jurnal teknologi minyak dan gas bumi -...

JTMGBJurnal Teknologi Minyak dan Gas Bumi

ISSN 2088-7590

Vol. : 3 No. : 1 April 2012

Ikatan Ahli Teknik Perminyakan IndonesiaSociety of Indonesian Petroleum Engineers

JTMGB Vol. 3 No. 1 Hal. 1-76 Jakarta April 2012 ISSN 2088-7590

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.

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: [email protected]

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

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 PudjiantoLayout Desain : Endy Hadianto, S.Kom

Alief SyahruSirkulasi : Abdul Manan

KEPUTUSAN KETUA UMUM IATMI PUSATNO: 03/SK/ IATMI/I/2011

JTMGB Jurnal Teknologi Minyak dan Gas Bumi

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

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 XSylvan Ramadanel Abdinni, Tutuka Ariadji ....................................................................... 1-36

Improving Oil Recovery and Injection Strategy in Shallow Reservoir (Rindu Reservoir) of Area 3&4 Duri Steam FloodSudianto 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 BatubaraUsman Pasarai, Kosasih .................................................................................................. 57-68

Evaluasi Metode Stimulasi Radial Jet Drilling untuk Optimasi Dewatering pada Sumur Gas Metana Batubara di Lapangan RambutanGathuk Widiyanto, Panca Wahyudi ........................................................................... 69-76

DAFTAR ISI

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)

1

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: [email protected]

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

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.

PendahuluanI.

Latar Belakang

Lapangan X yang dikaji terletak di blok Natuna. Lapangan ini terbagi menjadi 2 daerah utama, yaitu Main dan South. Namun, perlu diketahui, peninjauan studi pada paper ini hanya difokuskan pada daerah Main saja, hal ini dika-renakan permasalahan yang dikaji hanya terda-pat pada daerah tersebut. Oleh karena itu, daerah South tidak akan dibahas pada paper ini. Ske-matik lapangan X yang dikaji dapat dilihat pada Gambar 1.

Peninjauan studi yang dilakukan mengi-kutsertakan proses, analisa, dan hasil secara seg-men yang terdapat di dalamnya. Perlu diketahui pula, studi yang dipaparkan pada paper ini meru-pakan studi lanjutan dari studi-studi yang sudah

Gambar 1. Skematik lapangan X.

dilakukan sebelumnya. Oleh karena itu, langkah awalnya adalah dengan mengumpulkan data-data yang ada, dan mengambil analisa serta kesimpu-lan dari studi sebelumnya.Berikut akan diterangkan perjalanan studi simu-lasi yang telah dilakukan pada lapangan ini, seperti ditandai lingkaran warna merah. Bagan Flowchart studi simulasi dan permasalahannya dapat dilihat pada Gambar 2.

Sejarah Studi Simulasi yang Dilakukan

Pada awalnya studi ini memperhitungkan In place lapangan X dengan metode volumetric dari studi GGR (Geology Geophysics Reservoir). Dari studi ini diperoleh IGIP sebesar 198 BSCF dan IOIP sebesar 128 MMSTB. Setelah itu di-lakukan pembuatan geomodel dari penambahan data dari sumur eksplorasi, sehingga diperoleh

3

model statik yang selanjutnya dimasukkan dalam simulasi reservoir statik. Perhitungan In Place dari simulasi reservoir tersebut diperoleh IGIP sebe-sar 160 BSCF dan IOIP sebesar 105 MMSTB. Untuk memvalidasi perolehan ini maka diuji dengan menggunakan Material Balance. Hasil dari Material Balance menunjukkan hasil yang serupa yaitu dengan IGIP sebesar 161 BSCF dan IOIP sebesar 104 MMSTB.

Setelah tervalidasinya nilai estimasi IGIP dan IOIP, maka dilakukan pembagian segmen. Pembagian segmen ini dilakukan karena adanya sealing fault yang membagi daerah Main tersebut menjadi 4 bagian. Keempat segmen yang terdapat pada daerah Main dapat di lihat pada Gambar 3. Setelah diperoleh model dengan 4 segmen terse-but, maka model statik dari simulasi reservoir tersebut dijadikan model dinamik dengan cara

Gambar 2. Bagan studi simulasi dan masalah.

Gambar 3. Geologi model reservoir daerah Main.

diekspor ke dalam simulasi reservoir dinamik. Namun, segmen 1 dan 2 yang terpisah digabung-kan menjadi satu kesatuan, hal ini dikarenakan adanya sumur produksi (sumur no.6) yang ber-produksi dari segmen 1 dan 2. Alasan penggabung-an kedua segmen tersebut dikarenakan tidak dapat mengalokasikan asal produksi hidrokarbon dan air dari sumur 6.

Permasalahan

Permasalahan muncul ketika perolehan estimasi peninjauan IGIP dilakukan persegmen. Khususnya yang terjadi pada segmen 1&2. Per-olehan estimasi IGIP pada segmen 1&2 ternyata kurang dari total kumulatif produksi gas yang sudah berproduksi sejak tahun 1995 hingga Fe-bruari 2010. Baik dari model statik dan dinamik 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 waktu dapat dilihat pada Gambar 4. Dari sinilah

4

diindikasikan adanya kelebihan Gas In place pada segmen 3, dan kurangnya Gas In place untuk segmen 1&2.

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-sar 16.07 BSCF. Hasil matching grafik tekanan terhadap waktu dapat di lihat pada Gambar 5. Namun, walaupun diperoleh hasil matching yang cocok antara tekanan terhadap waktu, tetapi tidak untuk hasil matching PVT tersebut terhadap ex-periments data observation PVT Gambar 6, oleh karena itu perlu ditinjau ulang parameter PVT

tersebut.Pola studi matching data PVT dapat dilihat pada flowchart berikut :

Gambar 4. Profil tekanan sebelum Matched tiap segmen (dari kiri - kanan) 1&2, 3 dan 4.

Gambar 5. Profil tekanan Matched tiap segmen (dari kiri - kanan) 1&2, 3 dan 4.

Pada awalnya diperoleh set data PVT, setelah itu dilakukan inisialisasi, namun apabila nilai in place tidak cocok dengan yang diharapkan maka data PVT akan dimodifikasi ulang. Setelah diper-oleh nilai In Place yang cocok, maka dilanjutkan dengan history matching. Apabila History match-ing tidak dapat diperoleh kecocokan maka proses 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 ini dapat di-over checked dengan dilakukannya studi mengenai tingkat ketidakpastian parameter

Gambar 7. Komposisi C1-C7 setelah matching tiap seg-men (dari kiri - kanan) 1&2, 3 dan 4.

6

Boi, Bgi, dan Rs terhadap perolehan IGIP. Penin-jauan dan hasil akhir dari Studi inilah yang dipa-parkan pada paper ini. Dari hasil tersebut dapat diperolehnya persamaan proxi untuk menghitung IGIP pada Lapangan X. Perhitungan estimasi IGIP tersebut nantinya hanya memerlukan pa-rameter Rs, Boi, dan Bgi saja. Selain mendapatkan persamaan proxi perhitungan IGIP, studi ini juga dapat memberitahukan atau menginformasikan parameter PVT apa saja yang berpengaruh pa-ling besar, signifikan hingga tidak signifikan ter-hadap perolehan IGIP. Selain itu hasil dari studi ini dirangkum dan dijadikan constraint terhadap data PVT yang akan dihasilkan guna menemukan kecocokan data PVT terhadap studi experiments observation.

Untuk memvalidasi perolehan IGIP dari simulasi reservoir sebelumnya, maka pada paper ini akan dibandingkan pula perolehan IGIP ha-sil run simulasi reservoir dengan menggunakan software material balance.

Validasi menggunakan material balance ini dikarenakan lapangan X sudah cukup lama berproduksi dari tahun 1995 hingga sekarang. Sehingga data produksi yang ada sudah cukup banyak. Diharapkan estimasi IGIP pada daerah Main, khususnya segmen 1&2 dapat diestimasi secara akurat. Selanjutnya studi dengan mate-rial balance yang sudah matching tersebut akan dianggap sebagai base case. Nantinya base case yang sudah sesuai dengan simulasi reservoir tersebut akan dilakukan uji sensitivitas parameter PVT (Rs, Boi, Bgi) terhadap perolehan IGIP seba-gai data awal yang akan digunakan pada studi tingkat ketidakpastian PVT (Boi, Bgi, dan Rs) ter-hadap perolehan estimasi IGIP.Langkah terakhirnya adalah dengan melihat data percentile yang diperoleh (P10, P50, dan P90 ) maka kita dapat menentukan kisaran parameter PVT pada lapangan X ini.

Tujuan Studi Ini

Sebagai studi yang berkelanjutan dalam men-1. cari estimasi IGIP yang tepat untuk tiap seg-men, serta memvalidasi perolehan estimasi IGIP dari studi simulasi reservoir sebelum-nya dengan menggunakan material balance.Menentukan tingkat ketidakpastian para-2. meter PVT (Rs, Boi, Bgi) yang mempengaruhi pengukuran estimasi nilai IGIP pada daerah

Main, lapangan X termasuk segmen-segmen yang membaginya. Studi dilakukan dengan menggunakan metode Desain of Experimen-tal (DOE) dan Multiple Linear Regression (MLR)Membandingkan hasil dari metode 3. DOE dengan Multiple Linear Regression sebagai satu studi lanjutan pada lapangan X dalam menentukan ketidakpastian parameter PVT yang paling berpangaruh terhadap nilai esti-masi IGIP.Membuat korelasi perhitungan 4. IGIP pada daerah Main, serta pada segmen-segmen yang terdapat pada daerah tersebut, dengan menggunakan data Rs, Boi, Bgi sebagai data parameter independen.Memberi gambaran mengenai pengaruh data 5. PVT terhadap perolehan IGIP, untuk dijadi-kan studi penambah dalam menentukan kom-posisi C1-C7 yang sesuai sehingga pada akhir-nya dapat diperoleh data PVT yang sesuai dengan studi experiments observation, dan berujung pada match-nya estimasi IGIP.

MetodologiII.

Penentuan estimasi IGIP yang tepat un-tuk setiap segmen akan dilakukan dengan Mate-rial Balance. Apabila hasil yang diperoleh sudah match dengan studi simulasi reservoir sebelum-nya, maka hasil yang diperoleh tersebut akan digunakan sebagai base case pada studi ketidak-pastian parameter Rs, Boi, Bgi. Setelah itu, base case yang diperoleh tersebut akan dilakukan uji sensitivitas parameter PVT (Rs, Boi, Bgi) terhadap perolehan IGIP. Tujuan dilakukannya uji sensi-tivitas tersebut dikarenakan data hasil uji sensiti-vitas akan dimasukkan sebagai input data untuk mengidentifikasikan tingkat ketidakpastian tiap parameter yang diuji (Rs, Boi, Bgi) terhadap per-olehan IGIP. Pada tahap ini juga dilakukannya perubahan uji sensitivitas terhadap nilai maksi-mum dan minimum dari tiap parameter PVT de-ngan cara menaikkan dan menurunkan salah satu parameter PVT dan parameter lainnya tetap. Dari sini kita dapat mengetahui nilai batas atas dan bawah parameter masing-masing PVT tersebut untuk memberikan kisaran awal parameter PVT yang dapat digunakan dalam proses matching.Metode yang digunakan dalam penentuan tingkat ketidakpastian parameter PVT terhadap perhitung-

7

IGIP. Proses matching tersebut dilakukan dengan menggunakan analytical method. Uji sensitivitas yang dilakukan sesuai dengan kebutuhan data yang akan dimasukkan pada metode penentuan ketidakpastian data PVT terhadap IGIP.Prinsipnya, penggunaan material balance adalah dengan menggunakan perhitungan rumus mate-rial balance sebagai berikut :

an estimasi IGIP, adalah dengan menggunakan :Metode 1. Design of ExperimentalMetode 2. Multiple Linear RegressionSetelah diperolehnya hasil dari kedua metode 3. tersebut, maka perolehan yang didapatkan akan dianalisa lebih lanjut dan berujung pada kesimpulan yang menganalisa secara kuali-tatif dan kuantitatif tingkat ketidakpastian PVT tersebut terhadap perolehan IGIP. Dari hasil studi maka akan dijadikan landasan se-lanjutnya untuk studi penentuan komposisi C1-C7

Flow Chart Metodologi penelitian

Berikut adalah flow chart yang dilakukan pada studi paper ini.

Material Balance

History matching dengan material ba-lance dilakukan terlebih dahulu agar nilai IGIP untuk setiap segmen pada Main area sesuai de-ngan studi simulasi reservoir yang dilakukan sebelumnya. Setelah diperolehnya base case es-timasi IGIP lapangan X yang sudah matching, maka dilanjutkan dengan uji sensitivitas peruba-han data PVT (Rs, Boi, Bgi) terhadap perolehan

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 :

.......................... (1)

Np Bo Rp Rso WpBw NBoi

Bo Boi Rsoi Rso BgBoi

m BgBgi

+ −( ) + =

−( ) −( )+ −11

11

+ +( ) +−

∆

+

m Swccw cfSwc

pWe

Dengan f sebagai fungsi respons sebenarnya yang tidak diketahui dan ε adalah faktor error yang merepresentasikan sumber lain dari variabilitas yang tidak dihitung pada f.Variabel-variabel ξ1, ξ2,....., ξk adalah variabel natural karena diekspresikan pada satuan pengu-kuran alami. Pada studi experimental design, variabel alami ditransformasi menjadi variabel yang diberi kode x1, x2, ….. xk dimana variabel-variabel tersebut tidak berdimensi dengan nilai mean 0 dan sebaran [-1,1]. Nilai -1 dan +1 dise-but level dan merepresentasikan secara berturut-

................. (2)y f ek

= ( ) +1 2ξ ξ ξ, ,....

8

turut variabel minimum dan maksimum. Dapat diformulasikan ulang sebagai :

Multiple Linear Regression

Pada umumnya permasalahan regresi muncul apabila terdapat lebih dari satu variable independen dalam pemodelan regresi. Karena munculnya kerumitan dalam mekanisme terse-but, maka diperlukannya multiple linear regres-sion. Ketika koefisien model yang diperoleh ada-lah linier, maka dapat kita sebut sebagai multiple linier regression.

Khususnya pada penelitian ini, Multiple Linier Regression Analysis dilakukan untuk men-cari tahu variabel-variabel yang mempengaruhi nilai estimasi IGIP terhadap data PVT. Sesuai dengan namanya, multiple linear regression da-pat menganalisa lebih dari satu parameter inde-penden terhadap satu parameter dependen. Hasil dari uji ini dapat mengahasilkan tingkat keper-cayaan yang cukup tinggi, dikarenakan data yang dimasukkan cukup banyak dan beragam, maka pada hasil akhirnya seharusnya akan mem-berikan info yang lebih presisi. Data independen yang dimasukkan dapat berupa data kuantitatif atau berupa kategori.Diperlukannya studi MLR agar kita dapat menge-tahui secara detail pengaruh parameter Rs, Boi, Bgi pada estimasi nilai IGIP, serta mendapatkan korelasi dalam perhitungan IGIP. Berbeda de-ngan metode Design of Experimental, metode ini cenderung lebih lama mengingat data yang diper-lukan cukup banyak dan beragam, dan ada berapa tahapan yang harus dilakukan dalam memperoleh hasil tersebut, diantaranya adalah :

Pada penelitian ini digunakan metode 1. Step-wise dalam menentukan variabel yang masuk ke dalam model. Stepwise digunakan dengan proses pembentukan model multiple linear regression sesuai dengan parameter yang pa-ling berpengaruh akan terlebih dahulu masuk ke dalam perhitungan model. Parameter yang paling berpengaruh tersebut dapat dilihat pada korelasi yang ada antar parameter de-ngan nilai dependen-nya. Proses masuknya dan ditolaknya data tergantung pada F-test, pada pemodelan multiple linear regression digunakan regresi linear. Uji asumsi yang digunakan harus memenuhi 2. semua syarat yang diperlukan dalam mem-bangun sebuah korelasi dari multiple linear regression. Kelima uji asumsi tersebut ada-lah:

Experimental design merupakan suatu metodolo-gi yang mengurangi jumlah run simulasi reser-voir yang akan menghasilkan hubungan antara parameter yang diteliti dengan respon yang diharapkan. Experimental design telah diguna-kan dalam industri migas untuk menunjukkan ketidakpastian yang signifikan terhadap penen-tuan cadangan, perolehan minyak/gas pada saat pengembangan lapangan. Metode ED ini telah digunakan dalam berbagai aplikasi reservoir engineering seperti prediksi kelakuan reservoir, pemodelan ketidakpastian, studi sensitivitas, history matching, dan optimasi pengembangan. Metode ED ini dapat mengapli-kasikan ide untuk melakukan running simulasi yang sedikit sekaligus mengumpulkan informasi yang optimum dari hasil simulasi.Pada paper ini penggunaan DOE akan mengana-lisa pengaruh ketidakpastian data PVT (Rs, Boi, Bgi) terhadap nilai estimasi IGIP. Prinsipnya ada-lah dengan membangun, mendesain tabel matriks berdasarkan randominasi dari input parameter yang dianalisis, salah satu caranya adalah dengan menggunakan Desain Placket Burman.

Placket Burman Design

Desain Plackett-Burman cocok untuk mempelajari faktor sebanyak k =(N-1)/(L-1), di-mana L adalah jumlah tingkat dan k adalah jum-lah faktor. Keuntungan desain ini adalah semua efek utama diestimasi dengan presisi yang sama. Hal ini berarti seseorang tidak harus menganti-sipasi faktor-faktor apa saja yang paling penting ketika mendesain studi. Untuk desain penyaring-an, orang tidak tertarik untuk meneliti interaksi antar faktor. Tujuannya adalah untuk meneliti sebanyak mungkin faktor dengan jumlah perco-baan yang minimum dan mengidentifikasi faktor-faktor yang perlu diteliti lebih jauh dimana inter-aksi-interaksi dapat dinilai lebih dalam.Software yang digunakan dalam melakukan uji DOE adalah dengan menggunakan software Minitab.

................. (3)y f ek

= ( ) +1 2ξ ξ ξ, ,....

9

Hubungan antara variabel dependen de-- ngan variabel independen adalah linier (asumsi linearitas)Error- berdistribusi normalIndependensi - errorHomoscedasticity- Tidak terdapat multi kolinearitas antar - variabel independenSetelah memenuhi keseluruhan poin dan

asumsi di atas, maka dari hasil multiple linear re-gression dapat kita gunakan dalam menganalisa tingkat ketidakpastian 3 variabel PVT yang di-gunakan (Rs, Boi, Bgi) terhadap IGIP. Hasil yang diperoleh tersebut dapat dikatakan valid dikare-nakan sudah memenuhi uji atau asumsi multiple linear regression. Software yang digunakan da-lam menguji dan menganalisa Multiple Linear Regression adalah dengan menggunakan soft-ware Minitab, SPSS, dan XLstat.

S-curve

Grafik S-curve merupakan sebuah grafik yang dapat menghasilkan masing-masing nilai P 10, P 50, P 90 dari estimasi IGIP yang diper-oleh.

Main effects4. Plot IGIPHitogram residual untuk uji normalitas5.

Khusus pada DOE akan diperoleh grafik :Pareto Chart of the standardized effect1. Normal Plot of the standardized effect2.

Khusus pada MLR, akan dilakukan analisa, Coef-ficient, Anova, dan uji asumsi.

Hasil Dan PembahasanIII.

Hasil studi tingkat ketidakpastian parame-ter PVT (Rs, Boi, Bgi) pada lapangan X dilakukan menggunakan 2 metode, yaitu dengan menggu-nakan metode DOE (Design of Experimental) dan MLR (Multiple Linear Regression). Namun sebelum melakukan studi ketidakpastian parame-ter tersebut maka perlu dilakukannya history matching dengan menggunakan Material Balance agar model yang kita gunakan sudah valid. History matching pada Material Balance dilakukan dika-renakan perlunya penentuan IGIP yang tepat pada segmen 1&2. Selanjutnya dengan memakai base case tersebut kita dapat melakukan uji sensitivi-tas data PVT. Sebelum masuk ke dalam tahap ini, dilakukan uji sensitivitas untuk menentukan batas atas dan bawah (maksimum dan minimum) tiap

Analisa Parameter

Dari hasil penggunaan metode DOE dan MLR akan dilakukan analisa dari be-berapa grafik yang diperoleh. Analisa dari grafik tersebut akan mengidentifikasikan out-put mengenai parameter PVT (Boi, Bgi, Rs) yang berperan se-cara signifikan dan yang tidak terhadap perolehan estimasi IGIP.Berikut adalah grafik-grafik dan tabel yang akan diban-dingkan dari hasil DOE de-ngan MLR :

Normal Probability Plot1. Persamaan 2. Proxi (predic-tion terhadap actual)Galat yang dihasilkan 3. (prediction terhadap ac-tual)

Rs Boi Bgi IGIP (BSCF) IOIP (MMSTB) Keterangan1032 1,548 0,006 160,8444671 103,833631002 1,548 0,006 161,2745574 104,28196952 1,548 0,006 161,9700340 104,65633942 1,548 0,006 162,1047263 104,66273932 1,548 0,006 162,2390860 104,66904922 1,548 0,006 162,3736280 104,67525912 1,548 0,006 162,5077342 104,68136902 1,548 0,006 162,6416490 104,68747802 1,548 0,006 163,1490621 104,74898 Maximum IGIP702 1,548 0,006 161,1987323 104,20832 Base Case602 1,548 0,006 159,4270666 104,90683592 1,548 0,006 159,2556890 104,91468582 1,548 0,006 159,0859884 104,92252572 1,548 0,006 158,9179230 104,93047562 1,548 0,006 158,7515939 104,93832552 1,548 0,006 158,5872686 104,94626 Minimum IGIP702 1,998 0,006 178,1361258 1,05E+02 IGIP702 1,988 0,006 177,7349584 1,05E+02702 1,968 0,006 176,9357581 1,05E+02702 1,948 0,006 176,1397754 1,05E+02

Tabel 1. Perolehan nilai maksimum dan minimum parameter Rs, Boi, Bgi

10

Engineering data1. Formation : Lama2. Production area

Oil : 2,126 acresgas cap : 1,954 acres

3. Average net pay thickness (feet)Oil : 78,0 feetgas cap : 47,0 feet

4. Average porosityoil leg : 21,0 %gas cap : 18.0 %How determined : Logs / Core Analysis

5. Average connate water saturationoil leg : 31,0 %gas cap : 25,0 %How determined : Log Analysis

6. Average permeability : 900 md7. Original reservoir pressure : 3275 psig

Current reservoir pressure : 1163 psig

Tabel 2. Data input software material balance.

702 1,848 0,006 172,2209310 1,05E+02702 1,748 0,006 168,4177670 1,05E+02702 1,648 0,006 164,7478214 1,05E+02702 1,548 0,006 161,1987323 1,04E+08 Base Case702 1,448 0,006 157,8599270 1,05E+08702 1,348 0,006 154,6611324 1,04E+08702 1,328 0,006 154,0416505 104316650702 1,288 0,006 152,8231994 1,04E+08702 1,268 0,006 152,2242037 1,04E+08702 1,258 0,006 151,9273607 1,04E+08702 1,256 0,006 151,8681051 1,04E+08 Minimum IGIP702 1,548 0,01 170,8944489 103629990 Maksimum IGIP702 1,548 0,009 168,4537743 103904520702 1,548 0,0085 167,2389992 104047910702 1,548 0,008 166,0280755 104195620702 1,548 0,0075 164,8210906 104347330702 1,548 0,007 163,6184110 104503350702 1,548 0,0065 162,4193464 1,05E+08702 1,548 0,006 161,1987323 104,20832 Base Case702 1,548 0,0055 160,0342399 104,99658702 1,548 0,005 158,8481848 105,16935702 1,548 0,0045 157,6653053 105,34609702 1,548 0,004 156,4862200 105,52669702 1,548 0,0035 155,3105638 105,71123702 1,548 0,003 154,1373612 105,89941702 1,548 0,002 151,8540956 106,54532 Minimum IGIP

parameter PVT Tabel 1. Data ini akan digunakan sebagai batas atas dan bawah (min dan max) sebelum memasuki uji sensitivitas ketidakpastian parameter PVT.

Nilai batas atas dan bawah parameter PVT Tabel 1, diperoleh untuk parameter Rs sebesar 802 scf/stb, dan 552 scf/stb, sedangkan Boi sebesar 1,998 bbl/stb, dan 1,256 bbl/stb, selanjutnya Bgi sebesar 0,01 cuft/scf dan 0,002 cuft/scf.

Namun pada saat me-masukkan data minimum dan maksimum ke dalam proses perhitungan uji ketidakpas-tian pada DOE, ternyata diperoleh hasil yang tidak da-pat dilakukan. Hal ini dikare-nakan dengan menggunakan metode DOE, nilai minimum dan maksimum untuk tiap pa-rameter tersebut dipermutasi. Akibat dari permutasi ini pada beberapa perhitungan material balance gagal di-lakukan. Gagalnya perhitu-ngan ini disebabkan karena pada perolehan akhirnya ada beberapa kasus yang didapat-kan memiliki negative gas in place dan pressure has drop to zero. Oleh karena itu uji minimum maksimum hanya digunakan sebagai studi pe-nambah pada saat penentuan PVT yang tepat pada kesim-pulan akhir dalam menentu-kan batas bawah Bgi

History Matching Perolehan Estimasi IGIP dengan Ma-terial Balance

Data-data yang digu-nakan sebagai input data awal pada material balance diper-

11

oleh dari laporan studi sebelumnya yang tertera pada Tabel 2 dan skema lapangan yang dibangun pada material balance dapat dilihat pada Gambar 7. Dari hasil running software yang iteratif terse-but diperoleh hasil akhir yang telah matching. Grafik tekanan terhadap waktu yang telah match-ing tersebut dapat dilihat pada Gambar 8. Terlihat bahwa grafik yang diperoleh sudah cukup baik karena mengikuti trend profil tekanan terhadap waktu. Hasil IOIP dan IGIP dengan mengguna-kan material balance dilakukan dengan metode analytical.

Hasil dari Analytical method dapat dilihat pada Tabel 3. Pada tabel tersebut telah diperoleh base case yang sudah cukup sesuai dengan simu-lasi reservoir yang dilakukan pada studi sebelum-

Abandonment pressure : -- psigBubble Point pressure 3249 psig

8. Reservoir temperature : 267 deg.F9. Crude oil saturation pressure : 3205 psig

10. Original solution GOR : 702 scf/stb11. Formation volume factor

Oil : 1,548 bbl/stbgas cap : 0,006 cf/scf

12. Gravity of crude : 42,9 API13. Gas deviation factor (z)

Initial : 0,933Abandonment : --

14. Separator gas gravity : 0,76415. Type of reservoir drive : Solution gas drive

Gambar 8. Skema sumur, segmen yang dibentuk pada simulasi menggunakan material balance.

nya.Hasil matching dapat dilihat pada Gambar 8 dan Gambar 9. Selan-jutnya dari melihat kedua gambar tersebut maka dapat dipastikan hasil yang diperoleh sudah baik. Pada Gambar 10 dapat dilihat driving mechanism yang terdapat pada tiap segmennya. Setelah mendapatkan base case tersebut, maka kita dapat menyimpulkan bahwa dengan menggunakan material balan-ce diperoleh hasil yang cukup mendekati dari perolehan IGIP

dengan menggunakan simulasi reservoir. Oleh karena itu uji senstivitas dapat dilakukan, hal ini dikarenakan data awal yang digunakan sudah match. Setelah sesuai dengan kebutuhan studi uji tingkat ketidakpastian parameter PVT terhadap perolehan IGIP, maka data hasil uji senstivitas dengan material balance akan dimasukkan ke dalam kedua metode penguji, yaitu DOE dan MLR.

IGIP Simulasi Res Material BalanceSegmen 1&2 130 BSCF 135,035 BSCFSegmen 3 15,81 BSCF 12,94 BSCFSegmen 4 16,07 BSCF 13,217 BSCF

Tabel 3. Perbandingan material balance dengan simulasi reservoir.

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

StdO

rder

RunO

rder

PtTy

peBl

ocks

Rs Boi BgiIGIP

(BSCF)12 1 1 1 602 1,448 0,004 150,250393910 2 1 1 802 1,448 0,004 156,03180481 3 1 1 802 1,448 0,007 161,92246267 4 1 1 602 1,848 0,007 173,826557311 5 1 1 602 1,848 0,004 165,28073224 6 1 1 802 1,448 0,007 161,92246269 7 1 1 602 1,448 0,004 150,25039395 8 1 1 802 1,848 0,004 169,96234486 9 1 1 802 1,848 0,007 175,51942818 10 1 1 602 1,448 0,007 158,72070162 11 1 1 802 1,848 0,004 169,96234483 12 1 1 602 1,848 0,007 173,8265573

Tabel 5. Hasil Placket-Burman experimental design daerah Main.

Experimental DesignMendesain Matriks Placket-Burman

Dalam proses penggunaan Placket-Bur-man Experimental Design, salah satu syarat yang dibutuhkan adalah nilai maksimum dan minimum dari tiap parameter data independen yang kita tinjau. Namun nilai maksimum dan minimum diperoleh merupakan hasil dari material balance yang paling cocok agar tidak terjadinya pressure drop dan/atau negative gas inplace. Hal ini dika-renakan agar permutasi yang dilakukan pada me-tode ini semuanya dapat memperoleh hasil IGIP pada tiap permutasinya. Apabila nilai Rs terlalu besar dan Boi terlalu kecil dan begitu pula nilai Bgi, maka seringkali nilai IGIP untuk beberapa segmen akan menghasilkan negative gas inplace atau pressure drop to zero. Oleh karena itu, tahap

no. Parameter Min Max1 Rs 602 8022 Boi 1,448 1,8483 Bgi 0,004 0,007

Tabel 4. Data minimum dan maksimum tiap parameter.

awal yang dilakukan adalah dengan memasuk-kan nilai maksimum dan minimum Rs, Boi, dan Bgi yang paling memungkinkan dalam desain table matriks Placket-Burman pada software minitab. Tabel 4 adalah desain input nilai maksimum dan minimum data pada Placket-Burman.Metode Placket-Burman yang digunakan adalah dengan menggunakan 12 kali run, dimana dalam metode Placket-Burman jumlah run yang bisa dilakukan sesuai dengan kelipatan 4. 12 kali run digunakan karena jumlah tersebut yang paling dekat dengan jumlah permutasi yang bisa dilaku-kan dengan 3 parameter data yaitu, sebesar 8 kali run. Namun dikarenakan nilai minimum run pada Placket-Burman Experimental Design berjumlah 12, maka digunakanlah jumlah run paling sedikit tersebut.Pembuatan matriks Placket Burman yang diper-oleh merupakan randominasi dari input parame-ter yang dianalisis. Setelah tabel matriks terben-tuk, maka dilakukan run simulasi berdasarkan tabel matriks tersebut. Selanjutnya, hasil analisis menggunakan metode Placket-Burman dapat di-lihat pada Tabel 5.

Hasil Persamaan Proxi IGIP ED

Hasil analisis dengan menggunakan soft-ware minitab menghasilkan persamaan proxi se-bagai berikut :

IGIP daerah Main :72,6023+0,0114514*Rs+41,1265*Boi+ 2968*Bgi

Penerapan metode ini juga dilakukan da-lam penentuan persamaan proxi untuk tiap seg-mennya. Hasil running matriks Placket-Burman untuk tiap segmennya dapat dilihat pada Tabel 6, Tabel 7 dan Tabel 8. Nilai maksimum dan minimum tiap parameter yang digunakan mengikuti daerah Main, yaitu seperti yang tertera pada Tabel 4.

Diperoleh persamaan proxi perhitungan IGIP untuk tiap segmen sebagai berikut :

IGIP (BSCF) segmen 1&2 :66,3970 + 0,0123557*Rs + 30,8444*Boi +

2071,00*BgiIGIP (BSCF) segmen 3 :

3,66643 + 0,00447659*Rs + 3,72459*Boi + 69,7770*Bgi

IGIP (BSCF) segmen 4 :5,05098 + 0,00247228*Rs + 2,92317*Boi +

303,674*Bgi

Memvalidasi Persamaan Proxi IGIP

Untuk memvalidasi persamaan proxi yang

15

StdO

rder

RunO

rder

PtTy

peBl

ocks

Rs Boi BgiIGIP 3 (BSCF)

12 1 1 1 602 1,448 0,004 11,950308610 2 1 1 802 1,448 0,004 13,01040031 3 1 1 802 1,448 0,007 13,14962347 4 1 1 602 1,848 0,007 13,784255211 5 1 1 602 1,848 0,004 13,52469154 6 1 1 802 1,448 0,007 13,14962349 7 1 1 602 1,448 0,004 11,95030865 8 1 1 802 1,848 0,004 14,46083336 9 1 1 802 1,848 0,007 14,44000988 10 1 1 602 1,448 0,007 12,30559422 11 1 1 802 1,848 0,004 14,46083333 12 1 1 602 1,848 0,007 13,7842552

Tabel 7. Hasil Placket-Burman experimental design seg-men 3.

StdO

rder

RunO

rder

PtTy

peBl

ocks

Rs Boi BgiIGIP

(BSCF) 412 1 1 1 602 1,488 0,004 12,062596110 2 1 1 802 1,488 0,004 12,68620371 3 1 1 802 1,488 0,007 13,48940167 4 1 1 602 1,848 0,007 14,112964511 5 1 1 602 1,848 0,004 13,11273684 6 1 1 802 1,488 0,007 13,4894016

Tabel 8. Hasil Placket-Burman experimental design Seg-men 4.

Tabel 6. Hasil Placket-Burman experimental design Seg-men 1&2.

StdO

rder

RunO

rder

PtTy

peBl

ocks

Rs Boi Bgi

IGIP (BSCF)

1&212 1 1 1 602 1,448 0,004 126,237489310 2 1 1 802 1,448 0,004 130,33520081 3 1 1 802 1,448 0,007 135,28343777 4 1 1 602 1,848 0,007 145,929337611 5 1 1 602 1,848 0,004 138,64330384 6 1 1 802 1,448 0,007 135,28343779 7 1 1 602 1,448 0,004 126,23748935 8 1 1 802 1,848 0,004 141,83235756 9 1 1 802 1,848 0,007 146,60386118 10 1 1 602 1,448 0,007 133,36682992 11 1 1 802 1,848 0,004 141,83235753 12 1 1 602 1,848 0,007 145,9293376 Main Segmen1&2 Segmen3 Segmen 4

R2 0,9801 0,9925 0,9926 0,9931

Tabel 9. Hasil perolehan R2

diperoleh maka diplot grafik Actual IGIP terha-dap Pred IGIP untuk keseluruhan daerah Main, termasuk juga untuk tiap segmennya. Grafik tersebut dapat dilihat pada Gambar 12. Terlihat pada grafik yang dihasilkan untuk daerah Main dan peninjauan pada tiap segmennya menghasil-kan nilai R2 yang cukup baik, yaitu mendekati nilai 1 (Tabel 9).

Dari data tersebut mengindikasikan bah-wa persamaan proxi menunjukkan hasil yang baik dengan R square perolehan untuk keseluru-han berada di atas nilai 95%. Disimpulkan bahwa persamaan proxi yang diperoleh memiliki ketepa-tan yang sangat baik. Hal ini semakin diperkuat dengan melihat persentase Galat yang dihasilkan dari perbandingan penggunaan persamaan proxi terhadap nilai actual IGIP pada Tabel 10a dan10b. Kesimpulan dari tabel tersebut adalah, galat yang terjadi pada daerah Main, serta pada tiap seg-mennya menghasilkan rata-rata error/galat yang selalu kurang dari 1%. Hal ini mengindikasikan bahwa persamaan yang diperoleh sudah bagus.Selanjutnya perlu adanya validasi asumsi awal yang menyatakan bahwa data yang digunakan terpopulasi secara normal. Dengan menggunakan NPP (Normal Probability Plot) dan gambar His-togram antara residual terhadap frekuensi, kita dapat melihat apabila data yang digunakan sudah terpopulasi secara normal. NPP merupakan grafik yang merespon terhadap IGIP dengan mem-plot persentase dengan Residual. Nilai residual didefinisikan sebagai perbedaan antara nilai yang diamati dengan nilai yang dihitung. Grafik NPP dan histogram residual untuk daerah Main, dan untuk tiap segmennya dapat dilihat pada kedua chart yang ada pada Gambar 13. Terlihat bahwa uji normalitas menggunakan NPP menunjukkan bahwa data yang dipakai terpopulasikan secara merata.

9 7 1 1 602 1,488 0,004 12,06259615 8 1 1 802 1,848 0,004 13,66915416 9 1 1 802 1,848 0,007 14,47555728 10 1 1 602 1,488 0,007 13,04827752 11 1 1 802 1,848 0,004 13,66915413 12 1 1 602 1,848 0,007 14,1129645

16

Analisa IGIP S-curve (P 10, P 50, & P90)

Dari persamaan proxi yang diperoleh pada daerah Main dan tiap segmen, diperoleh juga IGIP S-curve. Dengan diperolehnya IGIP S-curve maka dapat diketahui nilai masing-masing P 10, P 50, dan P 90. Grafik S-curve dapat dilihat pada Gambar 14. Hasil lengkapnya secara ke-seluruhan dapat dilihat pada Tabel 11.

Analisa Tingkat Ketidakpastian Parameter (Rs, Boi, Bgi) dengan DOE

Analisa tingkat ketidakpastian merupakan salah satu tujuan utama pada paper ini. Analisa

IGIP (BSCF) 1&2

IGIP 1&2 (BSCF) korelasi

Galat % IGIP (BSCF) 3 IGIP (BSCF) Korelasi 3 Galat % IGIP

(BSCF) 4

IGIP (BSCF)

Korelasi 4Galat %

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

Tabel 10b. Galat prediction IGIP terhadap actual IGIP segmen 1&2, 3, dan 4.

Tabel 10a. Galat prediction IGIP terhadap actual IGIP dae-rah Main.

IGIP (BSCF) IGIP calculated (BSCF) galat (%)

150,2503939 150,9192148 -0,445140156,0318048 153,2094948 1,808804161,9224626 162,1134948 -0,117980173,8265573 176,2738148 -1,407870165,2807322 167,3698148 -1,263960161,9224626 162,1134948 -0,117980150,2503939 150,9192148 -0,445140169,9623448 169,6600948 0,177834175,5194281 178,5640948 -1,734660158,7207016 159,8232148 -0,694620169,9623448 169,6600948 0,177834173,8265573 176,2738148 -1,407870

Main 1&2 3 4P 10 151,67 127,87 12,155 12,342P 50 164,74 137,29 13,331 13,333P 90 177,81 146,72 14,507 14,323

Tabel 11. S-curve (P 10, P 50, dan P 90)

tingkat ketidakpastian parameter-parameter ter-hadap IGIP dapat dilakukan dengan meninjau :

Pareto Chart of the Standardized Effects1. Normal Plot of the Standardized Effects2. Main Effects Plot for IGIP3.

Grafik Pareto Chart untuk daerah Main dan untuk tiap segmen secara berurutan ditunjuk-kan dengan Gambar 15. Grafik Normal Plot of the standardized Effects ditunjukkan pada Gam-bar 16. Hasil analisa dari Pareto chart dapat mengindikasikan parameter apa saja yang mem-berikan tingkat ketidakpastian yang tinggi hing-ga terendah terhadap data dependennya, yaitu IGIP. Pada setiap grafik pareto chart akan ter-lihat sebuah garis vertikal berwarna merah, garis

merah tersebut merupakan base line. Base line ini menandakan apabila nilai standardized effect suatu parameter berada dikiri garis tersebut, maka menandakan parameter tersebut tidak berpengaruh secara signifikan pada variabel dependennya. Kesimpulan dari Pareto Chart pada dae-rah Main, terlihat bahwa tidak seluruh parameter

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 Rs berada di kiri base line tersebut, se-hingga parameter dianggap tidak signifikan pe-ngaruhnya terhadap perolehan nilai IGIP. Para-meter yang paling berpengaruh atau cukup tinggi tingkat ketidakpastiannya terhadap IGIP adalah Boi dan selanjutnya diikuti Bgi. Kesimpulan pada segmen 1&2, 3, dan 4, adalah, seluruh parameter berada di kanan base line-nya. Untuk segmen 1&2, parameter Boi memiliki tingkat ketidakpastian yang tinggi diantara parameter lainnya, selanjutnya diikuti dengan parameter Bgi, dan Rs. Untuk segmen 3, parameter Boi memiliki tingkat ketidakpastian yang paling tinggi, selanjutnya diikuti oleh Rs dan terakhir Bgi. Pada segmen 4, secara keseluruhan parameter Boi, Bgi, Rs memiliki tingkat ketidakpas-tian yang cukup tinggi, namun parameter yang memiliki pengaruh yang paling signifikan adalah parameter Boi, yang diikuti oleh Bgi, dan terakhir Rs. Dengan menganalisa grafik Normal Plot of the Standardized Effects kita dapat mengetahui parameter apa saja yang berpengaruh signifikan dan parameter apa yang berpengaruh secara tidak signifikan. Terlihat pada grafik terdapat garis biru, apabila parameter yang ditinjau berada di kanan garis tersebut, maka data dapat dikatakan memberikan efek yang positif terhadap nilai de-pendennya, begitu pula sebaliknya, apabila data terletak di bagian kiri garis biru, parameter terse-but akan memberikan efek yang negatif terhadap nilai dependennya. Semakin jauh letak parameter dari garis biru tersebut, maka parmeter tersebut akan memiliki tingkat signifikan yang cukup tinggi pula. Terlihat pada Gambar. 16, pada Daerah Main, sesuai dengan pareto chart sebelumnya, parameter yang berpengaruh paling signifikan atau memiliki tingkat ketidakpastian paling tinggi adalah Boi, dan Bgi, sedangkan parameter Rs dika-takan tidak berpengaruh secara signifikan, namun seluruh parameter berpengaruh positif dalam per-olehan IGIP. Pada segmen 1&2, 3 dan 4, seluruh pa-rameter dinyatakan berpengaruh positif dan sig-nifikan terhadap perolehan IGIP. Terlihat pada Segmen 1&2, parameter yang paling berpe-ngaruh adalah Boi, yang diikuti oleh Bgi dan Rs. Sama halnya dengan segmen 4, Boi merupakan

parameter yang paling berpengaruh, namun ting-kat signifikansi parameter di segmen 4 cenderung lebih besar daripada segmen 1&2. Pada segmen 3 parameter yang paling berpengaruh adalah Boi, parameter keduanya adalah Rs, dan diikuti oleh Bgi. Selengkapnya dapat dilihat pada Tabel 12 berikut.

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

Boi 1 1 1 1

Bgi 2 2 3 2

Tabel 12. Urutan tingkat ketidakpastian parameter.

Angka urut 1-3, menunjukkan urutan tingkat ketidakpastian parameter tersebut pada tiap seg-mennya. Warna merah menyatakan tidak signifi-kannya data tersebut terhadap variabel dependen-nya. Selanjutnya dengan meninjau analisa Main Effects dari setiap parameter terhadap IGIP, maka kita dapat mengetahui seberapa be-sar pengaruhnya ketika parameter tersebut ber-nilai minimum dan ketika bernilai maksimum terhadap estimasi nilai IGIP yang diperoleh. Grafik Main Effects parameter tersebut dapat di-lihat pada Gambar 17. Seperti yang terlihat pada Pareto Chart dan Normal Plot of the Standard-ized Effect, dinyatakan bahwa pada daerah Main, parameter Rs tidak berpengaruh signifikan.

Multiple Linear Regression

Setelah kita memperoleh base case dari simulasi material balance yang sesuai dengan simulasi reservoir pada studi sebelumnya, maka, selanjutnya perlu disusun data-data hasil uji sen-sitivitas dengan menggunakan material balance untuk dimasukkan pada metode MLR. Data dan hasil uji sensitivitas tersebut dapat dilihat hasil-nya pada Lampiran III Metode MLR pada Tabel 13. Pada tabel tersebut terlihat perolehan IGIP pada daerah Main dan terlihat pula perolehan IGIP untuk setiap segmennya.

Uji sensitivitas dilakukan secara acak, nilai Rs, Boi, Bgi diubah-ubah secara acak tanpa perlakuan tertentu. Perlakuan acak ini dilakukan agar semakin banyak informasi mengenai berba-gai kondisi PVT dan pengaruhnya terhadap nilai IGIP, sehingga hasil korelasi atau proxi yang di-

20

Tabel 13. Uji sensitivitas parameter Rs, Boi, Bgi terhadap IGIP.

No, Rs Boi Bgi IGIP (BSCF) IGIP 1&2 (BSCF) IGIP 3 (BSCF) IGIP 4 (BSCF)

1 802 1,848 0,007 175,6827452 146,7378271 14,46856619 14,476351912 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 11,882054114 852 1,448 0,003 155,0860288 129,4013106 13,16225214 12,522466085 552 1,348 0,004 145,4423568 122,4313976 11,35910087 11,651858326 752 1,648 0,0065 166,6863476 139,4280688 13,52770207 13,730576697 652 1,388 0,005 152,2662112 127,7700854 12,11824991 12,377875908 772 1,688 0,00675 170,7309561 142,6869811 13,95209345 14,091881549 672 1,428 0,0025 147,8414741 123,9303811 12,13906524 11,7720277710 572 1,358 0,0035 144,9033393 121,8969579 11,43340091 11,5729805411 872 1,928 0,0075 178,5012151 148,9628518 14,74560734 14,7927559512 742 1,628 0,0055 163,6405482 136,9039646 13,36524384 13,3713398013 642 1,418 0,0065 156,9802009 131,7578818 12,32276638 12,8995527814 582 1,368 0,0035 145,5445052 122,3927078 11,52072605 11,6310713315 642 1,488 0,005 155,3792171 130,3876739 12,38885520 12,6026880516 612 1,318 0,00575 151,0603451 126,9322194 11,79783323 12,3302924217 822 1,908 0,008 179,7060384 150,0392627 14,73955591 14,9272198418 812 1,888 0,004 171,7035916 143,2344631 14,67081767 13,7983108119 832 1,878 0,005 173,3908853 144,6506147 14,66348005 14,0767905820 842 1,868 0,0055 173,7602307 144,9767997 14,60652762 14,1769034121 782 1,808 0,007 173,8419680 145,2829873 14,22335492 14,3356257622 662 1,528 0,003 152,1551918 127,5472589 12,46878360 12,1391493823 582 1,508 0,006 157,6317413 132,5089966 12,29564616 12,8270986024 592 1,828 0,0045 165,7246545 139,0872424 13,43652053 13,2008916025 612 1,728 0,0045 162,1733473 136,0892148 13,09961463 12,9845179126 682 1,458 0,006 157,7881272 132,2721603 12,57390921 12,9420576627 622 1,878 0,007 175,1616783 146,9640818 13,96928953 14,2283069828 862 1,578 0,0045 161,7726095 134,9862695 13,57935343 13,2069864929 722 1,518 0,0075 164,0546661 137,3661219 13,05800410 13,6305401630 692 1,618 0,0035 157,4926775 131,8827641 12,99402856 12,6158847831 712 1,438 0,005 155,3925896 130,1503164 12,56977970 12,6724934632 732 1,498 0,008 164,6666790 137,8437263 13,07702572 13,7459269433 632 1,828 0,0075 174,5732948 146,4634350 13,83880136 14,2710584834 762 1,398 0,0085 162,9383479 136,2913175 12,94871808 13,6983123635 902 1,698 0,0055 167,0180906 139,3334056 13,95858416 13,7261007736 952 1,798 0,008 172,4086077 143,8300855 14,12562529 14,4528969137 942 1,898 0,0075 175,7014524 146,5691541 14,51435519 14,6179430338 762 1,898 0,0045 171,8993029 143,6076361 14,46832471 13,8233421339 652 1,788 0,004 164,0438112 137,4554040 13,49864165 13,0897655540 932 1,568 0,006 162,8863218 135,8917599 13,49765487 13,4969070041 922 1,488 0,0065 174,4104719 144,2429899 15,60036608 14,5671159842 802 1,548 0,006 163,1490621 136,2908990 13,39468146 13,4634815843 552 1,548 0,006 158,5872686 133,4132874 12,31083423 12,86314702

21

Gambar 17. Plot Main effects IGIP pada daerah Main, segmen 1&2, segmen 3, dan segmen 4.

hasilkan dari metode MLR akan semakin akurat. Terlihat pada Tabel 13, jumlah uji data yang dilakukan ada sebanyak 47 buah (n=47). Data sebanyak ini sudah cukup banyak, apabila mengacu pada beberapa literatur yang menyata-kan bahwa untuk melakukan analisis regresi se-baiknya data yang diinput berjumlah lebih dari 15 – 30 data, sehingga uji normalitas dapat diper-oleh dengan lebih baik lagi.Selanjutnya, sebelum kita meninjau dan meng-gunakan persamaan proxi perhitungan prediksi IGIP, dan melihat parameter apa saja yang mem-berikan pengaruh yang signifikan terhadap varia-bel dependennya, maka diperlukannya uji syarat Multiple Linear Regression agar persamaan proxi tersebut dapat dikatakan valid.

44 702 1,998 0,006 178,1361258 149,0806878 14,67157756 14,3838603845 702 1,256 0,006 151,8681051 127,2886317 12,08577091 12,4937025146 702 1,548 0,01 170,8944489 143,1784266 13,30118096 14,4148413747 702 1,548 0,002 151,8540956 127,0410768 12,78668439 12,02633441

Uji Syarat Multiple Linear Regression

Hubungan antara variabel dependen dengan variabel independen adalah linier (asumsi lin-earitas)

Uji linearitas yang pertama adalah dengan melihat hubungan linearitas antara setiap para-meter independen terhadap data dependen. Hasil lebih jelasnya dapat dilihat pada Metode Multiple Linear Regression, Gambar 18. Pada gambar tersebut selain diuji untuk daerah Main secara keseluruhan, uji linearitas juga di-lakukan pada setiap segmennya. Kesimpulan dari uji hubungan linearitas yang didapatkan adalah, keseluruhan parameter yang digunakan 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-

22

plot tiap parameter terhadap dependen variabel. Plot hubungan ini dilakukan menggunakan mi-crosoft excel.Berikut adalah analisa regresi linear yang dilaku-kan dengan software Minitab :

Uji tersebut sudah memenuhi uji normalitas, 1. yaitu jumlah data yang digunakan sudah cu-kup banyak (n=47)Model secara statistik sudah signifikan 2.

(p<0,05) dan sampel yang digunakan sudah cukup besar untuk mendapatkan regresi yang baik.Terdapat 1 atau 2 data yang perlu dievaluasi, 3. dikarenakan residual yang dihasilkan data tersebut cukup besar. Namun data tersebut tetap dimasukkan dikarenakan perolehan dan hasil data tersebut merupakan hasil running software Material Balance.

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

23

Adanya korelasi antara parameter B4. oi, Bgi, Rs terhadap IGIP. Semakin besar nilai Boi, Bgi, dan Rs maka nilai IGIP semakin besar.

Asumsi linearitas juga dapat dilihat dengan meng-gunakan uji Anova (Analysis of Variant). Dengan metode stepwise pada software Spss, hal ini di-lakukan secara otomatis karena metode tersebut hanya memasukkan variabel-variabel yang ber-pengaruh signifikan terhadap variabel dependen. Pengujian linearitas berikutnya untuk daerah Main dapat diperoleh dari tabel ANOVA (Tabel 14 Anova). Hubungan Linearitas juga dilakukan untuk segmen 1&2, 3, dan 4. Tabel Anova untuk segmen tersebut dapat dilihat pada tabel Anova Tabel 15, Tabel 16, Tabel 17.

Metode stepwise ini juga akan dilaku-kannya F-test. Nilai batas minimum suatu data diterima masuk ke dalam korelasi persamaan re-gresi apabila nilai F-test berada di bawah 0,05,

sedangkan apabila lebih dari 0,1 maka parameter akan ditolak masuk ke dalam model regresi. Ke-seluruhan parameter harus memenuhi syarat F-test terlebih dahulu agar diterima ke dalam model regresi.

Pada awalnya segmen 3 menggunakan batas bawah diterimanya suatu parameter dengan nilai F-test sebesar 0,05, namun setelaha di-run pada software SPSS, parameter Bgi ditolak. Meng-ingat parameter Bgi secara teori akan memberikan efek terhadap perolehan IGIP, maka pada paper ini batas bawah F-test khusus untuk segmen 3 dinaikkan menjadi 0,1. Sehingga pada model re-gresi terdapat parameter Bgi dalam persamaan akhir proxi yang diperoleh. Dari pemodelan ini dapat dikatakan bahwa khusus untuk segmen 3 dapat dikatakan parameter Bgi pengaruhnya tidak terlalu signifikan terhadap IGIP.

Model Sum of Squares df Mean

Square F Sig.

1 Regression 3472,735 1 3472,735 135,889 .000a

Residual 1150,009 45 25,556Total 4622,745 46

2 Regression 4281,082 2 2140,541 275,663 .000b

Residual 341,662 44 7,765Total 4622,745 46

3 Regression 4405,796 3 1468,599 291,081 .000c

Residual 216,949 43 5,045Total 4622,745 46

Tabel 14. Anova daerah Main.

a. Predictors: (Constant), Boib. Predictors: (Constant), Boi, Bgic. Predictors: (Constant), Boi, Bgi, Rsd. Dependent Variable: IGIP


Square F Sig.

1 Regression 2311,270 1 2311,270 143,881 .000a

Residual 722,868 45 16,064Total 3034,138 46

2 Regression 2860,714 2 1430,357 362,899 .000b

Residual 173,425 44 3,941Total 3034,138 46

3 Regression 2908,350 3 969,450 331,400 .000c

Residual 125,789 43 2,925Total 3034,138 46

Tabel 15. Anova segmen 1&2.

a. Predictors: (Constant), Boib. Predictors: (Constant), Boi, Bgic. Predictors: (Constant), Boi, Bgi, Rsd. Dependent Variable: IGIP segmen 1&2


Square F Sig.

1 Regression 35,802 1 35,802 106,559 .000a

Residual 15,119 45 0,336Total 50,920 46

2 Regression 44,884 2 22,442 163,574 .000b

Residual 6,037 44 0,137Total 50,920 46

3 Regression 45,331 3 15,110 116,240 .000c

Residual 5,590 43 0,130Total 50,920 46

Tabel 16. Anova segmen 3.

a. Predictors: (Constant), Boib. Predictors: (Constant), Boi, Bgic. Predictors: (Constant), Boi, Bgi, Rsd. Dependent Variable: IGIP segmen 3


Square F Sig.

1 Regression 23,723 1 23,723 62,859 .000a

Residual 16,983 45 0,377Total 40,706 46

2 Regression 37,023 2 18,512 221,154 .000b

Residual 3,683 44 0,084Total 40,706 46

3 Regression 39,234 3 13,078 382,062 .000c

Residual 1,472 43 0,034Total 40,706 46

Tabel 17. Anova segmen 4.

a. Predictors: (Constant), Boib. Predictors: (Constant), Boi, Bgic. Predictors: (Constant), Boi, Bgi, Rsd. Dependent Variable: IGIP segmen 4

24

Error Berdistribusi Normal

Pengujian asumsi normalitas error di-lakukan dengan pemeriksaan visual terhadap his-togram dan normal probability plot. Histogram dan normal probability plot dapat dilihat pada Gambar 19. Kesimpulannya didapat dari grafik tersebut yang menyatakan bahwa daerah Main dan seluruh segmen memenuhi uji normalitas.

Independasi Error

Independensi error dapat diuji dengan statistik Durbin-Watson (d). Nilai d hitung akan dibandingkan dengan nilai d dari tabel Durbin-Watson Tabel 12.

Ukuran sampel dalam penelitian ini sebe-sar 47 sehingga pada tabel, n = 47. Dengan jumlah variabel independen yang berpengaruh sebanyak 3 buah didapat nilai Dwl dan Dwu sebesar 1,3989 dan 1,6692 (a = 0,05). Dari nilai Dwu dan Dwl dapat diperoleh tiga daerah, yaitu:

Terdapat aukorelasi :1. d<Dwl atau d> 4-Dwl

d<1,3989 atau d> 2,601 (1)Tidak dapat disimpulkan2. Dwl < d < Dwu4-Dwu< d < 4-Dwl1,3989 < d < 1,66922,3308 < d < 2,601 (2)Tidak terdapat autokorelasi3. Dwu< d < 4-Dwu1,6692 < d < 2,3308 (3)

Hasil analisa untuk keseluruhan segmen dapat dilihat pada Gambar 20. Kesimpulan de-ngan melihat nilai durbin watson yang diperoleh dari setiap segmen yaitu, nilai hitung durbin wat-son untuk keseluruhan segmen pada daerah Main berada pada range nilai durbin-watson 1,6692-2,3308. Hal ini berarti uji autokorelasi terpenuhi.

Homoscedasticity

Homoscedasticity yang diperoleh cukup baik, mengingat error tidak terkumpul pada tem-pat tertentu. Homoscedasticity tiap segmen dapat di lihat pada Gambar. 21.

Gambar 19. Standardized residual plot IGIP daerah Main, segmen 1&2, segmen 3, dan segmen 4.

25

Gambar 20. Model summary

Gambar 21. Uji Homoscedasticity daerah Main, segmen 1&2, segmen 3, dan segmen 4.

26

a. Dependent Variable: IGIP Daerah Main.

Model

Unstandardized Coefficients

Stan

dard

ized

C

oeffi

cien

ts

t

Sig,

Col

linea

rity

St

atis

tics

B Std. Error Beta Tole-

rance VIF

1 (Constant) 94,913 5,893 16,106 0Boi 42,242 3,624 0,867 11,657 0 1,000 1,000

2 (Constant) 88,581 3,307 26,784 0Boi 37,299 2,055 0,765 18,147 0 0,944 1,059Bgi 2527,986 247,770 0,430 10,203 0 0,944 1,059

3 (Constant) 83,102 2,885 28,809 0Boi 33,968 1,787 0,697 19,007 0 0,812 1,232Bgi 2293,037 205,234 0,390 11,173 0 0,894 1,118Rs 0,017 0,003 0,186 4,972 0 0,781 1,280

CoefficientsaTabel 18. Coefficients daerah Main.

Model

Unstandardized Coefficients

Stan

-dar

dize

d C

oeffi

cien

ts

t

Sig,

Col

linea

rity

St

atis

tics

B Std.Error Beta Tole-

rance VIF

1 (Constant) 80,880 4,672 17,311 0Boi 34,461 2,873 0,873 11,995 0 1,000 1,000

2 (Constant) 75,660 2,356 32,111 0Boi 30,386 1,464 0,770 20,750 0 0,944 1,059Bgi 2084,190 176,525 0,438 11,807 0 0,944 1,059


a. Dependent Variable: IGIP segmen 1&2.

CoefficientsaTabel 19. Coefficients Segmen 1&2.

a. Dependent Variable: IGIP Segmen 3.

Model

Unstandard-ized Coef-

ficients

Stan

dard

ized

C

oe-ffi

cien

ts

t Sig,

Col

linea

rity

St

atis

tics

B Std.Error Beta Tole-

rance VIF

1 (Constant) 6,351 0,676 9398,000 0,000Boi 4,289 0,415 0,839 10,323 0,000 1,000 1,000

2 (Constant) 4,757 0,474 10,034 0,000Boi 3,294 0,292 0,644 11,267 0,000 0,825 1,212Bgi 0,004 0,001 0,465 81,360 0,000 0,825 1,212

3 (Constant) 4,688 0,463 10,125 0,000Boi 3,226 0,287 0,631 11,248 0,000 0,812 1,232Bgi 0,004 0,001 0,441 7,707 0,000 0,781 1,280Rs 61,089 32,943 0,099 1,854 0,071 0,894 1,118

CoefficientsaTabel 20. Coefficients segmen 3.

Model

Unstandard-ized Coef-

ficients

Stan

dard

ized

C

oe-ffi

cien

ts

t Sig,

Col

linea

rity

St

atis

tics

B Std. Error Beta Tole-

rance VIF

1 (Constant) 7,682 0,716 10,727 0Boi 3,491 0,440 0,763 7,928 0 1,000 1,000

2 (Constant) 6,870 0,343 20,007 0Boi 2,857 0,213 0,625 13,390 0 0,944 1,059Bgi 324,267 25,725 0,588 12,605 0 0,944 1,059


a. Dependent Variable : IGIP Segmen 4

CoefficientTabel 21. Coefficients segmen 4.

Tidak terdapat multikolinearitas

Multikolinearitas antarvariabel independen dapat dilihat dari nilai statistik Toleransi. Jika nilai Toleransi sebuah model regresi di bawah 0,1, maka pada model tersebut terdapat multiko-linearitas. Nilai statistic toleransi dapat di lihat pada Tabel 18, Tabel 19, Tabel 20, Tabel 21.Statistik uji Toleransi dari ketiga model regresi yang terbentuk memiliki nilai lebih dari 0,1 se-hingga asumsi tidak terdapat multikolinearitas

antar variabel independen terpenuhi.

Hasil Persamaan Proxi IGIP MLR

IGIP (BSCF) Daerah Main :83,1 + 0,0167 Rs + 34,0 Boi + 2293 Bgi

IGIP (BSCF) Segmen 1&2 :IGIP 1&2 (BSCF) = 72,3 + 0,0103 Rs + 28,3 Boi

+ 1939 BgiIGIP (BSCF) Segmen 3 :

4,69 + 0,00417 Rs + 3,23 Boi + 61,1 Bgi

27

IGIP (BSCF) Segmen 4 :6,14 + 0,00223 Rs + 2,41 Boi + 293 Bgi

Setelah terpenuhi keseluruhan uji asumsi Multiple Linear Regression, maka persamaan proxi perhitungan IGIP yang diperoleh di atas sudah dapat dikatakan valid. Namun, agar lebih yakin maka akan dilakukan validasi persamaan proxi yang diperoleh yaitu, dengan diplot grafik Actual IGIP terhadap Pred IGIP untuk keselu-ruhan daerah Main, termasuk juga untuk tiap segmennya. Plot grafik Actual IGIP terhadap Prediciton IGIP dapat dilihat pada Gambar 22. Analisa R2 yang diperoleh dapat dilihat pada Ta-bel 23. Selanjutnya galat Prediksi IGIP terhadap Aktual IGIP dapat dilihat pada Tabel. 24.

Analisa IGIP S-curve (P 10, P 50, P 90)

Selanjutnya, dari persamaan proxi yang diperoleh pada daerah Main dan tiap segmen, maka dengan dapat diperoleh IGIP S-curve untuk mengetahui nilai masing-masing P 10, P 50, dan P 90. Grafik S-curve dapat dilihat pada Gambar 23. Hasil lengkapnya secara keseluruhan dapat dili-hat pada Tabel 26.

Analisa Tingkat Ketidakpastian Parameter (Rs, Boi, Bgi) terhadap IGIP dengan Metode MLR. Kekurangannya dengan menggunakan metode MLR adalah tidak dapat dilakukannya uji yang mendetail seperti halnya dengan meng-gunakan Experimental Design. Sehingga analisa tingkat ketidakpastian parameter-parameter ter-hadap estimasi IGIP tidak dapat dilakukan de-ngan meninjau grafik-grafik seperti halnya pada metode DOE, yaitu pareto chart of the Standard-ized Effects, dan Normal Plot of the Standardized Effects. Namun masih dapat digunakannya Main Effects Plot for IGIP yang terdapat pada Gambar 24. Selain itu, dengan menggunakan metode MLR, kita dapat mengetahui parameter mana yang mempunyai tingkat pengaruh tertinggi atau terendah terhadap IGIP, dikarenakan terda-pat metode stepwise yang akan mengindikasikan parameter yang mempunyai pengaruh dan pada akhirnya akan menghasilkan nilai koefisien untuk perhitungan persamaan proxi IGIP. Dengan me-ninjau nilai koefisien tersebut kita dapat mengeta-

hui parameter mana yang memberikan pengaruh terbesar terhadap IGIP. Namun dengan menggu-nakan MLR kita tidak dapat mengetahui apakah parameter tersebut berlaku signifikan atau tidak. Selanjutnya pada Tabel 27 dapat dilihat ringkasan mengenai kesimpulan urutan pengaruh parameter PVT pada setiap segmen. Dengan menggunakan metode MLR diper-kirakan bahwa parameter Bgi pada segmen 3 memiliki tingkat signifikan yang paling rendah. Hal ini disebabkan uji F-test dengan nilai sebe-sar 0,05, menolak untuk memasukkan parameter Bgi ke dalam persamaan proxi perhitungan IGIP. Namun hal ini masih harus dikaji ulang lagi mengingat dari hasil analisa MLR kita tidak da-pat menyatakan bahwa parameter tersebut tidak signifikan terhadap parameter Independennya.

Perbandingan Metode DOE dengan MLR

Untuk melihat perbandingan DOE dan MLR, maka dilakukan beberapa analisa berikut:

Dengan menggunakan persamaan 1. proxi yang diperoleh dari DOE dan MLR, maka persa-maan DOE digunakan untuk melihat menghi-tung IGIP dari data MLR, begitu pun seba-liknya, sehingga dapat terlihat galat yang dihasilkan kedua metode tersebut untuk data set yang berbeda. Hasil dapat dilihat pada Ta-bel 25. Hasil yang diperoleh oleh kedua me-tode tersebut sudah cukup baik. Kesimpulan pada bagian ini adalah ternyata dengan cara yang sederhana menggunakan metode DOE, yaitu dengan sedikit sampel data dapat meng-hasilkan hasil yang optimum. Namun tetap saja penggunaan persamaan proxi hasil dari metode MLR memberikan hasil yang lebih baik daripada metode DOE, hal ini dikare-nakan jumlah set data yang ditinjau lebih banyak. Sebagai contoh singkat mengenai validasi presisi dari kedua metode tersebut maka akan ditampilkan R2 yang dihasilkan oleh kedua metode tersebut terhadap set data yang berbeda yang ditinjau pada daerah Main. (Tabel 28)Membandingkan tingkat ketidakpastian ke-2. dua metode. Hasil dapat dilihat pada Ta-bel 29. Dari tabel ini dapat terlihat bahwa diperoleh hasil yang sama mengenai tingkat ketidakpastian parameter PVT terhadap per-

28

Tabel 22. Durbin – Watson

Main Segmen1&2

Segmen3

Segmen4

R2 9531 0,9585 0,8902 0,9638

Tabel 23. Hasil perolehan R2

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 (BSCF) IGIP Korelasi Galat % IGIP 1&2

(BSCF)Pred IGIP

1&2 (BSCF) Galat %

175,6827452 175,3520609 0,188228 146,7378271 146,4938073 0,166296452161,1987323 161,1946275 0,002546 135,0346175 135,0219500 0,009380928146,5375551 147,0371940 -0,340960 123,2034108 123,5500927 -0,281389856155,0860288 153,4296496 1,068039 129,4013106 127,9240883 1,141582178145,4423568 147,3039396 -1,279950 122,4313976 123,9265920 -1,221250782166,6863476 166,5749462 0,066833 139,4280688 139,3414947 0,062092304152,2662112 152,6297034 -0,238720 127,7700854 128,0332529 -0,205969574170,7309561 168,8417264 1,106554 142,6869811 141,1662618 1,065772987147,8414741 148,5905810 -0,506700 123,9303811 124,5258161 -0,480459266144,9033393 146,8318894 -1,330920 121,8969579 123,4472913 -1,271839287178,5012151 180,3878184 -1,056910 148,9628518 150,4537125 -1,000827174163,6405482 163,4351325 0,125529 136,9039646 136,7325008 0,125243853156,9802009 156,9209265 0,037759 131,7578818 131,6881011 0,052961310145,5445052 147,3389680 -1,232930 122,3927078 123,8340251 -1,177616972155,3792171 155,8591004 -0,308850 130,3876739 130,7625637 -0,287519356151,0603451 151,3021418 -0,160070 126,9322194 127,0907247 -0,124873969179,7060384 180,0179920 -0,173590 150,0392627 150,3393653 -0,200016046171,7035916 169,9990118 0,992746 143,2344631 141,9134217 0,922292981173,3908853 172,2871857 0,636538 144,6506147 143,7760423 0,604610220

30

Tabel 25. Multiple linear regression dan design of experimental.

Multiple Linear RegressionMain Segmen 1&2

IGIP IGIP Pred Galat % IGIP Pred IGIP Galat %150,2503939 151,5574 -0,86989 126,2374893 127,235 -0,79018582156,0318048 154,8974 0,727034 130,3352008 129,295 0,798096592161,9224626 161,7764 0,090205 135,2834377 135,112 0,126724801173,8265573 172,0364 1,029853 145,9293376 144,372 1,067186114165,2807322 165,1574 0,07462 138,6433038 138,555 0,063691369161,9224626 161,7764 0,090205 135,2834377 135,112 0,126724801150,2503939 151,5574 -0,86989 126,2374893 127,235 -0,79018582169,9623448 168,4974 0,861923 141,8323575 140,615 0,858307309175,5194281 175,3764 0,081488 146,6038611 146,432 0,117228217158,7207016 158,4364 0,179121 133,3668299 133,052 0,236063086169,9623448 168,4974 0,861923 141,8323575 140,615 0,858307309173,8265573 172,0364 1,029853 145,9293376 144,372 1,067186114

173,7602307 173,2614328 0,287061 144,9767997 144,5657142 0,283552610173,8419680 173,6585445 0,105512 145,2829873 145,1537860 0,088930784152,1551918 152,9665058 -0,533210 127,5472589 128,2246185 -0,531065588157,6317413 157,8271212 -0,123950 132,5089966 132,6473581 -0,104416684165,7246545 165,4246843 0,181005 139,0872424 138,9071974 0,129447530162,1733473 162,3626862 -0,116750 136,0892148 136,2813437 -0,141178638157,7881272 157,8027131 -0,009240 132,2721603 132,2655448 0,005001430175,1616783 173,3579180 1,029769 146,9640818 145,4814105 1,008866440161,7726095 161,4524667 0,197897 134,9862695 134,6186184 0,272361849164,0546661 163,9499699 0,063818 137,3661219 137,2875086 0,057229031157,4926775 157,6723469 -0,114080 131,8827641 132,0539723 -0,129818480155,3925896 155,3324953 0,038673 130,1503164 130,0703792 0,061419136164,6666790 164,5845374 0,049884 137,8437263 137,7939037 0,036144264174,5732948 172,9734468 0,916433 146,4634350 145,1379753 0,904976522162,9383479 162,8364661 0,062528 136,2913175 136,2409987 0,036920033167,0180906 168,4912734 -0,882050 139,3334056 140,3707513 -0,744506097172,4086077 178,4577032 -3,508580 143,8300855 148,5682625 -3,294287828175,7014524 180,5405725 -2,754170 146,5691541 150,3280816 -2,564610216171,8993029 170,6482242 0,727797 143,6076361 142,6489048 0,667604680164,0438112 163,9238320 0,073138 137,4554040 137,4253410 0,021871094162,8863218 165,7241633 -1,742220 135,8917599 137,9680159 -1,527874833174,4104719 163,9858553 5,977059 144,2429899 136,5678362 5,320989051163,1490621 162,8686173 0,171895 136,2908990 136,0565206 0,171969223158,5872686 158,6836427 -0,060770 133,4132874 133,4700941 -0,042579492178,1361258 176,4802096 0,929579 149,0806878 147,7694052 0,879579119151,8681051 151,2759830 0,389892 127,2886317 126,7502679 0,422947276170,8944489 170,3668495 0,308728 143,1784266 142,7778829 0,279751433151,8540956 152,0224054 -0,110840 127,0410768 127,2660170 -0,177060999

31

Multiple Linear RegressionSegmen 3 Segmen 4

IGIP IGIP Pred Galat % IGIP Pred IGIP Galat %11,95030861 12,12178 -1,43487 12,06259605 12,14414 -0,6760113,0104003 12,95578 0,41982 12,68620368 12,59014 0,75723

13,14962339 13,13908 0,08018 13,48940157 13,46914 0,15020413,78425518 13,59708 1,357891 14,11296446 13,98714 0,89155213,52469153 13,41378 0,820067 13,11273684 13,10814 0,03505613,14962339 13,13908 0,08018 13,48940157 13,46914 0,15020411,95030861 12,12178 -1,43487 12,06259605 12,14414 -0,6760114,46083326 14,24778 1,473312 13,66915405 13,55414 0,84141314,44000983 14,43108 0,061841 14,47555717 14,43314 0,29302612,30559423 12,30508 0,004179 13,04827747 13,02314 0,1926514,46083326 14,24778 1,473312 13,66915405 13,55414 0,84141313,78425518 13,59708 1,357891 14,11296446 13,98714 0,891552

Multiple Linear RegressionMain Segmen 1&2

IGIP IGIP Pred Galat % IGIP Pred IGIP Galat %175,6827452 178,5640948 -1,640086849 146,7378271 147,8037226 -0,726394496161,1987323 162,1130048 -0,567171024 135,0346175 135,2438326 -0,154934419146,5375551 145,6619148 0,597553507 123,2034108 122,6839426 0,421634593155,0860288 150,8140648 2,754576949 129,4013106 127,7997476 1,23767139145,4423568 146,2339948 -0,544296735 122,4313976 123,0795976 -0,529439354166,6863476 168,2822248 -0,957413263 139,4280688 139,9815576 -0,396970857152,2662112 151,9921948 0,179958769 127,7700854 127,6199436 0,117509352170,7309561 170,8983128 -0,098023641 142,6869811 141,9801976 0,495338464147,8414741 146,4462828 0,943707649 123,9303811 123,9233336 0,00568666144,9033393 145,3902878 -0,336050572 121,8969579 122,5996556 -0,576468611178,5012151 184,1398128 -3,15885676 148,9628518 152,1716736 -2,154108733163,6405482 164,3771808 -0,450152855 136,9039646 137,1701126 -0,194404889156,9802009 157,5634758 -0,371559532 131,7578818 131,5282186 0,174306992145,5445052 145,9160668 -0,25529071 122,3927078 123,0316566 -0,522048095155,3792171 155,9903308 -0,393304659 130,3876739 130,5808266 -0,148137239151,0603451 150,8812838 0,118536271 126,9322194 126,5198576 0,324867714179,7060384 184,2287128 -2,516706973 150,0392627 151,9725006 -1,288488003171,7035916 171,4196688 0,165356355 143,2344631 142,9480556 0,199957115173,3908853 174,2054318 -0,469774694 144,6506147 144,9577256 -0,212312198173,7602307 175,3926808 -0,939484307 144,9767997 145,8083386 -0,573566875173,841968 176,6900068 -1,638291854 145,2829873 146,3228326 -0,71573783152,1551918 151,9284188 0,149040593 127,5472589 127,9197166 -0,292015448157,6317413 159,0937768 -0,927500697 132,5089966 132,5273726 -0,013867738165,7246545 167,9167708 -1,322746037 139,0872424 139,4146376 -0,235388375162,1733473 164,0331488 -1,146798491 136,0892148 136,5773116 -0,358659428157,7881272 158,1825918 -0,249996376 132,2721603 132,2207226 0,038887775175,1616783 177,7366378 -1,470047287 146,9640818 146,5050286 0,31235741161,7726095 160,7270238 0,64633049 134,9862695 135,0395766 -0,039490757

Design Of Experimental

32

164,0546661 165,5602378 -0,917725619 137,3661219 137,6721146 -0,222757035157,4926775 157,4573458 0,022433868 131,8827641 132,1018836 -0,166147185155,3925896 154,7356038 0,422790946 130,1503164 129,9035056 0,18963519164,666679 166,3362218 -1,013892313 137,8437263 138,2142836 -0,268824204174,5732948 177,2788268 -1,54979718 146,463435 146,1218656 0,233211381162,9383479 164,0511138 -0,682936776 136,2913175 136,5360146 -0,179539757167,0180906 169,0882598 -1,239488005 139,3334056 141,3061326 -1,415832041172,4086077 181,1934798 -5,095379063 143,8300855 150,1858576 -4,418944811175,7014524 183,7076158 -4,556685953 146,5691541 152,1112406 -3,78120931171,8993029 172,7423638 -0,490438813 143,6076361 143,6742146 -0,046361393164,0438112 165,4747948 -0,872317943 137,455404 137,8867036 -0,313774204162,8863218 165,5693568 -1,647182508 135,8917599 138,7025316 -2,068390094174,4104719 163,6487228 6,170357194 144,2429899 137,1469226 4,919523164163,1490621 163,2581448 -0,066860758 136,290899 136,4794026 -0,138309749158,5872686 160,3952948 -1,140082817 133,4132874 133,3904776 0,017097098178,1361258 180,6199298 -1,39432919 149,0806878 149,1238126 -0,028927154151,8681051 150,1040668 1,161559433 127,2886317 126,2372678 0,82596842170,8944489 173,9850048 -1,808458917 143,1784266 143,5278326 -0,244035368151,8540956 150,2410048 1,062263611 127,0410768 126,9598326 0,063951127

Multiple Linear RegressionSegmen 3 Segmen 4

IGIP IGIP Pred Galat % IGIP Pred IGIP Galat %14,46856619 14,6281365 -1,102875765 14,47635191 14,56148472 -0.5880812,94685659 12,9933235 -0,358904956 13,21725824 13,13363172 0.63270711,45209019 11,3585105 0,8171407 11,88205411 11,70577872 1.48354313,16225214 13,083022 0,601949721 12,52246608 12,30113472 1.76747411,35910087 11,437363 -0,688981733 11,65185832 11,57080772 0.69560213,52770207 13,6245005 -0,715557081 13,73057669 13,70139972 0.21249612,11824991 12,1037826 0,119384483 12,3778759 12,23863652 1.12490513,95209345 13,88046015 0,51342331 14,09188154 13,94369062 1.05160512,13906524 12,1678555 -0,237170321 11,77202777 11,64582392 1.07206611,43340091 11,5292522 -0,83834452 11,57298054 11,49764802 0.65093414,74560734 15,2743535 -3,585787603 14,79275595 15,12023492 -2.2137813,36524384 13,4354658 -0,525407249 13,3713398 13,31453952 0.42479112,32276638 12,2754199 0,38421957 12,89955278 12,75711982 1.1041711,52072605 11,611264 -0,785870175 11,63107133 11,55160252 0.68324612,3888552 12,4314757 -0,344022909 12,60268805 12,50623072 0.76537111,79783323 11,71633045 0,690828378 12,33029242 12,16287892 1.35774214,73955591 15,0109207 -1,841064898 14,92721984 15,08999452 -1.0904614,67081767 14,612555 0,397133079 13,79831081 13,79211232 0.04492214,66348005 14,7346179 -0,485136201 14,07679058 14,11600022 -0.2785414,60652762 14,7770264 -1,167277976 14,17690341 14,26332832 -0.6096214,22335492 14,3896211 -1,168965978 14,33562576 14,39511232 -0.4149612,4687836 12,5304371 -0,494462828 12,13914938 12,06525512 0.608727

12,29564616 12,3071491 -0,093552952 12,8270986 12,72003132 0.83469613,43652053 13,4391183 -0,019333651 13,2008916 13,22465752 -0.1800313,09961463 13,1561911 -0,431894156 12,98451791 12,98178612 0.021039

33

12,57390921 12,5685786 0,042394214 12,94205766 12,82110082 0.93460313,96928953 13,934088 0,251992272 14,22830698 14,20416942 0.16964513,57935343 13,7166501 -1,011069273 13,20698649 13,16138062 0.34531613,0580041 13,0757831 -0,136154039 13,63054016 13,55089322 0.584327

12,99402856 13,0348364 -0,314050718 12,61588478 12,55434582 0.48778912,5697797 12,5586075 0,08888143 12,67249346 12,53313182 1.099718

13,07702572 13,0809457 -0,029976082 13,74592694 13,66898962 0.5597113,83880136 13,8275129 0,081571082 14,27105848 14,23457072 0.25567712,94871808 12,8776729 0,548665741 13,69831236 13,60267802 0.69814713,95858416 14,4124415 -3,251456844 13,72610077 13,91472622 -1.3742114,12562529 15,1831725 -7,486728469 14,45289691 15,08984222 -4.4070414,51435519 15,4759771 -6,625316092 14,61794303 15,20559942 -4.020114,46832471 14,4608599 0,051594156 13,82334213 13,84956702 -0.1897113,49864165 13,5238416 -0,18668508 13,08976555 13,10423052 -0.1105113,49765487 14,097431 -4,443558053 13,496907 13,76071952 -1.9546115,60036608 13,7895864 11,60728967 14,56711598 13,65398012 6.26847413,39468146 13,4409825 -0,345667347 13,46348158 13,38085972 0.61367412,31083423 12,321835 -0,089358445 12,86314702 12,76278972 0.78019214,67157756 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 0,46142512,78668439 12,7142155 0,566752786 12,02633441 11,91893572 0,893029

Tabel 26. S-curve (P 10, P 50, dan P 90)

Main 1&2 3 4P 10 150 126 12 12P 50 163 136 13 13P 90 176 147 15 15

Main Seg.1&2 Seg.3 Seg.4Rs 3 3 2 3Boi 1 1 1 1Bgi 2 2 3 2

Tabel 27. Urutan tingkat ketidakpastian parameter

olehan IGIP. Namun dengan menggunakan metode DOE, kita dapat mengidentifikasi bahwa pada daerah Main secara keseluruhan, parameter Rs dinyatakan tidak signifikan pe-rubahannya terhadap perubahan IGIP. Beda halnya dengan menggunakan metode MLR, penggunaan metode ini tidak dapat meng-hasilkan identifikasi parameter apa yang dapat memberikan dampak yang signifikan atau tidak terhadap perolehan IGIP. Namun ada indikasi pada segmen 3 bahwa parame-ter Bgi dengan menggunakan MLR memiliki pengaruh yang kecil, hal ini disebabkan saat penggunaan F-test dengan batas bawah 0,05 pada proses regresi dengan metode stepwise, parameter Bgi ditolak masuk ke dalam persa-maan proxi IGIP yang dihasilkan. Tetapi hal ini masih belum dapat memastikan bahwa pa-rameter Bgi tidak berpengaruh secara signifikan pada segmen 3.

Membandingkan 3. IGIP S-curve perolehan dari kedua metode. Hasil dapat dilihat pada Tabel 30.

Dari peninjauan yang dilakukan pada Tabel 30, maka terlihat bahwa nilai perolehan dengan meng-gunakan metode DOE dan MLR tidak menghasil-kan nilai percentil yang jauh berbeda. Sehingga dari studi ini dapat dikategorikan kisaran nilai P 10, P 50 dan P 90 pada tiap segmennya dengan meninjau nilai perolehan yang didapat pada kedua metode tersebut, yang dirangkum pada Tabel 31.

Data set 01 Main 1&2 3 4

DOE 0 0 0 0

MLR 0 0 0 0

Data set 01 Main 1&2 3 4

DOE 0 0 0 0

MLR 0 0 0 0

Tabel 28. perolehan R2 dengan DOE dan MLR pada daerah Main.

34

Gambar 23. Grafik IGIP S-curve daerah Main, segmen 1&2, segmen 3, segmen 4.

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

Rs 3 3 2 3

Boi 1 1 1 1

Bgi 2 2 3 2

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

Rs 3 3 2 3

Boi 1 1 1 1

Bgi 2 2 3 2

Tabel 29. Urutan Ketidakpastian kedua parameter.

DOE Main Seg.1&2 Seg.3 Seg.4P 10 151,67 127,87 12,155 12,342P 50 164,74 137,29 13,331 13,333P 90 177,81 146,72 14,507 14,323MLR Main Seg.1&2 Seg.3 Seg.4P 10 150,02 126,08 11,922 12,110P 50 163,07 136,48 13,271 13,315P 90 175,92 146,89 14,619 14,521

Tabel 30. IGIP S-curve.

Main 1&2 3 4P 10 150,2-151,67 126, 8-127,7 11,922-12,155 12,110-12,342P 50 163,07-164,74 136,48-137,29 13,271-13,331 13,315-13,333P 90 175,92-177,81 146,72-146,89 14,619-14,507 14,323-14,521

Tabel 31. Kisaran nilai P 10 P 50 dan P 90

1&2 P 10 126,08-127,87

133,881P 50 136,48-137,29 P 90 146,72-146,89

170,358

Tabel 32. Perolehan batas.

Penerapan Hasil Studi

Dengan melihat hasil matching data PVT hasil perubahan komposisi terhadap hasil studi observasi pada Gambar 6, maka dapat ditentukan batas atas dan bawah berdasarkan data perubahan komposisi (garis biru) dan data hasil studi obser-

35

melebihi Gp segmen 1&2 tersebut.

Hasil perbandingan metode 3. DOE dengan MLR menghasilkan kesimpulan yang sama, yaitu, Bgi merupakan parameter yang paling tinggi tingkat ketidakpastiannya dalam perhi-tungan IGIP. Hal ini berlaku secara keseluru-han daerah Main, dan juga pada tiap segmen-nya. Urutannya terlampir pada Table 27.

Pada daerah 4. Main diidentifikasikan bahwa pengaruh ketidakpastian parameter Rs berada diurutan terakhir. Sedangkan warna merah menunjukkan tidak signifikannya pengaruh parameter tersebut terhadap IGIP. Ada du-gaan pula dengan menggunakan metode MLR bahwa parameter Bgi pada segmen 3 tidak memiliki pengaruh yang signifikan terhadap IGIP di segmen tersebut.Analisa kedua metode dapat dikatakan 5. valid karena telah mengikuti langkah teori perco-baan dan memenuhi syarat-syarat yang harus diuji.Kelebihan metode 6. DOE adalah dengan meng-gunakan data yang minimum kita dapat mem-peroleh hasil dan analisa yang cukup akurat. Selain itu kita juga dapat mengidentifikasikan parameter mana yang berpengaruh signifikan terhadap variabel dependennya.

Kelebihan metode 7. MLR adalah hasil persa-maan proxi IGIP yang didapatkan lebih baik dari DOE, namun metode MLR tidak bisa mengidentifikasikan bahwa parameter inde-penden signifikan atau tidak terhadap depen-den variabel.

Penggunaan metode 8. DOE juga dapat digu-nakan persamaan proxi perhitungan IGIP mengingat hasil perhitungan dengan metode DOE juga sudah baik.

Diperoleh nilai P10, P 50, dan P 90 dari kedua 9. metode dengan hasil yang tidak terlalu jauh berbeda. Dihasilkan pula kisaran nilai P 10, P 50 dan P 90 dari kedua metode tersebut.

Hasil studi sensitivitas ini dapat dijadikan pi-10. jakan awal untuk menemukan komposisi C1-C7 yang tepat pada reservoir utama lapangan X.Studi yang didapatkan dapat membantu me-11. nentukan kisaran Rs, Boi, dan Bgi dalam me-nentukan komposisi C1-C7 perolehan IGIP yang tepat.

vasi (titik-titik merah). (Gambar 24).Diperoleh nilai maksimum dengan cara me-masukkan nilai hasil perubahan komposisi C1-C7 (garis biru). Nilai yang dimasukkan di lihat dengan melihat initial pressure maka diperoleh nilai parameter Boi, Bgi, dan Rs. Begitu pula un-tuk nilai minimum, namun yang ditinjau adalah grafik hasil studi observasi eksperimen (garis titik-titik merah). Setelah itu data-data tersebut dimasukkan ke dalam persamaan IGIP untuk segmen 1&2.

Persamaan proxi perhitungan IGIP seg-men 1&2 (metode MLR). Penggunaan persamaan dari MLR, dikarenakan tingkat ketelitiannya lebih baik dari DOE.

IGIP (BSCF) Segmen 1&2 :72,3 + 0,0103 Rs + 28,3 Boi + 1939 Bgi

Atas :72,3 + 0,0103*(2000) + 28,3*(2,6) +

1939*(0,002) =170,358 BSCFBawah :

72,3 + 0,0103*(1000) + 28,3*(1,675) + 1939*(0,002) = 133,8805 BSCF

Dengan mengetahui nilai batas atas dan bawah perolehan IGIP berdasarkan data percentile, yaitu P10 dan P90, maka hasil perhitungan sebe-lumnya dari nilai maksimum dan minimum maka data tersebut dimasukkan ke dalam kisaran P10- P90 dan di lihat data mana saja, yang valid masuk ke dalam kisaran tersebut.

Terlihat bahwa data maksimum yang diperoleh dari hasil perubahan komposisi C1-C7 berada di luar kisaran P10 – P90, sehingga data hasil komposisi tersebut masih kurang tepat. Dengan memandang data P10 - P90 maka kita dapat melakukan pendekatan dalam menentukan data PVT dengan cara yang lebih efektif.

KesimpulanIV.

Diperoleh dengan 1. material balance daerah Main dengan IGIP sebesar 161 BSCF dan IOIP sebesar 105 MMSTB sudah match de-ngan perolehan In place menggunakan simu-lasi reservoir.Perbandingan perolehan estimasi 2. IGIP tiap segmen dari Material Balance dengan me-makai data lapangan GGR dan dari simulasi reservoir sudah diperoleh base case. Hasil Material Balance IGIP di segmen 1&2 sudah

36

Daftar Pustaka

Chaniago, Wordpress Blog Durbin Watson Table, diakses pada tanggal 10 maret 2011, http://www.nd.edu/~wevans1/econ30331/Durbin_Watson_tables.pdf

Cheong Y.P, Curtin, Gupta R. ”Experimental De-sign in Deterministic Modelling: Assessing Significant Uncertainties”, SPE 80537

Cheong Y.P, Gupta R., Vijayan K, Smith G.C.”Experimental Design Methodology for Quantifying UR Distribution Curve – Lesson learnt and still to be learnt”,SPE 88585

Elsevier, 2003, ”Design of Experiments for Engi-neers and Scientists.

FMIPA, 2010, Prodi Matematika, ”Guidelines

Workshop Matematika”.

Haans, Arie, 2009, ”Analisis Tingkat Ketidakpas-tian Parameter Geologi dan Reservoir pada Limestone Globigerina Sands di Lapangan Gas X dengan menggunakan metode Experi-mental Design”.

Lapi ITB, 2010,”Final Report Lapangan X”.

Minitab 16, ”Tutorial for Minitab”

Myers, Sharon., Myers, Raymond., Walpole, Ronald., Ye, Keyin, (2002), 7th Edition, Probability & Statistics for Engineers and Scientists.

Permadi, Asep Kurnia, 2004, ”Diktat Teknik Re-servoir I Edisi Pertama.”

37

Improving Oil Recovery and Injection Strategy in Shallow Reservoir (Rindu Reservoir) of Area 3&4 Duri Steam Flood

Sudianto Lumban Tobing, Sandra Natalia, Henri SilalahiPT Chevron Pacific Indonesia, Old Main Office. Room A41 Duri

Telp. 0765-24766, email: [email protected]

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:

Rindu and PK have significant reservoir pressure and temperature different. 1. All poor performance RVE producers are facing cross flow/backpressure and scaling problem2. Low drainages point in Rindu pattern resulting high reservoir pressure3. Low injection performance controlled by high backpressure4. Southern Area 4 Rindu sand has a poorer reservoir quality compare to Northern part.5.

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:

Perbedaan tekanan dan temperatur yang cukup berarti antara reservoir-reservoir Rindu dan 1. PK,Kinerja buruk dari sumur-sumur RVE disebabkan oleh aliran silang/tekanan balik dan problem 2. pengendapan padatan,Laju pengurasan yang lambat di reservoir Rindu menimbulkan tekanan reservoir yang tinggi,3.

38

Kinerja injeksi yang buruk akibat tekanan balik yang tinggi, dan4. Reservoir Rindu di bagian selatan Area 4 memiliki kualitas yang lebih buruk dibanding pada 5. 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.

ervoir of Duri Field (300-500 ft TVDSS). The Rindu sandstone is deposited as product of estua-rine to shallow marine depositional environment. The Rindu reservoirs are formed by delta mouth bar, offshore marine bar sand and channel bar de-posits (Johansen et al, 2009). The Rindu reservoir quality distribution is highly vary across field that follow stratigraphic trend. This study is focused on area that composed by channel edge deposits. This deposit is characterized with muddier sand-stone, thinner sand (30-60 feet) and relatively moderate permeability (500-1500mD). The Rindu reservoir was started producing com-mingles with PK sand in 1997 under RVE (Rindu 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 Type

Group: AREA-04RVE Entities In Group: 173 Format: [p] BG - Monthly Normalize

Normalize ProductionGroup: AREA-04RVE, PID: DURI-AREA-04-RVE

-48 -36 -24 -12 12 24 36 48-60 0 60

83000

96000

109000

122000

148000

161000

174000

187000

70000

135000

200000(L1)

11500

14000

16500

19000

24000

26500

29000

31500

9000

21500

34000(R1)

(L1) CDALLOC_FLUID (R1) CDALLOC_OILVS NORM_MONTH

-48 -36 -24 -12 12 24 36 48-60 0 60

171172173174

176177178179

170

175

180

n_CDALLOC_OIL VS NORM_MONTH

PK=83%

Rindu=17%

PK

RVE

Figure 2. Normalized Oil Production Contribution of Rindu Reservoir in RVE Producers after Several Years RVE De-velopment Project

IntroductionI.

The Area 3&4 are located in the southern part of Duri Field Anticline. These areas composed by Pertama-Kedua (PK) sandstone and Rindu sand-stone reservoirs. The entire reservoirs are depo-sited from estuarine and shallow marine deposits. The PK reservoir as the main Duri reservoirs is characterized by thick, clean, high porosity, high permeability (> 1000 mD) and relative deeper reservoir ( > 600’ TVDSS). This reservoir is form by amalgamated channel deposits. This interval has been injected and produced in early Duri field steamflood development.The Rindu sandstone is part of the shallow res-

39

to capital cost reduction, but these wells are not perform as expected. Through detail review of all RVE wells in study area, several problems are founded as listed below

Poor Production Performance1. There is no significant contribution from Rindu Sand after produced commingle be-tween Rindu and PK sand. This finding was proved with the result of finger print study in Area 5, 8, 9 Duri Field. Based on an oil fin-ger printing study, Rindu sand in RVE wells

only contributes 17% in average of the total production or only could deliver 30% reco-very factor until the end of the field life (Fig-ure-2).Poor Injection Performance2. Beside the poor production, injecting in Rindu sand also creates its own problems. Most of the injectors only able to take under 200 BSPD steam injection rate (1000 BSPD in-jection target) since the wellhead pressure has reached their maximum wellhead pressure /

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

Figure. 4. Example of No Heating Response in OBS, low injectivity, and low production performance after injected more than 8 years

40

fracture gradient (Figure-4).Cold Reservoir/ No Temperature Response3. Surveillance in the reference observation wells proved that no temperature response in Rindu sand of southern part and some satura-tion logs show that Rindu reservoir proper-ties (net pay and oil saturation) didn’t change much compare to its original, even though it had been injecting and producing more than 8 years (Figure-4).High Pressure Reservoir4. The recent drilling activities were facing with high pressure during penetrating Rindu re-servoir with equivalent mud weight (EMW about 15 ppg. The high pressure reservoir is also indicated by high shut in casing pres-sure of some injector in the drilling location (Figure-5). This finding is the evidence of ac-cumulation reservoir pressure in Rindu res-ervoir. The reservoir pressure data was taken from new drilled well shows that Rindu pres-sure tends to increase up to 1.5 – 2 times high-er than its original reservoir pressure (Figure-11).

Data & AnalysisII. A comprehensive approach of reservoir engineer-

ing and geological review is conducted to address the problems above. Numerous data is collected and utilized to support this review as follows:

Static reservoir properties.1. This data included porosity; permeability; net pay; and structure map (Figure-6).Production-Injection Profile.2. The production-injection data consist of Area 3&4 production-injection history (Figure-3); RVE production-injection performance (Fi-gure-2); Rindu production-injection profile before drainage improvement (Figure-4), Area 3&4 North and South Rindu production-injection performance comparison (Figure-7), and Rindu production-injection profile after drainage improved (Figure-10).Cross-flow and scaling problem data.3. This data consist of Rindu Vertical Expansion (RVE) completion type (Figure-1), cross-flow problem example (Figure-9), and scaling problem example (Figure-8).Saturation and temperature data.4. The saturation data is taken from saturation log in the observation well, open hole log from new drilled well, and calculated satu-ration from Neutron-Porosity log in the ob-servation well. The temperature data is taken from surveillance program in all observation

Figure 5. High Pressure Phenomenon in Rindu Reservoir from EMW data while drilling and SICP of Injector

41

wells. The data consist of the example of No Heating Response and low saturation chang-es in TOW before drainage improvement (Figure-4), the example of heating response after drainage improvement (Figure-10), and Rindu temperature map (Figure-4).Reservoir pressure data.5. This data is taken from RFT log of new drilled well (Figure-11) and combined with shut in casing pressure of Rindu injectors and cal-culated reservoir pressure from drilling mud weight data (Figure-5).The analysis of this study is conducted through

production performance analysis, heat ef-ficiency evaluation on each injected pattern, multiple-year saturation changes review, fluid scaling tendency, reservoir properties control to production-injection performance review, Rindu producer density review, and reservoir pressure evaluation thru recent drilling activi-ties. These comprehensive reviews carry out to address all Rindu reservoir problems in the southern part of Area 3&4.

DiscussionIII.

This section is representing data analysis re-

Figure.6. Static Reservoir Properties

42

sult that focus to address the underperformance Rindu reservoir. Throughout assessment of pro-blematic Area 3&4 Rindu development, there are four main factors that lead to poor performance of Rindu reservoir as follows:

Reservoir Quality Controls Steam flood 1. PerformanceThe reservoir quality in Area 3&4 is very he-

terogenic in term of permeability and net pay. Although the Rindu porosity of Area 3&4 spread out homogeny by average 30%, but the southern part of Area 3&4 has lower qua-lity compare to the northern part. The Rindu reservoirs in this location have less thickness, less permeable and tend to vertically sepa-rated (multiple lobe sand). As part of channel edge deposits, this area has more shale con-

Figure.8. Scaling problem in Rindu Vertical Expansion (RVE) Producer

Figure7. Northern and Southern Part Area 3&4 Rindu Production-Injection Performance Comparison

43

tent compare to northern area.The lower quality of reservoir in the study area controls the amount of steam injection. The lower sand quality has limit the amount of steam injection rate related to lower per-meability and high reservoir heterogeneity (vertically and horizontal). The average steam injection in southern part only 200 BSPD while in the northern part could reach 1500 BSPD. As the consequence, the northern part reaches faster maturity and better production performance compare to the southern part (Figure-7).Commingle Completion Implication to 2. Production PerformanceThe commingle completion of Rindu and PK reservoir allow a direct contact of two differ-ent reservoir behavior in the same borehole. Understanding this interaction is a critical study to explain the well behavior. This study reveals three reservoirs characteristic such as fluid properties, reservoir pressure and tem-perature that controls the wells performance. The temperature data play important rule on scaling problems. The Rindu commonly has colder temperature compare to PK reservoir. This temperature different is the best environ-ment that allow both reservoir to create scale. A previous study on comparison of Rindu and PK fluid properties concludes a different

fluid chemical composition in both reservoirs. Based on laboratories test, the mixtures of both reservoirs’ fluids tend to create scale, es-pecially in a contrast temperature borehole en-vironment. Since Rindu and PK are produced comingled in RVE wells, the scaling problem is common found in the wells. It shows by a steeper decline of oil and total fluid produc-tion after Rindu started produced commingle with PK for a while. As direct evidence to this study, Area 3&4 RVE look back found severe carbonate deposits inside liner during work over or well service activity (Figure-8). The fluid analysis of related wells also shows from water sample of the RVE wells, 70% in-dicates tendency of scale deposition in Rindu sand. Among of them have been treated using hydrochloric acid and have been successfully increased the production. However, after a while, the scaling problem returned back and holds on the production again. The scaling problem was repeated until the end life of well (Figure-8).In addition to scaling problem, the reservoirs pressure different is also significantly impact-ing the oil production from RVE wells. This review conducting by observed the pressure data contrast in low performance RVE wells. The recent pressure data from new drilled well shows reservoir pressure in Rindu be-

Figure.9. Cross-flow problem in Rindu Vertical Expansion (RVE) Producer

44

come 1.5-3 times higher than PK sand. This finding imply the occurrence of cross-flow or pressure hold up from Rindu to PK sand. This indication became stronger when the team found the steeper production decline trend af-ter opened the Rindu intervals in the existing PK wells (Figure-9). Poor Drainage Point Implication into 3. Rindu Production-Injection Performance and Reservoir PressureThe pattern steam flood mechanism will be working if injection and withdrawal (reser-voir drainages) is balance. Both injector and withdrawer (producer wells) play important rule to maintain gravity drainages. The with-drawal (reservoir drainages) efficiency is function of number wells in the pattern and also the completion types.The Rindu injection in the study area has been started since 1997. The injection is targeting the RVE wells patterns with no Rindu dedi-cated producers. Moreover, the RVE wells completed as cased-hole gravel pack. This completion type reduced the inflow area and impacted to lower productivity compare to the open-hole completion. The Rindu initial injection rate is low (~ave-rages 200 BSPD) that controlled by lower sand quality and lower withdrawal compare to northern Area 3&4 Rindu area. Similar to other Rindu well, the injection rate is ex-pected to increase in alignment to increasing of reservoir depletion (reduced the reservoir pressure). After more than 10 years, the in-jection rate remains the same. This injection rate is never improved because no pressure depletion occurred related to production. The depletions never happen because poor drain-ages of pattern steam floods. After several years facing with drainage pro-blem, the continue of low rate Rindu injection lead to pressure accumulation up to 1.5 – 2 times of its original pressure (Figure-5). This review results is proved by number drilling result that shown a significant high pressure in the cold Rindu reservoirs. The high reser-voir pressure conditions contributes to low steam injectivity and limiting the production performance and pattern recovery.

The Relationship of Injection Performance 4. and Heating EfficiencyIn relation to previous point discussion, the Rindu reservoir could only injected with av-erages 200 BSPD/pattern. This rate is lower from injection target (about one fifth of its target rate) and is not sufficient to heat up the reservoir (heat loss is equal to heat injected). With condition, the pattern heating time will be reached at least 75 years from target 3 years. It is extremely longer than expectation and yielding a failure in operation and project economic. Several measurement data have confirmed this calculation result such as tem-perature survey and saturation log in obser-vation wells (Figure-4) that remain the same (cold and no depletion) after 10 years injec-tion. The surface measurement data also indi-cates a cold wellhead temperature and produc-tion profile is following primary production trend or no steam flood impact (Figure-4). With the current practice, this area will never performed in term of production and injection as planned. The longer heating time means poor reservoir heat management that leads to failure in steam flood project economic.

ResultsIV.

Throughout previous discussion, this study clear-ly define that the poor reservoir quality, scaling/cross-flow problem, low drainage point, poor injectivity lead to longer maturity time and un-optimized Rindu recovery across the field. A unique solution have been proposed to resolve above concerns by drill separate Rindu open-hole gravel pack producer in adjacent to the existing RVE wells and complete pattern drainage point. To maximize steam injection and maintain reser-voir pressure, all in-efficient injection (below 200 BSPD) is recommended to shut in until drainage improvement or reservoir pressure is reached. The drilling new Rindu producer is aiming to im-prove oil recovery and reduce accumulated pres-sure in the reservoir at the same time. After pres-sure depleted to sufficient level for injection, the steam injection rate could be increased to ideal target. This recommendation has been implemented into 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 helps drilling execution. The additional producers prove depleting reservoir pressured significantly after 3-6 months production. As implication, project team succeeds to increase averages injec-tion rate to 1000 BSPD. The significant injection

improvement leads into inclining production to 50 BOPD/well of target area (Figure-10). Heat-ing efficiency also improved rapidly as shown in temperature growth in observation and producer wells (Figure-10).

46

ConclusionV.

As conclusion to this integrated study, some key lesson learns and finding on steam-flood opera-tion and practice are summarized as follows:

The comingle completion practice is not rec-1. ommended for a significant different reser-voir condition. This study shows that Rindu and PK have significant reservoir properties different especially in reservoir quality, pres-sure and temperature that lead to cross-flow and scaling problemsThe steam flood injection design will only 2. work when the pattern has a complete drain-ages point and sufficient reservoir pressure. This case study shows that the low drainages point in Rindu pattern and the low injection over 8 years yields to the high pressure ac-cumulation in reservoirThe reservoir quality strongly controls the 3. pattern injection performance. This study re-veals that Southern Area 4 Rindu sand has a poorer reservoir quality compare to Northern part. The injection performance also shows significant lower in southern part compare to northern Area 3&4.The time to reach maturity and pattern matu-4. rity stages controls the reservoir production performance. Failure to reach the maturity target in time resulting a underperform pro-

duction and economic.This study shows that drilling dedicated 5. Rindu open-hole producer is improving oil recovery and injection

Recommendation

This study recommends continuing re-develop Rindu reservoir that has the similar problem across Duri field by:

Drilling separate Rindu Open-hole gravel 1. pack close to the existing RVE wells.Increase injection after several month pro-2. ductions, after reservoir pressure decreased.

Acknowledgement

Special thanks to my team member, especially to Milla Amlan and Yustinawati for their contribu-tion in helping us to complete this paper.

Reference

Neumann, C. H.: “A mathematical model of the steam drive process, Application”, Paper SPE 4757.

Johansen, S. and Habash Semimbar. : “Tide-dominated deltaic systems of lower Miocene, Central Sumatera Basin”, AAPG Hedberg Conference, 2009, Jakarta, Indonesia

47

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 MarhaendrajanaFakultas Teknik Pertambangan dan Perminyakan, Institut Teknologi Bandung

Gedung Basic Science Center B Lt. 4, Jl. Ganesa 10 Bandung 40132Telp. +62222506282, +62816615621 email: [email protected]

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

48

lapangan milik Petroleum Hunt semakin mem-buktikan bahwa metode ini dapat digunakan da-lam water coning reversal.

Pada tahun 2006 Marhaendrajana dan Alliyah memperkenalkan perkembangan baru yang bertujuan untuk mengurangi resiko aplikasi metode DWS di lapangan dengan memberikan panduan untuk mendesain suatu sumur DWS dan mengembangkan plot Inflow Performance Window (IPW) yang digunakan untuk menentu-kan apakah kombinasi laju alir minyak dan air pada suatu sumur DWS akan menghasilkan jenis aliran berupa segregated flow, water coning, re-versed coning, atau unstable contact. Parameter reservoir yang diamati adalah laju alir minyak, laju alir air, vertical anisotropy, dan perbanding-an antara interval perforasi pada zona minyak dengan ketebalan zona minyak. Pada tahun 2007 Marhaendrajana dan Astutik melengkapi be-berapa parameter yaitu water-oil mobility ratio, ketebalan zona minyak, dan permeabilitas abso-lute horizontal. Pada tahun 2008 Marhaendrajana dan Mario melengkapi studi yang dilakukan oleh Marhaendrajana dan Astutik dengan menganali-sis pengaruh kekuatan aquifer dalam aplikasi metode DWS dan juga menganalisa penerapan metode water drainage injection pada reservoir dengan tenaga pendorong air yang lemah dengan mengoptimasi kedalaman injeksi yang tepat.

Studi yang penulis lakukan pada tugas akhir ini merupakan pelengkap dari studi yang telah dilakukan oleh Marhaendrajana dan Mario. Pada studi sebelumnya hanya dilakukan analisa pada pengaruh kekuatan aquifer terhadap aplikasi metode DWS dengan sensitivitas hanya pada laju alir minyak saja. Pada studi kali ini akan dilaku-kan analisa pengaruh kekuatan aquifer terhadap aplikasi DWS dengan sensitivitas properti re-servoir seperti mobility ratio, vertikal anisotropi, permeabilitas horisontal, dan ratio antara selang perforasi dengan ketebalan zona minyak. Yang pada akhirnya didapatkan hubungan pengaruh parameter-parameter di atas terhadap besarnya recovery factor serta akan dibuat persaman baru untuk mencari recovery factor (RF) berdasarkan parameter-parameter sensitivas yang dilakukan.

method.Keyword: Down-hole water sink, water coning, bottom water drive

PendahuluanI.

Water coning adalah keadaan di sekitar lubang sumur dimana batas minyak dan air naik membentuk kerucut mencapai titik perforasi ter-bawah, yang akan menyebabkan air lebih awal terproduksi sehingga peningkatan produksi air menjadi lebih cepat. Hal ini sering terjadi di lapangan yang memproduksi minyak dengan tenaga pendorong air. Terproduksinya air dapat menyebabkan peningkatan biaya produksi, penu-runan produktivitas sumur, dan penurunan recov-ery dari cadangan yang tersedia. Salah satu me-tode yang digunakan untuk mengatasi masalah water coning adalah dengan memproduksikan minyak pada laju alir kritisnya, namun kelema-han dari metode ini adalah tidak ekonomis, se-hingga metoda ini kurang begitu populer.

Alternatif lain untuk mengendalikan produksi air pada sumur minyak adalah dengan menggunakan metode Down-hole Water Sink. Metode ini mampu memperlambat terjadinya coning bahkan mencegahnya dengan membuat kondisi reverse coning, yang dapat meningkat-kan perolehan minyak. Suatu sumur vertikal yang menerapkan metode DWS menggunakan sistem dual completion dengan packer untuk memisah-kan produksi zona minyak dan zona air. Selain memakai single tubing, sistem dual tubing juga dapat diterapkan. Mekanisme dari metode DWS adalah menciptakan suatu drawdown tandingan pada zona air untuk menghindari terjadinya wa-ter coning. Dengan memilih laju produksi air yang sesuai, maka akan terbentuk suatu kondisi water-oil contact yang stabil. Selain itu dengan menggunakan metode DWS akan mendapat-kan produksi oil-free water dari top perforation dan water-free oil dari bottom perforation pada sumur yang berproduksi dari reservoir bottom water drive.

Hingga saat ini sudah banyak studi yang dilakukan untuk mempelajari dan mengem-bangkan metode Down-hole Water Sink (DWS). Inikori (2002) menggunakan numerical simula-tor untuk menunjukkan bahwa metode DWS da-pat digunakan untuk mengurangi efek dari water coning. Keberhasilan penerapan metode ini di

49

Simulasi Reservoir II.

Untuk mengamati terjadinya water con-ing dan menganalisis pengaruh kekuatan aquifer pada metode DWS maka dibangun model reser-voir radial dengan bottom aquifer. Model sumur vertikal dengan metode DWS dibuat dengan me-nempatkan dua interval perforasi pada koordinat

Komplesi 1

Komplesi 2

Gambar 1. Model reservoir.

Model Reservoir RadialKetebalan formasi 90 ft

Ketebalan zona minyak 50 ftKetebalan zona air 40 ftJari-jari aquifer, re 850 ft

Tabel 4. Data sumur

Tabel 3. Data geometri model

Jari-jari sumur, rw 0,292 ftKetebalan zona perforasi pada zona

minyak 10 ft

Jarak antara perforasi dengan WOC 40 ftFaktor skin 0

MinyakTekanan bubble point, psia 1000Kompresibilitas, psi-1 1,5 x 10-5

Densitas, lbm/cuft 53,9FVF, rb/stb 1,26Viskositas, cp 1,25Air FormasiKompresibiltas, psi-1 3 x 10-5

Densitas, lbm/cuft 62,47FVF, rb/stb 1,02Viskositas, cp 0,46

Tabel 2. Data properti fluida reservoir

yang sama di tengah-tengah reservoir. Perforasi yang dilakukan pada kedalaman berbeda. Per-forasi pertama dilakukan pada kedalaman zona minyak dan perforasi kedua dilakukan pada keda-laman zona air. Model reservoir dengan sebuah sumur vertikal yang menggunakan metoda DWS dapat dilihat pada Gambar 1 di bawah ini.

Pada Gambar 1, model disebelah kiri menunjukkan sebaran kedalaman tiap top grid sedangkan model di sebelah kanan menunjuk-kan distribusi porositas yang berbeda antara zona minyak dan zona air.

Dalam studi kali ini dengan mengguna-kan simulasi komputer akan dilakukan analisis sensitivitas volume aquifer dan properti reservoir dalam aplikasi metode DWS.

Deskripsi ModelIII.

Pada studi ini digunakan sebuah model reservoir radial dalam dua dimensi dan sistem koordinat silinder (r, , z). Data yang digu-nakan untuk base case mengacu pada data-data yang digunakan oleh Inikori (2002) pada deser-tasinya. Model reservoir memiliki tekanan dan temperatur rata-rata sebesar 1788 psia dan 150 oF. Kedalaman datum pada 4770 ft dibawah per-mukaan laut. Tabel 1-4 dibawah ini menunjukkan data base case yang digunakan pada model simu-lasi.

Analisis Sensitivitas

Tujuan utama dari analisis sensitivitas adalah untuk mengetahui seberapa besar penga-ruh dari parameter yang diamati pada studi ini terhadap performa DWS, berdasarkan besarnya recovey factor selama 10 tahun produksi. Pada analisis sensitivitas, berbagai kasus dengan variasi harga nilai parameter yang diamati dihi-tung harga recovery factor dengan menggunakan simulasi komputer. Selang harga parameter yang

Tabel 1. Data properti batuan reservoir.

Properti Batuan Zona Minyak

Zona

AirPorositas, % 0,2 0,27

Permeabilitas vertikal, md 50 50

Permeabilitas horizon-tal, md 200 200

Kompresibilitas, psi-1 4 x 10-6 4 x 10-6

50

Gambar 2. Sensitivitas mobility ratio

Gambar 3. Sensitivitas kv/kh

Gambar 4. Sensitivitas hp/ho.

Gambar 5. Sensitivitas hp/ho

diobservasi merupakan selang harga rasional yang mungkin ditemui pada aplikasi di lapangan. Lima parameter yang digunakan dalam analisis sensitivitas beserta selang nilai yang ingin dia-mati adalah:

Water – oil mobility ratio1. (M) : (1 – 10)Vertical anisotropy ratio2. (kv/kh) : (0,1 – 1)Permeabilitas absolut horizontal : (20-2000)3. Perbandingan antara interval perforasi pada 4. zona minyak dengan ketebalan zona minyak (hp/ho) : (0,1 - 0,8)Besarnya volum,e 5. aquifer dibandingkan de-ngan volume minyak (AV) : (1 – 100).

Gambar 2 menunjukkan hasil dari sensitivitas dari mobility ratio dan volume aquifer terhadap recovery factor. Bisa dilihat bahwa peningka-tan mobility ratio akan menurunkan nilai reco-very factor karena dengan meningkatnya nilai M maka potensi untuk terjadinya water coning se-makin besar. Hal itu dapat terjadi karena dengan semakin besarnya harga M maka air semakin mu-dah bergerak yang menyebabkan water-oil con-tact menjadi tidak stabil. Sedangkan peningkatan volume aquifer akan meningkatkan recovery fac-tor karena semakin besar nilai AV akan membuat

tekanan reservoir terjaga lebih lama. Gambar 3 adalah hasil sensitivitas dari vertical anisotropy ratio dan volume aquifer ter-hadap recovery factor. Terlihat bahwa peningka-tan kv/kh menyebabkan penurunan nilai RF. Hal ini disebabkan karena seiring dengan peningkatan kv/kh maka mengindikasikan peningkatan nilai permeabilitas vertikal yang berarti mempermu-dah pergerakan air menuju zona perforasi yang

akan mempercepat terjadinya water coning. Dan untuk aquifer volume hasilnya adalah peningka-tan aquifer volume meningkatkan nilai RF.Gambar 4 merupakan hasil sensitivitas antara permeabilitas horizontal (kh) dan aquifer vo-lume terhadap recovery factor. Terlihat bahwa peningkatan nilai kh akan menyebabkan naiknya nilai RF. Hal tersebut dapat terjadi dikarenakan semakin besarnya nilai kh akan mempermudah fluida reservoir untuk mengalir menuju lubang perforasi.Pada Gambar 5 menunjukkan hasil sensitivitas interval perforasi pada zona minyak dengan kete-balan zona minyak. Dengan menganggap bah-

51

wa ketebalan zona minyak tetap sehingga yang berubah adalah interval perforasi. Jadi bertambah-nya nilai hp/ho mengindikasikan bahwa selang perforasi semakin mendekati oil-water contact. Dari Gambar 5 menunjukkan bahwa pada peng-gunaan metode DWS perubahan selang perforasi mendekati OWC tidak terlalu berpengaruh pada nilai RF. Hal ini dikarenakan drawdown tanding-an pada zona water masih dapat mengimbangi drawdown yang terjadi pada zona minyak.

0

10

20

30

40

50

0 50 100

RF %

Ratio of Aquifer-to-Reservoir Volume (AV)

DWS M=1

No DWS

0

5

10

15

20

25

30

0 50 100

RF %


hpho=0.8

NO DWS

0

5

10

15

20

25

30

0 50 100

RF %


DWS M=3.2

NO DWS

0

5

10

15

20

25

30

0 50 100

RF %


hpho=0.5

NO DWS

0

2

4

6

8

10

12

0 50 100

RF %


DWS M=10

NO DWS

0

5

10

15

20

25

30

0 50 100

RF %


hpho=0.2

NO DWS

Gambar 6a. Perbandingan recovery factor metode produksi DWS dan konvensional

Efektivitas Pengaplikasian Metoda DWSIV.

Pada uraian kali ini akan dibandingkan antara hasil recovery factor pada suatu reservoir yang diproduksikan secara konvensional dan den-gan menggunakan metoda DWS. Dengan meng-gunakan data reservoir yang sama untuk analisa sensitivtas di atas maka didapatkan hasil seperti yang terdapat pada Gambar 6a-6c yang kemudian dirangkum ke dalam Gambar 7.

52

0

5

10

15

20

25

30

0 50 100

RF(%

)


DWS kvkh=0.1

NO DWS

0

5

10

15

20

25

0 50 100

RF(%

)


DWS kvkh=0.75

NO DWS

0

5

10

15

20

25

30

0 50 100

RF %

AV

DWS kvkh=0.25

NO DWS

0

5

10

15

20

25

0 50 100

RF(%

)

AV

DWS kvkh=1

NO DWS

0

5

10

15

20

25

0 50 100

RF(%

)


DWS kvkh=0.5

NO DWS

0

2

4

6

8

10

12

14

0 50 100 150

RF(%

)


kh=20

NO DWS

Gambar 6b. Perbandingan recovery factor metode produksi DWS dan konvensional

Terlihat dari hasil pada Gambar 6 bahwa tidak selamanya menggunakan metoda DWS akan menghasilkan recovery factor yang lebih besar dibandingkan metoda konvensional. Ada kondisi-kondisi tertentu dimana metoda DWS akan lebih menguntungkan bila digunakan. Da-lam studi kali ini yang diperhatikan adalah pada parameter aquifer volume pada reservoir terse-but. Terlihat bahwa dibutuhkan suatu harga aqui-fer volume tertentu untuk menghasilkan RF yang lebih besar dari metoda konvensional bila akan menggunakan metoda DWS.

Dari Gambar 7 menunjukkan bahwa

metode DWS akan efektif digunakan bila be-sar volume aquifer minimal 40-50 kali volume zona minyak. Hal tersebut dikarenakan metoda DWS pada dasarnya adalah menciptakan suatu drawdown tandingan pada zona bottom aquifer dengan cara memproduksikan air dari zona aqui-fer. Oleh karenanya apabila volume aquifer pada suatu reservoir terlalu kecil yang terjadi adalah pressure maintenance tidak akan terjadi sehingga penurunan tekanan reservoir tersebut akan terlalu cepat yang menyebabkan RF bernilai lebih kecil dibandingkan metoda konvensional.

Selain itu dari Gambar 6 juga didapatkan

53

0

5

10

15

20

25

30

0 50 100

RF %


kh=200

NO DWS

0

5

10

15

20

25

30

35

0 50 100

RF(%

)


kh=1000

NO DWS

0

5

10

15

20

25

30

0 50 100

RF(%

)


kh=500

NO DWS

05

10152025303540

0 50 100

RF(%

)


kh=2000

NO DWS

Gambar 6c. Perbandingan recovery factor metode produksi DWS dan konvensional

suatu bukti bahwa dibutuhkan volume aquifer yang cukup besar yaitu lebih dari 40 kali volume zona minyak apabila reservoir tersebut memi-liki nilai permeabilitas horisontal lebih dari 100 milidarcy. Sedangkan untuk permeabilitas yang lebih kecil dari 100 milidarcy penggunaan me-tode DWS lebih baik digunakan untuk mode-rate aquifer strength karena akan menghasilkan nilai RF yang lebih besar dibandingkan metode kon-vensional.

Persamaan V. Recovery Factor

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

Persamaan (1) dan (2) merupakan persa-maan recovery factor sebagai fungsi dari parame-ter-parameter reservoir yang memiliki bottom water drive untuk metode DWS dan konven-sional. Persamaan (1) adalah untuk mencari RF apabila reservoir tersebut menggunakan metoda DWS dan persamaan (2) adalah untuk mencari RF apabila digunakan metoda konvensional. De-ngan membandingkan hasil antara kedua nilai RF yang didapatkan maka dapat ditentukan apakah reservoir tersebut akan lebih baik menggunakan metoda DWS atau menggunakan metoda kon-

54

...........................(1)

...........................(2)

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 hasil simulasi.

KesimpulanVI.

Metode produksi DWS untuk reservoir de-1. ngan bottom water lebih superior daripada metode produksi konvensional apabila memi-liki aquifer yang memiliki strong water drive, yaitu aquifer yang terhubungkan dengan baik pada reservoir dan memiliki ukuran yang be-sar (ratio aquifer-to-reservoir volume lebih dari 50). Untuk 2. aquifer yang bersifat moderate, metode DWS lebih efektif apabila permeabilitas hori-zontal dari reservoir kurang dari 100 mD.Evaluasi dari efektifitas metode DWS se-3. 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 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-nual Technical Conference and Exhibition,

Gambar 8. Validasi persamaan (1).

Gambar 9. Validasi persamaan (2).

55

San Antonio, Texas, 29 Sept – 2 Oct.Marhaendrajana, T. dan Alliyah, I., ”Oil Produc-

tion Enhancement Using Bottom-Hole Water Sink: A Guidline For Optimum Design Ap-plication”, Jurnal JTM, ITB, 2006.

Utama, F.I., 2007, ” An Analytical Model to Pre-dict Segregated Flow in the Downhole Water Sink Completion and Anisotropic Reservoir”, Tugas Akhir, ITB.

Putra, M.A., ”Application of Water Drainage Injection Method in Down-hole Water Sink (DWS) Technology in Weak Water Drive Reservoir”, Tugas Akhir, ITB, 2008.

Astutik, W., 2007, ”A Study of Down-hole Wa-ter Sink (DWS) Technology: Optimum DWS Design in Vertical Well Considering Reser-voir Parameter”, Tugas Akhir, ITB.

57

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) [email protected], (2) [email protected]

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

PendahuluanI.

GMB adalah gas yang dihasilkan selama proses pembentukan batubara dimana gas metana sebagai komponen utama. Disamping gas meta-na, juga dihasilkan gas-gas lain dalam jumlah sedikit seperti gas hidrokarbon yang lebih be-rat, karbondioksida, hidrogen, hidrogen sulfida, nitrogen, argon, dan uap air. Batubara merupa-kan batuan sumber dari gas-gas tersebut. Secara teoritis semua batubara mengandung gas metana. Namum pada batubara yang terdapat pada per-mukaan (<300 m), gas metana tersebut telah ter-

lepas sehingga kandungan gas (gas content) yang tersimpan sangat kecil. Sebaliknya pada lapisan batubara yang cukup dalam (>1000 m), tempera-tur tinggi akan mengurangi kapasitas serap batu-bara. GMB yang akan diproduksi dalam konteks pengusahaan GMB adalah gas yang teradsorbsi oleh lapisan batubara pada interval kedalaman 300 – 1000 m. Tipikal kandungan gas batubara pada kedalaman ini adalah 30 – 400 standar ku-bik feet per ton (scf/ton) batubara (ARI, 2003). Eksplorasi GMB untuk konfirmasi po-sisi, luas, dan penyebaran sumber daya dilaku-

58

kan melalui serangkaian survei geofisik, geologi, pengeboran core hole atau pengeboran eksplora-si. Setelah pengeboran eksplorasi berhasil meng-konfirmasi sumber daya GMB, maka diteruskan dengan tahapan eksploitasi pengeboran appraisal, pengukuran kandungan gas metana dari perconto batubara, uji produksi untuk menentukan cadan-gan terbukti, dan pengeboran pengembangan un-tuk ekstraksi cadangan tersebut. Dari proyek komersial GMB yang sudah berlangsung lebih dari 20 tahun, telah diperoleh berbagai kemajuan substansial dalam teknologi pengeboran, komplesi, karakterisasi reservoar, dan produksi. Pencapaian ini berdampak pada proses dewatering yang lebih cepat, puncak laju alir gas dapat dicapai lebih awal dan lebih besar, estimasi isi awal gas di tempat dan cadangan menjadi le-bih akurat, sehingga pada akhirnya keekonomian proyek pengembangan GMB menjadi lebih baik (Creties dkk., 2008). Parameter kunci dalam evaluasi suatu prospek GMB, seperti halnya evaluasi prospek minyak dan gas, adalah isi awal gas ditempat, vo-lume gas yang dapat terambil atau cadangan, dan kemampuan produksi gas selama masa proyek atau deliverability. Reservoar GMB adalah me-dia dengan porositas ganda dimana sebagian be-sar gas tersimpan secara adsorpsi pada matriks batubara yang merupakan porositas utama. Ad-sorpsi atau jerapan adalah penempelan molekul gas pada permukaan batubara yang menyebabkan konsentrasi gas relatif tinggi pada daerah kontak di permukaan batubara. Aliran ke sumur-sumur produksi terjadi melalui rekahan alami pada ba-tubara atau cleat. Sejumlah kecil gas tersimpan pada cleat ini yang merupakan porositas kedua. Sifat-sifat matriks batubara mempunyai penga-ruh yang besar terhadap volume awal gas di tem-pat dan cadangan gas yang dapat diproduksikan, sementara sifat-sifat cleat mengontrol deliver-ability suatu reservoar GMB. Sifat-sifat matriks batubara dapat diten-tukan dari interpretasi dan integrasi data per-conto batubara dan rekaman log. Oleh karena itu, akusisi dan analisa perconto batubara meru-pakan tahap krusial dalam evaluasi setiap proyek pengembangan GMB. Kandungan gas dan ka-pasitas simpan batubara adalah dua parameter kunci untuk menghitung isi awal gas ditempat dan cadangan yang harus diukur langsung dari

perconto batubara. Permeabilitas cleat dan per-meabilitas relatif adalah dua parameter kunci un-tuk menentukan kemampuan produksi reservoar GMB. Permeabilitas cleat hanya dapat diestimasi secara akurat melalui uji sumuran. Tabel 1 me-nampilkan kritikal data yang diperlukan dalam evaluasi reservoar GMB beserta sumbernya.

Pemboran Dan Komplesi SumurII.

Sebagian besar pemboran di lapangan GMB dilakukan dengan sumur-sumur vertikal. Sumur dangkal dengan kedalaman antara 300 sampai dengan 1000 m dibor dengan sistem lumpur underbalanced kecuali ada indikasi ter-dapat poket-poket gas yang dapat menyebabkan over pressure pada interval kedalaman tersebut. Pada kedalaman di atas 1000 m dimana tekanan re-servoar relatif tinggi umum-nya digunakan sistem lumpur balanced ke overbalanced.Seiring de-ngan kemajuan teknologi dan reduksi biaya, sumur horizontal telah menjadi pilihan yang atraktif. Teknik pem-boran multilateral juga telah digunakan pada lapang-an-lapangan GMB. Pem-boran multilateral dipilih bilamana rasio produksi gas sumur horizontal dan sumur vertikal kurang dari satu atau terdapat sejumlah lapisan batubara tipis yang akan menjadi target. Sistem multilater-al terdiri atas dua atau lebih lubang produksi hori-

Sifat-sifat Batubara Sumber Data

Kapasitas simpan Pengukuran perconto batubara

Kandungan gas Pengukuran perconto batubara

Diffusivitas Pengukuran perconto batubara

Kompressibilitas volume pori

Pengukuran perconto batubara

Ketebalan kotor lapisan Rekaman log sumurKetebalan efektif lapisan Rekaman log sumurTekanan Uji sumurPermeabilitas absolut Uji sumurPermeabilitas relatif SimulasiPorositas Simulasi

Sifat-sifat fluida Komposisi dan kore-lasi

Komposisi gas Gas terproduksi dan gas terlepas

Volume pengurasan reser-voar Studi geologi

Tabel 1. Sumber dan data yang diperlukan untuk analisa reservoar GMB (Aminian).

59

Gambar 1. Tipikal komplesi dan skema aliran fluida pada sumur GMB.

zontal dengan satu sumur vertikal. Um-umnya, kom-plesi sumur h o r i z o n t a l 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 batu pasir se-bagai propan telah diaplikasikan pada lapisan-lapisan batubara yang relatif tipis. Komplesi openhole juga telah diterapkan pada lapisan ba-tubara yang mempunyai permeabilitas tinggi. Sebelum uji produksi, lapisan batubara tersebut disemprot air terlebih dahulu dengan laju alir kurang dari 5 barel/menit untuk membersihkan serpihan batubara, membuka cleat, dan untuk menghubungkan secara efektif sumur dengan reservoar. Secara umum, komplesi sumur GMB dilengkapi dengan selubung, diperforasi dengan single atau multistage perekahan hidraulik. Pemilihan sumur vertikal atau horizontal sangat ditentukan oleh setting geologi target re-servoar. Pemilihan komplesi dan metode stimula-si diantaranya fungsi dari jumlah seam yang akan diproduksikan, kedalaman, ketebalan, permea-bilitas, compressive strength batubara. Gambar 1 menunjukan tipikal decision chart yang digu-nakan memilih metode pemboran dan komplesi sumur GMB.

Potensi, Cadangan, Dan III. Deliverability

Penentuan isi awal gas ditempat suatu reservoar batubara dapat menjadi proses yang su-lit dan memakan waktu lama karena secara alami reservoar batubara memiliki heterogenitas dan faktor ketidakpastian dalam akuisisi dan analisa

data yang tinggi. Sedangkan penentuan cadangan memerlukan produksi gas pada laju alir ekonomis yang hanya mungkin jika terdapat cukup isi awal gas ditempat, permeabilitas, dan keberhasilan proses dewatering. Estimasi cadangan terbukti juga memerlukan profil produksi yang masih su-lit diprediksi selama fase dewatering. Simulasi numerik dan profil produksi reservoar sejenis da-pat digunakan untuk keperluan ini.

Isi Awal Gas Di tempat

Isi awal gas ditempat fungsi dari luas area pengurasan, ketebalan lapisan batubara, densitas batubara, kandungan gas, dan komposisi batu-bara. Komposisi batubara mengacu pada jumlah dan jenis unsur organik yang terkandung dalam batubara. Komposisi ini sangat berpengaruh ter-hadap jumlah gas yang dapat diserap. Kandung-an gas pada suatu lapisan batubara merupakan fungsi dari komposisi batubara, kematangan ter-mal batubara tersebut, dan sejarah pengedapan-nya. Isi awal gas pada suatu reservoar GMB da-pat perkirakan dengan menggunakan persamaan berikut,Penjelasan notasi dapat dilihat pada Daftar Sim-bol. Komponen pertama pada sisi kanan Persa-maan (1) adalah volume awal gas ditempat yang tersimpan pada sistem pori-pori makro yakni

60

cleat. Teknik akuisisi dan analisa data untuk me-nentukan parameter pada komponen pertama ini

hubungan proporsional antara kumulatif gas yang terlepas terhadap akar dari waktu, yang dihitung mulai saat gas terlepas pada proses pengambilan

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.

Rata-rata Kandungan Gas Di Tempat

Rata-rata kandungan gas ditempat adalah volume gas yang adsorpsi oleh batubara per satu-an berat batubara pada kondisi orisinal reservoar meliputi kandungan air (moisture) dan abu (ash). Metode estimasi kandungan gas adalah dengan menempatkan perconto batubara dalam kontainer yang tertutup rapat atau kanister dan mengukur volume gas yang terlepas sebagai fungsi waktu. Pengukuran harus dilakukan pada kondisi tem-peratur reservoar (Mavor dkk, 1996 Metode yang umum digunakan oleh in-dustri adalah uji langsung (Diamond dan Levine, 1981). Volume gas yang diukur pada uji ini dike-nal sebagai Q2. Selain evaluasi volume gas yang terlepas selama desorpsi, juga harus dievaluasi gas hilang atau Q1 dan gas sisa atau Q3 untuk menentukan total kandungan gas yang merupa-kan penjumlahan gas hilang, volume gas yang diukur, dan gas sisa. Gas hilang adalah volume gas yang terlepas dari perconto batubara selama proses pengambilan perconto batubara hingga sesaat sebelum ditempatkan dalam kanister. Gas sisa adalah gas yang masih adsorpsi pada per-conto batubara di akhir uji desorpsi. Akhir dari desorpsi adalah ketika kurva kumulatif volume gas atau kandungan gas terhadap akar waktu atau waktu desorpsi telah datar mendekati horizontal (Gambar 2). Volume gas hilang diperkirakan dari analisa dan ekstrapolasi data yang diperoleh se-lama uji desorpsi. Metode analisa ini berdasarkan

IGIP AhS

BGf wif

gii o=

−( )+

− −43560 11 3597

φρ,

............................. (1)

Gambar 2. Kurva hasil pengukuran gas hilang, desorpsi gas dari kanister, dan gas sisa (Tim, 2008).

perconto batubara. Saat gas mulai terlepas dike-nal sebagai waktu nol (time zero). Jika pembo-ran menggunakan fluida udara, waktu nol adalah saat batubara dipotong oleh mata bor. Pada pem-boran dengan fluida air, waktu nol adalah waktu ketika perconto batubara setengah jalan keluar dari lubang bor. Data yang digunakan untuk ke-perluan ekstrapolasi adalah data yang diperoleh dari beberapa jam pertama pengukuran desorpsi. Titik perpotongan dari ekstrapolasi data-data ini terhadap waktu nol diambil sebagai volume gas hilang (Gambar 2). Data dan persamaan garis ekstrapolasi yang digunakan akan sangat ber-pengaruh terhadap besarnya volume gas hilang. Untuk meminimalisasi kesalahan, penentuan data dan persamaan garis ekstrapolasi yang tepat harus mempertimbangkan karakteristik batubara serta mengikuti protokol penentuan kandungan gas di lapangan dan di laboratorium yang telah baku (Noel dkk, 2004). Volume gas hilang meru-pakan sumber kesalahan terbesar dalam estimasi total kandungan gas (Nelson, 1999). Setelah kanister kembali dari lapangan, perlu dikondisikan lagi ke temperatur reservoar dan dilakukan kembali pembacaan desorpsi di laboatorium sampai gas yang keluar dianggap tidak signifikan lagi. Volume gas sisa ditentukan dengan menghancurkan perconto batubara yang digunakan pada uji desorpsi kedalam ukuran kurang dari 60 mesh dan mengukur volume gas yang dibebaskan pada kondisi temperatur reser-

61

voar. Meskipun gas sisa ini tidak akan terproduksi dari reservoar, namun merupakan bagian dari to-tal gas yang diukur pada uji adsorption isotherm dan harus dimasukan dalam perhitungan.Umumnya, rata-rata kandungan gas di tempat dila-porkan pada teka-nan dan temperatur per-mukaan dan dinyatakan dalam satuan standar kubik feet per ton (scf/ton). Karena itu, volume gas yang diukur dibagi dengan massa perconto

densitas di tempat dapat diperkirakan berdasar-kan fraksi densitas ash, moisture, dan batubara murni menggunakan persamaan berikut (Mavor dkk, 1996):

Tebal Kotor Reservoar

Tebal kotor reservoar pada sumur-sumur yang baru dibor dapat ditentukan secara akurat

Gambar 3. Hubungan kandungan gas total terhadap fraksi non-batubara (Mavor dkk, 1996)

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. Terdapat hubungan linear terbalik (negative slope) antara kandungan gas dan fraksi non-batu-bara, misal moisture, dan ash. Analisa proximate dan ultimate terhadap perconto batubara adalah standar analisa batubara untuk mengetahui kand-ungan moisture, fraksi dan jenis mineral, ash, dan fix karbon. Analisa regresi terhadap hubungan data total kandungan gas dengan fraksi non-ba-tubara dapat digunakan menentukan kandungan gas ditempat rata-rata, bila diketahui kandungan rata-rata moisture dan ash pada reservoar tersebut (Gambar 3). Rata-rata kandungan gas di tempat yang diperoleh dari grafik ini adalah nilai yang digunakan dalam Persamaan (1) untuk perhitun-gan isi awal gas di tempat.

Rata-rata Densitas di Tempat

Data log densitas dari lubang sumur ter-buka merupakan data yang paling akurat untuk menentukan rata-rata densitas di tempat (Amin-ian). Bila data dari log sumuran tidak tersedia,

berdasarkan rekaman log densitas yang diambil dari lubang sumur terbuka. Gambar 4 menunju-kan rekaman log untuk identifikasi suatu lapisan batubara, yang dicirikan dengan harga gamma ray dan densitas yang rendah, dan harga resistivitas

ρ ρ ρ ρ= − − + +1 a w o a a w wf f f f............................. (2)

yang tinggi. Tebal kotor reservoar meliputi inter-val ketebalan yang mempunyai densitas kurang dari densitas ash sebagai nilai cut-off. Batas atas densitas ini mengeliminasi batuan interbedded yang mempunyai kandungan gas kecil dan akan mencakup sebagian besar batuan organik inter-beds dalam estimasi tebal kotot reservoar. Perhitungan isi awal gas di tempat harus mencakup semua batuan reservoar yang kontri-busi terhadap produksi. Contoh pada reservoar GMB Fruitland di San Juan Basin, yang menun-jukkan bahwa produksi gas dapat berasal dari lapisan batubara, batubara bercampur shale, dan carbonaceous shale (Mavor dkk, 1996). Inter-

62

bedding ini terdapat pada batuan permeabilitas rendah dan tinggi. Aliran gas pada batuan perme-abilitas rendah terjadi karena ada gradien tekanan atau difusi pada interval yang relatif pendek da-

Cadangan Gas

Cadangan gas adalah volume gas yang terdapat di dalam reservoar GMB yang dapat

lam matriks batuan yang terhubung ke cleat. Se-lama cleat ini tidak terisi oleh material penyum-bat, maka keseluruhan tebal kotor reservoar yang berisi material-material organik akan mempunyai kemampuan memproduksikan gas. Konklusi ini didukung oleh data log produksi dari reservoar GMB Fruitland (Mavor dkk, 1996).

Luas Pengurasan Reservoar

Luas pengurasan reservoar umumnya didefinisikan oleh konstrain fisik seperti variasi struktural dan startigrafi dan jarak pola antar sumur. Variasi struktural dan startigrafi akan me-nentukan distribusi batubara tiga dimensi. Jarak antar sumur dapat digunakan dalam memperkira-kan area pengurasan jika lapisan batubara dia-sumsi kontinu secara lateral. Evaluasi geologi dapat memberi petunjuk mengenai kontinuitas lapisan batubara dan karakteristiknya. Data seis-mik tiga dimensi juga sering digunakan dalam menentukan geometri reservoar GMB.

Gambar 4. Identifikasi ketebalan lapisan batubara dari rekaman log (Abdassah, 2010).

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:

sL

LG V

ppp

=+ ................................... (3)

parameter Langmuir VL dan pL. Pengujian harus dilakukan pada temperatur reservoar dan pada kondisi kandungan moisture di tempat. Gambar 5 menampilkan tipikal kurva Langmuir isotherm. Kandungan gas mula-mula juga diplot pada gambar yang sama. Kandungan gas batubara bisa lebih kecil dibandingkan harga maksimum adsorpsi isotherm. Bila kondisi ini terjadi, maka tidak akan ada gas bebas dan sistem cleat akan terisi sepenuhnya oleh air. Gas akan terbebaskan saat tekanan di dalam sistem cleat lebih rendah dari tekanan desorpsi kritikal. Kon-disi ini dicapai melalui produksi air atau dewa-tering. Maksimum gas yang dapat diproduksikan adalah selisih kandungan gas pada tekanan des-orpsi kritikal dengan kandungan gas pada teka-nan abandonment, yaitu kondisi batas ekonomis laju alir produksi gas. Faktor perolehan pada ba-tas ekonomis tersebut diperoleh dengan menggu-nakan persamaan berikut:

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 tersebut pada berbagai tekanan. Hasil uji tersebut digunakan untuk menentukan

63

penurunan laju produksi gas dan air. Estimasi deliverability reservoar GMB memerlukan estimasi sifat-sifat sistem cleat ba-tubara yang akurat. Permeabilitas absolut dan permeabilitas relatif adalah dua sifat sistem cleat yang sangat berpengaruh terhadap laju produk-si gas dan air (Aminian). Uji transien tekanan adalah satu-satunya cara menentukan permea-bilitas sistem cleat. Pengukuran permeabilitas dari perconto batubara tidak merepresentasikan permeabilitas reservoar karena sulit mendap-atkan perconto batubara yang mewakili sistem cleat reservoar. Teknologi untuk desain, pengu-jian, dan interpretasi uji transien tekanan pada reservoar gas klasik dapat digunakan juga pada reservoar GMB. Namun demikian, karakteris-tik reservoar GMB harus dipertimbangkan saat interpretasi data uji sumuran. Karakteristik ini meliputi sistem dual porositas, aliran dua fasa, sifat-sifat mekanika batubara yang merupakan fungi dari stress, dan reservoar batubara umum-nya terdiri atas beberapa lapisan. Produksi dari reservoar GMB dicirikan oleh difusi gas satu fasa sepanjang matriks batubara dan aliran dua fasa gas dan air sepanjang sistem cleat. Aliran gas dari matriks batubara ke sistem cleat dikontrol oleh proses desorpsi. Proses desorpsi gas ini perlu didefinisikan dalam total kompressibilitas, seh-ingga persamaan total kompressibilitas menjadi (McKee dan Bumb, 1985):

RF i a

i

G GG

=−

...................................... (4)

Saturasi gas didefinisikan sebagai perbandingan kandungan gas reservoar pada tekanan awal res-ervoar dibagi kandungan gas maksimum yang dapat diadsorpsi oleh batubara pada tekanan tersebut. Berbeda dengan estimasi isi awal gas di tempat pada reservoar gas konvensional, saturasi gas pada reservoar GMB tidak digunakan dalam perhitungan isi awal gas. Cadangan gas adalah ha-sil perkalian isi awal gas di tempat dengan faktor perolehan pada batas ekonomis lapangan GMB tersebut. Tabel 2 menampilkan harga faktor per-olehan dari beberapa proyek komersial GMB

Deliverability

Aliran fluida gas dan air ke sumur di da-lam reservoar GMB terjadi melalui sistem cleat. Pada kondisi awal, air memenuhi cleat dan te-kanan yang ada dalam cleat akan menghalangi metana mengalir ke sumur-sumur produksi. Un-tuk memproduksi metana dari lapisan batubara, air harus diproduksikan terlebih dahulu sehingga tekanan di dalam sistem cleat menurun. Tipikal produksi sumur-sumur GMB ditampilkan pada Gambar 6. Pada fase pertama, produksi didomi-nasi oleh air. Produksi gas meningkat hingga mencapai laju makasimum selama fase kedua sedangkan produksi air mulai berkurang. Periode pengeringan ini dapat berlangsung beberapa min-ggu hingga tahunan. Fase ketiga ditandai dengan

Gambar 5 Hubungan kandungan gas total terhadap fraksi non-batubara.

......... (5)t gf g wf w f dc S c S c c c= + + +

64

Cek

unga

nLa

pang

anLu

as

(mil2

)

teba

l ba

tuba

ra

(ft)

Ran

k ba

tu-

bara

Kan

dun-

gan

gas

(scf

/ton)

Perm

eabi

(m

D)

Jara

k Su

mur

(a

cres

)

Jum

lah

sum

ur

Laju

alir

/sum

ur

(Msc

f/D)

OG

IP

(Bsc

f)R

F (%

)

Cad

B

scf /

sum

ur

San

Juan

(US)

Igna

cio

Bla

nco

6040

-70

Bitu

min

ous

300-

600

5-50

+60

-320

130

1500

1760

66M

ar-1

5

Uin

ta (U

S)D

runk

ard`

s W

ash

120

Apr

-48

Bitu

min

ous

425

May

-20

160

450

500

1571

571.

5-4

Bla

ck W

arrio

r (U

S)C

edar

Cov

e65

25-3

0Bi

tum

inou

s25

0-50

0Ja

n-25

8052

010

080

953

0.5-

1.5

Pow

der R

iver

(US)

Rec

luse

Raw

-hi

de B

utte

7540

-90

Subi

tum

i-no

us30

-70

5+80

600

150

288

620.

2-0.

5

Wes

tern

Can

adia

n Se

dim

enta

ry (A

lber

ta)

Hor

sesh

oe

Can

yon

620

35-1

10Su

bitu

mi-

nous

55-1

100.

1-10

080

-160

3300

4543

9328

0.2-

0.5

Bow

en B

asin

-Aus

tralia

Fairv

iew

430

50-1

00Bi

tum

inou

s20

0-40

010

025

080

700

450

602.

5-3.

5

Qin

shui

Bas

in (C

hina

)Ya

ngch

eng

- Q

insh

ui22

20-4

0An

thra

cite

300-

900

<1-5

8040

70-1

4010

020

0.4-

0.8

Tabe

l 2 P

erba

ndin

gan

kara

kter

istik

beb

erap

a pr

oyek

GM

B k

omer

sial

(Cre

ties d

kk.,

2008

).

65

tunggal dapat digunakan dalam interpretasi data dari pengujian tersebut. Pelaksanaan injeksi atau falloff harus dilakukan pada laju alir rendah un-tuk menghindari perekahan batubara dan memi-nimalkan perubahan permeabilitas akibat efek stres. Ketika gas terlepas dari matriks batubara, maka akan terjadi penyusutan pada matriks ba-tubara tersebut sehingga merubah porositas dan permeabilitas sistem cleat. Efek penyusutan ini menjadi signifikan pada tekanan rendah dan akan menghasilkan deliverability gas yang lebih baik pada tahap akhir produksi sehingga memperpan-jang deliverability suatu reservoar GMB. Permeabilitas relatif adalah salah satu pa-rameter kunci dalam menentukan de-liverability reservoar GMB. Pengukuran laboratorium terha-dap perconto batubara tidak dapat memberikan indikator yang akurat terhadap permeabilitas relatif karena perconto batubara yang diguna-kan tidak cukup merepresentasikan sistem cleat yang ada pada reservoar GMB. Sangat sulit memperoleh perconto batubara yang kompoten dari reservoar yang memiliki densitas rekahan tinggi. Penyelarasan sejarah produksi gas dan air melalui simulasi reservoar adalah metode praktis

Gambar 6. Karakteristik produksi sumur GMB (Donna, 2004).

dg o L a w

L f

cB V f f

p p

=− −( )+

−

ρ

φ

1

32 03682

, ....................... (6)

Kompressibilitas desorpsi didefinisikan sebagai berikut (McKee dan Bumb, 1985):

Bila tidak ada aliran dari matriks ke sistem cleat, maka harga cd adalah nol. Bila matriks kontribusi terhadap aliran, maka total kompressibilitas akan didominasi oleh harga cd. Walaupun dimungkinkan menentukan permeabilitas sistem cleat dari data uji aliran dua fasa, namun hasilnya akan sangat tergantung pada asumsi model relatif permeabilitas yang di-gunakan. Oleh karena itu, akan lebih baik bila uji dilakukan dalam kondisi aliran satu fasa. Pada under-saturated reservoar GMB seperti Gambar 5, bila tekanan awal reservoar diatas tekanan de-sorpsi kritikal maka cleat akan terisi sepenuh-nya oleh air. Jika uji injeksi atau falloff dilaku-kan dengan menginjeksikan air, tekanan pada sistem cleat akan tetap diatas tekanan desorpsi kritikal sehingga kondisi aliran satu fasa terjadi selama uji. Dengan demikian, model porositas

66

Bidang Teknologi Kebutuhan Teknologi Aplikasi Teknologi

Karakterisasi Reservoar Kuantifikasi densitas dan sistem rekahan Seismik 3D dan 4D

Identifikasi zone permeabilitas tinggi Alat pencitraan sumuranGeokimia permukaan

Pengukuran kandungan gas yang adsorpsi Analisa spektroskopis bawah sumurLog geokimia

Pengukuran permeabilitas Analisa sebelum dan setelah minifracSistem injeksi/isolasi wireline-conveyed

Identifikasi reservoar behind-pipe Analisa sepanjang selubungMemperbaiki algoritma interpretasi

Operasi Pengeboran Cepat, reduksi biaya pengeboran Sistem tekanan tinggi, jet-assisted coiled-tubing

Pipa pengeboran komposit dan telemetrikFluida pengeboran ramah lingkungan dan tidak meru-sak formasi

Reduksi lahan pengeboran Sumur multilateralEkstraksi reservoar

Stabilitas sumur horizontal Kombinasi sistem liner dan drillMekanikal sistem liner

Operasi Komplesi Semen yang tidak merusak Sement ultralightweight

Akses formasi Jet-assisted hydrojettingPerforasi laser energ tinggi

Meningkatkan efektifitas perekahan hidrau-lik

Sistem coiled-tubing-conveyed dengan sumur horizon-talDiagnosa rekahan dengan mikroseismik dan tiltmetersFluida perekah ramah lingkunganPropan ultralightweight

Operasi Produksi Artificial lift / Pembuangan air Separasi gas/air bawah sumur dan re-injeksi

Meningkatkan filtrasi dan atau sekuestrasi kontaminanSurface-modification agentsSmart-well dengan sistem pakar

Peningkatan produksi Injeksi nitrogen atau karbon dioksidaMemperbaiki konfigurasi lubang sumur horizontalMeningkatkan produksi gas dengan mikroba

Tabel 3. Kebutuhan dan aplikasi teknologi untuk reservoar GMB (Creties dkk., 2008).

67

mendapatkan permeabilitas relatif yang realistis. Bila belum cukup data produksi untuk keperluan penyelarasan sejarah produksi ini, maka relatif permeabilitas dapat diasumsi.

Perkembangan TeknoIV. logi Ke Depan

Teknologi yang dibutuhkan untuk pengembangan reservoar GMB pada dasarnya sama dengan reservoar hidrokarbon konven-sional, yaitu karakterisasi reservoar, pengeboran, komplesi, dan produksi seperti ditampilkan da-lam Tabel 3. Tahapan kritis dalam menentukan teknologi yang tepat akan sangat tergantung pada tingkat heterogenitas reservoar, sifat mekanika batubara, dan jenis fluida yang ada. Selain itu, laju alir gas dan besarnya cadangan memainkan peran dalam proses seleksi teknologi yang akan digunakan karena walaupun teknologi itu sangat bermanfaat, misal seismik 3D, tapi biayanya akan sangat mahal. Kombinasi yang tepat antara skala korporat, penggunaan teknologi, dan skema kon-trak akan menentukan keberhasilan suatu proyek pengembangan GMB. Harga gas yang terus mem-baik akhir-akhir ini telah ikut mendorong minat investasi mengembangkan sumber daya GMB. Perkembangan ke depan adalah meng-kombinasikan pengembangan GMB dengan in-jeksi karbon dioksida. Batubara dan unsur orga-nik penyusunnya akan menjerap karbon dioksida yang dinjeksikan dan mendorong metana lepas dari jerapan batubara sehingga pada saat yang bersamaan akan meningkatkan perolehan gas metana dan sekuestrasi karbon dioksida. Walau-pun sekuestrasi karbon dioksida pada lapisan ba-tubara dapat menimbulkan problem teknis yaitu batubara akan mengembang sehingga mengu-rangi permeabilitas cleat, proyek kombinasi pen-ingkatan perolehan dan sekuestrasi telah mulai berkembang dibeberapa negara.

KesimpulanV.

Dari proyek komersial GMB diseluruh dunia yang telah berlangsung selama lebih dari 20 tahun, telah diperoleh berbagai kemajuan sub-stansial dalam teknologi karakterisasi reservoar, pengeboran, komplesi, dan produksi. Pencapai-an ini berdampak pada proses dewatering yang berlangsung lebih cepat, puncak laju alir gas da-pat dicapai lebih awal dan lebih besar, estimasi

isi awal gas di tempat dan cadangan menjadi lebih akurat, sehingga pada akhirnya keekono-mian proyek pengembangan GMB menjadi lebih baik. Inovasi teknologi jelas masih sangat diper-lukan untuk terus memperbaiki tingkat dan laju pengembangan GMB. Dalam evaluasi suatu prospek GMB, isi awal gas di tempat, cadangan, dan deliverabil-ity merupakan tiga parameter kunci. Sebagian besar gas tersimpan secara adsorpsi pada mikro pori matriks batubara dan sebagian kecil mengisi makro pori sistem cleat. Oleh karena itu, sifat-si-fat matriks batubara sangat menentukan volume isi awal gas di tempat dan cadangan yang dapat diproduksikan, sedangkan sifat-sifat sistem cleat akan sangat mempengaruhi gas deliverability. Kandungan gas dan kapasitas simpan batubara adalah dua parameter kunci yang diperlukan da-lam evaluasi isi awal gas di tempat dan cadangan. Kedua parameter ini diperoleh dari pengukuran perconto batuan.

Daftar Simbol

A = luas pengurasan reservoar, acreBg = faktor volume formasi gas, rcf/scfBgi = faktor volume formasi gas pada tekanan

awal reservoar, rcf/Mscfcd = kompressibilitas penyerapan, psi-1

cf = kompressibilitas sistem rekahan, psi-1

cg = kompressibilitas gas, psi-1

ct = kompressibilitas total, psi-1

fa = fraksi berat ash, fraksifm = fraksi berat moisture, fraksiGa = kapasitas simpan gas batubara di tempat

pada tekanan abandonment, scf/tonGi = kapasitas simpan gas batubara di tempat

pada kondisi awal, scf/toniG = rata-rata kandungan gas batubara di tem-

pat, scf/tonGs = kapasitas simpan gas batubara di tempat,

scf/tonh = tebal kotor reservoar, ftIGIP = isi awal gas di tempat, Mscfp = tekanan, psiap = tekanan rata-rata sistem rekahan, psia

pL = Langmuir konstan tekanan, psiaRF = faktor perolehan gas, fraksiSgf = saturasi gas pada sistem rekahan, fraksiSwf = saturasi air pada sistem rekahan, fraksiVL = Langmuir konstan volume, scf/ton

68

ρ = densitas bulk, g/cm3

ρa = densitas ash, g/cm3

ρo = densitas batubara murni, g/cm3

ρw = densitas moisture, g/cm3

or = rata-rata densitas batubara murni di tem-pat, g/cm3

φf = porositas rekahan efektif, fraksi

Daftar Pustaka

Abdassah, D., 2010. Workshop Teknologi Ek-sploitasi Coal Bed Methane (CBM). Pusat Penelitian dan Pengembangan Teknologi Minyak dan Gas Bumi ”LEMIGAS”, Ja-karta.

Advanced Resources International, Inc. (ARI), 2003. Indonesian Coalbed Methane. Asian Development Bank TA No. 3671-INO “Pre-paring a Gas Sector Development Plan Part B – Coalbed Methane”, Arlington, Virginia USA.

Aminian, K. Evaluation of Coalbed Methane Reservoars. Petroleum & Natural Gas En-gineering Department, West Virginia Uni-versity.

Creties, D. J., DeGolyer and MacNaughton, Charles, M. B., 2008. Coalbed- and Shale-Gas Reservoars. Journal of Petroleum Tech-nology, 92-99.

Diamond, W.P. and Levine, J.R., 1981. Direct Method Determination of the Gas content of Coal: Procedures and Results. Report of In-vestigation 8515, United States Department of Interior, Bureau of Mines, Washington, D.C.

Donna, G., 2004. Unconventional Gas. White Paper, Schlumberger.

McKee, C. R. and Bumb, A. C., 1985. Flow Test-ing Coalbed Production Wells in the Pres-ence of Water and Gas. Paper SPE 14447, Proceedings of the SPE Annual Technical Conference and Exhibition.

Nelson, C.R., 1999. Effects of Coalbed Reservoar Property Analysis Methods on Gas-In-Place Estimates. Paper SPE 57443, Proceeding of SPE Eastern Regional Conference.

Noel, B. W., George, L.H. III, and James, C. S. H., 2004. Overview of Coal and Shale Gas Measurement: Field and Laboratory Proce-dures. Proceeding of the 2004 International Coalbed Methane Symposium, the Univer-sity of Alabama, Tuscaloosa, Alabama.

Tim, P., 2008. Gas Sorption Properties for Coal Gas Reservoar Systems – Value and Insight. IndoCBM 2008, TICORA Geosciences.

69

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)[email protected], (2)[email protected]

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

70

PendahuluanI.

Sebagian besar kandungan gas metana terserap dan tertahan pada matriks batubara, hanya sedikit yang terdapat pada cleats sebagai gas be-bas. Terlebih lagi, pada kondisi awal di reservoir adalah water-wet, jadi untuk dapat memproduk-sikan gas metana tersebut kita harus membuang terlebih dahulu air yang ada pada sistem cleats dengan cara menurunkan tekanan hidrostatisnya. Hasil dari penurunan tekanan hidrostastisnya gas metana yang terserap pada matriks batubara akan terdesorpsi dan keluar bersama-sama dengan ter-produksinya air. Proses tersebut disebut dewater-ing. Pada tahap awal dewatering ini umum halnya bahwa yang terproduksi lebih banyak adalah air. Pada proses ini secara bertahap produksi air akan berkurang seiring dengan peningkatan produksi gas. Proses dewatering ini dapat memakan waktu beberapa hari sampai dengan beberapa bulan atau bahkan tahun.

Salah satu upaya untuk mempercepat proses dewatering atau melakukan optimasi de-watering adalah dengan memperbesar laju alir fluida di dalam reservoir. Batubara sebagai for-masi reservoir gas metana batubara (GMB) yang mempunyai porositas dan permeabilitas sangat kecil sehingga untuk melakukan optimasi de-watering dari segi reservoirnya adalah dengan melakukan stimulasi.

Obyek penelitian ini dilakukan di lapan-gan Rambutan Formasi Muara Enim. Pada lapan-gan Rambutan terdapat 5 sumur CBM dimana 3 diantaranya adalah sumur aktif yaitu CBM-3, CBM-4, dan CBM-5. Pada saat ini sumur-sumur CBM di lapangan Rambutan masih dalam tahap dewatering sehingga sangat diperlukan untuk dilakukan optimasi untuk percepatan produksi gas metana batubara. Untuk itu perlu dilakukan evaluasi apakah optimasi yang dilakukan berha-sil atau gagal dengan upaya stimulasi radial jet drilling (RJD).

Radial jet drilling merupakan suatu me-tode singkat untuk kerja-ulang sumur dengan menggunakan teknologi modified coiled tubing. Metode ini dapat membor lubang dengan lateral diameter sebesar 50mm dan membor mencapai 100 meter dari lubang bor. Pengerjaan metode RJD yang menggunakan perlatan terkini hanya memakan waktu kurang dari 12 jam untuk mem-buat 4 lubang.

Alasan dipilihnya teknologi RJD adalah bahwa teknologi perforasi yang terbaru hanya dapat menembus 1,5 m dari lubang sumur, se-hingga radius pengurasannya jauh lebih sempit. Kedua, penerapan metode multilateral drilling sangat tinggi biayanya. Ketiga, RJD merupakan teknologi alternatif yang relatif fleksibel terha-dap variasi batuan dan arah lubang pemboran yang relatif mudah dikendalikan. Tabel 1 dan 2 memperlihatkan perbandingan tipikal antara be-berapa cara untuk meningkatkan produksi/stimu-lasi GMB.

Method Cost (Rp) Damage Risk Opera-

tionalVertical Well 8 M normal caving difficultRadial 4 side 1 M minimal minimal easyHorizontal well 6,5 M normal caving difficultFracturing 3,5 M minimal minimal easy

Tabel.1. Perbandingan berbagai metode pemboran dan stimulasi.

in cm ft cm in2 cm2 m2Vertical 7 1778 40 1219 10550 68067 7Radial 4 side 2 5 1200 36576 89076 674680 57

Horizon-tal 7 17 300 9144 73476 474038 47

Diameter Thickness AreaWidth

Tabel.2. Perbandingan teknis antara sumur horizontal dan radial jetting.

Proses II. Dewatering

Proses dewatering di lakukan sam-pai air yang terkandung dalam reservoir GMB berangsur-angsur menurun dan habis, dan gas metana yang terkandung dalam lapisan batubara mampu keluar sendiri dan secara signifikan me-ningkat lajunya. Seperti terlihat pada Gambar 1, proses dewatering ini bisa memakan waktu 2 sam-pai 3 tahun atau bahkan lebih tergantung jumlah volume air yang harus di pompa, permeabilitas reservoir GMB, serta faktor peralatan dewatering seperti pompa dan peralatan dasar sumur. Gam-bar 1 tersebut memperlihatkan fase-fase sejarah produksi fluida dari suatu sumur CBM. Pada fasa pertama, fluida yang mula-mula terdapat pada 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.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.

Sekilas mengenai III. Radial Jetting

Radial jet drilling adalah salah satu me-tode yang dapat diaplikasikan untuk meningkat-kan produksi hidrokarbon pada sumur-sumur baru ataupun sumur tua. Pemilihan metode ini di-dasarkan pada kenyataan bahwa untuk meningkat-kan produksi GMB perlu dilakukan upaya-upaya sebagai berikut; membuka area rusak di dinding selubung sumur yang disebabkan oleh penyeme-nan, sehingga akan memperluas area pengurasan GMB. Gambar 2 memperlihatkan perbandingan jarak yang dicapai berbagai metode perforasi.

Tujuan utama RJD adalah meningkatkan radius pengurasan sumur yang akan meningkat-

Gambar 2. Perbandingan antara Radial Jet Drilling dan Perforating Gun (Sadikin, 2010)

Gambar 3. Aplikasi Radial Jet Drilling pada lapisan berla-pis (Sadikin, 2010).

kan perolehan cadangan. Pemboran lateral dapat dilakukan baik pada lapisan tunggal maupun ber-lapis tergantung ketebalan formasi dan hubungan antar lapisan. Gambar 3 menunjukkan prinsip RJD dan aplikasinya pada lapisan berlapis.

Penentuan parameter teknis seperti pan-jang lateral atau radial, jumlah radial dan desain tergantung dari karakteristik reservoirnya seperti ketebalan formasi, sifat fluida, jarak antar sumur, tekanan reservoir, dan gravity. Umumnya dalam pelaksanaannya panjang lateralnya adalah 25 sampai 150 kaki (8 – 46 m) pada lapisan tunggal maupun lapisan berlapis dengan peningkatan laju

72

Gambar.4 Sampel batuan setelah mengalami Radial Jet Drilling (Sadikin, 2010)

produksi hingga dapat mencapai rata-rata 200 % - 400%. Gambar 4 memperlihatkan gambaran mengenai batuan yang telah terkena penetrasi RJD.

A. Peralatan Radial jet drilling

Peralatan Permukaan 1. Berikut adalah peralatan yang dibutuhkan untuk operasional RJD:

CTU (a. Coil tubing unit)Adalah semacam selang atau pipa yang digunakan sebagai tubing pada saat ope-rasi RJD. Pompa tekanan tinggib. Pompa bertekanan tinggi yang berguna menyemburkan air untuk pelaksanaan pemboran.Tankic. Berguna sebagai tempat penyimpanan air yang nantinya digunakan pelaksanaan RJD.Pulling unitd. atau WO RigBerguna untuk menarik rangkaian tubing kerja ke permukaan pada saat program RJD dilaksanakan.

Peralatan bawah permukaan2. Peralatan yang digunakan di bawah permu-kaan antara lain :

Deflector Shoea. Alat yang dipasangkan di ujung tubing kerja yang berfungsi sebagai pembelok rangkain jet nozzle pada saat akan dilaku-kannya pemboran.Flexi shaftb. Merupakan sambungan dari mata pahat

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..Centralizerc. Adalah alat untuk menjaga posisi kedu-dukan tubing kerja agar tetap ditengah-tengah selubung pada saat melakukan operasi pemboran.Mata pahat bord. Pahat yang digunakan pada operasi RJD adalah berukuran kecil biasanya beruku-ran 7/8 inci. Fungsi dari mata pahat di sini adalah untuk melubangi dinding selubung apabila operasi RJD dilakukan pada lapisan yang tertutup selubung sumur.Pompa lumpure. Alat yang berfungsi membantu pergera-kan dari mata pahat pada saat pelubangan dinding selubung.Selang fleksibel bertekanan tinggif. Merupakan selang yang fleksibel dan mampu menahan tekanan yang cukup be-sar karena melalui alat ini air betekanan tinggi disalurkan sebelum ditembakkan untuk melubangi batuan formasi melalui jet nozzle.Jet Nozzleg. Di alat ini lah air bertekanan tinggi disem-protkan untuk mengebor batuan formasi.

Gambar 5 memperlihatkan peralatan RJD yang terdiri dari peralatan permukaan dan bawah per-mukaan lengkap dalam satu truk trailler sedang berada di lokasi.

Gambar 5. Peralatan RJD lengkap dalam satu truk trailler

73

B. Kinerja Radial JettingAda dua tahap pada proses RJD:

Tahap pertama: Pelubangan dinding pipa a. selubung dengan menggunakan rangkaian coil tubing, deflector shoe dengan sudut 90o yang dilengkapi centralizer, pompa lumpur dan mata pahat ukuran 7/8 inci. Pahat ukuran kecil ini akan membor dan menembus dinding pipa selubung secara sangat cepat selama ± 1 jam. Perputaran pahat dibantu oleh pompa lumpur yang digerakkan oleh tenaga air pada teka-nan mencapai 3000 psig. Setelah proses pelubangan pipa selubung selesai maka rangkaian coil tubing dicabut.Tahap kedua: Masuk kembali rangkaian b. coil tubing dengan komposisi baru yaitu selang fleksibel serta jetting nozzle uku-ran 5/8 inci yang akan menembus batuan formasi dengan tenaga penyemprotan air bertekanan tinggi. Batuan formasi akan hancur menjadi serpihan yang sangat ha-lus dan tidak perlu disirkulasi kepermu-kaan. serpih halus akan terbawa keper-mukaan pada saat sumur diproduksikan.

Pekerjaan tahapan - 1 dan tahapan - 2 dapat di-lakukan berulang-ulang sesuai berapa banyak target pelubangan lateral. Arah lubang lateral di-lakukan dengan bantuan memutar deflector shoe. Jarak penetrasi pelubangan dengan penyempro-tan air dapat mencapai 350 ft/100 mtr jauh keda-lam batuan reservoir. Diameter lubang lateral da-pat mencapai 2 inci, sehingga dengan demikian permeabilitas horizontal akan bertambah besar yang kemudian berakibat aliran fluida dari reser-voir ke lubang sumur akan meningkat. Produksi sumur juga akan meningkat. Lubang lateral dapat dibuat menurut 4 arah berbeda dengan perbedaan jarak vertikal hanya beberapa inci saja. Gambar 6 memperlihatkan secara skematik bagaimana RJD bekerja dalam melubangi reservoir. Untuk memantau operasi lateral penyem-protan air, kabin unit coil tubing berfungsi juga sebagai ruang pengontrol yang dilengkapi den-gan monitoring console yang berfungsi untuk memonitor parameter-parameter antara lain: te-kanan kerja di permukaan, kedalaman penetrasi nozzle, laju penyemprotan air, volume tangki air, dan lain-lain. Gambar 6 dibawah ini menunjukkan dua orang

operator sedang mempersiapkan reel dari coil tubing agar bisa masuk dengan sempurna ke da-lam sumur.

Analisis dan PembahasanIV.

Untuk mengetahui sukses tidaknya stimu-lasi radial jetting maka perlu indikator yang jelas dan terukur dalam identifikasi hasil stimulasi. In-dikator yang paling penting tersebut adalah:

Produksi sumur- Karakteristik Sumur -

Untuk produksi sumur, termasuk produk-si gas dan air yang terproduksi, hal ini paling mudah dilakukan karena hanya perlu pengukuran saja. Sedangkan untuk mengetahui karakteristik sumur perlu dilakukan pengujian sumur sebelum dilakukan stimulasi. Selama pengujian sumur berlangsung, respon tekanan transien tercipta oleh peruba-han sementara laju produksi. Respon dari sumur biasanya dimonitor dalam periode waktu yang relatif singkat, dibandingkan dengan usia ope-rasi reservoir tersebut, disamping tergantung juga pada tujuan dari pengujian. Untuk evalu-asi sumur, kebanyakan pengujian selesai dalam waktu kurang dari dua hari. Pada umumnya pengujian sumur, laju aliran diukur di permukaan sementara tekanan direkam di bawah permukaan. Sebelum dibuka, tekanan awal adalah konstan dan merata reser-voir. Karena tekanan didalam sumur GMB relatif ren-dah dan tekanan yang didapatkan pada saat build-up adalah tekanan hidrostatik, maka perlu dipilih metode uji yang tepat untuk mengetahui karak-teristik dan efek penggunaan stimulasi RJD. Untuk itu digunakan uji injektivitas atau fall-off test. Pengujian fall-off dianalogikan dengan uji tekanan build up pada sumur produksi. Injeksi dengan laju, q, konstan sampai waktu penutupan sumur , tp. Data tekanan diambil sebelum dan selama periode penutupan sumur yang kemudian dianalisis dengan cara yang sama dengan anali-sis tekanan build up (Gambar 8). Tekanan fall-off dapat ditunjukkan dengan persamaan sebagai berikut (Earlougher, 1977):

pws = p*- m log ((tp+dt)/(dt))

74

Gambar 6. Diagram skematik operasional radial jet dril-ling (Sadikin, 2010).

Gambar 7. Pelaksanaan stimulasi RJD di sumur EXAM

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

Pre

ssur

e (p

sia)

0

250

500

750

1000

1250�

Time (hours)0 36100 72200 108300 144400 180500

Wat

er F

low

Rat

e (S

TB/d

ay)

0

25

50

75

100

125

Gambar 9. Plot hasil pengujian tekanan sumur sebelum di-lakukan RJD.

Kondisi sumur sebelum a. 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.

Well StatusGas Pro-duction, MSCF/D

Water Pro-duction, bbl.D

Source of Seam

EXAM Prod 0 2 2,3, and P

75

Gambar 9.Berdasarkan hasil pengujian tersebut kemudian dilakukan analisis dengan menggunakan perang-kat lunak untuk mengetahui karakteristik sumur sebelum dilakukan stimulasi. Hasil analisis sumur EXAM sebelum stimulasi dapat dilihat pada Gambar 10 dan 11.

alir air dan gas terdapat peningkatan aliran yang mengindikasikan bahwa operasi RJD telah ber-hasil mencapai tujuannya.

Selain hasil pengamatan di permukaan, seperti yang tersaji pada Tabel 4, pengujian sumur juga dilakukan untuk mengetahui dampak RJD terhadap permeabilitas dan karakteristik re-servoirnya. Hasil pengukuran tekanan pada pe-ngujian IFO dan interpretasinya disajikan pada Gambar 12, 13, dan 14.

Berdasarkan hasil pengujian IFO dapat

� Radial Flow Plot - Non-Darcy analysis

Pre

ssur

e (p

sia)

750

820

890

960

1030

1100�

Elapsed Time (hours)10 100 1000 10000 100000 1e+006

Quick Match ResultsDual-porosity (Pseudo steady state)Infinitely actingConstant compressibilityCs = 7.8663 bbl/psi(k/u)w = 21.5631 md/cpk = 10.6847 mdkh = 470.1268 md.ftS = 8.5172 w = 0.01 Lam = 0.01 Pi = 1095.439 psia

Quick Match PressurePressure #2

Gambar 10. Analisis radial flow plot – non Darcy sebelum penerapan RJD.

� Log-Log Plot

Del

ta P

(psi

)

0.01

0.1

1

10

100

1000

10000�


Quick Match ResultsDual-porosity (Pseudo steady state)Infinitely actingConstant compressibilityCs = 7.8663 bbl/psi(k/u)w = 21.5631 md/cpk = 10.6847 mdkh = 470.1268 md.ftS = 8.5172 w = 0.01 Lam = 0.01 Pi = 1095.439 psia

Gambar 11. Plot Log-log tekanan derivatif hasil pengujian sebelum penerapan RJD.

� Log-Log Plot

Del

ta P

(psi

)

0.001

0.01

0.1

1

10

100

1000�


Quick Match ResultsDual-porosity (Pseudo steady state)Infinitely actingConstant compressibilityCs = 5.211 bbl/psi(k/u)w = 31.4878 md/cpk = 15.4496 mdkh = 679.7824 md.ftS = 17.276 w = 0.01 Lam = 0.01 Pi = 0 psia

Gambar.14. Plot Log-log tekanan derivatif hasil pengujian sesudah penerapan RJD.

� Radial Flow Plot - Non-Darcy analysis

Pre

ssur

e (p

sia)

760

830

900

970

1040

1110�


Quick Match ResultsDual-porosity (Pseudo steady state)Infinitely actingConstant compressibilityCs = 5.211 bbl/psi(k/u)w = 31.4878 md/cpk = 15.4496 mdkh = 679.7824 md.ftS = 17.276 w = 0.01 Lam = 0.01 Pi = 0 psia

Quick Match PressurePressure #2

Gambar 13. Analisis radial flow plot – non Darcy sesudah penerapan RJD.

Pengujian setelah b. radial jetting Setelah dilakukan RJD, untuk mengetahui

efek keberhasilan atau kegagalan operasionalnya perlu dilakukan pengujian sumur kembali yaitu dengan melakukan uji IFO, sama dengan pengu-jian sebelum dilaksanakannya RJD.

Hasil pengujian sebelum dan sesudah stimulasi yang terlihat pada Tabel 4 menunjuk-kan bahwa berdasarkan hasil pengamatan laju

� Test Overview

Pre

ssur

e (p

sia)

0

250

500

750

1000

1250�

Time (hours)0 32600 65200 97800 130400 163000

Wat

er F

low

Rat

e (S

TB/d

ay)

0

25

50

75

100

125

Gambar 12. Plot hasil pengujian tekanan sumur sesudah dilakukan RJD.

Tabel 4. Perolehan fluida sebelum dan sesudah stimulasi.

Before After Before AfterEXAM Prod 0 11 2 5

Sumur StatusGas Production,

MSCF/DWater Production,

bbl/D

76

diketahui bahwa terjadi peningkatan permea-bilitas dari keadaan sebelum stimulasi menjadi keadaan sesudah stimulasi yaitu dari 10,68 mD menjadi 15,45 mD. Hal ini berkorelasi langsung dengan kenaikan produksi fluida dalam proses de-watering pada sumur tersebut. Dengan demikian dapat dikatakan bahwa penerapan radial jet drill-ing pada sumur GMB telah dapat mempercepat proses dewatering.

KesimpulanV.

Beberapa kesimpulan yang dapat diperoleh:

Lubang bor yang dihasilkan oleh penerapan 1. radial jet drilling dapat meningkatkan perme-abilitas horizontal dari suatu sumur, terbukti dengan permeabilitas sebelum dan sesudah dilakukannya stimulasi yang mengalami pen-ingkatan dari 10,68 mD menjadi 15,45 mD.Terjadi peningkatan nilai laju air dan gas yang 2. diproduksikan setelah dilakukannya stimulasi radial jet drilling, masing-masing adalah 1,91 bbl/d menjadi 4,74 bbl/d untuk air dan 0,58 MSCF/d menjadi 10,5 MSCF/d untuk gas. Peningkatan ini tidak lepas dari adanya pe-

ningkatan permeabilitas dari seam batubara.Lubang bor yang dihasilkan oleh penerapan 3. radial jet drilling memberikan peningkatan dari radius efektif pengurasan sumur sehing-ga juga berkontribusi terhadap kenaikan laju alir yang teramati.

Pustaka

Cockcroft, P. (2008). Coal Bed Methane In Indo-nesia. Luncheon Talk Indonesian Petroleum Ascosiation (IPA), May 6th, 2008, Jakarta.

Earlougher R, (1977). Advance in Well Test Ana-lysis Type, Monograph Volume 5, Richard-son, TX.

Sadikin, I. (2010), Radial jet drilling Operasion, one day workshop, Karya Sukses Adi Mandi-ri, Lemigas, 2010

Sitaresmi, R., Abdassah, D., Marhaendrajana, T. dan Irawan, D. (2008), Metode Peramalan Kelakuan dan Produksi Gas Metana Batuba-ra Menggunakan Korelasi dari Data Produksi Aktual, Simposium Nasional dan Kongres X Jakarta, 12 – 14 November.

INDEKS

Kkandungan gas 59,60,61,62,63,64,65,66,68,69

,72kapasitas simpan gas 59,69

Llaju produksi gas meningkat 71

Mmaterial balance 1,2,3,6,7,9,10,11,12,13,19,

20,23,36maturitas 39,40maturity 39,45,46,48multiple linear regression 1,2,6,7,8,9,19,21,22

,26,31,32,33

Pparameter PVT 1,4,5,6,7,9,11,35pemanasan 39,40pengendapan padatan 39,40pengurasan 39,40,60,61,64,69,72,73,78perbaikan permeabilitas 71

Rradial jet drilling 71,72,73,74,78RVE 39,40,41,42,43,44,45,46,48

Sscaling 39,42,43,44,45,46,48steam injection 39,41,45,46,47

Wwater coning 49,50,51,52,56

Aadsorpsi 59,60,62,64,65,68,69adsorption 59,63aliran silang 39,40

Bbottom water drive 49,50,55

Ccleat 59,60,61,62,64,65,66,67,69,72coal bed methane 59,69,71,78cross-flow 39,42,45,46,48

Ddata PVT 1,2,4,6,7,8,9,36design of experimental 1,2,7,8,9,31,32desorpsi 59,62,63,65,66,72desorption 59dewatering lambat 71Down-hole water sink 49,50,57drainage 39,42,43,46,47,48

Ggas content 59,69gas metana batubara 59,71,72,78GMB 59,60,61,62,64,65,66,67,68,69,71,72,

73,75,78gas storage capacity 59

Hheating 39,41,43,46,48

IIGIP 1,2,3,4,6,7,8,9,10,11,12,15,16,17,18,19

,20,21,22,23,24,25,26,27,28,30,31,32,33,34,35,36,37,62,39

injeksi uap 40

JURNAL TEKNOLOGI MINYAK DAN GAS BUMIPEDOMAN 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 BUMIPEDOMAN PENULISAN

Hurst, W., 1934. Unsteady Flow of Fluids in Oil Reservoirs. Physics (Jan. 1934) 5, 20.BukuAbramowitz, M and Stegun, I.A., 1972. Handbook of Mathematical Functions. Dover Publications,

Inc., New York.Bab dalam BukuCosta, 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.SariBarberi, 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.

PetaSimandjuntak, T.O., Surono, Gafoer, S., dan Amin, T.C., 1991. Geologi Lembar Muarabungo, Suma-

tera. Pusat Penelitian dan Pengembangan Geologi, Bandung.ProsidingMarhaendrajana, 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/DisertasiMarhaendrajana, 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 InternetCantrell, 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]SoftwareECLIPSE 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 Bumid.a. Patra Office Tower Lt. 1 Ruang 1C

Jln. Jend. Gatot Subroto Kav. 32-34Jakarta 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.

jurnal teknologi minyak dan gas bumi -...

Documents