Prediksi Total Organic Content (TOC) Dengan Teknik Machine-Learning Pada Batu Serpih Kaya Material Organik

Batu serpih kaya material organic adalah bagian yang sangat penting untuk dibahas pada sumber daya migas non-konvensional. Prediksi potensi hidrokarbon dari suatu batu serpih kaya material organic seperti Total Organic Carbon (TOC) adalah parameter evaluasi yang sangat penting, yang mana dalam penentuannya menggunakan persamaan empiris. Pengukuran secara langsung di laboratorium adalah cara yang paling akurat dalam memperoleh nilai TOC yang representatif, tapi disisi lain sangat mahal. Dengan tidak adanya fasilitas tersebut, pendekatan lain seperti solusi analitis dan korelasi empiris digunakan untuk mengestimasi indikasi material organik pada batu serpih. Tujuan dilakukannya penelitian ini untuk mengembangkan teknik machine- learning berbasi model untuk memprediksi profil kontinyu suatu log geokimia (TOC) pada formasi batu serpih. Model machine-learning dilakukan training menggunakan wireline logging sebagai input dan hasil pengukuran laboratorium berupa data batuan inti (core) sebagai acuan. Wireline logging yang digunakan berupa log gamma-ray (GR), densitas (RHOB), kecepatan waktu transit (Dt), dan resistivitas (ILD/LLD). Data acuan batuan inti mencakup eksperimen hasil pengukuran Rock-Eval pirolisis dan Leco TOC. Pada penelitian ini, menggunakan teknik machine-learning berupa artificial neural network (ANN) dengan optimasiasi algoritma self-adaptive differential evolution (SaDE). Selain pengembangan model ANN yang dioptimalisasi, korelasi empiris eksplisit juga diekstraksi dari bobot dan kesalahan dari model yang teroptimalisasi. Usulan model bekerja dengan akurasi yang lebih tinggi dalam rentang kumpulan data tempat model dilakukan training. Model yang diusulkan dapat memberikan kuantifikasi secara real-time tingkat kekayaan material organik suatu batuan yang berhubungan dengan karakterisasi zona batuan induk lapangan migas. Hasil penelitian yang diperoleh kemudian akan dipresentasikan pada pertemuan ilmiah 2nd ULICoSTE 2021 di Bandar Lampung yang bekerja sama dengan AIP conference proceedings (terindeks Scopus Q4).