006 164,7478214 1,05E+02 batas atas dan bawah (min
702 1,548 0,006 161,1987323 1,04E+08 Base Case dan max) sebelum memasuki
702 1,448 0,006 157,8599270 1,05E+08
uji sensitivitas ketidakpastian
702 1,348 0,006 154,6611324 1,04E+08
parameter PVT.
Nilai batas atas dan
702 1,328 0,006 154,0416505 104316650
bawah parameter PVT Tabel
702 1,288 0,006 152,8231994 1,04E+08
1, diperoleh untuk parameter
702 1,268 0,006 152,2242037 1,04E+08
Rs sebesar 802 scf/stb, dan
702 1,258 0,006 151,9273607 1,04E+08
552 scf/stb, sedangkan Boi
702 1,256 0,006 151,8681051 1,04E+08 Minimum IGIP
sebesar 1,998 bbl/stb, dan
702 1,548 0,01 170,8944489 103629990 Maksimum IGIP
1,256 bbl/stb, selanjutnya
702 1,548 0,009 168,4537743 103904520
Bgi sebesar 0,01 cuft/scf dan
702 1,548 0,0085 167,2389992 104047910 0,002 cuft/scf.
702 1,548 0,008 166,0280755 104195620
Namun pada saat me-
702 1,548 0,0075 164,8210906 104347330
masukkan data minimum dan
702 1,548 0,007 163,6184110 104503350
maksimum ke dalam proses
702 1,548 0,0065 162,4193464 1,05E+08
perhitungan uji ketidakpas-
702 1,548 0,006 161,1987323 104,20832 Base Case tian pada DOE, ternyata
702 1,548 0,0055 160,0342399 104,99658 diperoleh hasil yang tidak da-
702 1,548 0,005 158,8481848 105,16935 pat dilakukan. Hal ini dikare-
702 1,548 0,0045 157,6653053 105,34609 nakan dengan menggunakan
702 1,548 0,004 156,4862200 105,52669 metode DOE, nilai minimum
702 1,548 0,0035 155,3105638 105,71123 dan maksimum untuk tiap pa-
702 1,548 0,003 154,1373612 105,89941 rameter tersebut dipermutasi.
702 1,548 0,002 151,8540956 106,54532 Minimum IGIP Akibat dari permutasi ini
pada beberapa perhitungan
Tabel 2. Data input software material balance. material balance gagal di-
lakukan. Gagalnya perhitu-
Engineering data ngan ini disebabkan karena
1. Formation : Lama pada perolehan akhirnya ada
2. Production area beberapa kasus yang didapat-
Oil : 2,126 acres kan memiliki negative gas in
gas cap : 1,954 acres place dan pressure has drop
3. Average net pay thickness (feet) to zero. Oleh karena itu uji
Oil : 78,0 feet minimum maksimum hanya
gas cap : 47,0 feet digunakan sebagai studi pe-
4. Average porosity nambah pada saat penentuan
oil leg : 21,0 % PVT yang tepat pada kesim-
gas cap : 18.0 % pulan akhir dalam menentu-
How determined : Logs / Core Analysis
kan batas bawah Bgi
5. Average connate water saturation
oil leg : 31,0 % History Matching Perolehan
gas cap : 25,0 % Estimasi IGIP dengan Ma-
How determined : Log Analysis terial Balance
6. Average permeability : 900 md
7. Original reservoir pressure Data-data yang digu-
: 3275 psig
nakan sebagai input data awal
Current reservoir pressure : 1163 psig
pada material balance diper-
11
Abandonment pressure : -- psig nya.

Bubble Point pressure 3249 psig Hasil matching dapat dilihat pada
8. Reservoir temperature : 267 deg.F Gambar 8 dan Gambar 9. Selan-
9. Crude oil saturation pressure : 3205 psig jutnya dari melihat kedua gambar
10. Original solution GOR : 702 scf/stb tersebut maka dapat dipastikan
11. Formation volume factor hasil yang diperoleh sudah baik.
Oil : 1,548 bbl/stb Pada Gambar 10 dapat dilihat
gas cap : 0,006 cf/scf driving mechanism yang terdapat
12. Gravity of crude : 42,9 API pada tiap segmennya.
13. Gas deviation factor (z) Setelah mendapatkan base
Initial : 0,933 case tersebut, maka kita dapat
Abandonment : -- menyimpulkan bahwa dengan
14. Separator gas gravity : 0,764 menggunakan material balan-
15. Type of reservoir drive : Solution gas drive ce diperoleh hasil yang cukup
mendekati dari perolehan IGIP
oleh dari laporan studi sebelumnya yang tertera Tabel 3. Perbandingan material balance dengan simulasi
pada Tabel 2 dan skema lapangan yang dibangun reservoir.
pada material balance dapat dilihat pada Gambar IGIP Simulasi Res Material Balance
7. Dari hasil running software yang iteratif terse- Segmen 1&2 130 BSCF 135,035 BSCF
but diperoleh hasil akhir yang telah matching. Segmen 3 15,81 BSCF 12,94 BSCF
Grafik tekanan terhadap waktu yang telah match- Segmen 4 16,07 BSCF 13,217 BSCF
ing tersebut dapat dilihat pada Gambar 8. Terlihat
bahwa grafik yang diperoleh sudah cukup baik dengan menggunakan simulasi reservoir. Oleh
karena mengikuti trend profil tekanan terhadap karena itu uji senstivitas dapat dilakukan, hal ini
waktu. Hasil IOIP dan IGIP dengan mengguna- dikarenakan data awal yang digunakan sudah
kan material balance dilakukan dengan metode match. Setelah sesuai dengan kebutuhan studi uji
analytical. tingkat ketidakpastian parameter PVT terhadap
Hasil dari Analytical method dapat dilihat perolehan IGIP, maka data hasil uji senstivitas
pada Tabel 3. Pada tabel tersebut telah diperoleh dengan material balance akan dimasukkan ke
base case yang sudah cukup sesuai dengan simu- dalam kedua metode penguji, yaitu DOE dan
lasi reservoir yang dilakukan pada studi sebelum- MLR.
Gambar 8. Skema sumur, segmen yang dibentuk pada simulasi menggunakan material balance.
12
Gambar 9. History matching menggunakan Material Balance (dari kiri - kanan) segmen 1&2, 3, dan 4.
13
Gambar 10. History Matching Analytical Method (dari kiri-kanan) segmen 1&2, segmen 3, dan segmen 4.
14
Experimental Design Hasil Persamaan Proxi IGIP ED

Mendesain Matriks Placket-Burman Hasil analisis dengan menggunakan soft-
Dalam proses penggunaan Placket-Bur- ware minitab menghasilkan persamaan proxi se-
man Experimental Design, salah satu syarat yang bagai berikut :
dibutuhkan adalah nilai maksimum dan minimum IGIP daerah Main :
dari tiap parameter data independen yang kita 72,6023+0,0114514*Rs+41,1265*Boi+ 2968*Bgi
tinjau. Namun nilai maksimum dan minimum
diperoleh merupakan hasil dari material balance Penerapan metode ini juga dilakukan da-
yang paling cocok agar tidak terjadinya pressure lam penentuan persamaan proxi untuk tiap seg-
drop dan/atau negative gas inplace. Hal ini dika- mennya. Hasil running matriks Placket-Burman
renakan agar permutasi yang dilakukan pada me- untuk tiap segmennya dapat dilihat pada Tabel 6,
tode ini semuanya dapat memperoleh hasil IGIP Tabel 7 dan Tabel 8.
pada tiap permutasinya. Apabila nilai Rs terlalu Nilai maksimum dan minimum tiap parameter
besar dan Boi terlalu kecil dan begitu pula nilai yang digunakan mengikuti daerah Main, yaitu
Bgi, maka seringkali nilai IGIP untuk beberapa seperti yang tertera pada Tabel 4.
segmen akan menghasilkan negative gas inplace Diperoleh persamaan proxi perhitungan
atau pressure drop to zero. Oleh karena itu, tahap IGIP untuk tiap segmen sebagai berikut :
Tabel 4. Data minimum dan maksimum tiap parameter. IGIP (BSCF) segmen 1&2 :
no. Parameter Min Max 66,3970 + 0,0123557*Rs + 30,8444*Boi +
1 Rs 602 802
2071,00*Bgi
2 Boi 1,448 1,848
IGIP (BSCF) segmen 3 :
3,66643 + 0,00447659*Rs + 3,72459*Boi +
3 Bgi 0,004 0,007
69,7770*Bgi
awal yang dilakukan adalah dengan memasuk- IGIP (BSCF) segmen 4 :
kan nilai maksimum dan minimum Rs, Boi, dan Bgi 5,05098 + 0,00247228*Rs + 2,92317*Boi +
yang paling memungkinkan dalam desain table 303,674*Bgi
matriks Placket-Burman pada software minitab.
Tabel 4 adalah desain input nilai maksimum dan Memvalidasi Persamaan Proxi IGIP
minimum data pada Placket-Burman. Untuk memvalidasi persamaan proxi yang
Metode Placket-Burman yang digunakan adalah
dengan menggunakan 12 kali run, dimana dalam Tabel 5. Hasil Placket-Burman experimental design daerah
metode Placket-Burman jumlah run yang bisa Main.
dilakukan sesuai dengan kelipatan 4. 12 kali run
RunOrder
digunakan karena jumlah tersebut yang paling

StdOrder
PtType
Blocks
dekat dengan jumlah permutasi yang bisa dilaku- IGIP

kan dengan 3 parameter data yaitu, sebesar 8 kali Rs Boi Bgi (BSCF)
run. Namun dikarenakan nilai minimum run pada 12 1 1 1 602 1,448 0,004 150,2503939
Placket-Burman Experimental Design berjumlah 10 2 1 1 802 1,448
0,004 156,0318048
12, maka digunakanlah jumlah run paling sedikit 1 3 1 1 802 1,448 0,007 161,9224626
tersebut.
7 4 1 1 602 1,848 0,007 173,8265573
Pembuatan matriks Placket Burman yang diper-
11 5 1 1 602 1,848 0,004 165,2807322
oleh merupakan randominasi dari input parame-
4 6 1 1 802 1,448 0,007 161,9224626
ter yang dianalisis. Setelah tabel matriks terben-
9 7 1 1 602 1,448 0,004 150,2503939
tuk, maka dilakukan run simulasi berdasarkan
5 8 1 1 802 1,848 0,004 169,9623448
tabel matriks tersebut. Selanjutnya, hasil analisis
6 9 1 1 802 1,848 0,007 175,5194281
menggunakan metode Placket-Burman dapat di-
8 10 1 1 602 1,448 0,007 158,7207016
lihat pada Tabel 5.
2 11 1 1 802 1,848 0,004 169,9623448
3 12 1 1 602 1,848 0,007 173,8265573
15
Tabel 6. Hasil Placket-Burman experimental design Seg- 9 7 1 1 602 1,488 0,004 12,0625961
men 1&2.
5 8 1 1 802 1,848 0,004 13,6691541
6 9 1 1 802 1,848 0,007 14,4755572
RunOrder
StdOrder
PtType IGIP 8 10 1 1 602 1,488 0,007 13,0482775

Blocks
(BSCF) 2 11 1 1 802 1,848 0,004 13,6691541
Rs Boi Bgi 1&2
3 12 1 1 602 1,848 0,007 14,1129645
12 1 1 1 602 1,448 0,004 126,2374893
10 2 1 1 802 1,448 0,004 130,3352008
diperoleh maka diplot grafik Actual IGIP terha-
1 3 1 1 802 1,448 0,007 135,2834377 dap Pred IGIP untuk keseluruhan daerah Main,
7 4 1 1 602 1,848 0,007 145,9293376 termasuk juga untuk tiap segmennya. Grafik
11 5 1 1 602 1,848 0,004 138,6433038 tersebut dapat dilihat pada Gambar 12. Terlihat
4 6 1 1 802 1,448 0,007 135,2834377 pada grafik yang dihasilkan untuk daerah Main
9 7 1 1 602 1,448 0,004 126,2374893 dan peninjauan pada tiap segmennya menghasil-
5 8 1 1 802 1,848 0,004 141,8323575 kan nilai R2 yang cukup baik, yaitu mendekati
6 9 1 1 802 1,848 0,007 146,6038611 nilai 1 (Tabel 9).
8 10 1 1 602 1,448 0,007 133,3668299
Tabel 9. Hasil perolehan R2
2 11 1 1 802 1,848 0,004 141,8323575
3 12 1 1 602 1,848 0,007 145,9293376 Main Segmen1&2 Segmen3 Segmen 4
R 2
0,9801 0,9925 0,9926 0,9931
Tabel 7. Hasil Placket-Burman experimental design seg-
men 3. Dari data tersebut mengindikasikan bah-
wa persamaan proxi menunjukkan hasil yang
baik dengan R square perolehan untuk keseluru-
RunOrder
StdOrder
han berada di atas nilai 95%. Disimpulkan bahwa

PtType
Blocks
IGIP 3
Rs Boi Bgi (BSCF) persamaan proxi yang diperoleh memiliki ketepa-
12 1 1 1 602 1,448 0,004 11,9503086 tan yang sangat baik. Hal ini semakin diperkuat
10 2 1 1 802 1,448 0,004 13,0104003 dengan melihat persentase Galat yang dihasilkan
1 3 1 1 802 1,448 0,007 13,1496234 dari perbandingan penggunaan persamaan proxi
7 4 1 1 602 1,848 0,007 13,7842552
terhadap nilai actual IGIP pada Tabel 10a dan10b.
11 5 1 1 602 1,848 0,004 13,5246915
Kesimpulan dari tabel tersebut adalah, galat yang
terjadi pada daerah Main, serta pada tiap seg-
4 6 1 1 802 1,448 0,007 13,1496234
mennya menghasilkan rata-rata error/galat yang
9 7 1 1 602 1,448 0,004 11,9503086
selalu kurang dari 1%. Hal ini mengindikasikan
5 8 1 1 802 1,848 0,004 14,4608333
bahwa persamaan yang diperoleh sudah bagus.
6 9 1 1 802 1,848 0,007 14,4400098
Selanjutnya perlu adanya validasi asumsi awal
8 10 1 1 602 1,448 0,007 12,3055942
yang menyatakan bahwa data yang digunakan
2 11 1 1 802 1,848 0,004 14,4608333
terpopulasi secara normal. Dengan menggunakan
3 12 1 1 602 1,848 0,007 13,7842552 NPP (Normal Probability Plot) dan gambar His-
togram antara residual terhadap frekuensi, kita
Tabel 8. Hasil Placket-Burman experimental design Seg-
dapat melihat apabila data yang digunakan sudah
men 4.
terpopulasi secara normal. NPP merupakan grafik
yang merespon terhadap IGIP dengan mem-
RunOrder
StdOrder
plot persentase dengan Residual. Nilai residual

PtType
Blocks
IGIP
didefinisikan sebagai perbedaan antara nilai yang
Rs Boi Bgi (BSCF) 4
diamati dengan nilai yang dihitung. Grafik NPP
12 1 1 1 602 1,488 0,004 12,0625961
dan histogram residual untuk daerah Main, dan
10 2 1 1 802 1,488 0,004 12,6862037
untuk tiap segmennya dapat dilihat pada kedua
1 3 1 1 802 1,488 0,007 13,4894016
chart yang ada pada Gambar 13. Terlihat bahwa
7 4 1 1 602 1,848 0,007 14,1129645
uji normalitas menggunakan NPP menunjukkan
11 5 1 1 602 1,848 0,004 13,1127368
bahwa data yang dipakai terpopulasikan secara
4 6 1 1 802 1,488 0,007 13,4894016
merata.
16
Tabel 10a. Galat prediction IGIP terhadap actual IGIP dae- tingkat ketidakpastian parameter-parameter ter-
rah Main. hadap IGIP dapat dilakukan dengan meninjau :
IGIP calculated 1. Pareto Chart of the Standardized Effects
IGIP (BSCF) galat (%)
(BSCF) 2. Normal Plot of the Standardized Effects
150,2503939 150,9192148 -0,445140 3. Main Effects Plot for IGIP
156,0318048 153,2094948 1,808804
Grafik Pareto Chart untuk daerah Main
161,9224626 162,1134948 -0,117980
dan untuk tiap segmen secara berurutan ditunjuk-
173,8265573 176,2738148 -1,407870 kan dengan Gambar 15. Grafik Normal Plot of
165,2807322 167,3698148 -1,263960 the standardized Effects ditunjukkan pada Gam-
161,9224626 162,1134948 -0,117980 bar 16.
150,2503939 150,9192148 -0,445140 Hasil analisa dari Pareto chart dapat
169,9623448 169,6600948 0,177834 mengindikasikan parameter apa saja yang mem-
175,5194281 178,5640948 -1,734660 berikan tingkat ketidakpastian yang tinggi hing-
158,7207016 159,8232148 -0,694620 ga terendah terhadap data dependennya, yaitu
169,9623448 169,6600948 0,177834 IGIP. Pada setiap grafik pareto chart akan ter-
173,8265573 176,2738148 -1,407870 lihat sebuah garis vertikal berwarna merah, garis
Tabel 10b. Galat prediction IGIP terhadap actual IGIP segmen 1&2, 3, dan 4.
IGIP 1&2 IGIP

IGIP (BSCF) IGIP (BSCF) IGIP
(BSCF) Galat % IGIP (BSCF) 3 Galat % (BSCF) Galat %
1&2 Korelasi 3 (BSCF) 4
korelasi Korelasi 4
126,2374893 126,7818226 -0,431200 11,95030861 12,0336515 -0,697410 12,06260 11,98674 0,628864
130,3352008 129,2529626 0,830350 13,01040030 12,9289695 0,625890 12,68620 12,48119 1,615999
135,2834377 135,4659626 -0,134920 13,14962339 13,1383005 0,086108 13,48940 13,39222 0,720453
145,9293376 145,3325826 0,408934 13,78425518 13,7328185 0,373155 14,11296 14,06703 0,325486
138,6433038 139,1195826 -0,343530 13,52469153 13,5234875 0,008902 13,11274 13,15601 -0,329980
135,2834377 135,4659626 -0,134920 13,14962339 13,1383005 0,086108 13,48940 13,39222 0,720453
126,2374893 126,7818226 -0,431200 11,95030861 12,0336515 -0,697410 12,06260 11,98674 0,628864
141,8323575 141,5907226 0,170367 14,46083326 14,4188055 0,290632 13,66915 13,65046 0,136741
146,6038611 147,8037226 -0,818440 14,44000983 14,6281365 -1,302820 14,47556 14,56148 -0,593600
133,3668299 132,9948226 0,278935 12,30559423 12,2429825 0,508807 13,04828 12,89776 1,153537
141,8323575 141,5907226 0,170367 14,46083326 14,4188055 0,290632 13,66915 13,65046 0,136741
145,9293376 145,3325826 0,408934 13,78425518 13,7328185 0,373155 14,11296 14,06703 0,325486
Analisa IGIP S-curve (P 10, P 50, & P90) merah tersebut merupakan base line. Base line
ini menandakan apabila nilai standardized effect
Dari persamaan proxi yang diperoleh suatu parameter berada dikiri garis tersebut, maka
pada daerah Main dan tiap segmen, diperoleh menandakan parameter tersebut tidak berpengaruh
juga IGIP S-curve. Dengan diperolehnya IGIP S- secara signifikan pada variabel dependennya.
curve maka dapat diketahui nilai masing-masing
Kesimpulan dari Pareto Chart pada dae-
P 10, P 50, dan P 90. Grafik S-curve dapat dilihat
rah Main, terlihat bahwa tidak seluruh parameter
pada Gambar 14. Hasil lengkapnya secara ke-
seluruhan dapat dilihat pada Tabel 11.
Tabel 11. S-curve (P 10, P 50, dan P 90)
Analisa Tingkat Ketidakpastian Parameter Main 1&2 3 4
(Rs, Boi, Bgi) dengan DOE P 10 151,67 127,87 12,155 12,342
Analisa tingkat ketidakpastian merupakan P 50 164,74 137,29 13,331 13,333
salah satu tujuan utama pada paper ini. Analisa P 90 177,81 146,72 14,507 14,323
17
Gambar 13. Residual plot IGIP daerah Main, segmen 1&2, segmen 3, dan segmen 4
Gambar 14. IGIP S-Curve Daerah Main, Segmen 1&2, Segmen 3, dan Segmen 4
18
Gambar 15. Pareto chart of effect for IGIP pada daerah Main, segmen 1&2, segmen 3, dan segmen 4.
Gambar 16. Normal plot of the standardized effects IGIP pada daerah Main, segmen 1&2, segmen 3, dan segmen 4.
19
yang berada melampaui garis base line. Terlihat parameter yang paling berpengaruh, namun ting-
parameter Rs berada di kiri base line tersebut, se- kat signifikansi parameter di segmen 4 cenderung
hingga parameter dianggap tidak signifikan pe- lebih besar daripada segmen 1&2. Pada segmen
ngaruhnya terhadap perolehan nilai IGIP. Para- 3 parameter yang paling berpengaruh adalah Boi,
meter yang paling berpengaruh atau cukup tinggi parameter keduanya adalah Rs, dan diikuti oleh
tingkat ketidakpastiannya terhadap IGIP adalah Bgi. Selengkapnya dapat dilihat pada Tabel 12
Boi dan selanjutnya diikuti Bgi. berikut.
Kesimpulan pada segmen 1&2, 3, dan Tabel 12. Urutan tingkat ketidakpastian parameter.
4, adalah, seluruh parameter berada di kanan
base line-nya. Untuk segmen 1&2, parameter Main Seg.1&2 Seg.3 Seg.4
Boi memiliki tingkat ketidakpastian yang tinggi Rs 3 3 2 3
diantara parameter lainnya, selanjutnya diikuti Boi 1 1 1 1
dengan parameter Bgi, dan Rs. Untuk segmen 3, Bgi 2 2 3 2
parameter Boi memiliki tingkat ketidakpastian
yang paling tinggi, selanjutnya diikuti oleh Rs dan
Angka urut 1-3, menunjukkan urutan tingkat
terakhir Bgi. Pada segmen 4, secara keseluruhan
ketidakpastian parameter tersebut pada tiap seg-
parameter Boi, Bgi, Rs memiliki tingkat ketidakpas-
mennya. Warna merah menyatakan tidak signifi-
tian yang cukup tinggi, namun parameter yang
kannya data tersebut terhadap variabel dependen-
memiliki pengaruh yang paling signifikan adalah
nya.
parameter Boi, yang diikuti oleh Bgi, dan terakhir
Selanjutnya dengan meninjau analisa
R s.
Main Effects dari setiap parameter terhadap
Dengan menganalisa grafik Normal Plot
IGIP, maka kita dapat mengetahui seberapa be-
of the Standardized Effects kita dapat mengetahui
sar pengaruhnya ketika parameter tersebut ber-
parameter apa saja yang berpengaruh signifikan
nilai minimum dan ketika bernilai maksimum
dan parameter apa yang berpengaruh secara tidak
terhadap estimasi nilai IGIP yang diperoleh.
signifikan. Terlihat pada grafik terdapat garis
Grafik Main Effects parameter tersebut dapat di-
biru, apabila parameter yang ditinjau berada di
lihat pada Gambar 17. Seperti yang terlihat pada
kanan garis tersebut, maka data dapat dikatakan
Pareto Chart dan Normal Plot of the Standard-
memberikan efek yang positif terhadap nilai de-
ized Effect, dinyatakan bahwa pada daerah Main,
pendennya, begitu pula sebaliknya, apabila data
parameter Rs tidak berpengaruh signifikan.
terletak di bagian kiri garis biru, parameter terse-
but akan memberikan efek yang negatif terhadap
nilai dependennya. Semakin jauh letak parameter Multiple Linear Regression
dari garis biru tersebut, maka parmeter tersebut
Setelah kita memperoleh base case dari
akan memiliki tingkat signifikan yang cukup
simulasi material balance yang sesuai dengan
tinggi pula.
simulasi reservoir pada studi sebelumnya, maka,
Terlihat pada Gambar. 16, pada Daerah selanjutnya perlu disusun data-data hasil uji sen-
Main, sesuai dengan pareto chart sebelumnya, sitivitas dengan menggunakan material balance
parameter yang berpengaruh paling signifikan untuk dimasukkan pada metode MLR. Data dan
atau memiliki tingkat ketidakpastian paling tinggi hasil uji sensitivitas tersebut dapat dilihat hasil-
adalah Boi, dan Bgi, sedangkan parameter Rs dika- nya pada Lampiran III Metode MLR pada Tabel
takan tidak berpengaruh secara signifikan, namun 13. Pada tabel tersebut terlihat perolehan IGIP
seluruh parameter berpengaruh positif dalam per- pada daerah Main dan terlihat pula perolehan
olehan IGIP. IGIP untuk setiap segmennya.
Pada segmen 1&2, 3 dan 4, seluruh pa- Uji sensitivitas dilakukan secara acak,
rameter dinyatakan berpengaruh positif dan sig- nilai Rs, Boi, Bgi diubah-ubah secara acak tanpa
nifikan terhadap perolehan IGIP. Terlihat pada perlakuan tertentu. Perlakuan acak ini dilakukan
Segmen 1&2, parameter yang paling berpe- agar semakin banyak informasi mengenai berba-
ngaruh adalah Boi, yang diikuti oleh Bgi dan Rs. gai kondisi PVT dan pengaruhnya terhadap nilai
Sama halnya dengan segmen 4, Boi merupakan IGIP, sehingga hasil korelasi atau proxi yang di-
20
Tabel 13. Uji sensitivitas parameter Rs, Boi, Bgi terhadap IGIP.
IGIP 1&2
No, Rs Boi Bgi IGIP (BSCF) IGIP 3 (BSCF) IGIP 4 (BSCF)
(BSCF)
1 802 1,848 0,007 175,6827452 146,7378271 14,46856619 14,47635191
2 702 1,548 0,006 161,1987323 135,0346175 12,94685659 13,21725824
3 602 1,248 0,005 146,5375551 123,2034108 11,45209019 11,88205411
4 852 1,448 0,003 155,0860288 129,4013106 13,16225214 12,52246608
5 552 1,348 0,004 145,4423568 122,4313976 11,35910087 11,65185832
6 752 1,648 0,0065 166,6863476 139,4280688 13,52770207 13,73057669
7 652 1,388 0,005 152,2662112 127,7700854 12,11824991 12,37787590
8 772 1,688 0,00675 170,7309561 142,6869811 13,95209345 14,09188154
9 672 1,428 0,0025 147,8414741 123,9303811 12,13906524 11,77202777
10 572 1,358 0,0035 144,9033393 121,8969579 11,43340091 11,57298054
11 872 1,928 0,0075 178,5012151 148,9628518 14,74560734 14,79275595
12 742 1,628 0,0055 163,6405482 136,9039646 13,36524384 13,37133980
13 642 1,418 0,0065 156,9802009 131,7578818 12,32276638 12,89955278
14 582 1,368 0,0035 145,5445052 122,3927078 11,52072605 11,63107133
15 642 1,488 0,005 155,3792171 130,3876739 12,38885520 12,60268805
16 612 1,318 0,00575 151,0603451 126,9322194 11,79783323 12,33029242
17 822 1,908 0,008 179,7060384 150,0392627 14,73955591 14,92721984
18 812 1,888 0,004 171,7035916 143,2344631 14,67081767 13,79831081
19 832 1,878 0,005 173,3908853 144,6506147 14,66348005 14,07679058
20 842 1,868 0,0055 173,7602307 144,9767997 14,60652762 14,17690341
21 782 1,808 0,007 173,8419680 145,2829873 14,22335492 14,33562576
22 662 1,528 0,003 152,1551918 127,5472589 12,46878360 12,13914938
23 582 1,508 0,006 157,6317413 132,5089966 12,29564616 12,82709860
24 592 1,828 0,0045 165,7246545 139,0872424 13,43652053 13,20089160
25 612 1,728 0,0045 162,1733473 136,0892148 13,09961463 12,98451791
26 682 1,458 0,006 157,7881272 132,2721603 12,57390921 12,94205766
27 622 1,878 0,007 175,1616783 146,9640818 13,96928953 14,22830698
28 862 1,578 0,0045 161,7726095 134,9862695 13,57935343 13,20698649
29 722 1,518 0,0075 164,0546661 137,3661219 13,05800410 13,63054016
30 692 1,618 0,0035 157,4926775 131,8827641 12,99402856 12,61588478
31 712 1,438 0,005 155,3925896 130,1503164 12,56977970 12,67249346
32 732 1,498 0,008 164,6666790 137,8437263 13,07702572 13,74592694
33 632 1,828 0,0075 174,5732948 146,4634350 13,83880136 14,27105848
34 762 1,398 0,0085 162,9383479 136,2913175 12,94871808 13,69831236
35 902 1,698 0,0055 167,0180906 139,3334056 13,95858416 13,72610077
36 952 1,798 0,008 172,4086077 143,8300855 14,12562529 14,45289691
37 942 1,898 0,0075 175,7014524 146,5691541 14,51435519 14,61794303
38 762 1,898 0,0045 171,8993029 143,6076361 14,46832471 13,82334213
39 652 1,788 0,004 164,0438112 137,4554040 13,49864165 13,08976555
40 932 1,568 0,006 162,8863218 135,8917599 13,49765487 13,49690700
41 922 1,488 0,0065 174,4104719 144,2429899 15,60036608 14,56711598
42 802 1,548 0,006 163,1490621 136,2908990 13,39468146 13,46348158
43 552 1,548 0,006 158,5872686 133,4132874 12,31083423 12,86314702
21
44 702 1,998 0,006 178,1361258 149,0806878 14,67157756 14,38386038

45 702 1,256 0,006 151,8681051 127,2886317 12,08577091 12,49370251
46 702 1,548 0,01 170,8944489 143,1784266 13,30118096 14,41484137
47 702 1,548 0,002 151,8540956 127,0410768 12,78668439 12,02633441
hasilkan dari metode MLR akan semakin akurat. Uji Syarat Multiple Linear Regression
Terlihat pada Tabel 13, jumlah uji data Hubungan antara variabel dependen dengan
yang dilakukan ada sebanyak 47 buah (n=47). variabel independen adalah linier (asumsi lin-
Data sebanyak ini sudah cukup banyak, apabila earitas)
mengacu pada beberapa literatur yang menyata-
kan bahwa untuk melakukan analisis regresi se- Uji linearitas yang pertama adalah dengan
baiknya data yang diinput berjumlah lebih dari melihat hubungan linearitas antara setiap para-
15 – 30 data, sehingga uji normalitas dapat diper- meter independen terhadap data dependen. Hasil
oleh dengan lebih baik lagi. lebih jelasnya dapat dilihat pada Metode Multiple
Selanjutnya, sebelum kita meninjau dan meng- Linear Regression, Gambar 18.
gunakan persamaan proxi perhitungan prediksi Pada gambar tersebut selain diuji untuk daerah
IGIP, dan melihat parameter apa saja yang mem- Main secara keseluruhan, uji linearitas juga di-
berikan pengaruh yang signifikan terhadap varia- lakukan pada setiap segmennya. Kesimpulan
bel dependennya, maka diperlukannya uji syarat dari uji hubungan linearitas yang didapatkan
Multiple Linear Regression agar persamaan proxi adalah, keseluruhan parameter yang digunakan
tersebut dapat dikatakan valid. pada daerah Main dan untuk seluruh segmen me-
menuhi uji linearitas. Salah satu cara untuk me-
nguji linearitas hubungan antara data dependen
dengan data independennya adalah dengan mem-
Gambar 17. Plot Main effects IGIP pada daerah Main, segmen 1&2, segmen 3, dan segmen 4.
22
plot tiap parameter terhadap dependen variabel. (p<0,05) dan sampel yang digunakan sudah
Plot hubungan ini dilakukan menggunakan mi- cukup besar untuk mendapatkan regresi yang
crosoft excel. baik.
Berikut adalah analisa regresi linear yang dilaku- 3. Terdapat 1 atau 2 data yang perlu dievaluasi,
kan dengan software Minitab : dikarenakan residual yang dihasilkan data
1. Uji tersebut sudah memenuhi uji normalitas, tersebut cukup besar. Namun data tersebut
yaitu jumlah data yang digunakan sudah cu- tetap dimasukkan dikarenakan perolehan dan
kup banyak (n=47) hasil data tersebut merupakan hasil running
2. Model secara statistik sudah signifikan software Material Balance.
Gambar 18. Uji linearitas Rs, Boi, Bgi terhadap IGIP.

23
4. Adanya korelasi antara parameter Boi, Bgi, Rs sedangkan apabila lebih dari 0,1 maka parameter
terhadap IGIP. Semakin besar nilai Boi, Bgi, akan ditolak masuk ke dalam model regresi. Ke-
dan Rs maka nilai IGIP semakin besar. seluruhan parameter harus memenuhi syarat F-
Asumsi linearitas juga dapat dilihat dengan meng- test terlebih dahulu agar diterima ke dalam model
gunakan uji Anova (Analysis of Variant). Dengan regresi.
metode stepwise pada software Spss, hal ini di- Pada awalnya segmen 3 menggunakan
lakukan secara otomatis karena metode tersebut batas bawah diterimanya suatu parameter dengan
hanya memasukkan variabel-variabel yang bernilai F-test sebesar 0,05, namun setelaha di-run
pengaruh signifikan terhadap variabel dependen. pada software SPSS, parameter Bgi ditolak. Meng-
Pengujian linearitas berikutnya untuk daerah ingat parameter Bgi secara teori akan memberikan
Main dapat diperoleh dari tabel ANOVA (Tabel efek terhadap perolehan IGIP, maka pada paper
14 Anova). Hubungan Linearitas juga dilakukan ini batas bawah F-test khusus untuk segmen 3
untuk segmen 1&2, 3, dan 4. Tabel Anova untuk dinaikkan menjadi 0,1. Sehingga pada model re-
segmen tersebut dapat dilihat pada tabel Anova gresi terdapat parameter Bgi dalam persamaan
Tabel 15, Tabel 16, Tabel 17. akhir proxi yang diperoleh. Dari pemodelan ini
Metode stepwise ini juga akan dilaku- dapat dikatakan bahwa khusus untuk segmen 3
kannya F-test. Nilai batas minimum suatu data dapat dikatakan parameter Bgi pengaruhnya tidak
diterima masuk ke dalam korelasi persamaan re- terlalu signifikan terhadap IGIP.
gresi apabila nilai F-test berada di bawah 0,05,
Tabel 14. Anova daerah Main. Tabel 15. Anova segmen 1&2.
Sum of Mean Sum of Mean

Model df F Sig. Model df F Sig.
Squares Square Squares Square
1 Regression 3472,735 1 3472,735 135,889 .000a 1 Regression 2311,270 1 2311,270 143,881 .000a
Residual 1150,009 45 25,556 Residual 722,868 45 16,064
Total 4622,745 46 Total 3034,138 46
2 Regression 4281,082 2 2140,541 275,663 .000b 2 Regression 2860,714 2 1430,357 362,899 .000b
Total 4622,745 46 Total 3034,138 46
3 Regression 4405,796 3 1468,599 291,081 .000c 3 Regression 2908,350 3 969,450 331,400 .000c
Total 4622,745 46 Total 3034,138 46
a. Predictors: (Constant), Boi a. Predictors: (Constant), Boi
b. Predictors: (Constant), Boi, Bgi b. Predictors: (Constant), Boi, Bgi
c. Predictors: (Constant), Boi, Bgi, Rs c. Predictors: (Constant), Boi, Bgi, Rs
d. Dependent Variable: IGIP d. Dependent Variable: IGIP segmen 1&2
Tabel 16. Anova segmen 3. Tabel 17. Anova segmen 4.
Sum of Mean Sum of Mean

Model df F Sig. Model df F Sig.
Squares Square Squares Square
1 Regression 35,802 1 35,802 106,559 .000a 1 Regression 23,723 1 23,723 62,859 .000a
Total 50,920 46 Total 40,706 46
2 Regression 44,884 2 22,442 163,574 .000b 2 Regression 37,023 2 18,512 221,154 .000b
Total 50,920 46 Total 40,706 46
3 Regression 45,331 3 15,110 116,240 .000c 3 Regression 39,234 3 13,078 382,062 .000c
Total 50,920 46 Total 40,706 46
a. Predictors: (Constant), Boi a. Predictors: (Constant), Boi
b. Predictors: (Constant), Boi, Bgi b. Predictors: (Constant), Boi, Bgi
c. Predictors: (Constant), Boi, Bgi, Rs c. Predictors: (Constant), Boi, Bgi, Rs
d. Dependent Variable: IGIP segmen 3 d. Dependent Variable: IGIP segmen 4
24
Gambar 19. Standardized residual plot IGIP daerah Main, segmen 1&2, segmen 3, dan segmen 4.
Error Berdistribusi Normal d<1,3989 atau d> 2,601 (1)

Pengujian asumsi normalitas error di- 2. Tidak dapat disimpulkan
lakukan dengan pemeriksaan visual terhadap his- Dwl < d < Dwu
togram dan normal probability plot. Histogram 4-Dwu< d < 4-Dwl
dan normal probability plot dapat dilihat pada 1,3989 < d < 1,6692
Gambar 19. Kesimpulannya didapat dari grafik 2,3308 < d < 2,601 (2)
tersebut yang menyatakan bahwa daerah Main 3. Tidak terdapat autokorelasi
dan seluruh segmen memenuhi uji normalitas. Dwu< d < 4-Dwu
1,6692 < d < 2,3308 (3)
Independasi Error Hasil analisa untuk keseluruhan segmen
Independensi error dapat diuji dengan dapat dilihat pada Gambar 20. Kesimpulan de-
statistik Durbin-Watson (d). Nilai d hitung akan ngan melihat nilai durbin watson yang diperoleh
dibandingkan dengan nilai d dari tabel Durbin- dari setiap segmen yaitu, nilai hitung durbin wat-
Watson Tabel 12. son untuk keseluruhan segmen pada daerah Main
berada pada range nilai durbin-watson 1,6692-
Ukuran sampel dalam penelitian ini sebe-
2,3308. Hal ini berarti uji autokorelasi terpenuhi.
sar 47 sehingga pada tabel, n = 47. Dengan jumlah
variabel independen yang berpengaruh sebanyak
3 buah didapat nilai Dwl dan Dwu sebesar 1,3989 Homoscedasticity
dan 1,6692 (a = 0,05). Dari nilai Dwu dan Dwl Homoscedasticity yang diperoleh cukup
dapat diperoleh tiga daerah, yaitu: baik, mengingat error tidak terkumpul pada tem-
1. Terdapat aukorelasi : pat tertentu. Homoscedasticity tiap segmen dapat
d<Dwl atau d> 4-Dwl di lihat pada Gambar. 21.
25
Gambar 20. Model summary
Gambar 21. Uji Homoscedasticity daerah Main, segmen 1&2, segmen 3, dan segmen 4.
26
Tidak terdapat multikolinearitas antar variabel independen terpenuhi.

Multikolinearitas antarvariabel independen
Hasil Persamaan Proxi IGIP MLR
dapat dilihat dari nilai statistik Toleransi. Jika
nilai Toleransi sebuah model regresi di bawah IGIP (BSCF) Daerah Main :
0,1, maka pada model tersebut terdapat multiko- 83,1 + 0,0167 Rs + 34,0 Boi + 2293 Bgi
linearitas. Nilai statistic toleransi dapat di lihat IGIP (BSCF) Segmen 1&2 :
pada Tabel 18, Tabel 19, Tabel 20, Tabel 21. IGIP 1&2 (BSCF) = 72,3 + 0,0103 Rs + 28,3 Boi
Statistik uji Toleransi dari ketiga model regresi + 1939 Bgi
yang terbentuk memiliki nilai lebih dari 0,1 se- IGIP (BSCF) Segmen 3 :
hingga asumsi tidak terdapat multikolinearitas 4,69 + 0,00417 Rs + 3,23 Boi + 61,1 Bgi
Tabel 18. Coefficients daerah Main. Tabel 20. Coefficients segmen 3.

Coefficientsa Coefficientsa
Standardized
Standardized
Coe-fficients
Collinearity
Coefficients
Collinearity
Statistics Unstandard-
Statistics
Unstandardized
ized Coef-
Coefficients
Model t Model ficients
Std. Tole- Std. Tole-

B Beta VIF
Sig,
B Beta VIF
Error rance Error t Sig, rance
1 (Constant) 94,913 5,893 16,106 0 1 (Constant) 6,351 0,676 9398,000 0,000
Boi 42,242 3,624 0,867 11,657 0 1,000 1,000 Boi 4,289 0,415 0,839 10,323 0,000 1,000 1,000
Boi 37,299 2,055 0,765 18,147 0 0,944 1,059 Boi 3,294 0,292 0,644 11,267 0,000 0,825 1,212
Bgi 2527,986 247,770 0,430 10,203 0 0,944 1,059 Bgi 0,004 0,001 0,465 81,360 0,000 0,825 1,212
Boi 33,968 1,787 0,697 19,007 0 0,812 1,232 Boi 3,226 0,287 0,631 11,248 0,000 0,812 1,232
Bgi 2293,037 205,234 0,390 11,173 0 0,894 1,118 Bgi 0,004 0,001 0,441 7,707 0,000 0,781 1,280
Rs 0,017 0,003 0,186 4,972 0 0,781 1,280 Rs 61,089 32,943 0,099 1,854 0,071 0,894 1,118
a. Dependent Variable: IGIP Daerah Main. a. Dependent Variable: IGIP Segmen 3.
Tabel 19. Coefficients Segmen 1&2. Tabel 21. Coefficients segmen 4.

Coefficientsa Coefficient
Stan-dardized
Standardized
Coe-fficients
Collinearity
Coefficients
Collinearity
Unstandard-
Statistics
Statistics
Unstandardized
ized Coef-
Coefficients
Model t Model ficients
Std. Tole- Std. Tole-

B Beta VIF
Sig,
B Beta VIF
Sig,
Error rance Error t rance

1 (Constant) 80,880 4,672 17,311 0 1 (Constant) 7,682 0,716 10,727 0
Boi 34,461 2,873 0,873 11,995 0 1,000 1,000 Boi 3,491 0,440 0,763 7,928 0 1,000 1,000
Boi 30,386 1,464 0,770 20,750 0 0,944 1,059 Boi 2,857 0,213 0,625 13,390 0 0,944 1,059
Bgi 2084,190 176,525 0,438 11,807 0 0,944 1,059 Bgi 324,267 25,725 0,588 12,605 0 0,944 1,059
Boi 28,328 1,361 0,717 20,817 0 0,812 1,232 Boi 2,414 0,147 0,528 16,398 0 0,812 1,232
Bgi 1938,983 156,276 0,407 12,407 0 0,894 1,118 Bgi 292,983 16,905 0,531 17,331 0 0,894 1,118
Rs 0,010 0,003 0,142 4,035 0 0,781 1,280 Rs 0,002 0,000 0,264 8,037 0 0,781 1,280
a. Dependent Variable: IGIP segmen 1&2. a. Dependent Variable : IGIP Segmen 4
27
IGIP (BSCF) Segmen 4 : hui parameter mana yang memberikan pengaruh

6,14 + 0,00223 Rs + 2,41 Boi + 293 Bgi terbesar terhadap IGIP. Namun dengan menggu-
Setelah terpenuhi keseluruhan uji asumsi nakan MLR kita tidak dapat mengetahui apakah
Multiple Linear Regression, maka persamaan parameter tersebut berlaku signifikan atau tidak.
proxi perhitungan IGIP yang diperoleh di atas Selanjutnya pada Tabel 27 dapat dilihat ringkasan
sudah dapat dikatakan valid. Namun, agar lebih mengenai kesimpulan urutan pengaruh parameter
yakin maka akan dilakukan validasi persamaan PVT pada setiap segmen.
proxi yang diperoleh yaitu, dengan diplot grafik Dengan menggunakan metode MLR diper-
Actual IGIP terhadap Pred IGIP untuk keselu- kirakan bahwa parameter Bgi pada segmen 3
ruhan daerah Main, termasuk juga untuk tiap memiliki tingkat signifikan yang paling rendah.
segmennya. Plot grafik Actual IGIP terhadap Hal ini disebabkan uji F-test dengan nilai sebe-
Prediciton IGIP dapat dilihat pada Gambar 22. sar 0,05, menolak untuk memasukkan parameter
Analisa R2 yang diperoleh dapat dilihat pada Ta- Bgi ke dalam persamaan proxi perhitungan IGIP.
bel 23. Selanjutnya galat Prediksi IGIP terhadap Namun hal ini masih harus dikaji ulang lagi
Aktual IGIP dapat dilihat pada Tabel. 24. mengingat dari hasil analisa MLR kita tidak da-
pat menyatakan bahwa parameter tersebut tidak
Analisa IGIP S-curve (P 10, P 50, P 90) signifikan terhadap parameter Independennya.
Selanjutnya, dari persamaan proxi yang

diperoleh pada daerah Main dan tiap segmen, Perbandingan Metode DOE dengan MLR
maka dengan dapat diperoleh IGIP S-curve untuk Untuk melihat perbandingan DOE dan MLR,
mengetahui nilai masing-masing P 10, P 50, dan maka dilakukan beberapa analisa berikut:
P 90. G rafik S-curve dapat dilihat pada Gambar 23.
Hasil lengkapnya secara keseluruhan dapat dili- 1. Dengan menggunakan persamaan proxi yang
hat pada Tabel 26. diperoleh dari DOE dan MLR, maka persa-
maan DOE digunakan untuk melihat menghi-
tung IGIP dari data MLR, begitu pun seba-
Analisa Tingkat Ketidakpastian Parameter liknya, sehingga dapat terlihat galat yang
(Rs, Boi, Bgi) terhadap IGIP dengan Metode dihasilkan kedua metode tersebut untuk data
MLR. set yang berbeda. Hasil dapat dilihat pada Ta-
Kekurangannya dengan menggunakan bel 25. Hasil yang diperoleh oleh kedua me-
metode MLR adalah tidak dapat dilakukannya tode tersebut sudah cukup baik. Kesimpulan
uji yang mendetail seperti halnya dengan meng- pada bagian ini adalah ternyata dengan cara
gunakan Experimental Design. Sehingga analisa yang sederhana menggunakan metode DOE,
tingkat ketidakpastian parameter-parameter ter- yaitu dengan sedikit sampel data dapat meng-
hadap estimasi IGIP tidak dapat dilakukan de- hasilkan hasil yang optimum. Namun tetap
ngan meninjau grafik-grafik seperti halnya pada saja penggunaan persamaan proxi hasil dari
metode DOE, yaitu pareto chart of the Standard- metode MLR memberikan hasil yang lebih
ized Effects, dan Normal Plot of the Standardized baik daripada metode DOE, hal ini dikare-
Effects. Namun masih dapat digunakannya Main nakan jumlah set data yang ditinjau lebih
Effects Plot for IGIP yang terdapat pada Gambar banyak. Sebagai contoh singkat mengenai
24. validasi presisi dari kedua metode tersebut
Selain itu, dengan menggunakan metode maka akan ditampilkan R2 yang dihasilkan
MLR, kita dapat mengetahui parameter mana oleh kedua metode tersebut terhadap set data
yang mempunyai tingkat pengaruh tertinggi yang berbeda yang ditinjau pada daerah Main.
atau terendah terhadap IGIP, dikarenakan terda- (Tabel 28)
pat metode stepwise yang akan mengindikasikan 2. Membandingkan tingkat ketidakpastian ke-
parameter yang mempunyai pengaruh dan pada dua metode. Hasil dapat dilihat pada Ta-
akhirnya akan menghasilkan nilai koefisien untuk bel 29. Dari tabel ini dapat terlihat bahwa
perhitungan persamaan proxi IGIP. Dengan me- diperoleh hasil yang sama mengenai tingkat
ninjau nilai koefisien tersebut kita dapat mengeta- ketidakpastian parameter PVT terhadap per-
28
Tabel 22. Durbin – Watson
Tabel 23. Hasil perolehan R2

Main Segmen Segmen Segmen
1&2 3 4
R 2
9531 0,9585 0,8902 0,9638
29
Gambar 22. Grafik Plot Actual IGIP terhadap Pred Daerah Main. Segmen 1&2, Segmen 3, Segmen 4.
Tabel 24. Perolehan galat % Actual IGIP terhadap prediction IGIP.
IGIP IGIP 1&2 Pred IGIP

IGIP (BSCF) Galat % Galat %
Korelasi (BSCF) 1&2 (BSCF)
175,6827452 175,3520609 0,188228 146,7378271 146,4938073 0,166296452
161,1987323 161,1946275 0,002546 135,0346175 135,0219500 0,009380928
146,5375551 147,0371940 -0,340960 123,2034108 123,5500927 -0,281389856
155,0860288 153,4296496 1,068039 129,4013106 127,9240883 1,141582178
145,4423568 147,3039396 -1,279950 122,4313976 123,9265920 -1,221250782
166,6863476 166,5749462 0,066833 139,4280688 139,3414947 0,062092304
152,2662112 152,6297034 -0,238720 127,7700854 128,0332529 -0,205969574
170,7309561 168,8417264 1,106554 142,6869811 141,1662618 1,065772987
147,8414741 148,5905810 -0,506700 123,9303811 124,5258161 -0,480459266
144,9033393 146,8318894 -1,330920 121,8969579 123,4472913 -1,271839287
178,5012151 180,3878184 -1,056910 148,9628518 150,4537125 -1,000827174
163,6405482 163,4351325 0,125529 136,9039646 136,7325008 0,125243853
156,9802009 156,9209265 0,037759 131,7578818 131,6881011 0,052961310
145,5445052 147,3389680 -1,232930 122,3927078 123,8340251 -1,177616972
155,3792171 155,8591004 -0,308850 130,3876739 130,7625637 -0,287519356
151,0603451 151,3021418 -0,160070 126,9322194 127,0907247 -0,124873969
179,7060384 180,0179920 -0,173590 150,0392627 150,3393653 -0,200016046
171,7035916 169,9990118 0,992746 143,2344631 141,9134217 0,922292981
173,3908853 172,2871857 0,636538 144,6506147 143,7760423 0,604610220
30
173,7602307 173,2614328 0,287061 144,9767997 144,5657142 0,283552610

173,8419680 173,6585445 0,105512 145,2829873 145,1537860 0,088930784
152,1551918 152,9665058 -0,533210 127,5472589 128,2246185 -0,531065588
157,6317413 157,8271212 -0,123950 132,5089966 132,6473581 -0,104416684
165,7246545 165,4246843 0,181005 139,0872424 138,9071974 0,129447530
162,1733473 162,3626862 -0,116750 136,0892148 136,2813437 -0,141178638
157,7881272 157,8027131 -0,009240 132,2721603 132,2655448 0,005001430
175,1616783 173,3579180 1,029769 146,9640818 145,4814105 1,008866440
161,7726095 161,4524667 0,197897 134,9862695 134,6186184 0,272361849
164,0546661 163,9499699 0,063818 137,3661219 137,2875086 0,057229031
157,4926775 157,6723469 -0,114080 131,8827641 132,0539723 -0,129818480
155,3925896 155,3324953 0,038673 130,1503164 130,0703792 0,061419136
164,6666790 164,5845374 0,049884 137,8437263 137,7939037 0,036144264
174,5732948 172,9734468 0,916433 146,4634350 145,1379753 0,904976522
162,9383479 162,8364661 0,062528 136,2913175 136,2409987 0,036920033
167,0180906 168,4912734 -0,882050 139,3334056 140,3707513 -0,744506097
172,4086077 178,4577032 -3,508580 143,8300855 148,5682625 -3,294287828
175,7014524 180,5405725 -2,754170 146,5691541 150,3280816 -2,564610216
171,8993029 170,6482242 0,727797 143,6076361 142,6489048 0,667604680
164,0438112 163,9238320 0,073138 137,4554040 137,4253410 0,021871094
162,8863218 165,7241633 -1,742220 135,8917599 137,9680159 -1,527874833
174,4104719 163,9858553 5,977059 144,2429899 136,5678362 5,320989051
163,1490621 162,8686173 0,171895 136,2908990 136,0565206 0,171969223
158,5872686 158,6836427 -0,060770 133,4132874 133,4700941 -0,042579492
178,1361258 176,4802096 0,929579 149,0806878 147,7694052 0,879579119
151,8681051 151,2759830 0,389892 127,2886317 126,7502679 0,422947276
170,8944489 170,3668495 0,308728 143,1784266 142,7778829 0,279751433
151,8540956 152,0224054 -0,110840 127,0410768 127,2660170 -0,177060999
Tabel 25. Multiple linear regression dan design of experimental.
Multiple Linear Regression

Main Segmen 1&2
IGIP IGIP Pred Galat % IGIP Pred IGIP Galat %
150,2503939 151,5574 -0,86989 126,2374893 127,235 -0,79018582
156,0318048 154,8974 0,727034 130,3352008 129,295 0,798096592
161,9224626 161,7764 0,090205 135,2834377 135,112 0,126724801
173,8265573 172,0364 1,029853 145,9293376 144,372 1,067186114
165,2807322 165,1574 0,07462 138,6433038 138,555 0,063691369
161,9224626 161,7764 0,090205 135,2834377 135,112 0,126724801
150,2503939 151,5574 -0,86989 126,2374893 127,235 -0,79018582
169,9623448 168,4974 0,861923 141,8323575 140,615 0,858307309
175,5194281 175,3764 0,081488 146,6038611 146,432 0,117228217
158,7207016 158,4364 0,179121 133,3668299 133,052 0,236063086
169,9623448 168,4974 0,861923 141,8323575 140,615 0,858307309
173,8265573 172,0364 1,029853 145,9293376 144,372 1,067186114
31

Segmen 3 Segmen 4
11,95030861 12,12178 -1,43487 12,06259605 12,14414 -0,67601
13,0104003 12,95578 0,41982 12,68620368 12,59014 0,75723
13,14962339 13,13908 0,08018 13,48940157 13,46914 0,150204
13,78425518 13,59708 1,357891 14,11296446 13,98714 0,891552
13,52469153 13,41378 0,820067 13,11273684 13,10814 0,035056
13,14962339 13,13908 0,08018 13,48940157 13,46914 0,150204
11,95030861 12,12178 -1,43487 12,06259605 12,14414 -0,67601
14,46083326 14,24778 1,473312 13,66915405 13,55414 0,841413
14,44000983 14,43108 0,061841 14,47555717 14,43314 0,293026
12,30559423 12,30508 0,004179 13,04827747 13,02314 0,19265
14,46083326 14,24778 1,473312 13,66915405 13,55414 0,841413
13,78425518 13,59708 1,357891 14,11296446 13,98714 0,891552
Design Of Experimental
Main Segmen 1&2
175,6827452 178,5640948 -1,640086849 146,7378271 147,8037226 -0,726394496
161,1987323 162,1130048 -0,567171024 135,0346175 135,2438326 -0,154934419
146,5375551 145,6619148 0,597553507 123,2034108 122,6839426 0,421634593
155,0860288 150,8140648 2,754576949 129,4013106 127,7997476 1,23767139
145,4423568 146,2339948 -0,544296735 122,4313976 123,0795976 -0,529439354
166,6863476 168,2822248 -0,957413263 139,4280688 139,9815576 -0,396970857
152,2662112 151,9921948 0,179958769 127,7700854 127,6199436 0,117509352
170,7309561 170,8983128 -0,098023641 142,6869811 141,9801976 0,495338464
147,8414741 146,4462828 0,943707649 123,9303811 123,9233336 0,00568666
144,9033393 145,3902878 -0,336050572 121,8969579 122,5996556 -0,576468611
178,5012151 184,1398128 -3,15885676 148,9628518 152,1716736 -2,154108733
163,6405482 164,3771808 -0,450152855 136,9039646 137,1701126 -0,194404889
156,9802009 157,5634758 -0,371559532 131,7578818 131,5282186 0,174306992
145,5445052 145,9160668 -0,25529071 122,3927078 123,0316566 -0,522048095
155,3792171 155,9903308 -0,393304659 130,3876739 130,5808266 -0,148137239
151,0603451 150,8812838 0,118536271 126,9322194 126,5198576 0,324867714
179,7060384 184,2287128 -2,516706973 150,0392627 151,9725006 -1,288488003
171,7035916 171,4196688 0,165356355 143,2344631 142,9480556 0,199957115
173,3908853 174,2054318 -0,469774694 144,6506147 144,9577256 -0,212312198
173,7602307 175,3926808 -0,939484307 144,9767997 145,8083386 -0,573566875
173,841968 176,6900068 -1,638291854 145,2829873 146,3228326 -0,71573783
152,1551918 151,9284188 0,149040593 127,5472589 127,9197166 -0,292015448
157,6317413 159,0937768 -0,927500697 132,5089966 132,5273726 -0,013867738
165,7246545 167,9167708 -1,322746037 139,0872424 139,4146376 -0,235388375
162,1733473 164,0331488 -1,146798491 136,0892148 136,5773116 -0,358659428
157,7881272 158,1825918 -0,249996376 132,2721603 132,2207226 0,038887775
175,1616783 177,7366378 -1,470047287 146,9640818 146,5050286 0,31235741
161,7726095 160,7270238 0,64633049 134,9862695 135,0395766 -0,039490757
32
164,0546661 165,5602378 -0,917725619 137,3661219 137,6721146 -0,222757035

157,4926775 157,4573458 0,022433868 131,8827641 132,1018836 -0,166147185
155,3925896 154,7356038 0,422790946 130,1503164 129,9035056 0,18963519
164,666679 166,3362218 -1,013892313 137,8437263 138,2142836 -0,268824204
174,5732948 177,2788268 -1,54979718 146,463435 146,1218656 0,233211381
162,9383479 164,0511138 -0,682936776 136,2913175 136,5360146 -0,179539757
167,0180906 169,0882598 -1,239488005 139,3334056 141,3061326 -1,415832041
172,4086077 181,1934798 -5,095379063 143,8300855 150,1858576 -4,418944811
175,7014524 183,7076158 -4,556685953 146,5691541 152,1112406 -3,78120931
171,8993029 172,7423638 -0,490438813 143,6076361 143,6742146 -0,046361393
164,0438112 165,4747948 -0,872317943 137,455404 137,8867036 -0,313774204
162,8863218 165,5693568 -1,647182508 135,8917599 138,7025316 -2,068390094
174,4104719 163,6487228 6,170357194 144,2429899 137,1469226 4,919523164
163,1490621 163,2581448 -0,066860758 136,290899 136,4794026 -0,138309749
158,5872686 160,3952948 -1,140082817 133,4132874 133,3904776 0,017097098
178,1361258 180,6199298 -1,39432919 149,0806878 149,1238126 -0,028927154
151,8681051 150,1040668 1,161559433 127,2886317 126,2372678 0,82596842
170,8944489 173,9850048 -1,808458917 143,1784266 143,5278326 -0,244035368
151,8540956 150,2410048 1,062263611 127,0410768 126,9598326 0,063951127

Segmen 3 Segmen 4
14,46856619 14,6281365 -1,102875765 14,47635191 14,56148472 -0.58808
12,94685659 12,9933235 -0,358904956 13,21725824 13,13363172 0.632707
11,45209019 11,3585105 0,8171407 11,88205411 11,70577872 1.483543
13,16225214 13,083022 0,601949721 12,52246608 12,30113472 1.767474
11,35910087 11,437363 -0,688981733 11,65185832 11,57080772 0.695602
13,52770207 13,6245005 -0,715557081 13,73057669 13,70139972 0.212496
12,11824991 12,1037826 0,119384483 12,3778759 12,23863652 1.124905
13,95209345 13,88046015 0,51342331 14,09188154 13,94369062 1.051605
12,13906524 12,1678555 -0,237170321 11,77202777 11,64582392 1.072066
11,43340091 11,5292522 -0,83834452 11,57298054 11,49764802 0.650934
14,74560734 15,2743535 -3,585787603 14,79275595 15,12023492 -2.21378
13,36524384 13,4354658 -0,525407249 13,3713398 13,31453952 0.424791
12,32276638 12,2754199 0,38421957 12,89955278 12,75711982 1.10417
11,52072605 11,611264 -0,785870175 11,63107133 11,55160252 0.683246
12,3888552 12,4314757 -0,344022909 12,60268805 12,50623072 0.765371
11,79783323 11,71633045 0,690828378 12,33029242 12,16287892 1.357742
14,73955591 15,0109207 -1,841064898 14,92721984 15,08999452 -1.09046
14,67081767 14,612555 0,397133079 13,79831081 13,79211232 0.044922
14,66348005 14,7346179 -0,485136201 14,07679058 14,11600022 -0.27854
14,60652762 14,7770264 -1,167277976 14,17690341 14,26332832 -0.60962
14,22335492 14,3896211 -1,168965978 14,33562576 14,39511232 -0.41496
12,4687836 12,5304371 -0,494462828 12,13914938 12,06525512 0.608727
12,29564616 12,3071491 -0,093552952 12,8270986 12,72003132 0.834696
13,43652053 13,4391183 -0,019333651 13,2008916 13,22465752 -0.18003
13,09961463 13,1561911 -0,431894156 12,98451791 12,98178612 0.021039
33
12,57390921 12,5685786 0,042394214 12,94205766 12,82110082 0.934603

13,96928953 13,934088 0,251992272 14,22830698 14,20416942 0.169645
13,57935343 13,7166501 -1,011069273 13,20698649 13,16138062 0.345316
13,0580041 13,0757831 -0,136154039 13,63054016 13,55089322 0.584327
12,99402856 13,0348364 -0,314050718 12,61588478 12,55434582 0.487789
12,5697797 12,5586075 0,08888143 12,67249346 12,53313182 1.099718
13,07702572 13,0809457 -0,029976082 13,74592694 13,66898962 0.55971
13,83880136 13,8275129 0,081571082 14,27105848 14,23457072 0.255677
12,94871808 12,8776729 0,548665741 13,69831236 13,60267802 0.698147
13,95858416 14,4124415 -3,251456844 13,72610077 13,91472622 -1.37421
14,12562529 15,1831725 -7,486728469 14,45289691 15,08984222 -4.40704
14,51435519 15,4759771 -6,625316092 14,61794303 15,20559942 -4.0201
14,46832471 14,4608599 0,051594156 13,82334213 13,84956702 -0.18971
13,49864165 13,5238416 -0,18668508 13,08976555 13,10423052 -0.11051
13,49765487 14,097431 -4,443558053 13,496907 13,76071952 -1.95461
15,60036608 13,7895864 11,60728967 14,56711598 13,65398012 6.268474
13,39468146 13,4409825 -0,345667347 13,46348158 13,38085972 0.613674
12,31083423 12,321835 -0,089358445 12,86314702 12,76278972 0.780192
14,67157756 14,669389 0,014917005 14,38386038 14,44905822 -0.45327
12,08577091 11,90574322 1,489583837 12,49370251 12,28006608 1,709953
13,30118096 13,2724315 0,216142161 14,41484137 14,34832772 0,461425
12,78668439 12,7142155 0,566752786 12,02633441 11,91893572 0,893029
Tabel 26. S-curve (P 10, P 50, dan P 90) Tabel 27. Urutan tingkat ketidakpastian parameter
Main 1&2 3 4 Main Seg.1&2 Seg.3 Seg.4
P 10 150 126 12 12 Rs 3 3 2 3
P 50 163 136 13 13 Boi 1 1 1 1
P 90 176 147 15 15 Bgi 2 2 3 2
olehan IGIP. Namun dengan menggunakan 3. Membandingkan IGIP S-curve perolehan

metode DOE, kita dapat mengidentifikasi dari kedua metode. Hasil dapat dilihat pada
bahwa pada daerah Main secara keseluruhan, Tabel 30.
parameter Rs dinyatakan tidak signifikan pe- Dari peninjauan yang dilakukan pada Tabel 30,
rubahannya terhadap perubahan IGIP. Beda maka terlihat bahwa nilai perolehan dengan meng-
halnya dengan menggunakan metode MLR, gunakan metode DOE dan MLR tidak menghasil-
penggunaan metode ini tidak dapat meng- kan nilai percentil yang jauh berbeda. Sehingga
hasilkan identifikasi parameter apa yang dari studi ini dapat dikategorikan kisaran nilai
dapat memberikan dampak yang signifikan P 10, P 50 dan P 90 pada tiap segmennya dengan
atau tidak terhadap perolehan IGIP. Namun meninjau nilai perolehan yang didapat pada kedua
ada indikasi pada segmen 3 bahwa parame- metode tersebut, yang dirangkum pada Tabel 31.
ter Bgi dengan menggunakan MLR memiliki
Tabel 28. perolehan R2 dengan DOE dan MLR pada daerah
pengaruh yang kecil, hal ini disebabkan saat Main.
penggunaan F-test dengan batas bawah 0,05
pada proses regresi dengan metode stepwise, Data set 01 Main 1&2 3 4
parameter Bgi ditolak masuk ke dalam persa- DOE 0 0 0 0
maan proxi IGIP yang dihasilkan. Tetapi hal MLR 0 0 0 0
ini masih belum dapat memastikan bahwa pa- Data set 01 Main 1&2 3 4
rameter Bgi tidak berpengaruh secara signifikan
DOE 0 0 0 0
pada segmen 3.
MLR 0 0 0 0
34
Gambar 23. Grafik IGIP S-curve daerah Main, segmen 1&2, segmen 3, segmen 4.
Tabel 29. Urutan Ketidakpastian kedua parameter. Tabel 31. Kisaran nilai P 10 P 50 dan P 90
DOE Main Seg.1&2 Seg.3 Seg.4 Main 1&2 3 4

Rs 3 3 2 3 P 10 150,2-151,67 126, 8-127,7 11,922-12,155 12,110-12,342
P 50 163,07-164,74 136,48-137,29 13,271-13,331 13,315-13,333
Boi 1 1 1 1
P 90 175,92-177,81 146,72-146,89 14,619-14,507 14,323-14,521
Bgi 2 2 3 2
MLR Main Seg.1&2 Seg.3 Seg.4 Tabel 32. Perolehan batas.
Rs 3 3 2 3 1&2
Boi 1 1 1 1 P 10 126,08-127,87
Bgi 2 2 3 2 133,881
P 50 136,48-137,29
P 90 146,72-146,89
Tabel 30. IGIP S-curve.
170,358
DOE Main Seg.1&2 Seg.3 Seg.4
P 10 151,67 127,87 12,155 12,342
P 50 164,74 137,29 13,331 13,333 Penerapan Hasil Studi
P 90 177,81 146,72 14,507 14,323 Dengan melihat hasil matching data PVT
MLR Main Seg.1&2 Seg.3 Seg.4 hasil perubahan komposisi terhadap hasil studi
P 10 150,02 126,08 11,922 12,110 observasi pada Gambar 6, maka dapat ditentukan
P 50 163,07 136,48 13,271 13,315 batas atas dan bawah berdasarkan data perubahan
P 90 175,92 146,89 14,619 14,521 komposisi (garis biru) dan data hasil studi obser-
35
vasi (titik-titik merah). (Gambar 24). melebihi Gp segmen 1&2 tersebut.

Diperoleh nilai maksimum dengan cara me- 3. Hasil perbandingan metode DOE dengan
masukkan nilai hasil perubahan komposisi C1- MLR menghasilkan kesimpulan yang sama,
C7 (garis biru). Nilai yang dimasukkan di lihat yaitu, Bgi merupakan parameter yang paling
dengan melihat initial pressure maka diperoleh tinggi tingkat ketidakpastiannya dalam perhi-
nilai parameter Boi, Bgi, dan Rs. Begitu pula un- tungan IGIP. Hal ini berlaku secara keseluru-
tuk nilai minimum, namun yang ditinjau adalah han daerah Main, dan juga pada tiap segmen-
grafik hasil studi observasi eksperimen (garis nya. Urutannya terlampir pada Table 27.
titik-titik merah). Setelah itu data-data tersebut
dimasukkan ke dalam persamaan IGIP untuk 4. Pada daerah Main diidentifikasikan bahwa
segmen 1&2. pengaruh ketidakpastian parameter Rs berada
Persamaan proxi perhitungan IGIP seg- diurutan terakhir. Sedangkan warna merah
men 1&2 (metode MLR). Penggunaan persamaan menunjukkan tidak signifikannya pengaruh
dari MLR, dikarenakan tingkat ketelitiannya lebih parameter tersebut terhadap IGIP. Ada du-
baik dari DOE. gaan pula dengan menggunakan metode MLR
bahwa parameter Bgi pada segmen 3 tidak
IGIP (BSCF) Segmen 1&2 : memiliki pengaruh yang signifikan terhadap
72,3 + 0,0103 Rs + 28,3 Boi + 1939 Bgi IGIP di segmen tersebut.
Atas :
72,3 + 0,0103*(2000) + 28,3*(2,6) + 5. Analisa kedua metode dapat dikatakan valid
1939*(0,002) =170,358 BSCF karena telah mengikuti langkah teori perco-
Bawah : baan dan memenuhi syarat-syarat yang harus
72,3 + 0,0103*(1000) + 28,3*(1,675) + diuji.
1939*(0,002) = 133,8805 BSCF 6. Kelebihan metode DOE adalah dengan meng-
gunakan data yang minimum kita dapat mem-
Dengan mengetahui nilai batas atas dan bawah peroleh hasil dan analisa yang cukup akurat.
perolehan IGIP berdasarkan data percentile, Selain itu kita juga dapat mengidentifikasikan
yaitu P10 dan P90, maka hasil perhitungan sebe- parameter mana yang berpengaruh signifikan
lumnya dari nilai maksimum dan minimum maka terhadap variabel dependennya.
data tersebut dimasukkan ke dalam kisaran P10-
P90 dan di lihat data mana saja, yang valid masuk 7. Kelebihan metode MLR adalah hasil persa-
ke dalam kisaran tersebut. maan proxi IGIP yang didapatkan lebih baik
Terlihat bahwa data maksimum yang dari DOE, namun metode MLR tidak bisa
diperoleh dari hasil perubahan komposisi C1-C7 mengidentifikasikan bahwa parameter inde-
berada di luar kisaran P10 – P90, sehingga data penden signifikan atau tidak terhadap depen-
hasil komposisi tersebut masih kurang tepat. den variabel.
Dengan memandang data P10 - P90 maka kita 8. Penggunaan metode DOE juga dapat digu-
dapat melakukan pendekatan dalam menentukan nakan persamaan proxi perhitungan IGIP
data PVT dengan cara yang lebih efektif. mengingat hasil perhitungan dengan metode
DOE juga sudah baik.
IV. Kesimpulan 9. Diperoleh nilai P10, P 50, dan P 90 dari kedua
1. Diperoleh dengan material balance daerah metode dengan hasil yang tidak terlalu jauh
Main dengan IGIP sebesar 161 BSCF dan berbeda. Dihasilkan pula kisaran nilai P 10, P
IOIP sebesar 105 MMSTB sudah match de- 50 dan P 90 dari kedua metode tersebut.
ngan perolehan In place menggunakan simu- 10. Hasil studi sensitivitas ini dapat dijadikan pi-
lasi reservoir. jakan awal untuk menemukan komposisi C1-
2. Perbandingan perolehan estimasi IGIP tiap C 7
yang tepat pada reservoir utama lapangan X.
segmen dari Material Balance dengan me- 11. Studi yang didapatkan dapat membantu me-
makai data lapangan GGR dan dari simulasi nentukan kisaran Rs, Boi, dan Bgi dalam me-
reservoir sudah diperoleh base case. Hasil nentukan komposisi C1-C7 perolehan IGIP
Material Balance IGIP di segmen 1&2 sudah yang tepat.
36
Daftar Pustaka Workshop Matematika”.

Haans, Arie, 2009, ”Analisis Tingkat Ketidakpas-
Chaniago, Wordpress Blog Durbin Watson Table, tian Parameter Geologi dan Reservoir pada
diakses pada tanggal 10 maret 2011, http:// Limestone Globigerina Sands di Lapangan
www.nd.edu/~wevans1/econ30331/Durbin_ Gas X dengan menggunakan metode Experi-
Watson_tables.pdf mental Design”.
Cheong Y.P, Curtin, Gupta R. ”Experimental De-
sign in Deterministic Modelling: Assessing Lapi ITB, 2010,”Final Report Lapangan X”.
Significant Uncertainties”, SPE 80537 Minitab 16, ”Tutorial for Minitab”
Cheong Y.P, Gupta R., Vijayan K, Smith
G.C.”Experimental Design Methodology for Myers, Sharon., Myers, Raymond., Walpole,
Quantifying UR Distribution Curve – Lesson Ronald., Ye, Keyin, (2002), 7th Edition,
learnt and still to be learnt”,SPE 88585 Probability & Statistics for Engineers and
Elsevier, 2003, ”Design of Experiments for Engi- Scientists.
neers and Scientists. Permadi, Asep Kurnia, 2004, ”Diktat Teknik Re-
FMIPA, 2010, Prodi Matematika, ”Guidelines servoir I Edisi Pertama.”
Improving Oil Recovery and Injection Strategy in Shallow Reservoir (Rindu
Reservoir) of Area 3&4 Duri Steam Flood
Sudianto Lumban Tobing, Sandra Natalia, Henri Silalahi

PT Chevron Pacific Indonesia, Old Main Office. Room A41 Duri
Telp. 0765-24766, email: Sudi.Tobing@chevron.com
Abstract
The Rindu reservoir of Area 3&4 Duri Field has been developed economically since 1994. Since it is
shallow reservoir and penetrated by existing PK producer wells, the Rindu reservoir is started produc-
ing commingles with PK sand in 1997 (RVE wells). In alignment to this effort, the Rindu injection
also started at the same year. After 8 years production-injection, these commingle producers have
poor production performance due to back pressure, cross-flow, and scaling.
Through heat management review, it was found that Rindu in the southern Area 3&4 has longer ma-
turity response, poorer injection (200 BSPD), and longer heating time (~80 years).
An integrated geological and reservoir engineering study of Rindu performance is carry out to define
improvement production and steam injection in southern part Area 3,4. The study resulting some key
finding:
1. Rindu and PK have significant reservoir pressure and temperature different.
2. All poor performance RVE producers are facing cross flow/backpressure and scaling problem
3. Low drainages point in Rindu pattern resulting high reservoir pressure
4. Low injection performance controlled by high backpressure
5. Southern Area 4 Rindu sand has a poorer reservoir quality compare to Northern part.
The project team proposed to drill separate Rindu only to avoid cross-flow, back pressure, or scaling
issues. At the same time it improved Rindu pattern drainage points. The project also proposed to in-
crease steam injection rate gradually after reservoir pressure decreased. After completing the project,
the Rindu reservoir deliver 50 BOPD/well, increase steam injection by 500% (1000 BSPD), acceler-
ate pattern heating process (~2.5 years), and better reservoir management.
This study recommends developing Rindu and PK reservoir separately. Injectivity improvement will
be resolved through completing pattern drainage points and deliver better reservoir heat manage-
ment.
Key words: maturity, scaling, drainage, RVE, steam injection, cross-flow, heating
Sari
Pengembangan secara ekonomis reservoir Rindu pada Area 3 dan 4 di lapangan Duri telah ber-
langsung sejak 1994. Reservoir yang berkedalaman dangkal ini diproduksikan secara commingle
bersama dengan reservoir-reservoir PK di atasnya (sumur-sumur RVE) sejak 1997. Sejalan dengan
itu injeksi di reservoir Rindu dimulai pada tahun yang sama. Setelah berproduksi dan mengalami
injeksi selama 8 tahun, sumur-sumur commingle tersebut menunjukkan kinerja yang buruk karena
persoalan-persoalan tekanan balik, aliran silang, dan pengendapan padatan. Setelah dilakukan pe-
nelaahan atas pengaturan panas injeksi, diketahui bahwa reservoir Rindu di bagian selatan dari
Area 3 dan 4 menunjukkan respon terhadap pemanasan hingga tercapai maturitas yang lama, kinerja
injeksi yang lebih buruk (200 BSPD), dan waktu pemanasan oleh uap yang lebih lama (~ 80 tahun).
Sebuah studi kegeologian dan keteknikan terintegrasi menghasilkan beberapa temuan yaitu:
1. Perbedaan tekanan dan temperatur yang cukup berarti antara reservoir-reservoir Rindu dan
PK,
2. Kinerja buruk dari sumur-sumur RVE disebabkan oleh aliran silang/tekanan balik dan problem
pengendapan padatan,
3. Laju pengurasan yang lambat di reservoir Rindu menimbulkan tekanan reservoir yang tinggi,
37
38
4. Kinerja injeksi yang buruk akibat tekanan balik yang tinggi, dan
5. Reservoir Rindu di bagian selatan Area 4 memiliki kualitas yang lebih buruk dibanding pada
bagian utara.
Untuk mengatasi masalah yang ada diusulkan untuk membor reservoir Rindu secara terpisah seh-
ingga dapat memperbaiki pola titik serap dan menambah laju injeksi hanya setelah tekanan reservoir
telah mengalami penurunan. Setelah dilaksanakannya studi ini dan implementasinya reservoir Rindu
dapat menghasilkan 50 BOPD per sumurnya, menambah injeksi uap sampai 500% (1000 BSPD),
mempercepat proses pemanasan (~2.5 tahun), manajemen reservoir yang lebih baik.
Kata kunci: maturitas, pengendapan padatan, pengurasan, RVE, injeksi uap, aliran silang, pemana-
san.
I. Introduction ervoir of Duri Field (300-500 ft TVDSS). The

Rindu sandstone is deposited as product of estua-
The Area 3&4 are located in the southern part of rine to shallow marine depositional environment.
Duri Field Anticline. These areas composed by The Rindu reservoirs are formed by delta mouth
Pertama-Kedua (PK) sandstone and Rindu sand- bar, offshore marine bar sand and channel bar de-
stone reservoirs. The entire reservoirs are depo- posits (Johansen et al, 2009). The Rindu reservoir
sited from estuarine and shallow marine deposits. quality distribution is highly vary across field that
The PK reservoir as the main Duri reservoirs is follow stratigraphic trend. This study is focused
characterized by thick, clean, high porosity, high on area that composed by channel edge deposits.
permeability (> 1000 mD) and relative deeper This deposit is characterized with muddier sand-
reservoir ( > 600’ TVDSS). This reservoir is form stone, thinner sand (30-60 feet) and relatively
by amalgamated channel deposits. This interval moderate permeability (500-1500mD).
has been injected and produced in early Duri field
steamflood development. The Rindu reservoir was started producing com-
mingles with PK sand in 1997 under RVE (Rindu
The Rindu sandstone is part of the shallow res- Vertical Expansion) project. Although it has a
very different reservoir properties, the RVE wells
were completed comingle between PK sandstone
(Open Hole Gravel Pack) and Rindu interval
(Cased Hole Gravel Pack) as shown in Figure-1.
The Rindu injection started at the same time that
targeting pattern with RVE wells. Rindu reservoir
is continuing developed several years after RVE
project until now a day (Figure-3).
Problems
The RVE (Rindu Vertical Expansion) project was
completed with lower cost. Despite it contribute
Figure 1. Rindu Vertical Expansion Completion
Normalize Production Type
Group: AREA-04RVE, PID: DURI-AREA-04-RVE
Group: AREA-04RVE Entities In Group: 173 Format: [p] BG - Monthly Normalize
200000(L1) 34000(R1)
187000 31500
174000 RVE 29000
161000 26500
148000 24000
135000 21500
122000 19000
109000
Rindu=17% 16500
96000 PK 14000
83000 PK=83% 11500
70000 9000
-60 -48 -36 -24 -12 0 12 24 36 48 60
(L1) CDALLOC_FLUID (R1) CDALLOC_OIL

VS NORM_MONTH
Figure
180 2. Normalized Oil Production Contribution of Rindu Reservoir in RVE Producers after Several Years RVE De-
179
velopment Project
178
177
176
175
174
173
172
171
170
-60 -48 -36 -24 -12 0 12 24 36 48 60
n_CDALLOC_OIL VS NORM_MONTH
39
1. First POP PK producer (1985)

2. First POI of PK sand (1988)
3. Rindu Pilot Project in Area 4 (1994)
4. RVE Project and POI Rindu Injection (1997 – 2000)
5. First Rindu injection (1997)
6. Rindu development (2000 – 2001)
7. Rindu sweet spot (2007 – 2008)
8. Rindu redevelopment (2009 – now)
Figure. 3. Area 3, 4 Production-Injection Histories
to capital cost reduction, but these wells are not only contributes 17% in average of the total
perform as expected. Through detail review of production or only could deliver 30% reco-
all RVE wells in study area, several problems are very factor until the end of the field life (Fig-
founded as listed below ure-2).
1. Poor Production Performance 2. Poor Injection Performance
There is no significant contribution from Beside the poor production, injecting in Rindu
Rindu Sand after produced commingle be- sand also creates its own problems. Most
tween Rindu and PK sand. This finding was of the injectors only able to take under 200
proved with the result of finger print study in BSPD steam injection rate (1000 BSPD in-
Area 5, 8, 9 Duri Field. Based on an oil fin- jection target) since the wellhead pressure has
ger printing study, Rindu sand in RVE wells reached their maximum wellhead pressure /
Figure. 4. Example of No Heating Response in OBS, low injectivity, and low production performance after injected
more than 8 years
40
Figure 5. High Pressure Phenomenon in Rindu Reservoir from EMW data while drilling and SICP of Injector
fracture gradient (Figure-4). ing and geological review is conducted to address

3. Cold Reservoir/ No Temperature Response the problems above. Numerous data is collected
and utilized to support this review as follows:
Surveillance in the reference observation
wells proved that no temperature response in 1. Static reservoir properties.
Rindu sand of southern part and some satura- This data included porosity; permeability; net
tion logs show that Rindu reservoir proper- pay; and structure map (Figure-6).
ties (net pay and oil saturation) didn’t change 2. Production-Injection Profile.
much compare to its original, even though it The production-injection data consist of Area
had been injecting and producing more than 8 3&4 production-injection history (Figure-3);
years (Figure-4). RVE production-injection performance (Fi-
gure-2); Rindu production-injection profile
4. High Pressure Reservoir
before drainage improvement (Figure-4),
The recent drilling activities were facing with Area 3&4 North and South Rindu production-
high pressure during penetrating Rindu re- injection performance comparison (Figure-7),
servoir with equivalent mud weight (EMW and Rindu production-injection profile after
about 15 ppg. The high pressure reservoir is drainage improved (Figure-10).
also indicated by high shut in casing pres- 3. Cross-flow and scaling problem data.
sure of some injector in the drilling location This data consist of Rindu Vertical Expansion
(Figure-5). This finding is the evidence of ac- (RVE) completion type (Figure-1), cross-
cumulation reservoir pressure in Rindu res- flow problem example (Figure-9), and scaling
ervoir. The reservoir pressure data was taken problem example (Figure-8).
from new drilled well shows that Rindu pres- 4. Saturation and temperature data.
sure tends to increase up to 1.5 – 2 times high- The saturation data is taken from saturation
er than its original reservoir pressure (Figure- log in the observation well, open hole log
11). from new drilled well, and calculated satu-
ration from Neutron-Porosity log in the ob-
II. Data & Analysis servation well. The temperature data is taken
A comprehensive approach of reservoir engineer- from surveillance program in all observation
41
Figure.6. Static Reservoir Properties
wells. The data consist of the example of No production performance analysis, heat ef-
Heating Response and low saturation chang- ficiency evaluation on each injected pattern,
es in TOW before drainage improvement multiple-year saturation changes review, fluid
(Figure-4), the example of heating response scaling tendency, reservoir properties control
after drainage improvement (Figure-10), and to production-injection performance review,
Rindu temperature map (Figure-4). Rindu producer density review, and reservoir
5. Reservoir pressure data. pressure evaluation thru recent drilling activi-
This data is taken from RFT log of new drilled ties. These comprehensive reviews carry out
well (Figure-11) and combined with shut in to address all Rindu reservoir problems in the
casing pressure of Rindu injectors and cal- southern part of Area 3&4.
culated reservoir pressure from drilling mud
weight data (Figure-5). III. Discussion
The analysis of this study is conducted through This section is representing data analysis re-
42
Figure7. Northern and Southern Part Area 3&4 Rindu Production-Injection Performance Comparison
sult that focus to address the underperformance terogenic in term of permeability and net pay.
Rindu reservoir. Throughout assessment of pro- Although the Rindu porosity of Area 3&4
blematic Area 3&4 Rindu development, there are spread out homogeny by average 30%, but
four main factors that lead to poor performance the southern part of Area 3&4 has lower qua-
of Rindu reservoir as follows: lity compare to the northern part. The Rindu
reservoirs in this location have less thickness,
1. Reservoir Quality Controls Steam flood less permeable and tend to vertically sepa-
Performance rated (multiple lobe sand). As part of channel
The reservoir quality in Area 3&4 is very he- edge deposits, this area has more shale con-
Figure.8. Scaling problem in Rindu Vertical Expansion (RVE) Producer

43
Figure.9. Cross-flow problem in Rindu Vertical Expansion (RVE) Producer
tent compare to northern area. fluid chemical composition in both reservoirs.

The lower quality of reservoir in the study Based on laboratories test, the mixtures of
area controls the amount of steam injection. both reservoirs’ fluids tend to create scale, es-
The lower sand quality has limit the amount pecially in a contrast temperature borehole en-
of steam injection rate related to lower per- vironment. Since Rindu and PK are produced
meability and high reservoir heterogeneity comingled in RVE wells, the scaling problem
(vertically and horizontal). The average steam is common found in the wells. It shows by a
injection in southern part only 200 BSPD steeper decline of oil and total fluid produc-
while in the northern part could reach 1500 tion after Rindu started produced commingle
BSPD. As the consequence, the northern part with PK for a while. As direct evidence to
reaches faster maturity and better production this study, Area 3&4 RVE look back found
performance compare to the southern part severe carbonate deposits inside liner during
(Figure-7). work over or well service activity (Figure-8).
2. Commingle Completion Implication to The fluid analysis of related wells also shows
Production Performance from water sample of the RVE wells, 70% in-
dicates tendency of scale deposition in Rindu
The commingle completion of Rindu and PK
sand. Among of them have been treated using
reservoir allow a direct contact of two differ-
hydrochloric acid and have been successfully
ent reservoir behavior in the same borehole.
increased the production. However, after a
Understanding this interaction is a critical
while, the scaling problem returned back and
study to explain the well behavior. This study
holds on the production again. The scaling
reveals three reservoirs characteristic such as
problem was repeated until the end life of
fluid properties, reservoir pressure and tem-
well (Figure-8).
perature that controls the wells performance.
The temperature data play important rule on In addition to scaling problem, the reservoirs
scaling problems. The Rindu commonly has pressure different is also significantly impact-
colder temperature compare to PK reservoir. ing the oil production from RVE wells. This
This temperature different is the best environ- review conducting by observed the pressure
ment that allow both reservoir to create scale. data contrast in low performance RVE wells.
A previous study on comparison of Rindu The recent pressure data from new drilled
and PK fluid properties concludes a different well shows reservoir pressure in Rindu be-
44
come 1.5-3 times higher than PK sand. This 4. The Relationship of Injection Performance
finding imply the occurrence of cross-flow or and Heating Efficiency
pressure hold up from Rindu to PK sand. This In relation to previous point discussion, the
indication became stronger when the team Rindu reservoir could only injected with av-
found the steeper production decline trend af- erages 200 BSPD/pattern. This rate is lower
ter opened the Rindu intervals in the existing from injection target (about one fifth of its
PK wells (Figure-9). target rate) and is not sufficient to heat up the
3. Poor Drainage Point Implication into reservoir (heat loss is equal to heat injected).
Rindu Production-Injection Performance With condition, the pattern heating time will
and Reservoir Pressure be reached at least 75 years from target 3
The pattern steam flood mechanism will be years. It is extremely longer than expectation
working if injection and withdrawal (reser- and yielding a failure in operation and project
voir drainages) is balance. Both injector and economic. Several measurement data have
withdrawer (producer wells) play important confirmed this calculation result such as tem-
rule to maintain gravity drainages. The with- perature survey and saturation log in obser-
drawal (reservoir drainages) efficiency is vation wells (Figure-4) that remain the same
function of number wells in the pattern and (cold and no depletion) after 10 years injec-
also the completion types. tion. The surface measurement data also indi-
The Rindu injection in the study area has been cates a cold wellhead temperature and produc-
started since 1997. The injection is targeting tion profile is following primary production
the RVE wells patterns with no Rindu dedi- trend or no steam flood impact (Figure-4).
cated producers. Moreover, the RVE wells With the current practice, this area will never
completed as cased-hole gravel pack. This performed in term of production and injection
completion type reduced the inflow area and as planned. The longer heating time means
impacted to lower productivity compare to poor reservoir heat management that leads to
the open-hole completion. failure in steam flood project economic.
The Rindu initial injection rate is low (~ave- IV. Results
rages 200 BSPD) that controlled by lower
sand quality and lower withdrawal compare Throughout previous discussion, this study clear-
to northern Area 3&4 Rindu area. Similar ly define that the poor reservoir quality, scaling/
to other Rindu well, the injection rate is ex- cross-flow problem, low drainage point, poor
pected to increase in alignment to increasing injectivity lead to longer maturity time and un-
of reservoir depletion (reduced the reservoir optimized Rindu recovery across the field. A
pressure). After more than 10 years, the in- unique solution have been proposed to resolve
jection rate remains the same. This injection above concerns by drill separate Rindu open-hole
rate is never improved because no pressure gravel pack producer in adjacent to the existing
depletion occurred related to production. The RVE wells and complete pattern drainage point.
depletions never happen because poor drain- To maximize steam injection and maintain reser-
ages of pattern steam floods. voir pressure, all in-efficient injection (below 200
After several years facing with drainage pro- BSPD) is recommended to shut in until drainage
blem, the continue of low rate Rindu injection improvement or reservoir pressure is reached.
lead to pressure accumulation up to 1.5 – 2 The drilling new Rindu producer is aiming to im-
times of its original pressure (Figure-5). This prove oil recovery and reduce accumulated pres-
review results is proved by number drilling sure in the reservoir at the same time. After pres-
result that shown a significant high pressure sure depleted to sufficient level for injection, the
in the cold Rindu reservoirs. The high reser- steam injection rate could be increased to ideal
voir pressure conditions contributes to low target.
steam injectivity and limiting the production This recommendation has been implemented into
performance and pattern recovery. a series of drilling package. A number of drilling
activities has faced high pressure that confirmed
the presence of accumulated pressure. The shut-in
of poor injector is also applied as one of strategy
45
Figure 10. Production-Injection Improvement after Completing Drainage Point
Figure11. Rindu Reservoir Pressure Incremental after Several Years
to reduce additional accumulated pressure and it improvement leads into inclining production to
helps drilling execution. The additional producers 50 BOPD/well of target area (Figure-10). Heat-
prove depleting reservoir pressured significantly ing efficiency also improved rapidly as shown in
after 3-6 months production. As implication, temperature growth in observation and producer
project team succeeds to increase averages injec- wells (Figure-10).
tion rate to 1000 BSPD. The significant injection
46
V. Conclusion duction and economic.

5. This study shows that drilling dedicated
As conclusion to this integrated study, some key Rindu open-hole producer is improving oil
lesson learns and finding on steam-flood opera- recovery and injection
tion and practice are summarized as follows:
1. The comingle completion practice is not rec-
ommended for a significant different reser- Recommendation
voir condition. This study shows that Rindu This study recommends continuing re-develop
and PK have significant reservoir properties Rindu reservoir that has the similar problem
different especially in reservoir quality, pres- across Duri field by:
sure and temperature that lead to cross-flow 1. Drilling separate Rindu Open-hole gravel
and scaling problems pack close to the existing RVE wells.
2. The steam flood injection design will only 2. Increase injection after several month pro-
work when the pattern has a complete drain- ductions, after reservoir pressure decreased.
ages point and sufficient reservoir pressure.
This case study shows that the low drainages Acknowledgement
point in Rindu pattern and the low injection
over 8 years yields to the high pressure ac- Special thanks to my team member, especially to
cumulation in reservoir Milla Amlan and Yustinawati for their contribu-
3. The reservoir quality strongly controls the tion in helping us to complete this paper.
pattern injection performance. This study re-
veals that Southern Area 4 Rindu sand has a
Reference
poorer reservoir quality compare to Northern
part. The injection performance also shows Neumann, C. H.: “A mathematical model of the
significant lower in southern part compare to steam drive process, Application”, Paper
northern Area 3&4. SPE 4757.
4. The time to reach maturity and pattern matu- Johansen, S. and Habash Semimbar. : “Tide-
rity stages controls the reservoir production dominated deltaic systems of lower Miocene,
performance. Failure to reach the maturity Central Sumatera Basin”, AAPG Hedberg
target in time resulting a underperform pro- Conference, 2009, Jakarta, Indonesia
Evaluasi Keberlakuan Metode Down-hole Water Sink (DWS)
Pada Reservoir Minyak
(Evaluation of Down-hole Water Sink (DWS) Method in Oil Reservoir)
Agung Prasetyo Nugroho, Taufan Marhaendrajana

Fakultas Teknik Pertambangan dan Perminyakan, Institut Teknologi Bandung
Gedung Basic Science Center B Lt. 4, Jl. Ganesa 10 Bandung 40132
Telp. +62222506282, +62816615621 email: tmarhaendrajana@tm.itb.ac.id
Sari
Down-hole Water Sink (DWS) merupakan suatu metode yang efektif untuk mengendalikan
terjadinya water coning pada suatu sumur minyak dengan tenaga pendorong air. Latar belakang uta-
ma adalah memberikan drawdown tandingan pada zona air dengan cara memproduksikan air dari
zona air sehingga memperlambat terjadinya water coning serta diharapkan dapat menjaga water oil
contact (WOC) tetap stabil selama reservoir tersebut diproduksikan. DWS dapat diaplikasikan meng-
gunakan sistem dual completion single tubing dengan packer untuk memisahkan produksi minyak
dan produksi air pada suatu sumur vertikal atau bisa juga dengan menggunakan sistem dual tubing.
Studi ini menggunakan simulasi komputer untuk memodelkan performa reservoir dan melaku-
kan pendekatan terjadinya water coning pada sumur dengan dual completion. Model yang digunakan
adalah single well model dengan bottom aquifer. Simulasi reservoir ini akan memberikan gambaran
mengenai oil recovery yang didapatkan selama 10 tahun produksi dengan melakukan sensitivitas
terhadap beberapa parameter reservoir. Analisis dilakukan dengan membandingkan performa sumur
khususnya recovery factor pada sumur konvensional dan sumur DWS dengan mempertimbangkan
pengaruh volume aquifer serta beberapa parameter reservoir lainnya.
Tujuan dari studi ini adalah untuk mengetahui pengaruh dari volume aquifer serta beberapa
parameter reservoir lainnya pada penerapan metode DWS sehingga dapat diketahui kondisi yang
efektif untuk menggunakan metode DWS di suatu lapangan. Selain itu, tujuan dari studi ini adalah
untuk memberikan persamaan recovery factor (RF) sebagai fungsi dari parameter-parameter reser-
voir yang memiliki bottom water drive untuk metode produksi secara konvensional ataupun dengan
menggunakan metode DWS. Sehingga diharapkan dapat lebih membantu dalam mengambil keputu-
san dalam evaluasi penggunaan metode DWS.
Kata kunci: Down-hole water sink, water coning, bottom water drive
Abstract
Down-hole Water Sink (DWS) is an effective technology to control water coning problem in
oil wells which usually occurs in a water drive reservoir. The main idea of this technology is create
a counterbalance pressure drawdown in water zone in a way producing water from water zone, so
the water coning can be prevented and also it’s expected can keep the stability of water oil contact
(WOC). DWS can be applied in two ways by using dual completion single tubing for oil production
and water drainage with two completions separated with packer and also by using dual tubi configu-
ration.
This study involves experiments with computer simulation to model reservoir performances
and to approximate the existence of water coning in dual completion well. The model is single well
model with bottom aquifer. This reservoir simulation is used to confirm oil recovery in ten years pro-
duction with sensitivity of some reservoir property and volume aquifer. It will be compared between
recovery factor of DWS and conventional well.
The objective of this study is to know the influence of volume aquifer and some reservoir
property to recovery factor in DWS technology so the application of DWS effectively in oil field could
be well-understood. In addition the purpose of this study is to gives new correlations of recovery
factor as functions of reservoir properties which have bottom water drive for conventional and DWS
47
48
method.
Keyword: Down-hole water sink, water coning, bottom water drive
I. Pendahuluan lapangan milik Petroleum Hunt semakin mem-

Water coning adalah keadaan di sekitar buktikan bahwa metode ini dapat digunakan da-
lubang sumur dimana batas minyak dan air naik lam water coning reversal.
membentuk kerucut mencapai titik perforasi ter- Pada tahun 2006 Marhaendrajana dan
bawah, yang akan menyebabkan air lebih awal Alliyah memperkenalkan perkembangan baru
terproduksi sehingga peningkatan produksi air yang bertujuan untuk mengurangi resiko aplikasi
menjadi lebih cepat. Hal ini sering terjadi di metode DWS di lapangan dengan memberikan
lapangan yang memproduksi minyak dengan panduan untuk mendesain suatu sumur DWS
tenaga pendorong air. Terproduksinya air dapat dan mengembangkan plot Inflow Performance
menyebabkan peningkatan biaya produksi, penu- Window (IPW) yang digunakan untuk menentu-
runan produktivitas sumur, dan penurunan recov- kan apakah kombinasi laju alir minyak dan air
ery dari cadangan yang tersedia. Salah satu me- pada suatu sumur DWS akan menghasilkan jenis
tode yang digunakan untuk mengatasi masalah aliran berupa segregated flow, water coning, re-
water coning adalah dengan memproduksikan versed coning, atau unstable contact. Parameter
minyak pada laju alir kritisnya, namun kelema- reservoir yang diamati adalah laju alir minyak,
han dari metode ini adalah tidak ekonomis, se- laju alir air, vertical anisotropy, dan perbanding-
hingga metoda ini kurang begitu populer. an antara interval perforasi pada zona minyak
dengan ketebalan zona minyak. Pada tahun 2007
Alternatif lain untuk mengendalikan
Marhaendrajana dan Astutik melengkapi be-
produksi air pada sumur minyak adalah dengan
berapa parameter yaitu water-oil mobility ratio,
menggunakan metode Down-hole Water Sink.
ketebalan zona minyak, dan permeabilitas abso-
Metode ini mampu memperlambat terjadinya
lute horizontal. Pada tahun 2008 Marhaendrajana
coning bahkan mencegahnya dengan membuat
dan Mario melengkapi studi yang dilakukan oleh
kondisi reverse coning, yang dapat meningkat-
Marhaendrajana dan Astutik dengan menganali-
kan perolehan minyak. Suatu sumur vertikal yang
sis pengaruh kekuatan aquifer dalam aplikasi
menerapkan metode DWS menggunakan sistem
metode DWS dan juga menganalisa penerapan
dual completion dengan packer untuk memisah-
metode water drainage injection pada reservoir
kan produksi zona minyak dan zona air. Selain
dengan tenaga pendorong air yang lemah dengan
memakai single tubing, sistem dual tubing juga
mengoptimasi kedalaman injeksi yang tepat.
dapat diterapkan. Mekanisme dari metode DWS
Studi yang penulis lakukan pada tugas
adalah menciptakan suatu drawdown tandingan
akhir ini merupakan pelengkap dari studi yang
pada zona air untuk menghindari terjadinya wa-
telah dilakukan oleh Marhaendrajana dan Mario.
ter coning. Dengan memilih laju produksi air
Pada studi sebelumnya hanya dilakukan analisa
yang sesuai, maka akan terbentuk suatu kondisi
pada pengaruh kekuatan aquifer terhadap aplikasi
water-oil contact yang stabil. Selain itu dengan
metode DWS dengan sensitivitas hanya pada laju
menggunakan metode DWS akan mendapat-
alir minyak saja. Pada studi kali ini akan dilaku-
kan produksi oil-free water dari top perforation
kan analisa pengaruh kekuatan aquifer terhadap
dan water-free oil dari bottom perforation pada
aplikasi DWS dengan sensitivitas properti re-
sumur yang berproduksi dari reservoir bottom
servoir seperti mobility ratio, vertikal anisotropi,
water drive.
permeabilitas horisontal, dan ratio antara selang
Hingga saat ini sudah banyak studi yang perforasi dengan ketebalan zona minyak. Yang
dilakukan untuk mempelajari dan mengem- pada akhirnya didapatkan hubungan pengaruh
bangkan metode Down-hole Water Sink (DWS). parameter-parameter di atas terhadap besarnya
Inikori (2002) menggunakan numerical simula- recovery factor serta akan dibuat persaman baru
tor untuk menunjukkan bahwa metode DWS da- untuk mencari recovery factor (RF) berdasarkan
pat digunakan untuk mengurangi efek dari water parameter-parameter sensitivas yang dilakukan.
coning. Keberhasilan penerapan metode ini di
49
II. Simulasi Reservoir Tabel 1. Data properti batuan reservoir.

Untuk mengamati terjadinya water con- Zona Zona
ing dan menganalisis pengaruh kekuatan aquifer Properti Batuan
Minyak Air
pada metode DWS maka dibangun model reser-
voir radial dengan bottom aquifer. Model sumur Porositas, % 0,2 0,27
vertikal dengan metode DWS dibuat dengan me- Permeabilitas vertikal,
50 50
nempatkan dua interval perforasi pada koordinat md
Permeabilitas horizon-
200 200
tal, md
Kompresibilitas, psi-1 4 x 10-6 4 x 10-6
Komplesi 1
Tabel 2. Data properti fluida reservoir
Minyak
Tekanan bubble point, psia 1000
Komplesi 2 Kompresibilitas, psi-1 1,5 x 10-5
Densitas, lbm/cuft 53,9
FVF, rb/stb 1,26
Viskositas, cp 1,25
Gambar 1. Model reservoir. Air Formasi
Kompresibiltas, psi-1 3 x 10-5
yang sama di tengah-tengah reservoir. Perforasi
yang dilakukan pada kedalaman berbeda. Per- Densitas, lbm/cuft 62,47
forasi pertama dilakukan pada kedalaman zona FVF, rb/stb 1,02
minyak dan perforasi kedua dilakukan pada keda- Viskositas, cp 0,46
laman zona air. Model reservoir dengan sebuah
Tabel 3. Data geometri model
sumur vertikal yang menggunakan metoda DWS
dapat dilihat pada Gambar 1 di bawah ini. Jari-jari sumur, rw 0,292 ft
Pada Gambar 1, model disebelah kiri Ketebalan zona perforasi pada zona
10 ft
menunjukkan sebaran kedalaman tiap top grid minyak
sedangkan model di sebelah kanan menunjuk- Jarak antara perforasi dengan WOC 40 ft
kan distribusi porositas yang berbeda antara zona Faktor skin 0
minyak dan zona air.
Tabel 4. Data sumur
Dalam studi kali ini dengan mengguna-
kan simulasi komputer akan dilakukan analisis Model Reservoir Radial
sensitivitas volume aquifer dan properti reservoir Ketebalan formasi 90 ft
dalam aplikasi metode DWS. Ketebalan zona minyak 50 ft
Ketebalan zona air 40 ft
III. Deskripsi Model Jari-jari aquifer, re 850 ft
Pada studi ini digunakan sebuah model
Analisis Sensitivitas
reservoir radial dalam dua dimensi dan sistem
koordinat silinder (r, , z). Data yang digu- Tujuan utama dari analisis sensitivitas
nakan untuk base case mengacu pada data-data adalah untuk mengetahui seberapa besar penga-
yang digunakan oleh Inikori (2002) pada deser- ruh dari parameter yang diamati pada studi ini
tasinya. Model reservoir memiliki tekanan dan terhadap performa DWS, berdasarkan besarnya
temperatur rata-rata sebesar 1788 psia dan 150 recovey factor selama 10 tahun produksi. Pada
o
F. Kedalaman datum pada 4770 ft dibawah per- analisis sensitivitas, berbagai kasus dengan
mukaan laut. Tabel 1-4 dibawah ini menunjukkan variasi harga nilai parameter yang diamati dihi-
data base case yang digunakan pada model simu- tung harga recovery factor dengan menggunakan
lasi. simulasi komputer. Selang harga parameter yang
50
diobservasi merupakan selang harga rasional tekanan reservoir terjaga lebih lama.
yang mungkin ditemui pada aplikasi di lapangan. Gambar 3 adalah hasil sensitivitas dari
Lima parameter yang digunakan dalam analisis vertical anisotropy ratio dan volume aquifer ter-
sensitivitas beserta selang nilai yang ingin dia- hadap recovery factor. Terlihat bahwa peningka-
mati adalah: tan kv/kh menyebabkan penurunan nilai RF. Hal
1. Water – oil mobility ratio (M) : (1 – 10) ini disebabkan karena seiring dengan peningkatan
2. Vertical anisotropy ratio (kv/kh) : (0,1 – 1) kv/kh maka mengindikasikan peningkatan nilai
3. Permeabilitas absolut horizontal : (20-2000) permeabilitas vertikal yang berarti mempermu-
4. Perbandingan antara interval perforasi pada dah pergerakan air menuju zona perforasi yang
zona minyak dengan ketebalan zona minyak
(hp/ho) : (0,1 - 0,8)
5. Besarnya volum,e aquifer dibandingkan de-
ngan volume minyak (AV) : (1 – 100).
Gambar 4. Sensitivitas hp/ho.
Gambar 2. Sensitivitas mobility ratio akan mempercepat terjadinya water coning. Dan
untuk aquifer volume hasilnya adalah peningka-
Gambar 2 menunjukkan hasil dari sensitivitas tan aquifer volume meningkatkan nilai RF.
dari mobility ratio dan volume aquifer terhadap Gambar 4 merupakan hasil sensitivitas antara
recovery factor. Bisa dilihat bahwa peningka- permeabilitas horizontal (kh) dan aquifer vo-
tan mobility ratio akan menurunkan nilai reco- lume terhadap recovery factor. Terlihat bahwa
very factor karena dengan meningkatnya nilai M peningkatan nilai kh akan menyebabkan naiknya
maka potensi untuk terjadinya water coning se- nilai RF. Hal tersebut dapat terjadi dikarenakan
makin besar. Hal itu dapat terjadi karena dengan semakin besarnya nilai kh akan mempermudah
semakin besarnya harga M maka air semakin mu- fluida reservoir untuk mengalir menuju lubang
dah bergerak yang menyebabkan water-oil con- perforasi.
tact menjadi tidak stabil. Sedangkan peningkatan Pada Gambar 5 menunjukkan hasil sensitivitas
volume aquifer akan meningkatkan recovery fac- interval perforasi pada zona minyak dengan kete-
tor karena semakin besar nilai AV akan membuat balan zona minyak. Dengan menganggap bah-
Gambar 3. Sensitivitas kv/kh Gambar 5. Sensitivitas hp/ho

51
wa ketebalan zona minyak tetap sehingga yang IV. Efektivitas Pengaplikasian Metoda DWS
berubah adalah interval perforasi. Jadi bertambah-
nya nilai hp/ho mengindikasikan bahwa selang Pada uraian kali ini akan dibandingkan
perforasi semakin mendekati oil-water contact. antara hasil recovery factor pada suatu reservoir
Dari Gambar 5 menunjukkan bahwa pada peng- yang diproduksikan secara konvensional dan den-
gunaan metode DWS perubahan selang perforasi gan menggunakan metoda DWS. Dengan meng-
mendekati OWC tidak terlalu berpengaruh pada gunakan data reservoir yang sama untuk analisa
nilai RF. Hal ini dikarenakan drawdown tanding- sensitivtas di atas maka didapatkan hasil seperti
an pada zona water masih dapat mengimbangi yang terdapat pada Gambar 6a-6c yang kemudian
drawdown yang terjadi pada zona minyak. dirangkum ke dalam Gambar 7.
30
50
25
40
20
30 RF %
15
RF %
hpho=0.8
20 DWS M=1 10
NO DWS
No DWS 5
10
0
0
0 50 100
0 50 100
Ratio of Aquifer-to-Reservoir Volume (AV)
30
30
25
25
20
20
RF %
15
RF %
15 hpho=0.5
DWS M=3.2 10
10 NO DWS
NO DWS 5
5
0
0
0 50 100
0 50 100
30
12
25
10
20
8
RF %
15
RF %
6 hpho=0.2
DWS M=10 10
4 NO DWS
NO DWS 5
2
0
0
0 50 100
0 50 100
Gambar 6a. Perbandingan recovery factor metode produksi DWS dan konvensional
52
25
30
25 20
20 15
RF(%)
RF(%)
15 DWS kvkh=0.75
DWS kvkh=0.1 10
10 NO DWS
NO DWS 5
5
0
0
0 50 100
0 50 100
25
30
25 20
20 15
RF(%)
RF %
15 DWS kvkh=1
DWS kvkh=0.25 10
10 NO DWS
NO DWS 5
5
0
0
0 50 100
0 50 100
AV
AV
25 14
12
20
10
15 8
RF(%)
RF(%)
10 DWS kvkh=0.5 6 kh=20

NO DWS 4 NO DWS
5
2
0 0
0 50 100 0 50 100 150
Ratio of Aquifer-to-Reservoir Volume (AV) Ratio of Aquifer-to-Reservoir Volume (AV)
Gambar 6b. Perbandingan recovery factor metode produksi DWS dan konvensional
Terlihat dari hasil pada Gambar 6 bahwa metode DWS akan efektif digunakan bila be-
tidak selamanya menggunakan metoda DWS sar volume aquifer minimal 40-50 kali volume
akan menghasilkan recovery factor yang lebih zona minyak. Hal tersebut dikarenakan metoda
besar dibandingkan metoda konvensional. Ada DWS pada dasarnya adalah menciptakan suatu
kondisi-kondisi tertentu dimana metoda DWS drawdown tandingan pada zona bottom aquifer
akan lebih menguntungkan bila digunakan. Da- dengan cara memproduksikan air dari zona aqui-
lam studi kali ini yang diperhatikan adalah pada fer. Oleh karenanya apabila volume aquifer pada
parameter aquifer volume pada reservoir terse- suatu reservoir terlalu kecil yang terjadi adalah
but. Terlihat bahwa dibutuhkan suatu harga aqui- pressure maintenance tidak akan terjadi sehingga
fer volume tertentu untuk menghasilkan RF yang penurunan tekanan reservoir tersebut akan terlalu
lebih besar dari metoda konvensional bila akan cepat yang menyebabkan RF bernilai lebih kecil
menggunakan metoda DWS. dibandingkan metoda konvensional.
Dari Gambar 7 menunjukkan bahwa Selain itu dari Gambar 6 juga didapatkan
53
35
30
30
25
25
20 20
RF(%)
RF %
15 15 kh=1000
kh=200
10 10 NO DWS
NO DWS
5 5
0
0
0 50 100
0 50 100
40
30
35
25 30
20 25
RF(%)
20
RF(%)
15 kh=2000
kh=500 15
10 10 NO DWS
NO DWS
5 5
0
0
0 50 100
0 50 100
Gambar 6c. Perbandingan recovery factor metode produksi DWS dan konvensional
suatu bukti bahwa dibutuhkan volume aquifer Persamaan (1) dan (2) merupakan persa-
yang cukup besar yaitu lebih dari 40 kali volume maan recovery factor sebagai fungsi dari parame-
zona minyak apabila reservoir tersebut memi- ter-parameter reservoir yang memiliki bottom
liki nilai permeabilitas horisontal lebih dari 100 water drive untuk metode DWS dan konven-
milidarcy. Sedangkan untuk permeabilitas yang sional. Persamaan (1) adalah untuk mencari RF
lebih kecil dari 100 milidarcy penggunaan me- apabila reservoir tersebut menggunakan metoda
tode DWS lebih baik digunakan untuk mode-rate DWS dan persamaan (2) adalah untuk mencari
aquifer strength karena akan menghasilkan nilai RF apabila digunakan metoda konvensional. De-
RF yang lebih besar dibandingkan metode kon- ngan membandingkan hasil antara kedua nilai RF
vensional. yang didapatkan maka dapat ditentukan apakah
reservoir tersebut akan lebih baik menggunakan
V. Persamaan Recovery Factor metoda DWS atau menggunakan metoda kon-
Untuk mempermudah dalam me-
nentukan suatu reservoir apakah lebih
baik mengunakan metoda DWS atau tidak
maka dibuatlah persamaan untuk mecari
nilai recovery factor apabila menggunakan
metoda DWS dan tidak menggunakannya
(konvensional).
Dengan menggunakan kombinasi
data sensitivitas dan harga RF yang didap-
atkan dari software simulasi reservoir serta
dengan menggunakan bantuan software
excelstat maka didapatkanlah persamaan
recovery factor untuk metoda DWS dan
konvensional sebagai berikut. Gambar 7. Efektivitas DWS
54
vensional saja.
Validasi kedua persamaan di atas da-
pat dilihat pada Gambar 8 dan Gambar 9 yang
menunjukkan plot antara RF hasil simulasi den-
gan RF hasil perhitungan menggunakan persa-
maan. Dapat disimpulkan bahwa korelasi di atas
cukup akurat karena memiliki kesesuaian dengan
...........................(1) hasil simulasi.
VI. Kesimpulan
1. Metode produksi DWS untuk reservoir de-
ngan bottom water lebih superior daripada
metode produksi konvensional apabila memi-
liki aquifer yang memiliki strong water drive,
...........................(2) yaitu aquifer yang terhubungkan dengan baik
pada reservoir dan memiliki ukuran yang be-
sar (ratio aquifer-to-reservoir volume lebih
dari 50).
2. Untuk aquifer yang bersifat moderate, metode
DWS lebih efektif apabila permeabilitas hori-
zontal dari reservoir kurang dari 100 mD.
3. Evaluasi dari efektifitas metode DWS se-
cara lebih detail dengan berbagai variable
komplesi dan reservoir dapat menggunakan
persamaan (1 dan 2) yang diberikan sebagai
hasil dari paper ini.
Ucapan Terimakasih
Penulis mengucapkan terimakasih kepada
kepada CMG (Computer Modeling Group) yang
telah memberikan academic license kepada ITB
Gambar 8. Validasi persamaan (1). atas software simulasi komputer yang digunakan
dalam studi ini.
Daftar Acuan
Down hole Water Sink Technology Web Site,
Louisiana State University, available at
http:www.pete.lsu.edu/faculty/akw/dws.htm.
Inikori, S.O., 2002, “Numerical Study Of Water
Coning Control with Down hole Water Sink
(DWS) in Vertical and Horizontal Wells”,
PhD Dissertation, Louisiana State University
and A&M College, Baton Rouge, LA.
Inikori, S.O., Wojtanowicz, A.K., and Siddiqi,
S.S., 2002, Water Control in Oil Well with
Down hole Oil Free Water Drainage and Dis-
posal: SPE 77559, Proceeding for SPE An-
Gambar 9. Validasi persamaan (2). nual Technical Conference and Exhibition,
55
San Antonio, Texas, 29 Sept – 2 Oct. Putra, M.A., ”Application of Water Drainage
Marhaendrajana, T. dan Alliyah, I., ”Oil Produc- Injection Method in Down-hole Water Sink
tion Enhancement Using Bottom-Hole Water (DWS) Technology in Weak Water Drive
Sink: A Guidline For Optimum Design Ap-
Reservoir”, Tugas Akhir, ITB, 2008.
plication”, Jurnal JTM, ITB, 2006.
Utama, F.I., 2007, ” An Analytical Model to Pre- Astutik, W., 2007, ”A Study of Down-hole Wa-
dict Segregated Flow in the Downhole Water ter Sink (DWS) Technology: Optimum DWS
Sink Completion and Anisotropic Reservoir”, Design in Vertical Well Considering Reser-
Tugas Akhir, ITB. voir Parameter”, Tugas Akhir, ITB.
56
Teknik Evaluasi Reservoar Gas Metana Batubara
Usman Pasarai(1), Kosasih(2)

Pusat Penelitian dan Pengembangan Teknologi Minyak dan Gas Bumi ”LEMIGAS”
Telp. (1) +62811104257, (2) +6287780876233
email: (1) upasarai@lemigas.esdm.go.id, (2) kosasih@lemigas.esdm.go.id
SARI
Proyek komersial Gas Metana Batubara atau GMB yang telah berlangsung lebih dari 20 tahun
dibeberapa tempat di dunia telah menghasilkan berbagai kemajuan substansial dalam teknologi kara-
kterisasi reservoar, pengeboran, komplesi, dan produksi. Dengan pencapaian ini, proyek pengem-
bangan GMB menjadi lebih atraktif. Parameter kunci yang sangat menentukan keekonomian suatu
proyek GMB adalah isi awal gas di tempat, cadangan, dan gas deliverability. Gas sebagian besar
tersimpan pada mikro pori matriks batubara dengan cara adsorpsi. Gas tersebut mengalir ke sumur-
sumur produksi melalui cleat yang juga diisi gas namun dalam jumlah relatif kecil. Oleh karena
itu, sifat-sifat matriks batubara sangat menentukan isi awal gas ditempat dan cadangan yang dapat
diproduksikan, sedangkan sifat-sifat sistem cleat akan sangat mempengaruhi gas deliverability. Akui-
sisi dan analisa data tersebut merupakan tahap krusial dalam evaluasi suatu proyek pengembangan
GMB.
Kata kunci: gas metana batubara, GMB, kandungan gas, kapasitas simpan gas, cleat, adsorpsi, des-
orpsi.
ABSTRACT
Coal Bed Methane (CBM) commercial projects which undertaken over the past 20 years in
many places around the word have been accompanied by substantial improvements in reservoar
characterisation, drilling, completion, and production technologies. With these achievements, devel-
opment of CBM project became more attractive. Key parameters in determining the economic value
of CBM project are the initial gas in-place, reserves, and deliverability. Majority of the gas is stored
in the micropore coal matrix by adsorption. The gas flows to production wells through the coal’s
natural fracture system or cleat which stores relatively small amounts of gas. Therefore, properties of
the coal matrix have the greatest effect on estimates of the volume of gas-inplace and gas recovery,
whereas natural fracture system properties control CBM reservoar deliverability. Acquisition and
analysis of those data is a crucial step in the evaluation of CBM development project.
Key words : coal bed methane, GMB, gas content, gas storage capacity, cleats, adsorption, desorp-
tion
I. Pendahuluan
lepas sehingga kandungan gas (gas content) yang
GMB adalah gas yang dihasilkan selama tersimpan sangat kecil. Sebaliknya pada lapisan
proses pembentukan batubara dimana gas metana batubara yang cukup dalam (>1000 m), tempera-
sebagai komponen utama. Disamping gas meta- tur tinggi akan mengurangi kapasitas serap batu-
na, juga dihasilkan gas-gas lain dalam jumlah bara. GMB yang akan diproduksi dalam konteks
sedikit seperti gas hidrokarbon yang lebih be- pengusahaan GMB adalah gas yang teradsorbsi
rat, karbondioksida, hidrogen, hidrogen sulfida, oleh lapisan batubara pada interval kedalaman
nitrogen, argon, dan uap air. Batubara merupa- 300 – 1000 m. Tipikal kandungan gas batubara
kan batuan sumber dari gas-gas tersebut. Secara pada kedalaman ini adalah 30 – 400 standar ku-
teoritis semua batubara mengandung gas metana. bik feet per ton (scf/ton) batubara (ARI, 2003).
Namum pada batubara yang terdapat pada per- Eksplorasi GMB untuk konfirmasi po-
mukaan (<300 m), gas metana tersebut telah ter- sisi, luas, dan penyebaran sumber daya dilaku-
57
58
kan melalui serangkaian survei geofisik, geologi, perconto batubara. Permeabilitas cleat dan per-
pengeboran core hole atau pengeboran eksplora- meabilitas relatif adalah dua parameter kunci un-
si. Setelah pengeboran eksplorasi berhasil meng- tuk menentukan kemampuan produksi reservoar
konfirmasi sumber daya GMB, maka diteruskan GMB. Permeabilitas cleat hanya dapat diestimasi
dengan tahapan eksploitasi pengeboran appraisal, secara akurat melalui uji sumuran. Tabel 1 me-
pengukuran kandungan gas metana dari perconto nampilkan kritikal data yang diperlukan dalam
batubara, uji produksi untuk menentukan cadan- evaluasi reservoar GMB beserta sumbernya.
gan terbukti, dan pengeboran pengembangan un-
tuk ekstraksi cadangan tersebut.
II. Pemboran Dan Komplesi Sumur
Dari proyek komersial GMB yang sudah
berlangsung lebih dari 20 tahun, telah diperoleh Sebagian besar pemboran di lapangan
berbagai kemajuan substansial dalam teknologi GMB dilakukan dengan sumur-sumur vertikal.
pengeboran, komplesi, karakterisasi reservoar, dan Sumur dangkal dengan kedalaman antara 300
produksi. Pencapaian ini berdampak pada proses sampai dengan 1000 m dibor dengan sistem
dewatering yang lebih cepat, puncak laju alir gas lumpur underbalanced kecuali ada indikasi ter-
dapat dicapai lebih awal dan lebih besar, estimasi dapat poket-poket gas yang dapat menyebabkan
isi awal gas di tempat dan cadangan menjadi le- over pressure pada interval kedalaman tersebut.
bih akurat, sehingga pada akhirnya keekonomian Pada kedalaman di atas 1000 m dimana tekanan
proyek pengembangan GMB menjadi lebih baik re-servoar relatif tinggi umum-nya digunakan
(Creties dkk., 2008). sistem lumpur balanced ke overbalanced.
Parameter kunci dalam evaluasi suatu Seiring de-ngan kemajuan teknologi dan reduksi
prospek GMB, seperti halnya evaluasi prospek biaya, sumur horizontal telah menjadi pilihan yang
minyak dan gas, adalah isi awal gas ditempat, vo- atraktif. Teknik pem-boran multilateral juga telah
lume gas yang dapat terambil atau cadangan, dan digunakan pada lapang-an-lapangan GMB. Pem-
kemampuan produksi gas selama masa proyek boran multilateral dipilih bilamana rasio produksi
atau deliverability. Reservoar GMB adalah me- gas sumur horizontal dan sumur vertikal kurang
dia dengan porositas ganda dimana sebagian be- dari satu atau terdapat sejumlah lapisan batubara
sar gas tersimpan secara adsorpsi pada matriks tipis yang akan menjadi target. Sistem multilater-
batubara yang merupakan porositas utama. Ad- al terdiri atas dua atau lebih lubang produksi hori-
sorpsi atau jerapan adalah penempelan molekul
Tabel 1. Sumber dan data yang diperlukan untuk analisa
gas pada permukaan batubara yang menyebabkan reservoar GMB (Aminian).
konsentrasi gas relatif tinggi pada daerah kontak
Sifat-sifat Batubara Sumber Data
di permukaan batubara. Aliran ke sumur-sumur
Pengukuran perconto
produksi terjadi melalui rekahan alami pada ba- Kapasitas simpan
batubara
tubara atau cleat. Sejumlah kecil gas tersimpan Pengukuran perconto
pada cleat ini yang merupakan porositas kedua. Kandungan gas
batubara
Sifat-sifat matriks batubara mempunyai penga- Pengukuran perconto
Diffusivitas
ruh yang besar terhadap volume awal gas di tem- batubara
pat dan cadangan gas yang dapat diproduksikan, Kompressibilitas volume Pengukuran perconto
pori batubara
sementara sifat-sifat cleat mengontrol deliver-
Ketebalan kotor lapisan Rekaman log sumur
ability suatu reservoar GMB.
Ketebalan efektif lapisan Rekaman log sumur
Sifat-sifat matriks batubara dapat diten- Tekanan Uji sumur
tukan dari interpretasi dan integrasi data per- Permeabilitas absolut Uji sumur
conto batubara dan rekaman log. Oleh karena Permeabilitas relatif Simulasi
itu, akusisi dan analisa perconto batubara meru- Porositas Simulasi
pakan tahap krusial dalam evaluasi setiap proyek Komposisi dan kore-
Sifat-sifat fluida
pengembangan GMB. Kandungan gas dan ka- lasi
pasitas simpan batubara adalah dua parameter Gas terproduksi dan
Komposisi gas
kunci untuk menghitung isi awal gas ditempat gas terlepas
Volume pengurasan reser-
dan cadangan yang harus diukur langsung dari voar
Studi geologi
59
zontal dengan
satu sumur
vertikal. Um-
umnya, kom-
plesi sumur
horizontal
lateral adalah
pre-perforat-
ed liner.
Teknik kom-
plesi sumur
GMB telah
berkembang
pesat. Mul-
tiple pereka-
han stimulasi
menggunakan
fluida gel se-
bagai fluida
perekah dan Gambar 1. Tipikal komplesi dan skema aliran fluida pada sumur GMB.
batu pasir se-
bagai propan telah diaplikasikan pada lapisan- data yang tinggi. Sedangkan penentuan cadangan
lapisan batubara yang relatif tipis. Komplesi memerlukan produksi gas pada laju alir ekonomis
openhole juga telah diterapkan pada lapisan ba- yang hanya mungkin jika terdapat cukup isi awal
tubara yang mempunyai permeabilitas tinggi. gas ditempat, permeabilitas, dan keberhasilan
Sebelum uji produksi, lapisan batubara tersebut proses dewatering. Estimasi cadangan terbukti
disemprot air terlebih dahulu dengan laju alir juga memerlukan profil produksi yang masih su-
kurang dari 5 barel/menit untuk membersihkan lit diprediksi selama fase dewatering. Simulasi
serpihan batubara, membuka cleat, dan untuk numerik dan profil produksi reservoar sejenis da-
menghubungkan secara efektif sumur dengan pat digunakan untuk keperluan ini.
reservoar. Secara umum, komplesi sumur GMB
dilengkapi dengan selubung, diperforasi dengan
single atau multistage perekahan hidraulik. Isi Awal Gas Di tempat
Pemilihan sumur vertikal atau horizontal Isi awal gas ditempat fungsi dari luas area
sangat ditentukan oleh setting geologi target re- pengurasan, ketebalan lapisan batubara, densitas
servoar. Pemilihan komplesi dan metode stimula- batubara, kandungan gas, dan komposisi batu-
si diantaranya fungsi dari jumlah seam yang akan bara. Komposisi batubara mengacu pada jumlah
diproduksikan, kedalaman, ketebalan, permea- dan jenis unsur organik yang terkandung dalam
bilitas, compressive strength batubara. Gambar batubara. Komposisi ini sangat berpengaruh ter-
1 menunjukan tipikal decision chart yang digu- hadap jumlah gas yang dapat diserap. Kandung-
nakan memilih metode pemboran dan komplesi an gas pada suatu lapisan batubara merupakan
sumur GMB. fungsi dari komposisi batubara, kematangan ter-
mal batubara tersebut, dan sejarah pengedapan-
nya. Isi awal gas pada suatu reservoar GMB da-
III. Potensi, Cadangan, Dan Deliverability pat perkirakan dengan menggunakan persamaan
Penentuan isi awal gas ditempat suatu berikut,
reservoar batubara dapat menjadi proses yang su- Penjelasan notasi dapat dilihat pada Daftar Sim-
lit dan memakan waktu lama karena secara alami bol. Komponen pertama pada sisi kanan Persa-
reservoar batubara memiliki heterogenitas dan maan (1) adalah volume awal gas ditempat yang
faktor ketidakpastian dalam akuisisi dan analisa tersimpan pada sistem pori-pori makro yakni
60
cleat. Teknik akuisisi dan analisa data untuk me- hubungan proporsional antara kumulatif gas yang
nentukan parameter pada komponen pertama ini terlepas terhadap akar dari waktu, yang dihitung
mulai saat gas terlepas pada proses pengambilan
IGIP = Ah 
(
 43560φ f 1− S wif ) − − 
+1,3597 G i ρo 
 Bgi 
............................. (1)
sama dengan teknik yang digunakan pada klasik
reservoar gas. Komponen kedua menggambarkan
volume awal gas ditempat yang tersimpan pada
pori-pori mikro secara adsorpsi yang jumlahnya
dapat mencapai 95% dari total isi awal gas ditem-
pat. Karena kontribusinya yang dominan, maka
teknik akuisisi dan analisa data untuk menentu-
kan parameter-parameter dalam komponen kedua
ini akan dibahas lebih detail sebagai berikut.
Gambar 2. Kurva hasil pengukuran gas hilang, desorpsi
gas dari kanister, dan gas sisa (Tim, 2008).
Rata-rata Kandungan Gas Di Tempat
Rata-rata kandungan gas ditempat adalah perconto batubara. Saat gas mulai terlepas dike-
volume gas yang adsorpsi oleh batubara per satu- nal sebagai waktu nol (time zero). Jika pembo-
an berat batubara pada kondisi orisinal reservoar ran menggunakan fluida udara, waktu nol adalah
meliputi kandungan air (moisture) dan abu (ash). saat batubara dipotong oleh mata bor. Pada pem-
Metode estimasi kandungan gas adalah dengan boran dengan fluida air, waktu nol adalah waktu
menempatkan perconto batubara dalam kontainer ketika perconto batubara setengah jalan keluar
yang tertutup rapat atau kanister dan mengukur dari lubang bor. Data yang digunakan untuk ke-
volume gas yang terlepas sebagai fungsi waktu. perluan ekstrapolasi adalah data yang diperoleh
Pengukuran harus dilakukan pada kondisi tem- dari beberapa jam pertama pengukuran desorpsi.
peratur reservoar (Mavor dkk, 1996 Titik perpotongan dari ekstrapolasi data-data ini
Metode yang umum digunakan oleh in- terhadap waktu nol diambil sebagai volume gas
dustri adalah uji langsung (Diamond dan Levine, hilang (Gambar 2). Data dan persamaan garis
1981). Volume gas yang diukur pada uji ini dike- ekstrapolasi yang digunakan akan sangat ber-
nal sebagai Q2. Selain evaluasi volume gas yang pengaruh terhadap besarnya volume gas hilang.
terlepas selama desorpsi, juga harus dievaluasi Untuk meminimalisasi kesalahan, penentuan
gas hilang atau Q1 dan gas sisa atau Q3 untuk data dan persamaan garis ekstrapolasi yang tepat
menentukan total kandungan gas yang merupa- harus mempertimbangkan karakteristik batubara
kan penjumlahan gas hilang, volume gas yang serta mengikuti protokol penentuan kandungan
diukur, dan gas sisa. Gas hilang adalah volume gas di lapangan dan di laboratorium yang telah
gas yang terlepas dari perconto batubara selama baku (Noel dkk, 2004). Volume gas hilang meru-
proses pengambilan perconto batubara hingga pakan sumber kesalahan terbesar dalam estimasi
sesaat sebelum ditempatkan dalam kanister. Gas total kandungan gas (Nelson, 1999).
sisa adalah gas yang masih adsorpsi pada per- Setelah kanister kembali dari lapangan,
conto batubara di akhir uji desorpsi. Akhir dari perlu dikondisikan lagi ke temperatur reservoar
desorpsi adalah ketika kurva kumulatif volume dan dilakukan kembali pembacaan desorpsi di
gas atau kandungan gas terhadap akar waktu atau laboatorium sampai gas yang keluar dianggap
waktu desorpsi telah datar mendekati horizontal tidak signifikan lagi. Volume gas sisa ditentukan
(Gambar 2). dengan menghancurkan perconto batubara yang
Volume gas hilang diperkirakan dari digunakan pada uji desorpsi kedalam ukuran
analisa dan ekstrapolasi data yang diperoleh se- kurang dari 60 mesh dan mengukur volume gas
lama uji desorpsi. Metode analisa ini berdasarkan yang dibebaskan pada kondisi temperatur reser-
61
voar. Meskipun gas sisa ini tidak akan terproduksi densitas di tempat dapat diperkirakan berdasar-
dari reservoar, namun merupakan bagian dari to- kan fraksi densitas ash, moisture, dan batubara
tal gas yang diukur pada uji adsorption isotherm murni menggunakan persamaan berikut (Mavor
dan harus dimasukan dalam perhitungan. dkk, 1996):
Umumnya, rata-rata kandungan gas di tempat
dila-porkan pada teka-nan dan temperatur per- Tebal Kotor Reservoar
mukaan dan dinyatakan dalam satuan standar
Tebal kotor reservoar pada sumur-sumur
kubik feet per ton (scf/ton). Karena itu, volume
yang baru dibor dapat ditentukan secara akurat
gas yang diukur dibagi dengan massa perconto
batubara, kemudian
dikonversi ke unit
scf/ton. Kompo-
sisi batubara pada
suatu reservoar
tidak seragam se-
hingga kandungan
gas akan bervariasi.
Untuk menentukan
total kandungan gas
ditempat rata-rata,
harus dilakukan
pengukuran kandu-
ngan gas terhadap
sejumlah perconto
batubara yang me-
wakili variasi kom-
posisi batubara pada
reservoar tersebut. Gambar 3. Hubungan kandungan gas total terhadap fraksi non-batubara (Mavor dkk, 1996)
Terdapat hubungan linear terbalik (negative berdasarkan rekaman log densitas yang diambil
slope) antara kandungan gas dan fraksi non-batu- dari lubang sumur terbuka. Gambar 4 menunju-
bara, misal moisture, dan ash. Analisa proximate kan rekaman log untuk identifikasi suatu lapisan
dan ultimate terhadap perconto batubara adalah batubara, yang dicirikan dengan harga gamma ray
standar analisa batubara untuk mengetahui kand- dan densitas yang rendah, dan harga resistivitas
ungan moisture, fraksi dan jenis mineral, ash, dan
fix karbon. Analisa regresi terhadap hubungan ρ= 1 − f a − f w  ρ o + f a ρ a + f w ρ w
data total kandungan gas dengan fraksi non-ba- ............................. (2)
tubara dapat digunakan menentukan kandungan yang tinggi. Tebal kotor reservoar meliputi inter-
gas ditempat rata-rata, bila diketahui kandungan val ketebalan yang mempunyai densitas kurang
rata-rata moisture dan ash pada reservoar tersebut dari densitas ash sebagai nilai cut-off. Batas atas
(Gambar 3). Rata-rata kandungan gas di tempat densitas ini mengeliminasi batuan interbedded
yang diperoleh dari grafik ini adalah nilai yang yang mempunyai kandungan gas kecil dan akan
digunakan dalam Persamaan (1) untuk perhitun- mencakup sebagian besar batuan organik inter-
gan isi awal gas di tempat. beds dalam estimasi tebal kotot reservoar.
Perhitungan isi awal gas di tempat harus
Rata-rata Densitas di Tempat mencakup semua batuan reservoar yang kontri-
busi terhadap produksi. Contoh pada reservoar
Data log densitas dari lubang sumur ter- GMB Fruitland di San Juan Basin, yang menun-
buka merupakan data yang paling akurat untuk jukkan bahwa produksi gas dapat berasal dari
menentukan rata-rata densitas di tempat (Amin- lapisan batubara, batubara bercampur shale, dan
ian). Bila data dari log sumuran tidak tersedia, carbonaceous shale (Mavor dkk, 1996). Inter-
62
bedding ini terdapat pada batuan permeabilitas Cadangan Gas

rendah dan tinggi. Aliran gas pada batuan perme-
abilitas rendah terjadi karena ada gradien tekanan Cadangan gas adalah volume gas yang
atau difusi pada interval yang relatif pendek da- terdapat di dalam reservoar GMB yang dapat
diproduksikan secara ekonomis dalam
kurun waktu proyek dengan mengguna-
kan teknologi yang ada saat ini. Untuk
menghitung cadangan gas suatu reser-
voar GMB, diperlukan data perilaku
adsorpsi gas disamping data kandungan
gas. Model yang umum digunakan un-
tuk menentukan perilaku adsorpsi gas
pada batubara adalah Langmuir iso-
therm yang mana dinyatakan dengan
persamaan berikut:
V Lp
Gs =
p L + p ................................... (3)
Adsorpsi isotherm menunjukkan kapasi-
tas serap gas maksimum suatu batubara
sebagai fungsi tekanan. Data adsorpsi
gas isotherm ditentukan dengan cara
menghancurkan perconto batubara ke-
dalam ukuran-ukuran halus dan secara
sistimatis mengukur volume gas yang
dapat disimpan oleh perconto batubara
Gambar 4. Identifikasi ketebalan lapisan batubara dari rekaman log
tersebut pada berbagai tekanan. Hasil uji
(Abdassah, 2010).
tersebut digunakan untuk menentukan
lam matriks batuan yang terhubung ke cleat. Se- parameter Langmuir VL dan pL. Pengujian harus
lama cleat ini tidak terisi oleh material penyum- dilakukan pada temperatur reservoar dan pada
bat, maka keseluruhan tebal kotor reservoar yang kondisi kandungan moisture di tempat.
berisi material-material organik akan mempunyai Gambar 5 menampilkan tipikal kurva
kemampuan memproduksikan gas. Konklusi ini Langmuir isotherm. Kandungan gas mula-mula
didukung oleh data log produksi dari reservoar juga diplot pada gambar yang sama. Kandungan
GMB Fruitland (Mavor dkk, 1996). gas batubara bisa lebih kecil dibandingkan harga
maksimum adsorpsi isotherm. Bila kondisi ini
terjadi, maka tidak akan ada gas bebas dan sistem
Luas Pengurasan Reservoar
cleat akan terisi sepenuhnya oleh air. Gas akan
Luas pengurasan reservoar umumnya terbebaskan saat tekanan di dalam sistem cleat
didefinisikan oleh konstrain fisik seperti variasi lebih rendah dari tekanan desorpsi kritikal. Kon-
struktural dan startigrafi dan jarak pola antar disi ini dicapai melalui produksi air atau dewa-
sumur. Variasi struktural dan startigrafi akan me- tering. Maksimum gas yang dapat diproduksikan
nentukan distribusi batubara tiga dimensi. Jarak adalah selisih kandungan gas pada tekanan des-
antar sumur dapat digunakan dalam memperkira- orpsi kritikal dengan kandungan gas pada teka-
kan area pengurasan jika lapisan batubara dia- nan abandonment, yaitu kondisi batas ekonomis
sumsi kontinu secara lateral. Evaluasi geologi laju alir produksi gas. Faktor perolehan pada ba-
dapat memberi petunjuk mengenai kontinuitas tas ekonomis tersebut diperoleh dengan menggu-
lapisan batubara dan karakteristiknya. Data seis- nakan persamaan berikut:
mik tiga dimensi juga sering digunakan dalam
menentukan geometri reservoar GMB.
63
penurunan laju produksi gas dan air.

RF = G i G a
−
Estimasi deliverability reservoar GMB
Gi ...................................... (4)
memerlukan estimasi sifat-sifat sistem cleat ba-
Saturasi gas didefinisikan sebagai perbandingan tubara yang akurat. Permeabilitas absolut dan
kandungan gas reservoar pada tekanan awal res- permeabilitas relatif adalah dua sifat sistem cleat
ervoar dibagi kandungan gas maksimum yang yang sangat berpengaruh terhadap laju produk-
dapat diadsorpsi oleh batubara pada tekanan si gas dan air (Aminian). Uji transien tekanan
tersebut. Berbeda dengan estimasi isi awal gas di adalah satu-satunya cara menentukan permea-
tempat pada reservoar gas konvensional, saturasi bilitas sistem cleat. Pengukuran permeabilitas
gas pada reservoar GMB tidak digunakan dalam dari perconto batubara tidak merepresentasikan
perhitungan isi awal gas. Cadangan gas adalah ha- permeabilitas reservoar karena sulit mendap-
sil perkalian isi awal gas di tempat dengan faktor atkan perconto batubara yang mewakili sistem
perolehan pada batas ekonomis lapangan GMB cleat reservoar. Teknologi untuk desain, pengu-
tersebut. Tabel 2 menampilkan harga faktor per- jian, dan interpretasi uji transien tekanan pada
olehan dari beberapa proyek komersial GMB reservoar gas klasik dapat digunakan juga pada
reservoar GMB. Namun demikian, karakteris-
Deliverability tik reservoar GMB harus dipertimbangkan saat
interpretasi data uji sumuran. Karakteristik ini
Aliran fluida gas dan air ke sumur di da- meliputi sistem dual porositas, aliran dua fasa,
lam reservoar GMB terjadi melalui sistem cleat. sifat-sifat mekanika batubara yang merupakan
Pada kondisi awal, air memenuhi cleat dan te- fungi dari stress, dan reservoar batubara umum-
kanan yang ada dalam cleat akan menghalangi nya terdiri atas beberapa lapisan. Produksi dari
metana mengalir ke sumur-sumur produksi. Un- reservoar GMB dicirikan oleh difusi gas satu fasa
tuk memproduksi metana dari lapisan batubara, sepanjang matriks batubara dan aliran dua fasa
air harus diproduksikan terlebih dahulu sehingga gas dan air sepanjang sistem cleat. Aliran gas dari
tekanan di dalam sistem cleat menurun. Tipikal matriks batubara ke sistem cleat dikontrol oleh
produksi sumur-sumur GMB ditampilkan pada proses desorpsi. Proses desorpsi gas ini perlu
Gambar 6. Pada fase pertama, produksi didomi- didefinisikan dalam total kompressibilitas, seh-
nasi oleh air. Produksi gas meningkat hingga ingga persamaan total kompressibilitas menjadi
mencapai laju makasimum selama fase kedua (McKee dan Bumb, 1985):
sedangkan produksi air mulai berkurang. Periode
pengeringan ini dapat berlangsung beberapa min-
ggu hingga tahunan. Fase ketiga ditandai dengan c t S gf c g + S wf c w + c f + c d
= ......... (5)
Gambar 5 Hubungan kandungan gas total terhadap fraksi non-batubara.

Tabel 2 Perbandingan karakteristik beberapa proyek GMB komersial (Creties dkk., 2008).
64
tebal Kandun- Jarak Laju alir Cad

Luas Rank batu- Permeabi Jumlah OGIP RF
Cekungan Lapangan batubara gan gas Sumur /sumur Bscf /
(mil2) bara (mD) sumur (Bscf) (%)
(ft) (scf/ton) (acres) (Mscf/D) sumur
San Juan (US) Ignacio Blanco 60 40-70 Bituminous 300-600 5-50+ 60-320 130 1500 1760 66 Mar-15
Drunkard`s
Uinta (US) 120 Apr-48 Bituminous 425 May-20 160 450 500 1571 57 1.5-4
Wash
Black Warrior (US) Cedar Cove 65 25-30 Bituminous 250-500 Jan-25 80 520 100 809 53 0.5-1.5
Recluse Raw- Subitumi-

Powder River (US) 75 40-90 30-70 5+ 80 600 150 288 62 0.2-0.5
hide Butte nous
Western Canadian Horseshoe Subitumi-

620 35-110 55-110 0.1-100 80-160 3300 45 4393 28 0.2-0.5
Sedimentary (Alberta) Canyon nous
Bowen Basin-Australia Fairview 430 50-100 Bituminous 200-400 100 250 80 700 450 60 2.5-3.5
Yangcheng -
Qinshui Basin (China) 22 20-40 Anthra cite 300-900 <1-5 80 40 70-140 100 20 0.4-0.8
Qinshui
65
Gambar 6. Karakteristik produksi sumur GMB (Donna, 2004).
Kompressibilitas desorpsi didefinisikan sebagai tunggal dapat digunakan dalam interpretasi data
berikut (McKee dan Bumb, 1985): dari pengujian tersebut. Pelaksanaan injeksi atau
falloff harus dilakukan pada laju alir rendah un-
B g ρ oV L (1 − f a − f w ) tuk menghindari perekahan batubara dan memi-
cd = nimalkan perubahan permeabilitas akibat efek
− 2
 stres.
32, 0368  p L + p  φ f ....................... (6)
  Ketika gas terlepas dari matriks batubara,
maka akan terjadi penyusutan pada matriks ba-
Bila tidak ada aliran dari matriks ke sistem cleat, tubara tersebut sehingga merubah porositas dan
maka harga cd adalah nol. Bila matriks kontribusi permeabilitas sistem cleat. Efek penyusutan ini
terhadap aliran, maka total kompressibilitas akan menjadi signifikan pada tekanan rendah dan akan
didominasi oleh harga cd. menghasilkan deliverability gas yang lebih baik
Walaupun dimungkinkan menentukan pada tahap akhir produksi sehingga memperpan-
permeabilitas sistem cleat dari data uji aliran jang deliverability suatu reservoar GMB.
dua fasa, namun hasilnya akan sangat tergantung Permeabilitas relatif adalah salah satu pa-
pada asumsi model relatif permeabilitas yang di- rameter kunci dalam menentukan de-liverability
gunakan. Oleh karena itu, akan lebih baik bila uji reservoar GMB. Pengukuran laboratorium terha-
dilakukan dalam kondisi aliran satu fasa. Pada dap perconto batubara tidak dapat memberikan
under-saturated reservoar GMB seperti Gambar indikator yang akurat terhadap permeabilitas
5, bila tekanan awal reservoar diatas tekanan de- relatif karena perconto batubara yang diguna-
sorpsi kritikal maka cleat akan terisi sepenuh- kan tidak cukup merepresentasikan sistem cleat
nya oleh air. Jika uji injeksi atau falloff dilaku- yang ada pada reservoar GMB. Sangat sulit
kan dengan menginjeksikan air, tekanan pada memperoleh perconto batubara yang kompoten
sistem cleat akan tetap diatas tekanan desorpsi dari reservoar yang memiliki densitas rekahan
kritikal sehingga kondisi aliran satu fasa terjadi tinggi. Penyelarasan sejarah produksi gas dan air
selama uji. Dengan demikian, model porositas melalui simulasi reservoar adalah metode praktis
66
Tabel 3. Kebutuhan dan aplikasi teknologi untuk reservoar GMB (Creties dkk., 2008).
Bidang
Kebutuhan Teknologi Aplikasi Teknologi
Teknologi
Karakterisasi
Kuantifikasi densitas dan sistem rekahan Seismik 3D dan 4D
Reservoar
Identifikasi zone permeabilitas tinggi Alat pencitraan sumuran
Geokimia permukaan
Pengukuran kandungan gas yang adsorpsi Analisa spektroskopis bawah sumur
Log geokimia
Pengukuran permeabilitas Analisa sebelum dan setelah minifrac
Sistem injeksi/isolasi wireline-conveyed
Identifikasi reservoar behind-pipe Analisa sepanjang selubung
Memperbaiki algoritma interpretasi
Operasi
Cepat, reduksi biaya pengeboran Sistem tekanan tinggi, jet-assisted coiled-tubing
Pengeboran
Pipa pengeboran komposit dan telemetrik
Fluida pengeboran ramah lingkungan dan tidak meru-
sak formasi
Reduksi lahan pengeboran Sumur multilateral
Ekstraksi reservoar
Stabilitas sumur horizontal Kombinasi sistem liner dan drill
Mekanikal sistem liner
Operasi
Semen yang tidak merusak Sement ultralightweight
Komplesi
Akses formasi Jet-assisted hydrojetting
Perforasi laser energ tinggi
Meningkatkan efektifitas perekahan hidrau- Sistem coiled-tubing-conveyed dengan sumur horizon-
lik tal
Diagnosa rekahan dengan mikroseismik dan tiltmeters
Fluida perekah ramah lingkungan
Propan ultralightweight
Operasi
Artificial lift / Pembuangan air Separasi gas/air bawah sumur dan re-injeksi
Produksi
Meningkatkan filtrasi dan atau sekuestrasi kontaminan
Surface-modification agents
Smart-well dengan sistem pakar
Peningkatan produksi Injeksi nitrogen atau karbon dioksida
Memperbaiki konfigurasi lubang sumur horizontal
Meningkatkan produksi gas dengan mikroba
67
mendapatkan permeabilitas relatif yang realistis. isi awal gas di tempat dan cadangan menjadi
Bila belum cukup data produksi untuk keperluan lebih akurat, sehingga pada akhirnya keekono-
penyelarasan sejarah produksi ini, maka relatif mian proyek pengembangan GMB menjadi lebih
permeabilitas dapat diasumsi. baik. Inovasi teknologi jelas masih sangat diper-
lukan untuk terus memperbaiki tingkat dan laju
IV. Perkembangan Teknologi Ke Depan pengembangan GMB.
Dalam evaluasi suatu prospek GMB, isi
Teknologi yang dibutuhkan untuk awal gas di tempat, cadangan, dan deliverabil-
pengembangan reservoar GMB pada dasarnya ity merupakan tiga parameter kunci. Sebagian
sama dengan reservoar hidrokarbon konven- besar gas tersimpan secara adsorpsi pada mikro
sional, yaitu karakterisasi reservoar, pengeboran, pori matriks batubara dan sebagian kecil mengisi
komplesi, dan produksi seperti ditampilkan da- makro pori sistem cleat. Oleh karena itu, sifat-si-
lam Tabel 3. Tahapan kritis dalam menentukan fat matriks batubara sangat menentukan volume
teknologi yang tepat akan sangat tergantung pada isi awal gas di tempat dan cadangan yang dapat
tingkat heterogenitas reservoar, sifat mekanika diproduksikan, sedangkan sifat-sifat sistem cleat
batubara, dan jenis fluida yang ada. Selain itu, akan sangat mempengaruhi gas deliverability.
laju alir gas dan besarnya cadangan memainkan Kandungan gas dan kapasitas simpan batubara
peran dalam proses seleksi teknologi yang akan adalah dua parameter kunci yang diperlukan da-
digunakan karena walaupun teknologi itu sangat lam evaluasi isi awal gas di tempat dan cadangan.
bermanfaat, misal seismik 3D, tapi biayanya akan Kedua parameter ini diperoleh dari pengukuran
sangat mahal. Kombinasi yang tepat antara skala perconto batuan.
korporat, penggunaan teknologi, dan skema kon-
trak akan menentukan keberhasilan suatu proyek
pengembangan GMB. Harga gas yang terus mem- Daftar Simbol
baik akhir-akhir ini telah ikut mendorong minat A = luas pengurasan reservoar, acre
investasi mengembangkan sumber daya GMB. Bg= faktor volume formasi gas, rcf/scf
Perkembangan ke depan adalah meng- Bgi
= faktor volume formasi gas pada tekanan
kombinasikan pengembangan GMB dengan in- awal reservoar, rcf/Mscf
jeksi karbon dioksida. Batubara dan unsur orga- cd = kompressibilitas penyerapan, psi-1
nik penyusunnya akan menjerap karbon dioksida cf = kompressibilitas sistem rekahan, psi-1
yang dinjeksikan dan mendorong metana lepas cg = kompressibilitas gas, psi-1
dari jerapan batubara sehingga pada saat yang ct = kompressibilitas total, psi-1
bersamaan akan meningkatkan perolehan gas fa = fraksi berat ash, fraksi
metana dan sekuestrasi karbon dioksida. Walau- fm = fraksi berat moisture, fraksi
pun sekuestrasi karbon dioksida pada lapisan ba- Ga = kapasitas simpan gas batubara di tempat
tubara dapat menimbulkan problem teknis yaitu pada tekanan abandonment, scf/ton
batubara akan mengembang sehingga mengu- Gi = kapasitas simpan gas batubara di tempat
rangi permeabilitas cleat, proyek kombinasi pen- pada kondisi awal, scf/ton
ingkatan perolehan dan sekuestrasi telah mulai Gi
= rata-rata kandungan gas batubara di tem-
berkembang dibeberapa negara. pat, scf/ton
Gs = kapasitas simpan gas batubara di tempat,
V. Kesimpulan scf/ton
h = tebal kotor reservoar, ft
Dari proyek komersial GMB diseluruh IGIP = isi awal gas di tempat, Mscf
dunia yang telah berlangsung selama lebih dari p = tekanan, psia
20 tahun, telah diperoleh berbagai kemajuan sub- p = tekanan rata-rata sistem rekahan, psia
stansial dalam teknologi karakterisasi reservoar, p = Langmuir konstan tekanan, psia
L
pengeboran, komplesi, dan produksi. Pencapai- RF = faktor perolehan gas, fraksi
an ini berdampak pada proses dewatering yang S = saturasi gas pada sistem rekahan, fraksi
gf
berlangsung lebih cepat, puncak laju alir gas da- S = saturasi air pada sistem rekahan, fraksi
wf
pat dicapai lebih awal dan lebih besar, estimasi V = Langmuir konstan volume, scf/ton
L
68
ρ = densitas bulk, g/cm3 Diamond, W.P. and Levine, J.R., 1981. Direct
ρa = densitas ash, g/cm3 Method Determination of the Gas content of
ρo = densitas batubara murni, g/cm3 Coal: Procedures and Results. Report of In-
ρw = densitas moisture, g/cm3 vestigation 8515, United States Department
ro = rata-rata densitas batubara murni di tem-
of Interior, Bureau of Mines, Washington,
pat, g/cm3
D.C.
φf = porositas rekahan efektif, fraksi
Donna, G., 2004. Unconventional Gas. White
Paper, Schlumberger.
Daftar Pustaka
McKee, C. R. and Bumb, A. C., 1985. Flow Test-
Abdassah, D., 2010. Workshop Teknologi Ek- ing Coalbed Production Wells in the Pres-
sploitasi Coal Bed Methane (CBM). Pusat ence of Water and Gas. Paper SPE 14447,
Penelitian dan Pengembangan Teknologi Proceedings of the SPE Annual Technical
Minyak dan Gas Bumi ”LEMIGAS”, Ja- Conference and Exhibition.
karta.
Nelson, C.R., 1999. Effects of Coalbed Reservoar
Advanced Resources International, Inc. (ARI),
Property Analysis Methods on Gas-In-Place
2003. Indonesian Coalbed Methane. Asian
Development Bank TA No. 3671-INO “Pre- Estimates. Paper SPE 57443, Proceeding of
paring a Gas Sector Development Plan Part SPE Eastern Regional Conference.
B – Coalbed Methane”, Arlington, Virginia Noel, B. W., George, L.H. III, and James, C. S.
USA. H., 2004. Overview of Coal and Shale Gas
Aminian, K. Evaluation of Coalbed Methane Measurement: Field and Laboratory Proce-
Reservoars. Petroleum & Natural Gas En- dures. Proceeding of the 2004 International
gineering Department, West Virginia Uni- Coalbed Methane Symposium, the Univer-
versity.
sity of Alabama, Tuscaloosa, Alabama.
Creties, D. J., DeGolyer and MacNaughton,
Tim, P., 2008. Gas Sorption Properties for Coal
Charles, M. B., 2008. Coalbed- and Shale-
Gas Reservoars. Journal of Petroleum Tech- Gas Reservoar Systems – Value and Insight.
nology, 92-99. IndoCBM 2008, TICORA Geosciences.
Evaluasi Metode Stimulasi Radial Jet Drilling untuk Optimasi Dewatering
pada Sumur Gas Metana Batubara di Lapangan Rambutan
Gathuk Widiyanto(1), Panca Wahyudi(2)

(1)
Peneliti, (2) Perekayasa, Pusat Penelitian dan Pengembangan Teknologi Minyak dan Gas Bumi
“LEMIGAS”,
Jl. Ciledug Raya Kav. 109, Cipulir, Kebayoran Lama, Jakarta Selatan 12230,
email: (1)gathuk@lemigas.esdm.go.id, (2)pancaw@lemigas.esdm.go.id
Telp.: 021-7394422
Sari
Keberhasilan dalam eksploitasi gas metana batubara (GMB) sangat dipengaruhi oleh seberapa
cepat proses dewatering dapat diselesaikan. Pada reservoir-reservoir GMB, batubara umumnya diciri-
kan dengan rendahnya permeabilitas sehingga menyebabkan lamanya proses dewatering. Pemanfaa-
tan teknologi radial jetting, teknologi yang biasanya digunakan untuk meningkatkan produktivitas
sumur, diharapkan dapat mempercepat proses tersebut. Proses dewatering di lapangan Rambutan
– Sumatera Selatan juga mengalami problem yang sama, dan pemboran radial jetting diterapkan.
Penerapan pemboran radial jetting – terkadang disebut radial jet drilling – tampaknya memberikan
hasil yang baik terlihat dari meningkatnya permeabilitas batubara dan meningkatnya laju dewatering.
Analisis atas data injectivity fall off (IFO) pada sumur EXAM yang diukur pada saat sebelum dan
sesudah radial jetting menunjukkkan peningkatan permeabilitas dari 10,68 mD menjadi 15,45 mD.
Peningkatan permeabilitas ini berdampak pada peningkatan laju dewatering dari 1,91 BWPD menjadi
4,76 BWPD dan meningkatkan produksi gas dari 0,58 MSCFD menjadi 10,5 MSCFD. Keberhasilan
dalam penerapan teknologi radial jetting ini menunjukkan bahwa metode ini dapat dianggap sebagai
suatu alternatif terhadap pemboran horisontal. Dengan jangkauan lateral yang lebih luas – dan dengan
biaya lebih murah – metode ini terbukti telah dapat mempercepat proses dewatering dan meningkat-
kan laju produksi gas.
Kata kunci: dewatering lambat, radial jet drilling, perbaikan permeabilitas, laju produksi gas men-
ingkat.
Abstract
Success in coal bed methane (CBM) exploitation is much influenced by how fast the water-
ing process is completed. In coal bed methane reservoirs the coal is generally characterized by low
permeability and consequently the dewatering process is expected to take a long time. Utilization of
radial jetting technology, technology that is usually used for improving well productivity, is hoped to
enable the acceleration of the process. The dewatering process in Rambutan field – South Sumatera
faces the same problem, and radial jet drilling is applied. Application of the radial jet drilling – or
radial jetting method – appears to be promising, shown by the increase in the coal seam’s well test-
ing permeability and the increase of the dewatering rate. Analyses on injectivity fall off (IFO) data on
EXAM well prior and after jetting have shown increase in permeability from 10.68 mD up to 15,45
mD. This corresponds to increase in dewatering rate from 1,91 BWPD to 4,76 BWPD and improving
the gas rate from 0,58 MSCFD to 10,5 MSCFD. The success in the application of radial jetting tech-
nology suggests that the method can be considered as an alternative to horizontal drilling. With its
larger lateral coverage – and relatively low in cost – it proves to have accelerated dewatering process
and to increase gas production rate.
Keyword: Slow dewatering, radial jet drilling, permeability improvement, higher gas production
rate
69
70
I. Pendahuluan Alasan dipilihnya teknologi RJD adalah

bahwa teknologi perforasi yang terbaru hanya
Sebagian besar kandungan gas metana
dapat menembus 1,5 m dari lubang sumur, se-
terserap dan tertahan pada matriks batubara, hanya
hingga radius pengurasannya jauh lebih sempit.
sedikit yang terdapat pada cleats sebagai gas be-
Kedua, penerapan metode multilateral drilling
bas. Terlebih lagi, pada kondisi awal di reservoir
sangat tinggi biayanya. Ketiga, RJD merupakan
adalah water-wet, jadi untuk dapat memproduk-
teknologi alternatif yang relatif fleksibel terha-
sikan gas metana tersebut kita harus membuang
dap variasi batuan dan arah lubang pemboran
terlebih dahulu air yang ada pada sistem cleats
yang relatif mudah dikendalikan. Tabel 1 dan 2
dengan cara menurunkan tekanan hidrostatisnya.
memperlihatkan perbandingan tipikal antara be-
Hasil dari penurunan tekanan hidrostastisnya gas
berapa cara untuk meningkatkan produksi/stimu-
metana yang terserap pada matriks batubara akan
lasi GMB.
terdesorpsi dan keluar bersama-sama dengan ter-
produksinya air. Proses tersebut disebut dewater- Tabel.1. Perbandingan berbagai metode pemboran dan
ing. Pada tahap awal dewatering ini umum halnya stimulasi.
bahwa yang terproduksi lebih banyak adalah air. Cost Opera-
Pada proses ini secara bertahap produksi air akan Method Damage Risk
(Rp) tional
berkurang seiring dengan peningkatan produksi Vertical Well 8M normal caving difficult
gas. Proses dewatering ini dapat memakan waktu
Radial 4 side 1M minimal minimal easy
beberapa hari sampai dengan beberapa bulan atau
Horizontal well 6,5 M normal caving difficult
bahkan tahun.
Salah satu upaya untuk mempercepat Fracturing 3,5 M minimal minimal easy
proses dewatering atau melakukan optimasi de-
watering adalah dengan memperbesar laju alir Tabel.2. Perbandingan teknis antara sumur horizontal dan
fluida di dalam reservoir. Batubara sebagai for- radial jetting.
masi reservoir gas metana batubara (GMB) yang
Diameter Thickness Area
mempunyai porositas dan permeabilitas sangat Width
kecil sehingga untuk melakukan optimasi de- in cm ft cm in2 cm2 m2
watering dari segi reservoirnya adalah dengan Vertical 7 1778 40 1219 10550 68067 7
melakukan stimulasi. Radial 4
2 5 1200 36576 89076 674680 57
Obyek penelitian ini dilakukan di lapan- side
gan Rambutan Formasi Muara Enim. Pada lapan- Horizon-
7 17 300 9144 73476 474038 47
gan Rambutan terdapat 5 sumur CBM dimana tal
3 diantaranya adalah sumur aktif yaitu CBM-3,
CBM-4, dan CBM-5. Pada saat ini sumur-sumur
II. Proses Dewatering
CBM di lapangan Rambutan masih dalam tahap
dewatering sehingga sangat diperlukan untuk Proses dewatering di lakukan sam-
dilakukan optimasi untuk percepatan produksi pai air yang terkandung dalam reservoir GMB
gas metana batubara. Untuk itu perlu dilakukan berangsur-angsur menurun dan habis, dan gas
evaluasi apakah optimasi yang dilakukan berha- metana yang terkandung dalam lapisan batubara
sil atau gagal dengan upaya stimulasi radial jet mampu keluar sendiri dan secara signifikan me-
drilling (RJD). ningkat lajunya. Seperti terlihat pada Gambar 1,
Radial jet drilling merupakan suatu me- proses dewatering ini bisa memakan waktu 2 sam-
tode singkat untuk kerja-ulang sumur dengan pai 3 tahun atau bahkan lebih tergantung jumlah
menggunakan teknologi modified coiled tubing. volume air yang harus di pompa, permeabilitas
Metode ini dapat membor lubang dengan lateral reservoir GMB, serta faktor peralatan dewatering
diameter sebesar 50mm dan membor mencapai seperti pompa dan peralatan dasar sumur. Gam-
100 meter dari lubang bor. Pengerjaan metode bar 1 tersebut memperlihatkan fase-fase sejarah
RJD yang menggunakan perlatan terkini hanya produksi fluida dari suatu sumur CBM. Pada fasa
memakan waktu kurang dari 12 jam untuk mem- pertama, fluida yang mula-mula terdapat pada
buat 4 lubang. rekahan (cleat) diproduksi. Sistem rekahan um-
71
umnya dijenuhi seluruhnya oleh air. Pada fase ini

air dikeluarkan pada laju yang tinggi sedangkan
gas pada laju yang sangat rendah. Fase ini diciri-
kan dengan laju pengeluaran air yang tetap dan
penurunan tekanan alir. Pada fase kedua, laju pe-
ngeluaran gas bertambah hingga mencapai harga
maksimum, yang disebut laju gas puncak. Sela-
ma fase ini, laju pengeluaran air mulai berkurang
Gambar 2. Perbandingan antara Radial Jet Drilling dan

Perforating Gun (Sadikin, 2010)
Gambar.1. Proses dewatering tipikal pada sumur GMB

(Cockroft, 2008).
sebagaimana batubara dikeringkan. Periode pe-

ngeringan bagi batubara dapat memerlukan wak-
tu mingguan hingga tahunan. (Ratnayu S, 2008)
Ada 3 tahap dalam memproduksi GMB
yaitu: (1) Tahap dewatering, fluida yang dihasil-
kan di dominasi oleh air dan sebagian kecil gas,
(2) Tahap stabil, pada tahap ini telah terjadi kon-
disi yang stabil dalam produksi gas setelah teka-
nan reservoir turun dimana terjadi peningkatan
gas dan penurunana produksi air, (3) Tahap de-
cline, ini adalah tahap terakhir yaitu terjadi pada
saat produksi gas mulai menurun secara berang-
sur dan sumur memproduksi air secara konstan
dan menerus.
Gambar 3. Aplikasi Radial Jet Drilling pada lapisan berla-
pis (Sadikin, 2010).
III. Sekilas mengenai Radial Jetting
Radial jet drilling adalah salah satu me- kan perolehan cadangan. Pemboran lateral dapat
tode yang dapat diaplikasikan untuk meningkat- dilakukan baik pada lapisan tunggal maupun ber-
kan produksi hidrokarbon pada sumur-sumur lapis tergantung ketebalan formasi dan hubungan
baru ataupun sumur tua. Pemilihan metode ini di- antar lapisan. Gambar 3 menunjukkan prinsip
dasarkan pada kenyataan bahwa untuk meningkat- RJD dan aplikasinya pada lapisan berlapis.
kan produksi GMB perlu dilakukan upaya-upaya Penentuan parameter teknis seperti pan-
sebagai berikut; membuka area rusak di dinding jang lateral atau radial, jumlah radial dan desain
selubung sumur yang disebabkan oleh penyeme- tergantung dari karakteristik reservoirnya seperti
nan, sehingga akan memperluas area pengurasan ketebalan formasi, sifat fluida, jarak antar sumur,
GMB. Gambar 2 memperlihatkan perbandingan tekanan reservoir, dan gravity. Umumnya dalam
jarak yang dicapai berbagai metode perforasi. pelaksanaannya panjang lateralnya adalah 25
Tujuan utama RJD adalah meningkatkan sampai 150 kaki (8 – 46 m) pada lapisan tunggal
radius pengurasan sumur yang akan meningkat- maupun lapisan berlapis dengan peningkatan laju
72
pemboran. Alat ini akan meneruskan gaya

putar yang dihasilkan dari pompa lumpur
ke mata pahat bor ketika lumpur dipom-
pakan ke rangkain milling sehingga mata
pahat dapat melubangi dinding selubung
sumur..
c. Centralizer
Adalah alat untuk menjaga posisi kedu-
dukan tubing kerja agar tetap ditengah-
tengah selubung pada saat melakukan
operasi pemboran.
d. Mata pahat bor
Pahat yang digunakan pada operasi RJD
Gambar.4 Sampel batuan setelah mengalami Radial Jet
Drilling (Sadikin, 2010) adalah berukuran kecil biasanya beruku-
ran 7/8 inci. Fungsi dari mata pahat di sini
adalah untuk melubangi dinding selubung
produksi hingga dapat mencapai rata-rata 200
apabila operasi RJD dilakukan pada
% - 400%. Gambar 4 memperlihatkan gambaran
lapisan yang tertutup selubung sumur.
mengenai batuan yang telah terkena penetrasi
e. Pompa lumpur
RJD.
Alat yang berfungsi membantu pergera-
A. Peralatan Radial jet drilling kan dari mata pahat pada saat pelubangan
1. Peralatan Permukaan dinding selubung.
Berikut adalah peralatan yang dibutuhkan f. Selang fleksibel bertekanan tinggi
untuk operasional RJD: Merupakan selang yang fleksibel dan
a. CTU (Coil tubing unit) mampu menahan tekanan yang cukup be-
Adalah semacam selang atau pipa yang sar karena melalui alat ini air betekanan
digunakan sebagai tubing pada saat ope- tinggi disalurkan sebelum ditembakkan
rasi RJD. untuk melubangi batuan formasi melalui
b. Pompa tekanan tinggi jet nozzle.
Pompa bertekanan tinggi yang berguna g. Jet Nozzle
menyemburkan air untuk pelaksanaan Di alat ini lah air bertekanan tinggi disem-
pemboran. protkan untuk mengebor batuan formasi.
c. Tanki Gambar 5 memperlihatkan peralatan RJD yang
Berguna sebagai tempat penyimpanan terdiri dari peralatan permukaan dan bawah per-
air yang nantinya digunakan pelaksanaan mukaan lengkap dalam satu truk trailler sedang
RJD. berada di lokasi.
d. Pulling unit atau WO Rig
Berguna untuk menarik rangkaian tubing
kerja ke permukaan pada saat program
RJD dilaksanakan.
2. Peralatan bawah permukaan
Peralatan yang digunakan di bawah permu-
kaan antara lain :
a. Deflector Shoe
Alat yang dipasangkan di ujung tubing
kerja yang berfungsi sebagai pembelok
rangkain jet nozzle pada saat akan dilaku-
kannya pemboran.
b. Flexi shaft
Merupakan sambungan dari mata pahat Gambar 5. Peralatan RJD lengkap dalam satu truk trailler
73
B. Kinerja Radial Jetting operator sedang mempersiapkan reel dari coil

Ada dua tahap pada proses RJD: tubing agar bisa masuk dengan sempurna ke da-
a. Tahap pertama: Pelubangan dinding pipa lam sumur.
selubung dengan menggunakan rangkaian
coil tubing, deflector shoe dengan sudut IV. Analisis dan Pembahasan
90o yang dilengkapi centralizer, pompa
lumpur dan mata pahat ukuran 7/8 inci. Untuk mengetahui sukses tidaknya stimu-
Pahat ukuran kecil ini akan membor dan lasi radial jetting maka perlu indikator yang jelas
menembus dinding pipa selubung secara dan terukur dalam identifikasi hasil stimulasi. In-
sangat cepat selama ± 1 jam. Perputaran dikator yang paling penting tersebut adalah:
pahat dibantu oleh pompa lumpur yang - Produksi sumur
digerakkan oleh tenaga air pada teka- - Karakteristik Sumur
nan mencapai 3000 psig. Setelah proses Untuk produksi sumur, termasuk produk-
pelubangan pipa selubung selesai maka si gas dan air yang terproduksi, hal ini paling
rangkaian coil tubing dicabut. mudah dilakukan karena hanya perlu pengukuran
b. Tahap kedua: Masuk kembali rangkaian saja. Sedangkan untuk mengetahui karakteristik
coil tubing dengan komposisi baru yaitu sumur perlu dilakukan pengujian sumur sebelum
selang fleksibel serta jetting nozzle uku- dilakukan stimulasi.
ran 5/8 inci yang akan menembus batuan Selama pengujian sumur berlangsung,
formasi dengan tenaga penyemprotan air respon tekanan transien tercipta oleh peruba-
bertekanan tinggi. Batuan formasi akan han sementara laju produksi. Respon dari sumur
hancur menjadi serpihan yang sangat ha- biasanya dimonitor dalam periode waktu yang
lus dan tidak perlu disirkulasi kepermu- relatif singkat, dibandingkan dengan usia ope-
kaan. serpih halus akan terbawa keper- rasi reservoir tersebut, disamping tergantung
mukaan pada saat sumur diproduksikan. juga pada tujuan dari pengujian. Untuk evalu-
Pekerjaan tahapan - 1 dan tahapan - 2 dapat di- asi sumur, kebanyakan pengujian selesai dalam
lakukan berulang-ulang sesuai berapa banyak waktu kurang dari dua hari.
target pelubangan lateral. Arah lubang lateral di- Pada umumnya pengujian sumur, laju
lakukan dengan bantuan memutar deflector shoe. aliran diukur di permukaan sementara tekanan
Jarak penetrasi pelubangan dengan penyempro- direkam di bawah permukaan. Sebelum dibuka,
tan air dapat mencapai 350 ft/100 mtr jauh keda- tekanan awal adalah konstan dan merata reser-
lam batuan reservoir. Diameter lubang lateral da- voir.
pat mencapai 2 inci, sehingga dengan demikian Karena tekanan didalam sumur GMB relatif ren-
permeabilitas horizontal akan bertambah besar dah dan tekanan yang didapatkan pada saat build-
yang kemudian berakibat aliran fluida dari reser- up adalah tekanan hidrostatik, maka perlu dipilih
voir ke lubang sumur akan meningkat. Produksi metode uji yang tepat untuk mengetahui karak-
sumur juga akan meningkat. Lubang lateral dapat teristik dan efek penggunaan stimulasi RJD.
dibuat menurut 4 arah berbeda dengan perbedaan Untuk itu digunakan uji injektivitas atau fall-off
jarak vertikal hanya beberapa inci saja. Gambar 6 test.
memperlihatkan secara skematik bagaimana RJD Pengujian fall-off dianalogikan dengan
bekerja dalam melubangi reservoir. uji tekanan build up pada sumur produksi. Injeksi
Untuk memantau operasi lateral penyem- dengan laju, q, konstan sampai waktu penutupan
protan air, kabin unit coil tubing berfungsi juga sumur , tp. Data tekanan diambil sebelum dan
sebagai ruang pengontrol yang dilengkapi den- selama periode penutupan sumur yang kemudian
gan monitoring console yang berfungsi untuk dianalisis dengan cara yang sama dengan anali-
memonitor parameter-parameter antara lain: tesis tekanan build up (Gambar 8). Tekanan fall-
kanan kerja di permukaan, kedalaman penetrasi off dapat ditunjukkan dengan persamaan sebagai
nozzle, laju penyemprotan air, volume tangki air, berikut (Earlougher, 1977):
dan lain-lain.
Gambar 6 dibawah ini menunjukkan dua orang pws = p*- m log ((tp+dt)/(dt))
74
a. Kondisi sumur sebelum radial jetting

Sebelum dilakukan stimulasi perlu di-
lakukan akuisisi data awal untuk menentukan ti-
tik awal kondisi sumuran. Pengamatan atas data
dewatering tersaji pada Tabel 3.
Berdasarkan hasil pengujian sumur
yang dilakukan sebelum stimulasi yaitu dengan
melakukan uji injectivity fall-off (IFO) di sumur
EXAM (salah satu dari ketiga sumur aktif di
lapangan Rambutan), hasilnya dapat dilihat pada
Tabel 3. Produksi sumur sebelum pengujian.

Gambar 6. Diagram skematik operasional radial jet dril- Gas Pro- Water Pro-
ling (Sadikin, 2010). Source of
Well
Status duction, duction,
Seam
MSCF/D bbl.D
EXAM Prod 0 2 2,3, and P
dimana :
P* : Reservoir pressure, Psia
Pi : initial Pressure, Psia
Uji injektivitas/fall-off test adalah suatu pengu-
jian dimana ketika fluida diinjeksikan ke dalam
reservoir, maka tekanan dasar sumur akan men-
ingkat, lalu setelah sumur ditutup, tekanan dasar
sumur mulai turun seiring dengan masuknya flu-
ida ke dalam reservoir.
Gambar 8. Prinsip pengujian uji fall-off yang menunjukkan

bahwa pada saat sumur ditutup setelah injeksi dihentikan
maka tekanan akan mengalami drawdown atau fall-off (Ear-
lougher, 1977). Penurunan tekanan ini kemudian dianalis.
�
� Test Overview
1250 125
1000 100
Water Flow Rate (STB/day)
750 75
Pressure (psia)
500 50
250 25
0 0
0 36100 72200 108300 144400 180500
Time (hours)
Gambar 9. Plot hasil pengujian tekanan sumur sebelum di-

Gambar 7. Pelaksanaan stimulasi RJD di sumur EXAM lakukan RJD.
75
Gambar 9. alir air dan gas terdapat peningkatan aliran yang

Berdasarkan hasil pengujian tersebut kemudian mengindikasikan bahwa operasi RJD telah ber-
dilakukan analisis dengan menggunakan perang- hasil mencapai tujuannya.
kat lunak untuk mengetahui karakteristik sumur Selain hasil pengamatan di permukaan,
sebelum dilakukan stimulasi. Hasil analisis seperti yang tersaji pada Tabel 4, pengujian
sumur EXAM sebelum stimulasi dapat dilihat sumur juga dilakukan untuk mengetahui dampak
pada Gambar 10 dan 11. RJD terhadap permeabilitas dan karakteristik re-
�
� 1100
Radial Flow Plot - Non-Darcy analysis
Quick Match Pressure
servoirnya. Hasil pengukuran tekanan pada pe-
ngujian IFO dan interpretasinya disajikan pada
Pressure #2
1030 Gambar 12, 13, dan 14.

Berdasarkan hasil pengujian IFO dapat
960
Pressure (psia)
�
� Test Overview
1250 125
890
1000 100
Quick Match Results
Dual-porosity (Pseudo steady state)
Infinitely acting
Constant compressibility
820 Cs = 7.8663 bbl/psi
(k/u)w = 21.5631 md/cp
k = 10.6847 md
Water Flow Rate (STB/day)

kh = 470.1268 md.ft 750 75
S = 8.5172
Pressure (psia)
w = 0.01
Lam = 0.01
Pi = 1095.439 psia
750
10 100 1000 10000 100000 1e+006
Elapsed Time (hours)
500 50
Gambar 10. Analisis radial flow plot – non Darcy sebelum

penerapan RJD. 250 25
�
� Log-Log Plot
10000
0 0
0 32600 65200 97800 130400 163000
Time (hours)
1000
Gambar 12. Plot hasil pengujian tekanan sumur sesudah

100
dilakukan RJD.
10 �
� Radial Flow Plot - Non-Darcy analysis
1110
Delta P (psi)
Quick Match Pressure

Pressure #2
1040
Quick Match Results

0.1 Dual-porosity (Pseudo steady state)
Infinitely acting
Cs = 7.8663 bbl/psi
(k/u)w = 21.5631 md/cp
k = 10.6847 md 970
0.01 kh = 470.1268 md.ft
Pressure (psia)
S = 8.5172
w = 0.01
Lam = 0.01
Pi = 1095.439 psia
10 100 1000 10000 100000 1e+006

900
Gambar 11. Plot Log-log tekanan derivatif hasil pengujian Quick Match Results
sebelum penerapan RJD.

Infinitely acting
830 Cs = 5.211 bbl/psi
(k/u)w = 31.4878 md/cp
k = 15.4496 md
kh = 679.7824 md.ft
S = 17.276
b. Pengujian setelah radial jetting

w = 0.01
Lam = 0.01
Pi =0 psia
760
10 100 1000 10000 100000 1e+006
Setelah dilakukan RJD, untuk mengetahui

Gambar 13. Analisis radial flow plot – non Darcy sesudah

efek keberhasilan atau kegagalan operasionalnya penerapan RJD.
perlu dilakukan pengujian sumur kembali yaitu �
� Log-Log Plot
dengan melakukan uji IFO, sama dengan pengu-

1000
jian sebelum dilaksanakannya RJD. 100
Hasil pengujian sebelum dan sesudah 10
stimulasi yang terlihat pada Tabel 4 menunjuk-

kan bahwa berdasarkan hasil pengamatan laju
Delta P (psi)
0.1
Tabel 4. Perolehan fluida sebelum dan sesudah stimulasi. Quick Match Results
Infinitely acting
0.01 Constant compressibility
Water Production, Gas Production,

Cs = 5.211 bbl/psi
(k/u)w = 31.4878 md/cp
k = 15.4496 md
kh = 679.7824 md.ft
Sumur Status bbl/D MSCF/D

S = 17.276
w = 0.01
0.001
Lam = 0.01
Pi =0 psia
Before After Before After

10 100 1000 10000 100000 1e+006
Gambar.14. Plot Log-log tekanan derivatif hasil pengujian

EXAM Prod 0 11 2 5 sesudah penerapan RJD.
76
diketahui bahwa terjadi peningkatan permea- ningkatan permeabilitas dari seam batubara.
bilitas dari keadaan sebelum stimulasi menjadi 3. Lubang bor yang dihasilkan oleh penerapan
keadaan sesudah stimulasi yaitu dari 10,68 mD radial jet drilling memberikan peningkatan
menjadi 15,45 mD. Hal ini berkorelasi langsung dari radius efektif pengurasan sumur sehing-
dengan kenaikan produksi fluida dalam proses de- ga juga berkontribusi terhadap kenaikan laju
watering pada sumur tersebut. Dengan demikian alir yang teramati.
dapat dikatakan bahwa penerapan radial jet drill-
ing pada sumur GMB telah dapat mempercepat
proses dewatering. Pustaka
V. Kesimpulan Cockcroft, P. (2008). Coal Bed Methane In Indo-

nesia. Luncheon Talk Indonesian Petroleum
Beberapa kesimpulan yang dapat diperoleh: Ascosiation (IPA), May 6th, 2008, Jakarta.
1. Lubang bor yang dihasilkan oleh penerapan Earlougher R, (1977). Advance in Well Test Ana-
radial jet drilling dapat meningkatkan perme- lysis Type, Monograph Volume 5, Richard-
abilitas horizontal dari suatu sumur, terbukti son, TX.
dengan permeabilitas sebelum dan sesudah Sadikin, I. (2010), Radial jet drilling Operasion,
dilakukannya stimulasi yang mengalami pen- one day workshop, Karya Sukses Adi Mandi-
ingkatan dari 10,68 mD menjadi 15,45 mD. ri, Lemigas, 2010
2. Terjadi peningkatan nilai laju air dan gas yang Sitaresmi, R., Abdassah, D., Marhaendrajana, T.
diproduksikan setelah dilakukannya stimulasi dan Irawan, D. (2008), Metode Peramalan
radial jet drilling, masing-masing adalah 1,91 Kelakuan dan Produksi Gas Metana Batuba-
bbl/d menjadi 4,74 bbl/d untuk air dan 0,58 ra Menggunakan Korelasi dari Data Produksi
MSCF/d menjadi 10,5 MSCF/d untuk gas. Aktual, Simposium Nasional dan Kongres X
Peningkatan ini tidak lepas dari adanya pe- Jakarta, 12 – 14 November.
INDEKS
A K
adsorpsi 59,60,62,64,65,68,69 kandungan gas 59,60,61,62,63,64,65,66,68,69
adsorption 59,63 ,72
aliran silang 39,40 kapasitas simpan gas 59,69
B L
bottom water drive 49,50,55 laju produksi gas meningkat 71
C M
cleat 59,60,61,62,64,65,66,67,69,72 material balance 1,2,3,6,7,9,10,11,12,13,19,
coal bed methane 59,69,71,78 20,23,36
cross-flow 39,42,45,46,48 maturitas 39,40
maturity 39,45,46,48
D multiple linear regression 1,2,6,7,8,9,19,21,22
data PVT 1,2,4,6,7,8,9,36 ,26,31,32,33
design of experimental 1,2,7,8,9,31,32
desorpsi 59,62,63,65,66,72 P
desorption 59 parameter PVT 1,4,5,6,7,9,11,35
dewatering lambat 71 pemanasan 39,40
Down-hole water sink 49,50,57 pengendapan padatan 39,40
drainage 39,42,43,46,47,48 pengurasan 39,40,60,61,64,69,72,73,78
perbaikan permeabilitas 71
G
gas content 59,69 R
gas metana batubara 59,71,72,78 radial jet drilling 71,72,73,74,78
GMB 59,60,61,62,64,65,66,67,68,69,71,72, RVE 39,40,41,42,43,44,45,46,48
73,75,78
gas storage capacity 59 S
scaling 39,42,43,44,45,46,48
H steam injection 39,41,45,46,47
heating 39,41,43,46,48
I W
IGIP 1,2,3,4,6,7,8,9,10,11,12,15,16,17,18,19 water coning 49,50,51,52,56
,20,21,22,23,24,25,26,27,28,30,31,32,3
3,34,35,36,37,62,39
injeksi uap 40
JURNAL TEKNOLOGI MINYAK DAN GAS BUMI
PEDOMAN PENULISAN
ISI DAN KRITERIA UMUM
Naskah makalah ilmiah (selanjutnya disebut ”Naskah”) untuk publikasi di Jurnal Teknologi Minyak
dan Gas Bumi (JTMGB) dapat berupa artikel hasil penelitian atau artikel ulas balik/tinjauan (review) tentang
minyak dan gas bumi, baik sains maupun terapan. Naskah belum pernah dipublikasikan atau tidak sedang dia-
jukan pada majalah/jurnal lain.
Naskah ditulis dalam bahasa Indonesia atau bahasa Inggris sesuai kaidah masing-masing bahasa yang
digunakan. Naskah harus selalu dilengkapi dengan Sari dalam Bahasa Indonesia dan Abstract dalam Bahasa
Inggris. Naskah yang isi dan formatnya tidak sesuai dengan pedoman penulisan JTMGB akan ditolak oleh
redaksi dan redaksi tidak berkewajiban untuk mengembalikan naskah tersebut.
FORMAT
Umum. Seluruh bagian dari naskah termasuk judul sari, judul tabel dan gambar, catatan kaki, dan daftar acuan
diketik satu setengah spasi pada electronic-file dan print-out dalam kertas HVS ukuran A4. Pengetikan dilaku-
kan dengan menggunakan huruf (font) Times New Roman berukuran 12 point.
Setiap halaman diberi nomor secara berurutan termasuk halaman gambar dan tabel. Hasil penelitian atau ulas
balik/tinjauan ditulis minimum 5 halaman dan maksimum sebanyak 15 halaman, di luar gambar dan tabel.
Selanjutnya susunan naskah dibuat sebagai berikut:
Judul. Pada halaman judul tuliskan judul, nama setiap penulis, nama dan alamat institusi masing-masing
penulis, dan catatan kaki, yang berisikan terhadap siapa korespondensi harus ditujukan termasuk nomor tele-
pon dan faks serta alamat e-mail jika ada.
Sari. Sari/abstract ditulis dalam dua bahasa yaitu bahasa Indonesia dan bahasa Inggris. Sari berisi ringkasan
pokok bahasan lengkap dari keseluruhan naskah tanpa harus memberikan keterangan terlalu terperinci dari
setiap bab. Sari paling banyak terdiri dari 250 kata. Kata kunci/keywords ditulis di bawah sari/abstract dan
terdiri atas empat hingga enam kata.
Pendahuluan. Bab ini harus memberikan latar belakang yang mencukupi sehingga pembaca dapat memahami
dan dapat mengevaluasi hasil yang dicapai dari penelitian yang dilaksanakan tanpa harus membaca sendiri
publikasi-publikasi sebelumnya, yang berhubungan dengan topik yang bersangkutan. Pendahuluan harus beri-
si latar belakang, maksud dan tujuan, permasalahan, metodologi, serta materi yang diteliti.
Hasil dan Analisis. Hanya berisi hasil-hasil penelitian baik yang disajikan dengan tulisan, tabel, maupun gam-
bar. Hindarkan penggunaan grafik secara berlebihan bila dapat disajikan dengan tulisan secara singkat. Batasi
penggunaan foto, sajikan yang benar-benar mewakili hasil penemuan. Beri nomor gambar dan tabel secara
berurutan. Semua gambar dan tabel yang disajikan harus diacu dalam tulisan.
Pembahasan atau Diskusi. Berisi interpretasi dari hasil penelitian yang diperoleh dan pembahasan yang
dikaitkan dengan hasil-hasil yang pernah dilaporkan.
Kesimpulan dan Saran. Berisi kesimpulan dan saran dari isi yang dikandung dalam tulisan.
Ucapan Terima Kasih. Dapat digunakan untuk menyebutkan sumber dana penelitian dan untuk memberikan
penghargaan kepada beberapa institusi atau orang yang membantu dalam pelaksanaan penelitian dan atau
penulisan laporan.
Acuan. Acuan ditulis dan disusun menurut abjad. Beberapa contoh penulisan sumber acuan:
Jurnal
JURNAL TEKNOLOGI MINYAK DAN GAS BUMI
PEDOMAN PENULISAN
Hurst, W., 1934. Unsteady Flow of Fluids in Oil Reservoirs. Physics (Jan. 1934) 5, 20.
Buku
Abramowitz, M and Stegun, I.A., 1972. Handbook of Mathematical Functions. Dover Publications,
Inc., New York.
Bab dalam Buku
Costa, J.E., 1984. Physical geomorphology of debris flow. Di dalam: Costa, J.E. & Fleischer, P.J.
(eds), Developments and Applications of Geomorphology, Springer-Verlag, Berlin, h.268-317.
Sari
Barberi, F., Bigioggero, B., Boriani, A., Cavallini, A., Cioni, R., Eva, C., Gelmini, R., Giorgetti, F.,
Iaccarino, S., Innocenti, F., Marinelli, G., Scotti, A., Slejko, D., Sudradjat, A., dan Villa, A., 1983. Mag-
matic evolution and structural meaning of the island of Sumbawa, Indonesia-Tambora volcano, island
of Sumbawa, Indonesia. Abstract 18th IUGG I, Symposium 01, h.48-49.
Peta
Simandjuntak, T.O., Surono, Gafoer, S., dan Amin, T.C., 1991. Geologi Lembar Muarabungo, Suma-
tera. Pusat Penelitian dan Pengembangan Geologi, Bandung.
Prosiding
Marhaendrajana, T. and Blasingame, T.A., 1997. Rigorous and Semi-Rigorous Approaches for the
Evaluation of Average Reservoir Pressure from Pressure Transient Tests. paper SPE 38725 presented at
the SPE Annual Technical Conference and Exhibition, San Antonio, Oct. 5–8.
Skripsi/Tesis/Disertasi
Marhaendrajana, T., 2000. Modeling and Analysis of Flow Behavior in Single and Multiwell Bound
ed Reservoir. PhD dissertation, Texas A&M University, College Station, TX.
Informasi dari Internet
Cantrell, C., 2006. Sri Lankan’s tsunami drive blossom: Local man’s effort keeps on giving. Http://
www.boston.com/news/local/articles/2006/01/26/sri_lankans_tsunami_drive_blossoms/[26 Jan 2006]
Software
ECLIPSE 100 (software), GeoQuest Reservoir Technologies, Abbingdon, UK, 1997.
Naskah sedapat mungkin dilengkapi dengan gambar/peta/grafik/foto. Pemuatan gambar/peta/grafik/foto selalu

dinyatakan sebagai gambar dan file image yang bersangkutan agar dilampirkan secara terpisah dalam format
image (*.jpg) minimal resolusi 300 dpi, Corel Draw (*,cdr), atau Autocad (*,dwg). Gambar dan tabel diletak-
kan di bagian akhir naskah masing-masing pada halaman terpisah. Gambar dan tabel dari publikasi sebelum-
nya dapat dicantumkan bila mendapat persetujuan dari penulisnya.
PENGIRIMAN
Penulis diminta mengirimkan satu eksemplar naskah asli beserta dokumennya (file) di dalam compact disk
(CD) yang harus disiapkan dengan program Microsoft Word. Pada CD dituliskan nama penulis dan nama
dokumen. Naskah akan ditolak tanpa proses jika persyaratan ini tidak dipenuhi. Naskah agar dikirimkan ke-
pada:
Redaksi Jurnal Teknologi Minyak dan Gas Bumi

d.a. Patra Office Tower Lt. 1 Ruang 1C
Jln. Jend. Gatot Subroto Kav. 32-34
Jakarta 12950 – Indonesia
Pengiriman naskah harus disertai dengan surat resmi dari penulis penanggung jawab/korespondensi (corre-
sponding author) yang harus berisikan dengan jelas nama penulis korespondensi, alamat lengkap untuk surat-
menyurat, nomor telepon dan faks, serta alamat e-mail dan telepon genggam jika memiliki. Penulis korespon-
densi bertanggung jawab atas isi naskah dan legalitas pengiriman naskah yang bersangkutan. Naskah juga
sudah harus diketahui dan disetujui oleh seluruh anggota penulis dengan pernyataan secara tertulis.

IGIP-PVT

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

IGIP-PVT

Enviado por

Direitos autorais:

Formatos disponíveis

ISSN 2088-7590

Ikatan Ahli Teknik Perminyakan Indonesia

ISSN 0216-6410 Vol. : 3 No. : 1 April 2012

Jurnal Teknologi Minyak dan Gas Bumi adalah majalah ilmiah

KEPUTUSAN KETUA UMUM IATMI PUSAT

Alamat Redaksi: Patra Office Tower Lt.1 R.1C

Jurnal Teknologi Minyak dan Gas Bumi (ISSN 0216-6410)

ISSN 0216-6410 Vol. : 3 No. : 1 April 2012

Penentuan Ketidakpastian Kuantitatif dan Kualitatif Parameter PVT Menggunakan Me-

Teknik Evaluasi Reservoar Gas Metana Batubara

Para Pembaca JTMGB yang budiman,

Sylvan Ramadanel Abdinni(1), Tutuka Ariadji.(2)

I. Pendahuluan dilakukan sebelumnya. Oleh karena itu, langkah

Gambar 1. Skematik lapangan X.

Gambar 2. Bagan studi simulasi dan masalah.

diindikasikan adanya kelebihan Gas In place pada tersebut.

PVT. Namun permasalahan yang muncul adalah

Ruang Lingkup Kajian

Dengan f sebagai fungsi respons sebenarnya yang

turut variabel minimum dan maksimum. Dapat Multiple Linear Regression

- Hubungan antara variabel dependen de- 4. Main effects Plot IGIP

702 1,848 0,006 172,2209310 1,05E+02 parameter PVT Tabel 1. Data

Abandonment pressure : -- psig nya.

Experimental Design Hasil Persamaan Proxi IGIP ED

digunakan karena jumlah tersebut yang paling

dekat dengan jumlah permutasi yang bisa dilaku- IGIP

PtType IGIP 8 10 1 1 602 1,488 0,007 13,0482775

han berada di atas nilai 95%. Disimpulkan bahwa

plot persentase dengan Residual. Nilai residual

IGIP 1&2 IGIP

44 702 1,998 0,006 178,1361258 149,0806878 14,67157756 14,38386038

Gambar 18. Uji linearitas Rs, Boi, Bgi terhadap IGIP.

Sum of Mean Sum of Mean

Tabel 16. Anova segmen 3. Tabel 17. Anova segmen 4.

Sum of Mean Sum of Mean

Error Berdistribusi Normal d<1,3989 atau d> 2,601 (1)

Gambar 20. Model summary

Tidak terdapat multikolinearitas antar variabel independen terpenuhi.

Tabel 18. Coefficients daerah Main. Tabel 20. Coefficients segmen 3.

Std. Tole- Std. Tole-

Tabel 19. Coefficients Segmen 1&2. Tabel 21. Coefficients segmen 4.

Std. Tole- Std. Tole-

Error rance Error t rance

IGIP (BSCF) Segmen 4 : hui parameter mana yang memberikan pengaruh

Selanjutnya, dari persamaan proxi yang

Tabel 22. Durbin – Watson

Tabel 23. Hasil perolehan R2

Tabel 24. Perolehan galat % Actual IGIP terhadap prediction IGIP.

IGIP IGIP 1&2 Pred IGIP

173,7602307 173,2614328 0,287061 144,9767997 144,5657142 0,283552610

Tabel 25. Multiple linear regression dan design of experimental.

Multiple Linear Regression

Multiple Linear Regression

164,0546661 165,5602378 -0,917725619 137,3661219 137,6721146 -0,222757035

Multiple Linear Regression

12,57390921 12,5685786 0,042394214 12,94205766 12,82110082 0.934603

olehan IGIP. Namun dengan menggunakan 3. Membandingkan IGIP S-curve perolehan

DOE Main Seg.1&2 Seg.3 Seg.4 Main 1&2 3 4

vasi (titik-titik merah). (Gambar 24). melebihi Gp segmen 1&2 tersebut.

Daftar Pustaka Workshop Matematika”.

Sudianto Lumban Tobing, Sandra Natalia, Henri Silalahi

I. Introduction ervoir of Duri Field (300-500 ft TVDSS). The

174000 RVE 29000