Anda di halaman 1dari 40

ESTIMASI SEBARAN FLUIDA DAN LITOLOGI MENGGUNAKAN

KOMBINASI INVERSI AVO DAN MULTI ATRIBUT

TUGAS AKHIR

Disusun untuk mmenuhi syarat kurikuler


Program Sarjana Geofisika

Oleh:
Alan S. R. Inabuy
NIM: 124 03 024

PROGRAM STUDI GEOFISIKA


FAKULTAS TEKNIK PERTAMBANGAN DAN PERMINYAKAN
INSTITUT TEKNOLOGI BANDUNG
2008

ESTIMASI SEBARAN FLUIDA DAN LITOLOGI MENGGUNAKAN


KOMBINASI INVERSI AVO DAN MULTI ATRIBUT

Oleh:
Alan S. R. Inabuy
NIM: 124 03 024

Program Studi Geofisika


Fakultas Teknik Pertambangan dan Perminyakan
Institut Teknologi Bandung

Bandung, Juni 2008


Menyetujui
Dosen Pembimbing,

Sonny Winardhie, Ph.D


NIP: 131 679 362

,,Untuk yang terkasih, B,,!

ii

KATA PENGANTAR

Puji syukur saya panjatkan kepada Tuhan Yang Maha Esa, yang telah memberikan
rahmat dan anugerah-Nya sehingga penulis dapat menyelesaikan studi dan juga penulisan
tugas akhir ini. Tugas akhir dengan judul Estimasi Sebaran Fluida dan Litologi
Menggunakan Kombinasi Inversi AVO dan Multi Atribut disusun untuk memenuhi syarat
kurikuler program sarjana pada Program Studi Geofisika, Fakultas Teknik Pertambangan dan
Perminyakan, Institut Teknologi Bandung.
Pada kesempatan ini penulis juga ingin berterima kasih pada semua pihak yang telah
mendukung dan membantu penulis hingga tugas akhir ini dapat diselesaikan. Penulis
mengucapkan terima kasih kepada:
1. Kedua orang tua, untuk segala dukungan doa, moral, dan materiil selama ini
2. Bapak Dr. Gunawan Ibrahim selaku dosen wali atas perhatiannya selama ini
3. Bapak Sonny Winardhie, Ph.D, selaku dosen pembimbing untuk semua
pengetahuan diskusi dan arahan yang telah diberikan
4. Bapak Wahyu Triyoso, Ph.D, Bapak Afnimar Ph.D, Bapak Dr. Awali Priyono,
Bapak Prof. Sri Widiyantoro Ph.D, Bapak Dr. Hendra Grandis, Bapak Tedi
Yudistira M.Si , Bapak Dr. Nanang T Puspito, Bapak Untoro, M.Si, Bapak Drs.
Muhammad Ahmad, terima kasih untuk segala pengetahuan yang telah diberikan
5. Segenap jajaran Tata Usaha Program Studi Geofisika, Meteorologi dan
Oseanografi, atas bantuannya dalam urusan administratif
6. Rekan rekan lainnya yang tidak dapat disebut satu persatu, atas segala bentuk
dukungan yang telah diberikan.
Penulis menyadari masih banyak kekurangan yang terdapat dalam penyusunan tugas
akhir ini, untuk itu penulis mengharapkan saran dan kritikan yang bersifat membangun dari
segenap pembaca. Dengan segala kerendahan hati, penulis berharap semoga karya kecil ini
dapat bermanfaat dalam memberikan informasi bagi setiap mereka yang membacanya.

Bandung, Juni 2008

Alan S. R. Inabuy
124 03 024

iii

DAFTAR ISI
HALAMAN PENGESAHAN ......................................................................................................... i
HALAMAN PERUNTUKAN ........................................................................................................ ii
KATA PENGANTAR ................................................................................................................... iii
DAFTAR ISI.................................................................................................................................. iv
ABSTRAK..................................................................................................................................... vi
ABSTRACT.................................................................................................................................. vii
I. PENDAHULUAN ........................................................................................................................1
1.1 Latar Belakang .......................................................................................................................1
1.2 Tujuan.....................................................................................................................................1
1.3 Batasan Masalah.....................................................................................................................1
1.4 Sistematika Pembahasan ........................................................................................................2
II. TEORI DASAR...........................................................................................................................2
2.1 Phase Matching ......................................................................................................................2
2.2 Prinsip Amplitude Versus Offset (AVO) ...............................................................................3
2.3 Persamaan Zoeppritz ..............................................................................................................4
2.4 Lambda-Mu-Rho ....................................................................................................................5
2.5 Inversi Seismik .......................................................................................................................5
2.5.1 Inversi Simultan...............................................................................................................6
2.6 Atribut Seismik ......................................................................................................................6
2.6.1 Multi Atribut Seismik......................................................................................................7
2.6.2 Regresi Linier Umum ......................................................................................................7
2.6.3 Step - Wise Regression....................................................................................................8
III. DATA DAN PENGOLAHAN DATA ......................................................................................8
3.1 Data ........................................................................................................................................8
3.2 Pengolahan Data Sumur .........................................................................................................9
3.2.1 Uji Sensitivitas.................................................................................................................9
3.2.1.1 Crossplot Densitas Gamma Ray.............................................................................9
3.2.1.2 Crossplot Densitas Lambda Rho ............................................................................9
3.2.1.3 Crossplot Densitas Mu Rho....................................................................................9
3.2.1.4 Crossplot Densitas Lambda/Mu ...........................................................................10
3.2.1.5 Crossplot Lambda/Mu Gamma Ray....................................................................10
3.2.1.6 Crossplot Impedansi P Impedansi S .....................................................................10

iv

3.2.1.7 Crossplot Gamma Ray Impedansi P.....................................................................10


3.3 Pengolahan Data Seismik.....................................................................................................11
3.3.1 Preconditioning Data Seismik .......................................................................................11
3.3.1.1 Filter F K .............................................................................................................11
3.3.1.2 Phase Matching .......................................................................................................11
3.3.2 Well to Seismic Tie .......................................................................................................12
3.3.3 AVO Modeling..............................................................................................................12
3.3.4 Pengolahan AVO Data Riil ...........................................................................................13
3.3.5 Ekstraksi Wavelet..........................................................................................................13
3.3.6 Model Awal ...................................................................................................................14
3.3.7 Parameter Inversi...........................................................................................................14
3.3.8 Inversi Simultan.............................................................................................................14
3.3.9 Multi Atribut Seismik.................................................................................................15
IV. ANALISA................................................................................................................................15
4.1 Analisa Diskriminasi Litologi ..............................................................................................15
4.2 Analisa AVO ........................................................................................................................16
4.3 Analisa Inversi Simultan ......................................................................................................17
4.4 Analisa Multi - Atribut .........................................................................................................17
IV. KESIMPULAN........................................................................................................................18
5.1 Kesimpulan...........................................................................................................................18
DAFTAR PUSTAKA ....................................................................................................................18
LAMPIRAN

ABSTRAK

ESTIMASI SEBARAN FLUIDA DAN LITOLOGI MENGGUNAKAN


KOMBINASI INVERSI AVO DAN MULTI - ATRIBUT

Oleh :
Alan S. R. Inabuy
NIM : 124 03 024
Pembimbing :
Sonny Winardhie, Ph.D

Identifikasi fluida dan diskriminasi litologi dari data seismik dapat dilakukan dengan berbagai
metode, diantaranya dengan metode Amplitude Versus Offset (AVO), inversi, dan multi atribut.
Penggunaan metode motede tersebut pada kenyataanya tidak selalu memberikan hasil yang baik,
karena data seismik sendiri memiliki karakter yang berbeda satu dengan lainnya. Untuk mendapatkan
hasil optimal, dibutuhkankan analisa awal sebelum melakukan pengolahan data seismik. Analisa ini
diharapkan dapat membantu menentukan arahan pengolahan data, dan langkah langkah apa saja
yang perlu dilakukan.
Analisa awal pada studi kasus dalam tugas akhir ini diperoleh dari proses uji sensitivitas, dan
pemodelan data sintetik. Dari uji sensitivitas diperoleh kesimpulan bahwa terdapat dua karakter
berbeda pada formasi sand-shale di Lapangan Supernova*, yaitu sand dengan impedansi rendah dan
sand dengan impedansi tinggi. Sedangkan dari hasil uji sensitivitas, diketahui bahwa parameter
Lambda/Mu dapat digunakan untuk memisahkan litologi sand dan shale. Namun demikian, kontras
Lambda/Mu antara sand dan shale tidak terlalu besar jika dibandingkan dengan nilai gamma ray,
sehingga pengolahan data seismik diarahkan pada estimasi sebaran litologi menggunakan gamma ray
dengan metode multi atribut.
Hasil identifikasi fluida pada daerah penelitian menunjukkan pelamparan sand pada formasi
S3 yang berpotensi mengandung gas, sementara estimasi sebaran litologi dengan metode multi
atribut dapat memberikan hasil yang baik, terutama sand dengan impedansi rendah yang terdistribusi
pada daerah 800 hingga 1000 ms.
Kata Kunci

: Multi atribut, AVO modeling, phase matching, inversi simultan

*) Bukan nama sebenarnya

vi

ABSTRACT

ESTIMATION OF FLUIDS AND LITHOLOGIC DISTRIBUTION USING THE


COMBINATION OF AVO INVERSION AND MULTI ATTRIBUTE

By :
Alan S. R. Inabuy
124 03 024
Supervisor :
Sonny Winardhi, Ph.D

Some methods like the Amplitude Versus Offset (AVO), inversion, and multi attribute were
used in purpose to discriminate lithology and identifies fluids from the seismic data. In fact, those
methods are not always successfully used, because the seismic data itself also have differences from
one another. In aim to have the optimal results, pre analysis are necessary needed. This kind of
analysis could help us in making a decision about what kind of data processing we should do, what
methods we use, furthermore how to get the best workflow.
In this case, pre analysis were makes after doing some works like sensitivity analysis, and
also the synthetic data modeling. From the sensitivity analysis, we conclude that Supernova* field
have two different data characteristic, the first case is high impedance sand, and the other ones is
low impedance sand. Besides that, the sensitivity analysis also tells us that the Lambda / Mu
parameters could possibly used to discriminate sands from shale. But from the Lambda / Mu log data
we could found out that the contrast are not significantly separates sands from shale, therefore the
seismic data processing focused on estimating the lithologic distribution using multi attribute method
with gamma ray as log target.
The seismic data processing result shows that the sand at 930 ms (S3) is potentially filled with
gas. In the other hand, the estimation of lithologic distribution using multi attribute method could
give fine results, especially the low impedance sand which distributed at 800 until 1000 ms more or
less.
Keywords

: Multi attribute, AVO modeling, phase matching, Simultaneous Inversion

*) Not a real name

vii

sedangkan proses diskriminasi litologi

I. PENDAHULUAN

dapat dilakukan dengan terlebih dahulu


melihat parameter apa saja yang dapat

1.1 Latar Belakang


Data seismik memiliki karakter

memisahkan litologi di daerah penelitian.

yang berbeda beda, oleh karena itu

Kedua informasi ini kemudian dapat

metode

digunakan

yang

karakterisasi

digunakan

reservoir

untuk

suatu

daerah

tertentu tidak akan sama dengan daerah

sebagai

acuan

dalam

melakukan eksplorasi lanjut pada daerah


penelitian.

lainnya. Untuk memperoleh hasil yang


optimal perlu dilakukan analisa awal

1.2 Tujuan

menggunakan baik data sumur maupun

Tugas akhir ini merupakan sebuah

data sintetik, sehingga pengolahan data

studi kasus dengan menggunakan data

seismik dan metoda yang dipilih akan

Lapangan Supernova. Tujuan dari tugas

lebih terarah. Dari data sumur misalnya,

akhir ini adalah melakukan identifikasi

dapat diketahui parameter apa yang dapat

fluida

digunakan untuk diskriminasi litologi,

khususnya litologi sand.

dan

estimasi

sebaran

litologi,

sedangkan data sintetik dapat memberikan


informasi

awal

mengenai

reliabilitas

1.3 Batasan masalah

identifikasi keberadaan fluida. Sebuah

Beberapa batasan masalah yang

kasus spesifik dari data seismik daerah

digunakan dalam tugas akhir ini adalah

penelitian lapangan Supernova, adalah

sebagai berikut:

adanya dua jenis karakter data yang

a. Data

seismik

yang

digunakan

berbeda. Perbedaan karakter yang terdapat

adalah data seismik 2D, dalam

pada

bentuk partial angle gather (near,

data

lapangan

Supernova

memerlukan pengolahan data yang lebih


spesifik, agar tidak terjadi kesalahan dalam
melakukan analisa akhir.

dapat

b. Pengolahan data difokuskan pada


daerah disekitar sumur yang, dan

Karakterisasi reservoir dari data


seismik

mid, dan far angle).

dilakukan

dengan

mengidentifikasi keberadaan fluida dan

dibatasi oleh horizon 1 (~540 ms)


dan horizon 2 (~1010 ms).
c. Teknik inversi yang digunakan

juga mengestimasi sebaran litologi. Salah

untuk

satu metode yang dapat digunakan untuk

Impedansi P dan S adalah inversi

tujuan identifikasi fluida adalah metode

simultan.

Amplitude

Versus

Offset

mendapatkan

nilai

(AVO),
1

perbedaan

1.4 Sistematika Pembahasan


Sistematika

pembahasan

dalam

fasa.

Perbedaan

fasa

ini

umumnya ditimbulkan oleh adanya proses

tugas akhir ini adalah:

atenuasi ketika gelombang merambat pada

BAB I Pendahuluan

medium bawah permukaan bumi. Data

Bab ini berisikan latar belakang,

angle near akan memiliki beda fasa

tujuan, batasan masalah, dan sistematika

tertentu terhadap data pada angle mid dan

pembahasan.

data far. Pada data seismik perbedaan fasa

BAB II Teori Dasar

ini dapat terlihat dengan bentuk refleksi

Bab
dasar

ini

teori

menjelaskan

yang

beberapa

digunakan

dalam

yang

cenderung

melengkung

seiring

dengan bertambahnya offset (atau angle).

penyusunan tugas akhir.

Tujuan dari proses phase matching adalah

BAB III Data dan Pengolahan Data

menghilangkan beda fasa yang dimiliki

Bab ini berisi penjelaskan tentang

oleh data seismik, sehingga data pada

data dan proses proses apa saja yang

angle kecil dan angle besar, memiliki fasa

dikerjakan dalam Tugas Akhir.

yang kurang lebih sama.


Proses koreksi fasa mengasumsikan

BAB IV Analisa
Bab ini berisikan analisa terhadap

data angle near sebagai acuan, sehingga

hasil proses pengolahan data. Analisa

perlu dilakukan rotasi pada data angle mid

terhadap

untuk

dan far mendekati data near. Proses

diskriminasi litologi, analisa proses AVO,

koreksi fasa terdiri dari dua bagian yaitu

baik pada data sintetik maupun data riil,

time shifting dan rotasi fasa. Proses time

analisa hasil inversi, dan multi-atribut.

shifting dimulai dengan melakukan cross

BAB V Kesimpulan dan Saran

korelasi antara data - data angle gather.

hasil

uji

sensitivitas

Bab akhir ini berisikan kesimpulan

Hasil cross korelasi akan menunjukkan

dari proses identifikasi fluida dan estimasi

hubungan antara data input dengan data

litologi

yang

yang

telah

dilakukan

dijadikan

acuan

dalam

bentuk

menggunakan metode inversi AVO, dan

informasi time lag. Besar lag antara data

multi-atribut.

input dengan data acuan diperoleh dengan


melihat selisih dari amplitudo terbesar

II. TEORI DASAR

(peak) dari hasil cross korelasi

antar

data. Informasi ini kemudian digunakan


2.1 Phase Matching

untuk

melakukan

pergeseran

dalam

Data seismik yang telah di urutkan

domain waktu, sehingga tidak ada lag

berdasarkan angle / offset, akan memiliki

antara data near, mid dan far. Proses


2

selanjutnya adalah phase shifting, dimana

mendekati nol, sedangkan kelas ketiga

data pada angle besar dikoreksi dengan

adalah batupasir dengan impedansi rendah.

referensi data angle kecil. Proses koreksi

Castagna (1998) kemudian menambahkan

fasa

definisi untuk AVO anomali kelas 4, yaitu

akan

kualitas

membantu

data

meningkatkan

input

untuk

proses

selanjutnya.

batupasir dengan impedansi rendah dengan


anomali AVO yang menurun (decreasing
AVO). Pembagian kelas kelas AVO

2.2 Prinsip Amplitude Versus Offset

secara lebih jelas dapat dilihat pada


gambar berikut:

(AVO)
Prinsip dasar metode AVO adalah
menganalisa

perubahan

amplitudo

gelombang refleksi terhadap offset, dengan


offset didefinisikan sebagai jarak antara
posisi source dan receiver. Nilai offset
akan berbanding lurus dengan perubahan
sudut datang gelombang, sehingga metode
AVO kadang disebut juga Amplitude
Versus

Angle

amplitudo

(AVA).

gelombang

Perubahan

seismik

selain

Gambar 2.1 Pembagian kelas AVO-gas sand

dipengaruhi oleh offset juga dipengaruhi


Analisa AVO dapat dilakukan

oleh parameter fisis lain, seperti Poisson


Ratio

(PR).

Perubahan

PR

sendiri

dipengaruhi oleh kandungan fluida yang

gas

dalam

melihat

amplitudo

variasi

terhadap

offset

perubahan
pada

data

gather, seperti yang dijelaskan diatas.

terdapat dalam suatu medium.


Kehadiran

dengan

suatu

medium akan memberikan respon AVO


yang berbeda beda. Rutherford dan
Williams (1989) membagi AVO dalam
beberapa kelas, berdasarkan litologi dan
kandungan fluida dalam lapisan tersebut.
Kelas pertama adalah batupasir dengan
impedansi tinggi (high impedance sand)
yang mengandung gas. Kelas kedua adalah
batupasir yang memiliki kontras impedansi

Anomali AVO dapat juga dilihat dengan


menggunakan metode crossplot antara
intercept dan gradient. Intercept secara
umum dapat diartikan sebagai amplitudo
dari refleksi dari gelombang P, sedangkan
gradient

adalah

perubahan

amplitudo

terhadap jarak. Intercept mengandung


informasi
gradient
gelombang

gelombang
mengandung
P

P,

sedangkan

baik

informasi

maupun

S.

Kedua

gelombang ini memliki karakteristik yang

dua lapisan yang memiliki karakter fisis

berbeda ketika merambat melalui fluida,

yang berbeda (Gambar 2.3). Persamaan ini

sehingga parameter intercept dan gradient

meliputi

dapat digunakan untuk identifikasi fluida

refleksi, maupun transmisi.

amplitudo

dalam lapisan. Crossplot antara Intercept


dan gradient dapat dilihat pada gambar

dari

Reflected
SV-wave

Incident
P-wave

gelombang

Reflected
P-wave

2.2, dari gambar tersebut dapat kita lihat


bahwa anomali dari setiap kelas kelas
AVO akan dapat terdeteksi pada daerah

VP1 , VS1 , 1

daerah tertentu diluar garis linier wet

VP2 , VS2 , 2

trend.
Transmitted
P-wave

Selain melakukan crossplot data

Transmitted
SV-wave

dalam bentuk intercept dan gradient,


identifikasi anomali dengan metode AVO

Gambar 2.3. Refleksi dan transmisi gelombang P

juga dapat dilakukan dengan melihat


beberapa section yang dihasilkan dari

Aki dan Richards (1980), kemudian

proses AVO, seperti kontras poisson ratio

menyederhanakan Persamaan Zoeppritz

(pseudo PR), dan reflektivitas gelombang

menjadi persamaan linier. Fatti et al

S (pseudo S wave reflectivity).

memodifikasi persamaan liniearisasi ini


dan mendapatkan hubungan koefisien
refleksi P-P (RPP) sebagai berikut,

Rpp( ) = c1RP + c2 RS + c3RD


dimana,

Rp =

1 VP

+
2 V P

(2)

Rs =

1 VS

+
2 V S

(3)

Gambar. 2.2 Crossplot Intercept dan Gradient

RD =
2.3 Persamaan Zoeppritz
Persamaan

Zoeppritz

c1 = 1 + tan 2

(1919)

c 2 = 8 2 sin 2

(incident

1
c 3 = tan 2 + 2 2 sin 2
2

dengan

(4)

sedangkan koefisien

menjelaskan hubungan antara sudut datang


angle)

(1)

amplitudo

gelombang pada batas bidang elastik dari

dan

Vs
Vp
4

Kemudian dengan mendefinisikan

Persamaan

diatas

menunjukkan

reflektivitas (Rp, Rs, dan RD) sebagai

adanya hubungan linier antara Impedansi

fungsi

dan

P, Impedansi S, dan densitas. Dengan

logaritma dari impedansi maka akan dapat

demikian untuk setiap trace pada angle

dituliskan persamaan berikut,

tertentu (data near, mid, far), kita dapat

S ( ) =

dari

matriks

derivative

1
1
c1W ( ) DLP + c2W ( ) DLS + c3W ( ) DLD
2
2

(5)
yang

merupakan

pengembangan

melakukan ekstraksi untuk memperoleh


nilai Impedansi P, S, dan densitas.

dari

persamaan dasar,

2.4 Lambda-Mu-Rho

S=W.R

(6)

Parameter Lame, Lambda-Mu-Rho

Persamaan 5 dapat disederhanakan

adalah parameter yang dapat digunakan

menjadi pesamaan berikut,

untuk mengkarakterisasi reservoir. Ketiga

S ( ) = 1W ( ) DLP + 2W ( ) DLS + c3W ( ) DLD

parameter ini dan kombinasinya dapat

(7)

diperoleh dari nilai Impedansi gelombang

dengan,

P, Impedansi Gelombang S, dan densitas.

W = wavelet

Kombinasi parameter yang umumnya

LP = logaritma natural Impedansi P

digunakan untuk karakterisasi reservoir

LS = logaritma natural Impedansi S

adalah, Lambda-Rho(), Mu-Rho (),

LD = logaritma natural densitas

dan Lambda/Mu (/), dimana:

= sudut datang

= Zp 2 2 Zs 2

(8)

= Zs 2

(9)

dan,
1
1
1 = c1 + kc 2 + mc 3
2
2

1
2 = c 2
2

(10)

Persamaan 7 merupakan persamaan


dari trace seismik S pada sudut sebagai
fungsi

dari

Impedansi

logaritma
S,

dan

Impedansi

kontras

dapat

mendefinisikan

densitas.

beberapa

wavelet yang berbeda untuk sudut datang


tertentu.

Inversi

P,

Persamaan ini juga menunjukkan bahwa


kita

2.5 Inversi Seismik


Seismik

didefinisikan

sebagai suatu teknik untuk membangun


model

bawah

permukaan

dengan

menggunakan data seismik sebagai input


dan data sumur sebagai kontrol. Data
seismik sebagai input dimodelkan dalam
bentuk impedansi akustik (AI), yang
kemudian

dapat

digunakan

untuk
5

karakterisasi reservoir seperti melihat

untuk menampilkan beberapa informasi

perubahan litologi, porositas, hidrokarbon,

yang tidak dapat dilihat langsung dari data

pemetaan

litologi

seismik konvensional.

reservoir

lainnya.

dan

karakter

Impedansi

fisik

akustik

Beberapa atribut seismik yang

sendiri dipengaruhi oleh beberapa faktor

sering digunakan adalah, instantaneous

seperti densitas, porositas, kandungan

attributes,

filter

attributes,

derivative

fluida, serta dikontrol oleh cepat rambat

attributes,

dan

integrated

attributes.

gelombang

Instantaneous

pada

medium.

Impedansi

akustik akan memberikan gambaran yang

berdasarkan

lebih

Trace

baik

tentang

informasi

bawah

attributes
trace

dihitung

seismik

seismik

kompleks.

kompleks

sendiri

permukaan dibandingkan dengan data

diasumsikan tersusun dari trace seismik

seismik,

hanya

konvensional dan transformasi Hilbert,

menunjukkan batas lapisan, tapi juga isi

seperti pada persamaan berikut (M.T.

dari sebuah lapisan.

Taner, dkk, 1979)

karena

AI

tidak

C (t ) = s (t ) + ih (t )

= A(t )e i ( t )

2.5.1 Inversi Simultan


Inversi Simultan adalah proses

= A(t ) cos (t ) + iA(t ) sin (t )

(11)

inversi seismik untuk mendapatkan atribut

dimana :

Impedansi P, Impedansi S dan Densitas

C(t) = trace seismik kompleks

secara bersamaan (simultan), dari data

s(t) = trace seismik konvensional

input. Pada prakteknya, input data dapat

h(t) = transformasi Hilbert (900 dari s(t))

berupa offset / angle gather atau beberapa

Dari persamaan diatas dapat dilihat

angle stacked data. Input data berupa

bahwa trace seismik kompleks merupakan

partial stack dapat digunakan untuk

penjumlahan dari bagian riil (trace seismik

ekstraksi wavelet, sehingga didapatkan

konvensional),

dan

wavelet yang berbeda untuk setiap data

(transformasi

Hilbert).

gather dengan sudut datang tertentu.

persamaan tersebut juga menunjukkan

bagian

imajiner

Bentuk

akhir

bahwa analisa trace kompleks dapat


2.6 Atribut seismik
Atribut
sebagai

ukuran

digunakan

seismik

didefinisikan

ukuran

geometri,

instantaneous
instantaneous

untuk

menurunkan

attributes,
amplitude,

yaitu
A(t),

dan

kinematik, dinamik atau ciri statistik yang

instantaneous phase, (t). Sedangkan

diturunkan dari data seismik (Q.Chen,

atribut instantaneous frequency, dapat

S.Sidney, 1997). Atribut seismik bertujuan


6

diperoleh dengan menghitung turunan

dimana:

terhadap waktu dari atribut instantaneous

si = sampel ke-i dari seismik atau

phase.

amplitude envelope
Filter attributes, adalah atribut

seismik

yang

diperoleh

Ii = nilai integrasi

dengan

menerapkan filter bandpass terhadap data

2.6.1 Multi Atribut Seismik


Metode

seismik. Filter bandpass dibuat dengan

multi

metode

nilai frekuensi rendah (5-10 Hz) sampai

memprediksi volume dari log properties,

frekuensi tinggi (65-70 Hz). Derivative

seperti porositas, densitas, saturasi air, dan

attributes diperoleh dengan menghitung

gamma ray. Metode ini dimulai dengan

turunan pertama maupun kedua dari trace

mencari hubungan antara data log dengan

seismik

data seismik (atribut seismik) pada posisi

Persamaan

amplitude

dibawah

ini

envelope.

menunjukkan

log.

Hubungan

digunakan

adalah

nilai batas frekuensi yang bervariasi dari

atau

yang

attribute

ini

yang

untuk

kemudian

proses perhitungan yang dilakukan untuk

digunakan untuk memprediksi volume dari

memperoleh turunan pertama maupun

properties log yang dicari.

turunan kedua,

d1i =

si si 1
,
t

(12)

d 2i =

d1i d1i 1 si 2s i 1 si 2
=
t 2
t

(13)

2.6.2 Regresi Linier Umum


Prediksi properties dari data sumur
menggunakan metode multi - atribut
seismik dengan regresi linier umum dapat

dimana:

digambarkan oleh persamaan berikut:

si = sampel ke-i dari seismik atau

L(t) = w0+w1A1(t)+w2A2(t)+...+wNAN(t)

amplitude envelope

(15)

d1i = turunan pertama pada sampel ke-i

dimana:

d2i = turunan kedua pada sampel ke-i

L(t) = log properties atau target log

t = sample rate

A(t) = atribut seismik

Integrated attributes adalah atribut


seismik yang diperoleh dengan proses
integrasi. Perhitungan nilai atribut ini
dapat

dilakukan

dengan

persamaan

berikut,
I i = s i + I i 1

w0 = konstanta
wi = bobot, i = 1, 2, ...N
L(t) adalah nilai target log tiap
sampel t, sehingga merupakan variabel
yang nilainya diketahui. A(t) adalah atribut

(14)

atribut seismik yang digunakan untuk


memprediksikan

nilai

log

properties,
7

sehingga juga merupakan variabel yang

atribut lainnya diambil dari atribut

diketahui nilainya. Dari persamaan diatas

yang diperoleh dari hasil 2 langkah

dapat dilihat bahwa proses multi-atribut

sebelumnya (atribut 1 dan atribut

dengan regresi linier umum pada dasarnya

2).

adalah upaya untuk mencari nilai bobot

Proses ini dilakukan hingga jumlah

tertentu, sehingga perkalian antara bobot

atribut yang diinginkan terpenuhi. Pada

tersebut dengan atribut seismik akan

setiap proses pencarian atribut, atribut

memberikan nilai terbaik atau terdekat

terbaik yang dipilih adalah atribut dengan

dengan nilai target log. Penjelasan lebih

error prediksi terendah. Keuntungan dari

detail mengenai regresi linier umum dapat

proses ini adalah waktu komputasi yang

dilihat pada lampiran.

lebih

singkat

pemilihan

Metode yang digunakan untuk


kombinasi

kombinasi

atribut

dengan
secara

komprehensif. Walau demikian atribut

2.6.3 Step Wise Regression

pemilihan

dibandingkan

atribut

seismik

terbaik yang terpilih dengan menggunakan


metode

ini

belum

tentu

merupakan

terbaik memanfaatkan teknik step wise

kombinasi

regression. Secara teknis metode step wise

dibandingkan dengan metode pemilhan

regression

atribut secara komprehensif.

melakukan

pencarian

atribut

yang

lebih

baik

kombinasi atribut terbaik dengan langkah


langkah sebagai berikut:

III. DATA

1. Metode ini akan mencari atribut

DAN

PENGOLAHAN

DATA

terbaik secara komprehensif dari


semua
Atribut
memiliki

atribut

yang

terbaik
nilai

mungkin.

dipilih
error

jika

Data yang digunakan dalam tugas

prediksi

akhir ini adalah data daerah Supernova

terkecil.
2. Langkah

3.1 Data

(bukan nama sebenarnya), yang terdiri


berikutnya

adalah

dari:

mencari pasangan (2 buah) atribut

1. Data seismik 2D, yang merupakan

terbaik, dimana salah satu atribut

data dalam bentuk partial angle

yang dipilih adalah hasil dari

gather dengan pembagian sudut:

proses

a.

Near Angle: 0 150

b.

Mid Angle: 10 - 300

c.

Far angle: 25 - 450

pemilihan

di

langkah

pertama (atribut 1).


3. Langkah ketiga adalah mencari 3
buah atribut terbaik, dimana 2 buah

2. 1 data sumur, yang terdiri dari

Sedangkan shale akan diwakili oleh data

beberapa log seperti log sonic-P

dengan nilai saturasi air tinggi (warna hijau).

dan sonic-S, densitas, gamma ray,


porositas, dan permeabilitas.

3.2.1.1 Crossplot Densitas Gamma Ray

Pengolahan data yang dilakukan

Hasil crossplot antara Densitas dan

pada tugas akhir ini terdiri atas beberapa

Gamma Ray (Gambar 1a, pada lampiran),

bagian, yaitu pengolahan data sumur,

menunjukkan bahwa daerah target (sand)

pengolahan

data

dapat dipisahkan oleh parameter Gamma

sintetik, preconditioning data seismik, dan

ray, yaitu pada 60 70 API. Sedangkan

pengolahan data seismik riil. Secara umum

pada parameter densitas dapat kita lihat

pengolahan data ditunjukan oleh flowchart

bahwa sand dan shale memiliki sebaran nilai

seperti yang digambarkan pada lampiran 2.

densitas yang merata baik pada nilai densitas

data

menggunakan

tinggi maupun rendah. Hal ini menunjukkan


bahwa parameter Densitas tidak dapat

3.2 Pengolahan data Sumur


Pengolahan data sumur meliputi
proses uji sensitivitas, dan AVO modeling.

digunakan untuk memisahkan sand dari


shale.

Uji sensitivitas bertujuan untuk melihat


parameter apa yang dapat digunakan untuk
diskriminasi litologi daerah penelitian,

3.2.1.2 Crossplot Densitas - Lambda-Rho


Daerah

sand

dan

shale

pada

sedangkan AVO modeling dilakukan pada

crossplot Densitas dan Lambda-Rho tidak

data sumur untuk melihat hubungan

dapat terpisahkan, bahkan dari hasil

linieritas antara data Gamma Ray dengan

crossplot (gambar 1b) dapat kita lihat

impedansi.

bahwa daerah sand dan shale saling


menumpuk.
parameter

3.2.1 Uji Sensitivitas


Daerah
kombinasi
diskriminasi

penelitian

memiliki

litologi

sand

dan

kedua

jenis

litologi

Hal

ini

Lambda-Rho

menunjukkan
tidak

dapat

digunakan untuk memisahkan litologi.

shale,
ini

3.2.1.3 Crossplot Densitas - Mu-Rho

dilakukan dengan melihat hasil crossplot

Dari hasil crossplot antara Densitas

dari data data sumur. Crossplot dilakukan

dan Mu-Rho (gambar 1c), dapat kita lihat

dengan color key Water Saturation, dimana

bahwa shale (saturasi air tinggi) tersebar

daerah target (sand) diasumsikan akan

baik pada nilai Mu-Rho tinggi maupun

memiliki nilai saturasi air yang rendah.

rendah. Sedangkan nilai densitas antara sand


dan shale juga masih bercampur. Dengan
9

demikian penggunaan parameter Mu Rho

memiliki nilai Lambda/Mu tinggi. Hal ini

sendiri

tidak

memisahkan
Walaupun

dapat
litologi

demikian,

digunakan

untuk

menunjukkan bahwa nilai Lambda/Mu

sand

shale.

dapat memisahkan litologi sand dari

dan

penggunaan

dua

litologi shale.

parameter ini secara bersamaan menunjukan

Dari hasil crossplot Lambda/Mu

bahwa daerah taget masih dapat dipisahkan

dengan Gamma Ray, dapat dilakukan

dari shale (lingkaran biru pada gambar).

pengelompokan untuk memisahkan antara


daerah target sand dengan shale seperti

3.2.1.4 Crossplot Densitas - Lambda/Mu

yang ditandai oleh zona merah pada

Hasil crossplot antara densitas

gambar crossplot. Hasil pengelompokan

dengan beberapa parameter sebelumnya

ini dapat kita lihat dalam bentuk cross

menunjukkan bahwa densitas tidak dapat

section, dimana daerah target ditandai oleh

digunakan untuk memisahkan litologi.

blok berwarna merah pada data log

Crossplot antara densitas dan Parameter

(gambar 3).

Lambda/Mu ditunjukkan pada gambar 1d.


Dari gambar tersebut terlihat bahwa

3.2.1.6

litologi sand pada umumnya berada pada

pada

nilai

Lambda/Mu

tinggi.

Impedansi

Impedansi S

area nilai Lambda/Mu rendah, sedangkan


shale

Crossplot

Hasil crossplot impedansi P dan


impedansi

pada

gambar

2a,

Sementara itu litologi shale tersebar pada

menunjukkan bahwa daerah target sand

nilai densitas rendah maupun tinggi. Dapat

hanya dapat dipisahkan dengan shale jika

disimpulkan bahwa parameter Lambda/Mu

dilakukan zonasi dengan menggunakan

dapat

kedua parameter secara bersama - sama.

digunakan

untuk

memisahkan

Sedangkan penggunaan parameter secara

litologi dengan cukup baik.

terpisah tidak dapat memisahkan litologi


3.2.1.5 Crossplot Lambda/Mu - Gamma

sand dan shale.

Ray
Hasil crossplot antara data log
Gamma Ray dan Lambda/Mu tampak pada

3.2.1.7

Crossplot

Gamma

Ray

Impedansi P

gambar 1e. Dari gambar tersebut dapat kita

Crossplot antara log Gamma Ray

lihat bahwa litologi sand yang memiliki

dan log impedansi P seperti yang terlihat

nilai Gamma Ray rendah, cenderung

pada gambar 2b, menunjukkan adanya

memiliki nilai Lambda/Mu yang rendah,

perbedaan trend pada data penelitian.

sedangkan

Perbedaan ini menunjukan dua karakter

litologi

shale

cenderung

10

data yang berbeda yaitu litologi sand

proses selanjutnya. Filter dibuat dengan

dengan impedansi tinggi pada bagian atas

mendefinisikan

dan litologi sand dengan impedansi rendah

daerah yang akan dibuang, pada data

pada bagian bawah, dengan batas antara

dalam domain Frekuensi (F) Bilangan

bagian atas dan bawah ~ 4000 ft, atau

Gelombang

sekitar 820 ms.

berbeda beda untuk masing masing

rejection

(K).

zones,

Pendefinisian

atau

filter

data near, mid dan far angle. Gambar 4


membandingkan data pada angle near

3.3 Pengolahan Data Sesimik


Pengolahan data seismik terbagi
dalam

preconditioning

data

seismik,

sebelum proses filter dengan data sesudah


dikenai filter F-K.

proses pengikatan data sumur terhadap


data seismik, pengolahan data seismik

3.3.1.2 Phase Matching

sintetik, dan pengolahan data seismik riil

Proses phase matching dilakukan

termasuk proses AVO, inversi simultan,

pada data mid dan far angle, dengan acuan

dan multi atribut seismik.

data pada angle near. Phase shifting


bertujuan untuk melakukan pergeseran
fasa pada data, sehingga data pada angle

3.3.1 Preconditioning data seismik


Data seismik yang merupakan data
dalam

bentuk

partial

angle

besar memiliki fasa yang kurang lebih

gather,

sama dengan fasa data pada angle near.

memiliki perbedaan fasa pada masing

Proses ini dimulai dengan melakukan

masing angle gather. Data pada gather

auto-correlation antara data input dengan

near memiliki perbedaan fasa dengan data

data acuan (near angle). Hasil auto-

pada angle mid dan far.

correlation akan memberikan informasi


lag time antar data, data input kemudian di
geser dalam domain waktu sebesar nilai

3.3.1.1 Filter F-K


Data seismik daerah Supernova,

lag yang diperoleh. Setelah melakukan

masih mengandung bising (noise). Noise

pergeseran dalam domain waktu, maka

yang ada pada data ini dapat dilihat dari

proses selanjutnya adalah rotasi fasa,

beberapa refleksi yang berulang dan

sehingga data keluaran yang diperoleh

memiliki kesamaan bentuk dengan refleksi

memiliki lineasi yang cukup baik dengan

sebelumnya

F-K

data acuan. Contoh proses ini dapat dilihat

diaplikasikan pada data dengan tujuan

pada gambar 5, dimana phase matching

menghilangkan

dilakukan pada satu trace dari data angle

(multiple).

noise,

Filter

sehingga

tidak

terjadi mis-interpretasi dalam proses

mid.
11

Data gather yang telah mengalami

dilakukan

ekstraksi

wavelet

secara

kedua proses diatas kemudian digunakan

statistik,

sebagai input pada proses proses

kemudian dikonvolusikan dengan nilai

selanjutnya.

reflektivitas

wavelet

dari

hasil

data

ektraksi

sumur

ini

untuk

membentuk trace sintetik. Dari hasil well


to

3.3.2 Well to Seismic Tie


Data

sumur

berfungsi

sebagai

kontrol dalam proses inversi seismik.

seismic

tie,

didapatkan

korelasi

optimum sebesar 0.73 atau sekitar 73 %


(Gambar 6).

Proses well to seismic tie, adalah proses


yang bertujuan untuk mengikatkan data

3.3.3 AVO Modeling

sumur pada data seismik setelah dilakukan

Proses ini bertujuan untuk melihat

proses check-shot, sehingga data sumur

respon AVO, baik berupa reflektivitas P

dapat ditempatkan di posisi yang benar

dan S maupun intercept (P) dan gradient

pada data seismik. Pada prakteknya,

(G) yang dihasilkan dari pemodelan trace

pengikatan data sumur ke data seismik,

berdasarkan data sumur. Pemodelan yang

dilakukan

pertama adalah reflektivitas P dan S yang

respon

dengan
antara

melihat

trace

kesamaan

sintetik

yang

didapatkan

dengan

memanfaatkan

dikalkulasi dari data sumur, dengan data

persamaan Fatti (persamaan 1). Hasil

seismik dalam bentuk composite trace

pemodelan

yang telah melalui proses checkshot

dalam bentuk integrated trace, dimana

correction.

bentuk

Checkshot

correction

ini

ini

kemudian

akan

ditampilkan

menggambarkan

merupakan proses untuk mendapatkan

impedansi dari data reflektivitas P (gambar

nilai konversi dari domain kedalaman ke

7).

domain waktu atau sebaliknya, sedangkan

Pemodelan data sintetik dibuat

trace komposit didefinisikan sebagai rata

dengan memanfaatkan persamaan Aki

rata dari sejumlah trace yang berdekatan

Richards, yang merupakan fungsi dari

disekitar sumur.

kecepatan

gelombang

P,

kecepatan

Pada tugas akhir ini, data sesimik

gelombang S, dan densitas. Data sintetik

yang digunakan untuk proses pengikatan

ini kemudian diproses untuk menghasilkan

data sumur hanya data seismik pada angle

respon Intercept dan Gradient. Respon

near. Hal ini dilakukan karena data angle

Intercept dan gradient dari data sintetik

near dianggap sebagai data yang paling

seperti tampak pada gambar 8a, digunakan

representatif. Sebelum melakukan proses

sebagai acuan untuk dibandingkan dengan

stretch

respon AVO dari data riil. Secara teoritis,

dan squeeze,

terlebih

dahulu

12

data riil seharusnya memiliki respon AVO

respon yang lebih representatif maka

yang tidak jauh berbeda dari data sintetik

pemodelan

yang telah dibuat sebelumnya, karena

menggunakan

pembuatan data sintetik memanfaatkan

Respon AVO yang dibentuk dari data riil

data well yang memiliki frekuensi lebih

yang

tinggi daripada data seismik (data riil).

mengandung perbedaan fasa, sehingga

dilakukan
input

berbentuk

dengan

wavelet

partial

30

Hz.

angle

stack

intercept dan gradient dari data riil akan


memberikan nilai yang kurang tepat.

3.3.4 Pengolahan AVO Data Riil


Data

untuk

Untuk mendapatkan respon AVO yang

melakukan proses AVO adalah, data

tepat, maka dilakukan rotasi pada data riil

partial angle stack yang telah melalui

sebesar 300 dengan acuan data sintetik,

proses Filter (F-K), dan phase correction.

sehingga menyerupai respon P*G dari data

Pada

sintetik.

tugas

yang

akhir

digunakan

ini

proses

AVO

dilakukan dengan mengasumsikan data


near stack sebagai intercept sedangkan

3.3.5 Ekstraksi Wavelet

data far stack dikurangi near stack

Persamaan 3 pada bab teori dasar

diasumsikan sebagai pseudo gradient.

menunjukkan bahwa untuk trace seismik

Data near stack dapat diasumsikan sebagai

pada

intercept karena data near dianggap lebih

mendefinisikan beberapa wavelet yang

representatif

polaritas

berbeda sesuai dengan range sudut datang

data seismik, sedangkan pseudo-gradient

dari data seismik. Dalam metode inversi

diperoleh

dengan

terlebih

dahulu

simultan, data input yang digunakan

melakukan

proses

matematis

dengan

adalah data partial angle yang telah di-

mengurangkan data far dengan data near.

stack. Wavelet yang akan digunakan dalam

Respon Intercept dan gradient (P*G) dari

proses

data riil dapat dilihat pada gambar 8b.

melakukan ekstraksi dari setiap data

Pada

menggambarkan

awalnya

intercept

dan

gradient dari data riil menunjukkan respon

sudut

inversi

tertentu,

kita

diperoleh

dapat

dengan

partial stack tersebut, sehingga diperoleh 3


jenis wavelet seperti pada gambar 3.1.

yang sedikit berbeda dengan respon dari


data sintetik. Seperti yang telah dibahas
pada sub bab sebelumnya, data sintetik
memiliki frekuensi yang lebih tinggi
karena

dimodelkan

sumur,

sehingga

berdasarkan
untuk

data

mendapatkan
13

yang menggambarkan acoustic impedance,


shear impedance dan densitas.

3.3.7 Parameter Inversi


Beberapa

parameter

inversi

simultan yang harus didefinisikan terlebih


dahulu antara lain, koefisien regresi yang
menghubungkan
impedansi

S,

menghubungkan

impedansi
koefisien

dengan

regresi

impedansi

yang
dengan

densitas, nilai perbandingan VS dan VP (),


dan beberapa parameter lain seperti jumlah
iterasi, nilai bobot, dan skala inversi.
Pendefinisian parameter koefisien
Gambar 3.1 Wavelet (untuk Near, mid dan far)

regresi dilakukan dengan melihat hasil

yang digunakan dalam proses inversi

crossplot antara nilai logaritma natural dari


impedansi P, impedansi S dan densitas
(gambar

3.3.6 Model Awal

9b).

Dengan

melihat

trend

Proses Inversi seismik dimulai

kemiringan dari hasil crossplot impedansi

dengan mendefinisikan model awal untuk

P dan impedansi S, didapatkan nilai

impedansi P, impedansi S, dan densitas.

koefisien k = 1.12418, dan kc = -1.68107,

Model awal dibentuk menggunakan data

sedangkan dari hasil crossplot impedansi P

sumur, yaitu log VP, VS dan log densitas

dengan densitas, didapatkan nilai koefisien

dengan bantuan horizon untuk informasi

m = 0.326188 dan mc = -2.07561. Nilai

struktur geologi dari data seismik. Selain

perbandingan VS dan VP atau pada

ketiga log diatas pembuatan model awal

umumnya memiliki nilai 0.5, tetapi untuk

juga membutuhkan log impedansi P dan S

mendapat nilai yang lebih akurat dapat

yang dapat dibuat dengan mengalikan log

dilakukan dengan menghitung nilai rata

sonic dengan densitas. Model awal yang

rata dari perbandingan antara data log

dibuat pada umumnya adalah model

sonic S-wave dan log sonic P-wave.

dengan

frekuensi

rendah,

model

ini

kemudian akan di modifikasi sesuai


jumlah iterasi (parameter inversi) hingga
diperoleh hasil akhir, yaitu model geologi

3.3.8 Inversi Simultan


Proses

inversi

simultan

menggunakan data stack CDP sebagai


14

input. Data stack CDP terbagi atas data

oleh

near angle (0-150), mid angle (10-300),

prediksi

dan far angle (25-450), ketiga data ini akan

prediksi error kecil merepresentasikan

diinversikan

korelasi yang tinggi antara atribut seismik

secara

bersamaan

untuk

menghasilkan impedansi P, impedansi S,

pemilihan
error

atribut

dengan

nilai

terkecil,

dimana

nilai

dengan target log.

dan densitas. Proses inversi dimulai

Pemilihan atribut dilakukan dengan

dengan model awal yang kemudian di-

melibatkan baik atribut internal maupun

update hingga didapatkan hasil akhir

atribut

(gambar 10 dan 11) . Proses inversi tidak

melibatkan semua atribut internal yang

dilakukan pada seluruh data seismik,

tersedia pada program Emerge (Humpson

namun lebih di-fokuskan pada target

Russel) kecuali beberapa atribut seperti,

formasi yang dibatasi oleh dua horizon.

atribut

Proses inversi dilakukan dari horizon 1

coordinate,

hingga horizon 2 dengan tambahan 200 ms

average frequency, sedangkan hasil inversi

dari masing masing horizon. Hasil

simultan berupa impedansi P (ZP) dan

Inversi simultan kemudian digunakan

impedansi S (ZS) digunakan sebagai

sebagai input (atribut eksternal) untuk

atribut eksternal. Daftar atribut atribut

proses multi-attribut.

yang digunakan dalam proses multi

eksternal.

time,

Pemilihan

dominant

atribut

coordinate,
frequency,

dan

atribut dapat dilihat pada gambar 12,


perbandingan log gamma ray dengan nilai

3.3.9 Multi Atribut Seismik


Estimasi

distribusi

litologi

dilakukan dengan menggunakan metode

predicted gamma ray pada gambar 13, dan


hasil multi atribut pada gambar 14.

seismik multi atribut. Proses multi


atribut terdiri dari dua tahapan utama

IV. ANALISA

yaitu, pencarian kombinasi atribut terbaik


dan kemudian penerapan atribut tersebut

4.1 Analisa Diskriminasi Litologi


Hasil

pada data seismik. Pencarian kombinasi

uji sensitivitas dengan

atribut terbaik menggunakan prinsip step

melakukan crossplot pada data sumur

wise regression seperti yang dijelaskan

menunjukkan

pada bab teori dasar. Kombinasi atribut

Lambda/Mu dapat memisahkan litologi

yang dipilih adalah atribut yang memiliki

sand dan shale dengan cukup baik. Dari

korelasi yang kurang lebih liner dengan

hasil

target yang akan diprediksi, yaitu log

Gamma Ray dilakukan zonasi daerah

Gamma Ray. Hubungan ini digambarkan

target, dengan mengasumsikan sand dan

crossplot

bahwa

Lambda/Mu

parameter

terhadap

15

shale dipisahkan dengan nilai cut off

diatas 4000 ft (bagian atas) dengan data

gamma ray sebesar 75 API, dan nilai

dibawah 4000 ft (bagian bawah). Data

Lambda/Mu dibawah 0.85. Hasil zonasi

bagian atas menunjukkan bahwa nilai

dapat dilihat dengan lebih jelas pada cross-

gamma

section (Gambar 3). Penampang data

kisaran nilai impedansi yang rendah,

sumur tersebut menunjukkan beberapa

sedangkan nilai gamma ray rendah (sand)

daerah target berupa litologi sand yang

memiliki kisaran nilai impedansi tinggi.

berpotensi sebagai reservoir. Walaupun

Pada bagian bawah, data dengan nilai

hasil crossplot menunjukkan parameter

gamma ray tinggi (shale) memiliki nilai

Lambda/Mu dapat memisahkan litologi,

impedansi tinggi, sedangkan sebaliknya

data log dari parameter ini menunjukkan

data dengan nilai gamma ray rendah

perubahan nilai yang kecil antara sand dan

(sand) memiliki nilai impedansi rendah.

shale, sehingga akan tetap sulit untuk

Hal ini berarti data penelitian memiliki 2

memisahkan litologi secara jelas. Jika

karakter litologi yang berbeda, dimana

dibandingkan dengan data log gamma ray

data bagian atas adalah data sand dengan

maka akan terlihat bahwa untuk perubahan

nilai impedansi tinggi sedangkan data

nilai gamma ray lebih signifikan (litologi

bagian bawah adalah sand dengan nilai

sand - shale) dibandingkan perubahan nilai

impedansi rendah.

ray

tinggi

(shale)

memiliki

log parameter Lambda/ Mu. Hal ini


menunjukkan bahwa parameter Lamba/Mu

4.2 Analisa AVO

tidak cukup signifikan dalam memisahkan

Analisa AVO dilakukan baik pada

litologi. Sementara itu gamma ray dapat

data seismik sintetik maupun data seismik

memisahkan litologi dengan cukup baik,

riil. Analisa dari hasil pemodelan AVO

sehingga

langkah

yang

terdiri dari dua bagian, yaitu analisa hasil

mungkin

dilakukan

melihat

pemodelan dalam bentuk reflektivitas, dan

distribusi litologi berdasarkan gamma ray

hasil pemodelan dalam bentuk intercept

dengan metode Multi-attribute.

dan gradient.

selanjutnya
adalah

Dari Hasil crossplot gamma ray

Gambar

menunjukkan

hasil

AVO

dalam

bentuk

ditampilkan

dalam

dan impedansi akustik, dapat dilihat bahwa

pemodelan

data penelitian memiliki dua karakter

reflektivitas

litologi yang berbeda yang terpisahkan

bentuk integrated trace (menggambarkan

pada nilai kedalaman ~ 4000 ft. Perbedaan

impedansi). Seperti yang telah dibahas

karakter litologi ini dapat dilihat dari

pada analisa diskriminasi litologi, dari

adanya trend yang berbeda pada data

gambar tersebut dapat dilihat bahwa data

yang

16

penelitian memiliki dua karakter data yang

well ini dapat digunakan untuk melihat

berbeda, yaitu sand dengan impedansi

apakah parameter paramerter yang

tinggi pada data bagian atas dan sand

digunakan sudah cukup optimal untuk

dengan impedansi rendah pada data bagian

proses inversi.

bawah. Selain itu, hasil pemodelan ini juga

dilihat bahwa data seismik memiliki

menunjukkan hubungan yang linier antara

korelasi yang baik dengan data sumur.

nilai impedansi dengan nilai gamma ray,

Hasil inversi impedansi P dengan data

sehingga diperoleh kesimpulan sementara

sumur

bahwa atribut impedansi dapat digunakan

beberapa respon yang terlihat memiliki

sebagai

korelasi tinggi antara lain seperti pada

atribut

eksternal

untuk

memprediksi log gamma ray.


Pemodelan
data

sumur

AVO

korelasi

yang

baik,

daerah 725 ms dimana nilai impedansi

menggunakan

m/s.g/cc. Hal serupa juga tampak pada

mendapatkan nilai intercept dan gradient.

daerah 850 ms, 920 ms, dan 950 ms. Hasil

Target dari data penelitian adalah lapisan

inversi impedansi S dengan data sumur

sand yang terisi gas, sehingga respon AVO

(Impedansi S) juga menunjukkan korelasi

yang diharapkan dari atribut intercept yang

yang cukup tinggi. Hal ini dapat dilihat

dikalikan dengan atribut gradient bernilai

pada beberapa daerah, seperti 730 ms, 850

positif baik pada top maupun base dari

ms, dan beberapa daerah lainnya. Inversi

lapisan target. Dari hasil pemodelan AVO

simultan juga dilakukan terhadap data

dapat

base

densitas, karena data gather memiliki

menunjukkan respon yang positif pada

angle yang cukup besar. Dari hasil inversi

lapisan sand S3 (~940 ms). Tidak berbeda

yang terlihat pada gambar 11, dapat dilihat

jauh dengan data sintetik, proses AVO

bahwa korelasi antara densitas hasil inversi

untuk data riil juga menunjukkan beberapa

dengan nilai densitas pada data sumur,

respon yang positif, khususnya pada top

cukup tinggi hampir di setiap posisi

dari lapisan sand S3.

kedalaman (domain waktu).

bahwa

dilakukan

antara well dengan hasil inversi ~7200

untuk

dilihat

juga

memiliki

Dari hasil inversi dapat

top

dan

Hasil inversi simultan kemudian


4.3 Analisa Inversi Simultan
Gambar 9a menunjukkan analisa

digunakan sebagai atribut eksternal untuk


prediksi log gamma ray.

terhadap data didaerah well, perbandingan


antara kurva log dengan kurva hasil inversi

4.4 Analisa Multi atribut

menunjukkan korelasi yang cukup baik.

Tujuan akhir dari tugas akhir ini

Proses analisa hasil inversi pada daerah

adalah melihat sebaran litologi sand pada


17

daerah sumur. Untuk tujuan tersebut

1. Koreksi fasa perlu dilakukan pada

dilakukan proses multi atribut dengan

data mid dan far, sehingga data

target log gamma ray, dimana nilai gamma

pada angle / offset besar memiliki

ray berasosiasi dengan litologi sand

kontinuasi fasa yang baik dengan

shale. Pencarian atribut-atribut terbaik

data pada angle kecil.

dalam proses multi-atribut menggunakan

2. Pada kasus ini, hubungan linier

metode step-wise regression. Dari proses

antara log gamma ray dengan

pencarian atribut didapatkan sejumlah

impedansi

atribut seperti pada gambar 12, keenam

menunjukkan

atribut yang didapat kemudian digunakan

dapat digunakan sebagai atribut

untuk memprediksikan nilai log gamma

eksternal untuk prediksi gamma

ray pada area sekitar sumur. Hasil

ray.

crossplot antara nilai log gamma ray


dengan

nilai

bahwa

baik,

impedansi

3. Identifikasi fluida dengan metode


Inversi AVO, menunjukkan litologi

menunjukkan korelasi yang baik yaitu

sand S3 merupakan daerah target

73% (gambar 13).

yang berpotensi sebagai reservoir.

penerapan

gamma

cukup

ray

Hasil

prediksi

yang

metode

multi

4. Metode multi atribut

atribut untuk prediksi litologi dapat dilihat

digunakan

pada gambar 14. Pada gambar tersebut

sebaran litologi sand shale pada

terlihat distribusi dari litologi shale lebih

daerah

terkonsentrasi pada bagian atas dari data

Supernova.

penelitian, sedangkan bagian bawah data

untuk

dapat

mengestimasi

penelitian

5. Sebaran

litologi
sebagai

Lapangan

sand

yang

lebih didominasi oleh litologi sand. Secara

berpotensi

reservoir

lebih spesifik dapat kita lihat juga sebaran

terdapat pada bagian bawah data

daerah target (sand) yang berpotensi

(sand dengan impedansi rendah).

sebagai reservoir, pada kedalaman 830 ms,


900 ms, dan 940 ms.
DAFTAR PUSTAKA
V. KESIMPULAN
1. Chen,
5.1 Kesimpulan
Dari beberapa eksperimen yang

Q.,

Sidney,

S.,

1997,

Seismic Attribute Technology for


Reservoir

Forecasting

and

dilakukan pada tugas akhir ini, dapat

Monitoring: The Leading Edge, 16,

ditarik beberapa kesimpulan, yaitu:

445 456.
18

2. Dalimunthe, I., 2005, Estimasi


Sebaran

Fluida

dan

Litologi

dengan

Menggunakan

Analisa

AVO

dan

Society

of

Exploration

Geophysicist.

Hasil

9. Yilmaz, O., 1987, Seismic Data

Inversi

Processing, Society of Exploration

LamdaMuRho (LMR) Pada U1

Geophysicists, USA

Sand dan U2 Sand Lapangan Juve,


Program Studi Geofisika, Institut
Teknologi Bandung.
3. Gulo,

M.,

2006,

Estimasi

Parameter Lambda Mu Rho


Menggunakan

Metode

Inversi

Simultan, Program Studi Geofisika,


Institut Teknologi Bandung.
4. Hampson, D.P., Schuelke, J.S.,
Quirein,

J.A.,

2001,

Use

of

Multiattribute Transform to Predict


Log Properties from Seismic Data:
Geophysics, 66, 220-236.
5. Putra,

R.P.,

2005,

Estimasi

Porositas Menggunakan Analisa


Multiatribut dan Neural Network
Pada

Reservoar

Karbonat

Lapangan Mendeh, Program Studi


Geofisika,

Institut

Teknologi

Bandung.
6. Russell, B., 1999, An AVO Primer,
AAPG Explorer
7. Russell, B., 2004, Guide To Strata
Simultaneous

Inversion,

HRS

manual, 2005
8. Taner,

M.T.,

Scheulke,

J.S.,

ODoherty, R., Baysal, E., 1994,


Seismic

Attributes

revisited,

19

LAMPIRAN

20

dengan L adalah matriks dengan orde Nx1,

LAMPIRAN 1

yang nilainya telah diketahui, A adalah


matriks Nx4 yang merupakan nilai dari

Regresi Linier Umum


Regresi linier umum dalam metode

atribut, dan W adalah matriks 4x1 yang

multi atribut, dapat digambarkan oleh

merupakan bobot dari setiap atribut yang

persamaan dibawah ini,

digunakan, dengan nilai yang belum

L(t) = w0+w1A1(t)+w2A2(t)+...+wNAN(t),

diketahui.

(1)

Untuk menyelesaikan persamaan 4,

Persamaan diatas berarti prediksi

dengan matriks W merupakan matriks

dari suatu log properties dengan sampel t,

yang dicari nilainya, dapat digunakan

dapat dilakukan dengan menjumlahkan

persamaan berikut:

atribut atribut yang diberi nilai bobot

W = [ ATA ] -1 A T L

tertentu.

atau dalam persamaan matriks dapat

Untuk

suatu

kasus

dimana

terdapat N sampel data sumur, dengan 3

(5)

dituliskan sebagai berikut,

buah atribut, persamaan 1 dapat dituliskan

w0
w
1 =
w2

w3

menjadi:
L1 = w0+ w1A11 + w2A21 + w3A31
L2 = w0 + w1A12 + w2A22 + w3A32
L3 = w0 + w1A13 + w2A23 + w3A33
:

(2)
dimana AiN adalah atribut ke i pada
sampel N. Persamaan 2 diatas dapat juga
dalam

bentuk

A1i

A1i A21i

A2i

A3i

A1iA2i A1iA3i

A2i A1iA2i A22i

A2iA3i

A3i A1iA3i A2iA3i A23i

LN = w0 + w1A1N + w2A2N + w3A3N,

dituliskan

Li
A L
1i i
x
A2i Li

A3i Li

(6)

persamaan

matriks, seperti dibawah ini,

L1
L
2
L3

LN

1 A 11 A 21 A 31

1 A A A

12 22 32
= 1 A A A
13
23
33

:
:
:

1 A 1 N A 2 N A 3 N

w0
w
1
w2
w
3

(3)

atau
L = AW,

(4)

20

LAMPIRAN 2

Flowchart Pengolahan data.

21

LAMPIRAN GAMBAR

22

e
Gambar 1. Diskriminasi Litologi dengan metode crossplot. a. Densitas Gamma Ray, b. Densitas
Lambda Rho, c. Densitas Mu Rho, d. Densitas Lambda / Mu, e. Lambda / Mu Gamma Ray.

23

Gambar 2. Diskriminasi Litologi dengan metode crossplot. a. Impedansi P Impedansi S, b.


Impedansi P - Gamma Ray, data dengan warna jingga adalah daerah bagian atas, sedangkan data
berwarna hijau adalah bagian bawah.

S1

S2
S3

Gambar 3. Cross section pada data sumur yang menunjukan beberapa sand potensial S1, S2, dan S3.

24

Gambar 4. Perbandingan data pada angle near sebelum dan sesudah proses filter F K.

Near

Mid

Mid+PM

Gambar 5. Trace data near, mid, dan data mid setelah proses phase matching (mid + PM)

25

Gambar 6. Hasil proses pengikatan data sumur dengan data angle near.

Gambar 7. AVO modeling menggunakan data sumur.

26

a
Gambar 8. a. Hasil AVO modeling menggunakan data sumur. b. Respon AVO pada data riil.

a
Gambar 9. a. Analisis inversi, log impedansi P, S, dan densitas, b. Crossplot untuk menentukan nilai
koefisien regresi, sebagai parameter inversi

27

b
Gambar 10. Hasil inversi simultan, a. Impedansi P dan b. Impedansi S

28

Gambar 11. Hasil inversi simultan, Densitas

Gambar 12. Atribut atribut yang digunakan.

29

b
Gambar 13. a. Crossplot log Gamma Ray predicted Gamma ray, b. Overlay kurva log Gamma ray
dengan predicted Gamma ray.

S1
S2
S3

Gambar 14. Hasil multi atribut, dengan beberapa sand (S1, S2 dan S3) yang berpotensi sebagai
i

30

UCAPAN TERIMA KASIH


Lembar ini ditujukan untuk mereka yang telah memberikan begitu banyak dukungan,
baik moral maupun materiil, bagi mereka yang bersedia berbagi waktu suka dan duka, dan
mereka yang telah menggoreskan kenangan yang akan selalu abadi. Kepada mereka penulis
ingin mengucapkan terima kasih,
1. Kedua orang tua, atas dukungan moral, finansial, serta limpahan kasih sayang yang
terus diberikan dan yang selalu menyebut penulis dalam doa.
2. My Big brother Fido n his wife (mba Ayu), my sisters Vica n Fima, 4 all uve done
3. Temen temen nogame tercinta, untuk semua yang telah kita lalui bersama, dari
jaman TPB, sampe tingkat akhir sekarang ini (kayaknya semua sepakat g usah
nybutin tingkat berapa kan? Hue3). Best family ever!
4. Temen temen n keluarga besar HMGM, g mungkin lah ya gw sebutin satu satu,
bisa saingan sama bab pengolahan data ntar pokoknya semuanya aja lah, dari
angkatan jebot, sampe 2006 (semoga bukan angkatan terakhir). Thanks bwt
semuanya, terlalu banyak pengalaman n kenangan yang gw dapet dari himpunan yang
selalu gw banggain ini. Die Erde, Die Luft, Die See!!!. (masih terdengar sayup
sayup suara nyanyian para jomblo, diiringi gitar usang disetiap sudut labtek biru =D).
5. Temen temen seperjuangan wisuda Juli, kucing (yg paling jarang nginep, anak
orang aja diajak nginep), komang (suara maneh jelek sumpah, ampe g konsen urang),
ditta (ga ada apa apa ditt, cm males aja urang), dila n udin (yang tak terpisahkan,
hue3), trio macan di geodin, mprat (yang belakangan statusnya melow mlulu), ephi
(salam bwt anaknya bu), haikal (pacaran wae maneh), gema (yg mesum), Irland (si
blee yang sok sibuk), yudha (4ever colonel), erli (kasian tuh er mete tinggal cowo
semua, hue3), nida (jgn2 maneh g kurus2 krn kbanyakan urg curhatin nid? kalo udah
makan sayur syukuranlah y kita). Geng nginep, humez (bu presiden yang rela
masakin kami para rakyat jelata), manda (walopun jarang nongol juga).
6. Para pujangga seismic lainnya, pak Meyman (tangkyu pak bwt ilmu n diskusi2nya),
Awal (arigato wal bwt penjelasan2nya), bang Rhoma (processor tersakti, ajarin
ProMax y pak nanti), Aan n Hilboy (yang setia dengan grup music sanjaya, tarik
mang), teh Ciwi n mba Yuyun, Farid (si kriwel sakti, bayar utang maneh,,!!
Hua3). Calon2 pe Thesis berikutnya, Ulan (smangat lan btw thanks bwt cerita2
di pangandarannya, hue3), Roni (si playboy maut, yang bs ym-an sm belasan cewe
sekaligus), Mini (sori min, si roni mah emang gitu, tp kyknya g gitu tuh sama loe,
hue3), echa (buruanlah kau selesaikan TA mu cha, masi banyak agenda kan? Hue3)
semoga g ada yang kelupaan yakz.
7. Dan akhirnya kepada dia yang senantiasa memberikan senyum terindah, thx 4 caring,
thx 4 supporting, thx 4 ur time that always makes me feels happy n comfort, I really
appreciate everything uve done. I hope I could do something in return. thx 4
everything u give to me,,,ure so special B,,,!
Bandung, Juni 2008
_fs_
one can pay back the loan of gold, but one dies forever in debt to those who are kind