PREDIKSI SATURASI AIR MENGGUNAKAN MODEL MACHINE LEARNING

• Main Author: Bimantono, Agendra
• Format: Final Project
• Language: Indonesia
• Subjects: Pertambangan dan operasi berkaitan
• Online Access: https://digilib.itb.ac.id/gdl/view/73305
• Institution: Institut Teknologi Bandung

Di dalam studi ini berfokus pada prediksi nilai saturasi air (Sw) dengan penerapan model Machine Learning (ML) dan membandingkannya dengan data log sumur eksisting. Teknik alternatif prediksi saturasi air menggunakan model machine learning ini dapat digunakan pada sumur karena dapat memprediksi Sw berdasarkan data log sumur dan persamaan saturasi seperti Archie's, memprediksi Sw pada sumur yang tidak tersedia analisis core, dan juga memprediksi air awal. saturasi dalam sumur non-initial. Model machine learning yang digunakan dalam penelitian ini adalah model Least Squares Support Vector Machine - model Particle Swarm Optimization (LSSVM-PSO), model Artificial Neuron Network (ANN), model Random Forest, model AdaBoost, dan model XGBoost. Kelima model tersebut akan memprediksi saturasi air dari sumur ghaib baru dengan memilih parameter terbaik dari model yang telah dilatih. Studi ini akan menentukan fitur terbaik untuk model dari data log sumur. Studi ini juga akan menentukan model mana yang terbaik dalam memprediksi saturasi air pada sumur baru tersebut. Hasil penelitian ini menunjukkan hanya model ANN yang mampu memprediksi nilai saturasi air dari sumur baru secara akurat. Hasil penelitian ini menunjukkan hanya model ANN yang mampu memprediksi nilai saturasi air sumur baru secara akurat, dengan nilai R^2, RMSE, MSE, dan MAE masing-masing sebesar 0,784, 0,152, 0,023, dan 0,103. Berdasarkan tingkat akurasinya, model terbaik adalah ANN, Random Forest, AdaBoost, XGBoost, dan terakhir adalah LSSVM-PSO.