ANALISA IMPEDANSI ELASTIK DAN WIENER FILTER OPTIMUM UNTUK

PREDIKSI SEBARAN RESERVOIR 2ND SAND FORMASI TALANG AKAR

Narendra Surya1, Sonny Winardhie2

Departement of Geophysical Engineering, Bandung Institute of Technology, 40132 Bandung Indonesia
Narendrasurya@rocketmail.com1, winardhie@geoph.itb.ac.id2

ABSTRAK
Dalam penelitian ini dibahas pengaruh metoda inversi dan dekonvolusi Wiener Filter Optimum
terhadap sebaran lapisan 2nd sand. Inversi yang sesuai untuk mengindentifikasi reservoir dan non-
reservoir adalah inversi impedansi elastik. Data seismic memiliki nilai frekuensi yang lebih rendah
dibandingkan dengan data log sumur. Untuk meningkatkan resolusi seismic, penggunaan Wiener Filter
Optimum sebagai metoda dekonvolusi bisa digunakan untuk meningkatkan resolusi seismic inversi
impedansi elastic. Hasil percobaan pada beberapa metoda Wiener Filter Optimum memberikan nilai
yang bervariasi. Namun, percobaan ke-tiga Wiener Filter Optimum mampu menghasilkan pseudo-
gamma ray yang baik serta memiliki nilai frekuensi yang lebih tinggi dibandingkan dengan frekuensi
dari input-nya. Penggunaan bandpass filter juga membantu pseudo-gamma ray menjadi lebih baik
dalam memisahkan antara lapisan 2nd sand dan lapisan lainnya. Hasil akhir yang didapatkan pada
penelitian ini adalah pola penyebaran 2nd sand yang sesuai pada setiap sumur yang digunakan.

Kata Kunci: Inversi, Impedansi Elastik, Wiener Filter, pseudo-gamma ray, reservoir.

ABSTRACT
In this study, the influence of the inversion type and Wiener Filter Optimum deconvolution methods on
the distribution of the 2nd sand layer in Talang Akar Formation. Elastic impedance inversions is more
appropriate to identify reservoirs and non-reservoirs compared to acoustic impedance. Seismic data
has a lower frequency value compared to well log data. To improve seismic resolution, using Optimum
Wiener Filter as a deconvolution method can be used to increase the resolution of elastic impedance
seismic inversion. Experimental results on several Optimum Wiener Filter methods provide varying
values. However, the third experiment of the Wiener Filter Optimum is capable of producing good
pseudo-gamma ray and has a higher frequency value compared to the frequency of the input. The use
of bandpass filters also helps the pseudo-gamma ray to be better in separating between the 2nd sand
layer and the other layers. The final results obtained in this study are the 2nd sand dispersion pattern
that is suitable for each well used.
Keywords: Inversion, Elastic Impedance, Wiener Filter, pseudo-gamma ray, reservoir.

PENDAHULUAN untuk menghasilkan data yang memiliki

resolusi tinggi dan mampu membantu untuk
Dalam penelitian ini penulis akan melakukan
memisahkan antara reservoir dan non-reservoir.
indentifikasi atribut yang sensitif terhadap
Predicted output yang digunakan adalah berupa
perbedaan litologi yaitu impedansi elastik.
gamma ray sebagai indicator yang sensitive
Namun dibutuhkan tahap conditioning data
dengan perubahan litologi.
impedansi elastic dengan menggunakan
aplikasi yang dapat meningkatkan resolusi METODE
vertikal dari data impedansi tersebut. Solusi
Perubahan litologi pada lapisan bumi bisa di
yang muncul adalah pengaplikasikan
gambarkan menggunakan metoda inversi
dekonvolusi dengan Wiener Filter Optimum
seismic. Gelombang seismic menjadi informasi elastic, maka diharapkan sumur dapat langsung
kecepatan gelombang lapisan yang digunakan di tied dengan data stack dan dapat digunakan
untuk menafsirkan keadaan bawah permukaan. untuk mengekspresikan secara langsung
Konsep impedansi elastic sendiri diperkenalkan perbedaan jenis litologi bawah permukaan.
oleh Connoly (1999) sebagai perluasan dari Wiener Filter Optimum
impedansi akustik yang merupakan pendekatan
dari metoda Aki-Richard (1980). EI adalah Pertiwi dan Winardhi (2012) menjelaskan
produk dari perkalian kecepatan gelombang P , bahwa Wiener Filter pertama kali
gelombang S dan densitas bantuan (ρ) sehingga diperkenalkan oleh Rober Wiener (1949), filter
ini mampu mengubah wavelet seismic menjadi
dapat dihasilkan seismogram dalam beberapa
berbagai bentuk yang diinginkan . Wiener Filter
sudut datang.
Optimum mendesain filter dengan nilai
koefiesien yang dapat memberikan nilai least-
square error yang paling minimum dengan
predicted output/desired output dengan output
yang sebenarnya.

Gambar 1. Model Impedansi Akustik dan Elastik

Predicted/D
esired
Output
Aki dan Richard (1980) menggunakan (GR)
pendekatan linear dari persamaan Zoeippritz Input Filter Actual/Calc
yang dapat mengekspresikan EI sebagai ulated
(Tras (WF) Output
berikut: Seismik)

𝑹(𝜽) = 𝑨 + 𝑩𝒔𝒊𝒏𝟐𝜽 + 𝑪𝒔𝒊𝒏𝟐 𝜽 𝒕𝒂𝒏𝟐𝜽

Gambar 2. Komponen utama perancangan Wiener
Filter Optimum (Muszagia, 2018)
Atau dapat ditulis juga sebagai berikut:
Wiener Filter Optimum lakukan dengan auto-
𝟏 𝟏 ∆𝜶 ∆𝝆 𝟏 ∆𝜶 𝜷𝟐 ∆𝜷 𝜷𝟐 ∆𝝆 korelasi sinyal input dan kros korelasi sinyal
∆ 𝐥𝐧(𝐄𝐈) = ( + ) + ( −𝟒 𝟐 − 𝟐 𝟐 ) 𝒔𝒊𝒏𝟐𝜽
𝟐 𝟐 𝜶 𝝆 𝟐 𝜶 𝜶 𝜷 𝜶 𝝆
𝟏 ∆𝜶
input dan desired output. Secara prinsip,
+ 𝒔𝒊𝒏𝟐𝜽𝒕𝒂𝒏𝟐 𝜽 Wiener Filter Optimum menerapkan pola
𝟐 𝜶
orthogonal sehingga solusi yang digunakan
adalah matriks yang sesuai dengan prinsip
Diasumsikan (Vs/Vp)2 di subtitusi dengan K orthogonal tersebut. Matriks Toeplitz dapat
dan diasumsikan nilai K konstan pada daerah menyelesaikan problem tersebut dan dapat
interest, maka : diselesaikan dengan rekursi Levinson.
2 𝜃) 2𝜃) 2𝜃)
= ∆𝑙𝑛(𝛼 (1+𝑡𝑎𝑛 ) − ∆𝑙𝑛(𝛽 (8𝐾𝑠𝑖𝑛 ) + ∆𝑙𝑛(𝜌 (1−4𝐾𝑠𝑖𝑛 )

2 𝜃)
= ∆𝑙𝑛[𝛼 (1+𝑡𝑎𝑛 𝛽(8𝐾𝑠𝑖𝑛
2 𝜃)
𝜌(1−4𝐾𝑠𝑖𝑛
2 𝜃)
] 𝑎0 𝑎1 𝑎2 ⋯ 𝑎𝑛−1 𝑏0 𝑐0
𝑎1 𝑎0 𝑎2 𝑎𝑛−2 𝑏1 𝑐1
⋯ 𝑎
𝑎2 𝑎1 𝑎0 ⋯ 𝑛−3 𝑏2 𝑐2
⋯ ⋯ ⋯ ⋯ ⋯ ⋯ = ⋯
⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯
Dan proses integrasi akan menghasilkan : ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯
[𝑎𝑛−1 𝑎𝑛−2 𝑎𝑛−3 … 𝑎0 ] 𝑏
[ 𝑛−1 ] [𝑐𝑛−1 ]
𝟐 𝜽) 𝟐 𝜽) 𝟐 𝜽)
𝑬𝑰(𝜽) = 𝜶(𝟏+𝒕𝒂𝒏 𝜷(−𝟖𝑲𝒔𝒊𝒏 𝝆(𝟏−𝟒𝑲𝒔𝒊𝒏
Matriks 1 akan berupa hasil auto-korelasi sinyal
input dan akan dijadikan sebagai sebagai
Persamaan 2.3 adalah ekspresi impedasi batuan matriks Toeplitz untuk memenuhi prinsip
pada sudut tidak normal serta merupakan fungsi orthogonal Wiener Filter Optimum. Hasil
dari Vp, Vs dan ρ yang bervariasi terhadap inversi dari matriks Toeplitz tersebut akan
sudut θ. Dengan menggunakan impedansi dikalikan dengan hasil kros-korelasi input dan
predicted output dan akan menghasilkan
Wiener Filter Optimumnya.
𝐴 ∗ 𝐵 = 𝐶−→ 𝐵 = 𝐴−1 ∗ 𝐶
Dimana A = hasil auto-korelasi sinyal input
yang telah dijadikan matriks Toeplitz, B =
Koefisien Wiener Filter dan C = Kros-korelasi
sinyal input dengan predicted output. Setelah
didapatkan Koefisien Wiener Filter Optimum,
tahapan yang akan dilakukan selanjutnya
adalah konvolusi sinyal input untuk
mendapatkan actual output sebagai nilai yang
mendekati predicted output.
PENGOLAHAN DATA
Analisis sensitivitas dilakukan untuk
mengetahui parameter – parameter yang cocok
untuk digunakan dalam pemisahan litologi
maupun fluida dalam reservoir. Analisis ini
dilakukan dengan melakukan cross plot dari
ketersediaan data masing-masing sumur.
Gambar 3. Crossplot Gamma Ray dan Density
Hasil analisa cross plot diatas memberikan
informasi bahwa sensitifitas baik itu pada
Density, Poisson’s Ratio dan Resistivity tidak
dapat memberikan informasi perbedaan antara
lapisan reservoir dan non-reservoir. Hanya
Gamma Ray yang dapat memberikan informasi
lapisan reservoir baik yang area target maupun
non-target. Oleh karena itu, selanjutnya
penelitian ini akan menggunakan Gamma Ray
sebagai data yang akan diolah.
Gambar 4. Crossplot AI dan EI
Gambar 4 adalah crossplot antara nilai P-
Impedance dan E-Impedance (28⁰) pada sumur.
Hasil crossplot antara log P-Impedance dan E-
Impedance (28⁰) memperlihatkan bahwa
parameter sudut lebih sensitif dalam
membedakan litologi batupasir dan
batulempung. Berdasarkan hasil crossplot
tersebut, terlihat pada zona target yang
berwarna kuning memiliki nilai impedansi yang
lebih rendah dibandingkan zona non-target
yang berwarna hijau. Berdasarkan analisa
diatas, penggunakan log E-Impedance dengan
sudut 28⁰ dan Gamma Ray menjadi efektif
dalam pemisahan batupasir dan batulempung.
Gambar 5. Analisis Inversi EI
Dari hasil analisa inversi diatas, diambil
kesimpulan bahwa penggunaan impedansi
elastic lebih memiliki korelasi yang baik antara
data sumur dengan hasil inversinya. Selain itu
juga, nilai error yang dihasilkan pada analisa
inversi impedansi elastic lebih kecil
dibandingkan dengan impedansi akustik. Oleh
karena itu, akan digunakan inversi impedansi
elastic dalam penelitian ini.
Gambar 6. Penampang Seismik EI
Hasil inversi impedansi elastic pada Gambar 6
tidak bisa memberikan informasi lapisan
reservoir dan non-reservoir dengan baik. Percobaan 1 menghasilkan calculated output
Terlihat bahwa lapisan shale masih menumpuk pada masing-masing sumur dengan nilai
dengan lapisan sand target. Maka dengan ini korelasi 0.9606 (BKB-268), 0.8834 (BKB-262)
diperlukan tahap lanjutan untuk meningkatkan & 0.9550 (BKB-256).
resolusi seismiknya.
Percobaan 2 menghasilkan calculated output
Pengolahan data lanjutkan akan memanfaatkan pada masing-masing sumur dengan nilai
hasil inversi impedansi elastic sebagai input dan korelasi 0.9620 (BKB-268), 0.8829 (BKB-262)
hasil analisa sensitivitas yaitu Gamma Ray & 0.9550 (BKB-256).
sebagai desired output/predicted output.
Percobaan 3 menghasilkan calculated output
Dengan menggunakan software Hampson
pada masing-masing sumur dengan nilai
Russel 8 dan Matlab 12, proses yang dilakukan
korelasi 0.9618 (BKB-268), 0.8830 (BKB-262)
adalah membuat beberapa macam scenario
& 0.9551 (BKB-256). Percobaan 3 ini memiliki
dekonvolusi Wiener Filter Optimum dengan
nilai korelasi yang terbaik dibandingkan kedua
inversi impedansi elastic.
percobaan sebelumnya.
1. Rata – rata dari Wiener Filter Optimum hasil
perhitungan sumur BKB-256, BKB-262 dan
BKB-268. Dengan rata – rata tersebut, maka
hanya ada satu jenis Wiener Filter Optimum
yang dihasilkan.
2. Rata – rata dari Input yang di
autokorelasikan dan rata – rata dari
predicted output yang di kros korelasikan
dengan rata – rata input. Kemudian
dilakukan perhitungan Wiener Filter
Optimum dari hasil keduanya.
3. Rata – rata dari hasil autokorelasi input dan
rata – rata dari hasil kros korelasi input
dengan predicted output. Kemudian lakukan
perhitungan Wiener Filter Optimum dari Gambar 8. Hasil Wiener Filter percobaan ke-3
hasil keduanya.
Hasil perhitungan calculated output belum
Hasil pengolahan diatas akan dieksperimenkan tentu bisa sesuai dengan pola predicted
dan akan dianalisa untuk mendapatkan hasil outputnya. Oleh karena itu, diperlukan proses
yang paling optimal. scalling hasil perhitungan agar mendapatkan
calculated output yang sesuai dengan predicted
outputnya. Proses scalling ditunjukkan pada
gambar. Calculated output yang sudah
melewati tahap scalling akan dijadikan acuan
sebagai penentu aplikasi Wiener Filter
Optimum di Hampson-Russel 8.

Gambar 7. Predicted output dan actual output

Gambar 9. Penentuan Faktor Skala
Wiener Filter Optimum yang telah di desain
sebelumnya memberi kesimpulan bahwa hasil
percobaan 3 memberikan korelasi terbaik untuk
menghasilkan pseudo-gamma ray. Hasil inversi
EI sebelumnya akan dilanjutkan dengan
konvolusi Wiener Filter Optimum sehingga
menghasilkan penampang pseudo-gamma ray.
Target aplikasi Wiener Filter Optimum berada
pada horizon Top dan horizon 2nd Sand (+80
ms). Hasil pseudo-gamma ray tersebut
kemudian di skalakan dengan factor skala yang
telah ditentukan sebelumnya yaitu 2.1788.
Gambar 10 menunjukkan penampang -pseudo-
gamma ray hasil Wiener Filter Optimum dan
Skala.
Gambar 10. Hasil Konvolusi Wiener Filter pada
Seismik
Gambar 11. Slice horizon 2nd Sand pseudo-gamma
ray
Hasil slice pada sebaran pseudo-gamma ray di
horizon 2nd mulai memberikan informasi
geologi adanya penipisan dan penebalan
lapisan target 2nd sand yang lebih baik
dibandingkan dengan hasil inversinya. Mulai
terlihat adanya pola penyebaran lapisan
batupasir 2nd sand yang berarah barat-timur
dari area penelitian.
Impedansi seismik memiliki kencenderungan
semakin cepat seiring dengan semakin
dalamnya lapisan batuan yang ditembus. Hal ini
memberikan semacam trend pada seismic yang
terkadang menyulitkan kita untuk
mengindentifikasi lapisan porous (reservoir)
dan non-porous (non-reservoir). Penggunaan
Bandpass Filter dapat menghilangkan trend
tersebut dan hanya menyisakan osciliasi dari
wavelet sebagai informasi lapisan reservoir dan
non-reservoir. Oleh karena itu, untuk
meningkatkan kemampuan seismic untuk
meresolusi lapisan reservoir dan non-reservoir,
maka pada penelitian ini akan diaplikasikan
Bandpass Filter dengan cut 10hz dan pass 20hz
untuk menghilangkan trend tersebut.
Gambar 12. Bandpass filter pada sumur dan
korelasi seismiknya
HASIL DAN ANALISA
Dalam penelitian ini membutuhkan validator
sebagai validasi hasil dari percobaan yang telah
dilakukan. Validator yang digunakan adalah
sumur yang tidak di masukkan ke dalam
percobaan yang telah di lakukan. Sumur yang
akan digunakan sebagai validasi hasil dari
penelitian. Sebelum digunakan sebagai
validator, gamma ray dari sumur validator akan
di normalisasi dan di bandpass filter terlebih
dahulu.
Gambar 13. Normalisasi Bandpass filter pada
sumur validasi dengan hasil penelitian.
Bandpass filter mampu menghilangkan trend
dari seismic pseudo-gamma ray yang
dihasilkan oleh Wiener Filter Optimum
sehingga menghasilkan variasi lapisan 2nd sand
secara lateral maupun horizontal. Penggunaan
hasil dari proses bandpass filter selanjutnya
ialah deskripsi sebaran lapisan dari 2nd sand
tersebut.
Gambar 14. Arbitrary Line Pseudo-gamma ray
yang melewati sumur-sumur penelitian
Gambar 15. Slice horizon 2nd sand pada hasil
pseudo-gamma ray
Gambar 16. Peningkatan nilai frekuensi pada
seismic Inversi EI (kiri) menjadi seismic pseudo-
gamma ray hasil olahan Wiener Filter Optimum
(kanan)
Penelitian ini berhasil mengidentifikasi sebaran
lapisan 2nd sand sekaligus meningkatkan
frekuensi dan resolusi dari seismic untuk
membedakan lapisan 2nd sand secara lateral
maupun horizontal. Lapisan lain yang berupa
reservoir maupun non-reservoir ikut
teridentifikasi dengan baik pula.
KESIMPULAN
Studi telah dilakukan dengan baik dan
menghasilkan sebuah kesimpulan sebagai
berikut:
1. Eksperimen analisis sensitivitas
memberikan hasil seismic berupa Inversi
Elastic Impedance lebih sensitif dalam
menggambarkan lapisan reservoir dan non-
reservoir dibandingkan Inversi Accoustic
Impedance.
2. Dari percobaan Wiener Filter Optimum,
dapat disimpulkan bahwa percobaan ke-3
memiliki hasil korelasi antara predicted
output dan calculated output yang lebih baik
dibandingkan dengan percobaan ke-1 dan
percobaan ke-2.
3. Penggunaan normalisasi data predicted
output dan peng-skalaan actual output
terhadap predicted output lebih bisa
menghasilkan sinyal actual output yang
lebih akurat dalam memisahkan lapisan
reservoir dan non-reservoir.
4. Penghilangan trend menggunakan bandpass
filter membantu gambaran seismic hasil
pengolahan agar lebih bisa memisahkan
lapisan reservoir dan non-reservoir.
5. Secara rata-rata frekuensi seismic Inversi
Elastic Impedance hasil pengolahan Wiener
Filter Optimum lebih baik dibandingkan
tanpa dilakukannya Wiener Filter Optimum.
DAFTAR PUSTAKA
Aki, K., & Richard, P. (1980). Quantitative
Seismology. W. H. Freeman & Co.
Connolly, P. (1999). Elastic Impedance. The
Leading Edge, Vol. 18, No. 4, 438-452.
Fritz. (2008). Karakterisasi Reservoir
Menggunakan Inversi Extended Elastic
Impedance: Studi kasus Pada
Lingkungan Delta Sub Cekungan
Jambi. Fakultas Matematika dan Ilmu
Pengetahuan Alam, UI.
Levinson, N. (1947). The Wiener RMS Error
Criterion in Filter Design and
Prediction. Journal of Mathematical
Physics, 25-261-278.
Muszagia, A. (2018). Aplikasi Filter Wiener
Optimum Sebagai Tahap Pre-
Conditioning Data Seismik Untuk
Memprediksi Properti Reservoir.
Institut Teknologi Bandung.
Pertiwi, R., & Winardhi, S. (2011). The
Application of Wiener Optimum
Deconvolution Filter (WODF) With
Frequency Analysis to Suppress
Ground-roll in Seismic Data . ASEG
Extended Abstract 2012: International
Geophysical Conference and
Exhibition, 22,1-4.
Sukmono, S. (2016). Seismic Inversion for
Reservoir Characterization. Lecture
hand-out, ITB.
Yilmaz, O. (1987). Seismic Data Processing.
Society of Exploration Geophysicst.