KORELASI OPTIMASI PRODUKSI UNTUK SHALE GAS RESERVOIR

DENGAN MULTIPLE TRANSVERSE HYDRAULIC FRACTURE

TUGAS AKHIR

Oleh:
RIDWAN ALFARIZI
NIM 12208020

Diajukan sebagai salah satu syarat untuk

mendapatkan gelar
SARJANA TEKNIK
pada Program Studi Teknik Perminyakan

PROGRAM STUDI TEKNIK PERMINYAKAN

FAKULTAS TEKNIK PERTAMBANGAN DAN PERMINYAKAN
INSTITUT TEKNOLOGI BANDUNG
2012
KORELASI OPTIMASI PRODUKSI UNTUK SHALE GAS RESERVOIR
DENGAN MULTIPLE TRANSVERSE HYDRAULIC FRACTURE

TUGAS AKHIR

Oleh:
RIDWAN ALFARIZI
NIM 12208020

Diajukan sebagai salah satu syarat untuk

mendapatkan gelar
SARJANA TEKNIK
pada Program Studi Teknik Perminyakan
Fakultas Teknik Pertambangan dan Perminyakan
Institut Teknologi Bandung

Disetujui oleh:
Dosen Pembimbing Tugas Akhir,
Tanggal…………………………….

Ir. Tutuka Ariadji M.Sc., Ph.D

NIP 196408261990011001
 KORELASI OPTIMASI PRODUKSI UNTUK SHALE GAS RESERVOIR DENGAN
MULTIPLE TRANSVERSE HYDRAULIC FRACTURE

Ridwan Alfarizi*
Ir. Tutuka Ariadji, M.Sc., Ph.D.**

Abstrak

Shale gas reservoir adalah salah satu unconventional reservoir yang saat ini sedang berkembang di tengah
hiruk-pikuk krisis energi yang diakibatkan oleh conventional reservoir yang mulai turun produksinya serta
susahnya ditemukan cadangan-cadangan baru. Shale gas reservoir memiliki permeabilitas dan porositas yang
kecil sehingga dianggap tidak ekonomis untuk diproduksikan pada saat itu. Dengan berkembangnya teknologi
dan permintaan akan gas alam yang terus meningkat, Shale gas reservoir mulai dipertimbangkan untuk
diproduksikan. Teknologi yang dikembangkan tersebut adalah multiple transverse hydraulic fracture untuk
menghasilkan produksi yang optimum.
Pada studi ini dilakukan optimasi menggunakan simulator dengan melakukan sensitivitas terhadap
parameter-parameter yang berpengaruh. Selanjutnya, dilakukan optimasi laju alir gas optimum dan plateau time
terhadap beberapa parameter yang paling berpengaruh hasil sensitivitas, dan dihasilkan korelasi-korelasi untuk
memprediksi laju alir gas optimum dan plateau time. Untuk mengetahui performa reservoir dilakukan juga
pengembangan IPR pada shale gas reservoir.

Kata kunci : shale gas reservoir, sumur horisontal, multiple transverse hydraulic fracture, IPR.

Abstract

Shale gas reservoir is one of the unconventional reservoir that is currently being developed in the midst of
the hustle and bustle of the energy crisis caused by the conventional reservoir that its production begins to drop
and, in the other hand, new reserves is difficult to find. Shale gas reservoir has small permeability and porosity
so it was not economical to be produced at the past time. By the development of technology and the demand of
natural gas tends to increase, the production of shale gas reservoir has begun to be considered. The
technology developed is multiple transverse hydraulic fractures which can produce an optimum production.
In this study, the optimization is conducted using the simulator to do sensitivity to the influential parameters.
Furthermore, optimization is conducted for optimum gas rate and plateau time against to some of the most
influential parameters from sensitivity, and the correlations are generated for predicting optimum gas rate and
plateau time. To find out the reservoir performance, IPR is also developed on shale gas reservoir.

Keywords: shale gas reservoir, horizontal well, multiple transverse hydraulic fractures, IPR

*) Mahasiswa Program Studi Teknik Perminyakan – Institut Teknologi Bandung

**) Pembimbing, Dosen Program Studi Teknik Perminyakan – Institut Teknologi Bandung.

1 Ridwan Alfarizi – 12208020, Sem II 2011/2012

I. PENDAHULUAN Oleh karena itu, diperlukan desain sumur yang
1.1 Latar Belakang baik agar sumur tersebut dapat berproduksi
Shale gas reservoir, yang kaya akan secara optimal di shale gas reservoir dengan
hidrokarbon serta memiliki peran sebagai mempertimbangkan parameter-parameter yang
source rock maupun reservoir rock, adalah dianggap berpengaruh.
salah satu unconventional reservoir yang saat
ini sedang berkembang di tengah hiruk-pikuk 1.2 Tujuan Penulisan
krisis energi yang diakibatkan oleh Tujuan penulisan Tugas Akhir ini adalah untuk
conventional reservoir yang mulai turun menentukan laju alir gas optimum dan plateau
produksinya serta susahnya ditemukan time dengan cara melakukan sensitivitas
cadangan-cadangan baru. terhadap beberapa parameter desain yang
paling berpengaruh. Selanjutnya, dibuat
Shale gas reservoir merupakan salah satu persamaan-persamaan yang berguna untuk
unconventional reservoir yang memiliki memprediksi laju alir gas optimum dan plateau
cadangan dunia yang cukup melimpah. Pada time dengan desain tertentu. Pada Tugas Akhir
Tabel A.1 terlihat bahwa cadangan dunia yang ini juga dilakukan analisa performa reservoir
tercakup pada area-area pada Gambar A.1 yang ditinjau melalui kurva Inflow
sebesar 1274 tcf dan besar potensinya Performance Relationship (IPR).
1
sebesarnya 6622 tcf . Di Indonesia, besar
potensi shale gas sebesar 574 tcf dengan besar 1.3 Metodologi
potensi tersebar di pulau Sumatra (233 tcf), Metodologi yang digunakan pada studi ini
Kalimantan (194 tcf), Papua (90 tcf) Jawa (48 adalah dengan melakukan simulasi reservoir
tcf) dan lainnya (9 tcf). menggunakan Compositional Dual-Porosity
Model pada kondisi permeabilitas dan
Shale gas reservoir memiliki permeabilitas dan porositas yang kecil. Selanjutnya, dilakukan
porositas yang kecil sehingga dianggap tidak produksi menggunakan sumur horisontal dan
ekonomis untuk diproduksikan pada saat itu. juga dilakukan hydraulic fracturing di
Dengan berkembangnya teknologi dan sepanjang sumur pada bagian horisontalnya.
permintaan akan gas alam yang terus Selanjutnya, fluida mengalir dari reservoir,
meningkat, Shale gas reservoir mulai menuju ke hydraulic fracture, bottom-hole dan
dipertimbangkan untuk diproduksi. Teknologi dipantau performanya di well-head.
yang dikembangkan tersebut adalah multiple Selanjutnya, dilakukan sensitivitas terhadap
transverse hydraulic fracture. Teknologi ini parameter-parameter yang dianggap
dikembangkan dengan melakukan perekahan berpengaruh. Dari hasil sensitivitas diambil
yang tegak lurus terhadap sumur horisontal beberapa parameter yang paling berpengaruh
dan dilakukan perekahan di sepanjang sumur untuk selanjutnya dilakukan optimasi. Pada
horisontal dengan jumlah rekahan sekitar 4 tahap ini dicari besar laju alir gas optimum dan
2
hingga 8 buah rekahan . plateau time pada keadaan tersebut.
Selanjutnya, dilakukan berbagai macam
kombinasi untuk menghasilkan beberapa nilai

2 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 laju alir gas optimum dan plateau time. Dari Profil produksi dari reservoir shale gas dapat
sejumlah data tersebut dilakukan analisa untuk dilihat pada Gambar A.2.
menghasilkan persamaan-persamaan dengan
menggunakan Design of Experiment (DOE) Dalam melakukan sensitivitas terhadap
dan regresi multivariabel. Pesamaan- parameter-parameter yang dianggap ber-
persamaan tersebut digunakan untuk pengaruh pada shale gas reservoir, penulis
menentukan desain laju alir gas optimum dan membagi menjadi dua jenis, yaitu parameter
plateau time pada berbagai macam desain. yang tidak dapat di desain dan parameter yang
dapat di desain. Parameter yang tidak dapat di
3
Untuk pengembangan IPR , dilakukan pada desain adalah parameter-parameter yang
keadaan yang telah mencapai keadaan pseudo- berpengaruh namun tidak dapat diubah-ubah
steady state. Hal ini dikarenakan pada keadaan karena sudah merupakan karakteristik reservoir
tersebut penurunan tekanan alir dasar sumur sedangkan parameter yang dapat didesain
dianggap konstan dan juga telah mewakili adalah parameter-parameter yang berpengaruh
performa reservoir secara menyeluruh. dan dapat diubah-ubah untuk menghasilkan
Keadaan pseudo-steady state dianggap tercapai produksi yang optimal.
apabila ada pengurangan tekanan sebesar 0.1
psi di batas terjauh reservoir. Asumsi tersebut Parameter yang tidak dapat di desain meliputi
digunakan karena pencapaian keadaan pseudo- fracture spacing, komponen CH4,
steady state yang cukup lama untuk reservoir permeabilitas fracture, permeabilitas matriks,
yang memiliki permeabilitas kecil. Produksi porositas fracture, porositas matriks, dan
dilakukan dengan menggunakan constraint saturasi air.
constant rate atau constraint constant pressure.
Selanjutnya, dilakukan running simulator dan Fracture spacing merupakan jarak antar rekah
dicatat besar laju alir gas beserta tekanan dasar alami secara paralel. Apabila nilainya semakin
sumur pada keadaan tersebut. Selanjutnya, kecil berarti semakin banyak rekah alami yang
dilakukan running simulator kembali dengan terdapat pada reservoir dan memungkinkan
merubah nilai constraint constant rate atau peningkatan produksi. Komponen CH4
constraint constant pressure dan dicatat besar merupakan parameter yang perlu diperhatikan
laju alir gas dan tekanan dasar sumur pada juga karena semakin banyak kandungan CH4
waktu yang sama. Dalam setiap kurva IPR berarti semakin banyak kandungan
yang dihasilkan pada studi ini. terdapat 9 hidrokarbon ringan di reservoir sehingga
pasang tekanan dasar sumur dan laju alir gas. semakin mudah untuk diproduksikan.
Permeabilitas merupakan kemampuan batuan
1.4 Teori Dasar untuk mengalirkan fluida pada media berpori.
Shale gas reservoir merupakan reservoir Maka sudah jelas bahwa permeabilitas fracture
dengan batuan dasar berupa shale yang dan permeabilitas matriks sangat berhubungan
memiliki porositas kurang lebih 6 % dan dengan peningkatan laju produksi. Porositas
permeabilitas berkisar dari 0.00001-0.01 md merupakan persentase jumlah pori-pori di
4
serta berperan juga sebagai batuan sumber . dalam suatu batuan terhadap volume bulk-nya.

3 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 Semakin besar porositas menandakan semakin fracture akan transverse jika sumur horisontal
banyak ruang pori yang memungkinkan dibor sejajar dengan arah stress minimum.
ditempati oleh fluida dan berarti bahwa Performa transverse hydraulic fracture lebih
kemungkinan fluida yang terambil lebih baik dibandingkan longitudinal hydraulic
banayak. Saturasi air merupakan persentase fracture untuk volume rekahan yang sama5.
kandungan air di dalam media berpori. Namun, akan lebih efektif lagi apabila
Semakin kecil saturasi air maka semakin menggunakan transverse hydraulic fracture
sedikit kandungan air di reservoir. yang dilakukan lebih dari satu di sepanjang
sumur horisontal atau biasa disebut multiple
Parameter yang dapat di desain adalah transverse fracture5 seperti yang ditunjukkan
diameter tubing, jumlah rekahan, permeabilitas pada Gambar A.4. Jumlah rekahan yang
proppant, lebar rekahan, panjang rekahan, dan optimum adalah sekitar 4-82.
laju alir gas.
Dalam melakukan desain perekahan hidrolik
Dalam memproduksikan shale gas reservoir, yang efektif, parameter yang perlu
sumur horisontal merupakan salah satu diperhatikan adalah dimensionless fracture
alternatif dalam teknik produksi reservoir conductivity (FCD) dengan rumus sebagai
tersebut. Hal ini dikarenakan sumur horisontal berikut5.
memiliki kelebihan yaitu memiliki daerah
pengurasan yang lebih besar dibandingkan (1.1)
sumur vertikal dan otomatis juga
meningkatkan recovery.
Apabila FCD semakin besar menandakan
bahwa semakin baik konduktivitas rekahan
Pada reservoir dengan permeabilitas rendah
dalam mengalirkan fluida dari reservoir
dapat dilakukan stimulasi sumur yaitu dengan
menuju ke lubang sumur. Pada persamaan
melakukan hydraulic fracture untuk
diatas, terlihat bahwa semakin besar
meningkatkan produktivitas secara signifikan.
permeabilitas rekah hidrolik (kf) dan lebar
Proses hydraulic fracture dilakukan dengan
rekah hidrolik (w) maka perekahan hidrolik
menginjeksikan fluida perekah dan dipompa
semakin efektif. Sebaliknya, semakin besar
dengan tekanan tinggi hingga terjadi perekahan
permeabilitas reservoir (k) dan setengah
disekitar lubang sumur dan selanjutnya
panjang rekah hidrolik (Xf) maka perekahan
rekahan tersebut diganjal oleh proppant yang
hidrolik semakin tidak efektif. Oleh karena itu,
memiliki permeabilitas tinggi.
dapat dikatakan bahwa perekahan hidrolik
sangat efektif untuk dikembangkan pada
Terdapat dua kemungkinan rekahan yang
reservoir-reservoir yang memiliki
terjadi, yaitu longitudinal fracture dan
permeabilitas reservoir yang kecil seperti shale
transverse fracture seperti yang ditunjukkan
gas reservoir.
pada Gambar A.3. Hydraulic fracture akan
longitudinal jika sumur horisontal dibor tegak
Desain diameter tubing adalah salah satu
lurus dengan arah stress minimum. Hydraulic
parameter yang perlu dipertimbangkan juga

4 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 dalam melakukan optimasi produksi. Tidak
selalu memperbesar ukuran diameter tubing
akan memperbesar laju alir
signifikan.
Desain laju alir gas pun perlu dipertimbangkan.
Hal ini berhubungan dengan semakin kecil laju
alir gas maka semakin panjang plateau time.
Walaupun dari segi keekonomisan laju alir gas
yang kecil belum tentu menguntungkan,
namun ada baiknya kita tidak mendesain laju
alir gas yang terlalu besar yang dapat
menimbulkan masalah baru dalam proses
produksi.
Untuk mengetahui performa reservoir dalam
memproduksikan suatu fluida,
hubungan antara tekanan alir dasar sumur
terhadap laju alir gas sehingga menghasilkan
kurva yang disebut Inflow
Relationship (IPR). Untuk mengetahui IPR
pada keadaan mendatang dapat digunakan
7
persamaan Fetkovich . Pesamaannya adalah
sebagai berikut.
[ ]
Dalam menentukan laju alir gas optimum
diperlukan pula Tubing
Relationship (TPR) yang menggambarkan
kemampuan fluida untuk dipindahkan dari
dasar sumur hingga kepala sumur. Hasil
perpotongan antara kurva IPR dan TPR
menghasilkan laju alir gas yang optimum pada
tekanan dasar sumur yang optimum seperti
yang terlihat pada Gambar A.5. Nodal Analysis
adalah suatu metode untuk menentukan laju
alir gas optimum pada titik nodal tertentu.
5 Ridwan Alfarizi – 12208020, Sem II 2011/2012
II. MODEL RESERVOIR DAN VALIDASI
MODEL RESERVOIR
gas secara 2.1 Model Simulasi Reservoir
Model simulasi reservoir yang digunakan
adalah model numerik dengan compositional
simulator. Grid yang digunanan adalah
kartesian dengan luas area sebesar 8.1x107 ft2
(≈1859.497 acre) dengan ketebalan reservoir
100 ft dan sumur horisontal berada pada
bagian tengah reservoir. Logaritmic grid
digunakan dekat dengan lubang sumur
horisontal untuk mendapatkan respon tekanan
yang halus di sekitar sumur. Reservoir ini
berada pada kedalaman 9300 ft dengan zona
hidrokarbon disepanjang ketebalan dan
mengandung air dengan saturasi sebesar 10 %.
digunakan Properti reservoir diasumsikan sama dan
konstan disepanjang grid pada keadaan awal.
Beberapa properti reservoir yang dilakukan
Performance sensitivitas adalah fracture spacing, komponen
CH4, permeabilitas fracture, permeabilitas
matriks, porositas fracture, porositas matriks,
dan saturasi air. Untuk model reservoir, dapat
dilihat pada Gambar A.6. Besar kisaran
properti reservoir didapat dari referensi2,4,5.
(1.2) Properti reservoir dan desain sumur pada base
case dapat dilihat pada Tabel A.2 sedangkan
(1.3) rentang kisaran nilai properti reservoir dan
desain sumur untuk sensitivitas pada
pemodelan ini dapat di lihat pada Tabel A.3.
Performance
Lima buah transverse fracture dimodelkan
secara eksplisit menggunakan permeabilitas
yang sangat tinggi. Grid diperhalus secara
perlahan menuju wellbore untuk menghindari
masalah konvergen seperti yang ditunjukkan
Gambar A.7. Problem numerik sering terjadi
jika ada perbedaan properti yang drastis pada
grid yang berdekatan. Keuntungan dari
pemodelan fracture secara eksplisit adalah
 aliran fluida di reservoir dapat dimodelkan software komersil. Selanjutnya, perhitungan-
secara lebih realistis. Gridisasi yang lebih kecil perhitungan IGIP tersebut dibandingkan
di daerah dekat rekahan kemudian membesar dengan perhitungan IGIP pada simulator.
menuju batas reservoir dilakukan dengan Perhitungan IGIP menggunakan excel dapat
pertimbangan bahwa tekanan dan saturasi dilihat seperti dibawah ini.
dekat lubang bor berubah lebih cepat
dibandingkan dengan di daerah jauh dari Free Gas In-Place
sumur. Pertimbangan lainnya adalah untuk (2.1)
mempercepat proses running simulator.

⁄ ⁄
Untuk aliran fluida dari bottom hole menuju
wellhead, penulis menggunakan persamaan ⁄

Beggs and Brill. Korelasi ini cocok untuk

sumur horisontal maupun sumur dengan Sorbed Gas In-Place

inklinasi. Korelasi ini juga mempertimbangkan (2.2)

flow regime dan hold-up. Dalam melakukan
⁄
simulasi, constraint yang digunakan adalah
gas rate maximum sebesar 1 MMSCF/D dan
⁄
tekanan kepala sumur sebesar 100 psi.

Total Gas In-Place

2.2 Validasi Model Numerik dengan
Perhitungan Initial Gas In-Place (IGIP)
(2.3)
Pada kondisi awal reservoir, pengecekan IGIP
bertujuan untuk menguji ke-valid-an dari
⁄ ⁄
model numerik yang telah dibuat. Pada
perhitungan volumetrik shale gas reservoir
dikenal dua istilah penyimpanan gas di
reservoir, yaitu Free Gas In-Place dan Sorbed
Untuk hasil perhitungan yang lebih lengkap
Gas In-Place. Free Gas In-Place adalah
dapat dilihat pada Gambar A.8. Dari
tempat penyimpanan gas di reservoir pada
perhitungan excel didapat IGIP = 249.865 Bscf.
pori-pori batuan sedangkan Sorbed Gas In-
Perhitungan kedua menggunakan salah satu
Place adalah tempat penyimpanan gas di
software komersil. Untuk input data dan hasil
reservoir yang teradsorpsi pada matriks-
perhitungan dapat dilihat pada Gambar A.9.
matriks batuan. Sorbed Gas In-Place
Dari hasil perhitungan didapat IGIP = 252.017
merupakan salah satu ciri dari formasi batuan
Bscf. Perhitungan menggunakan simulator
yang memiliki fungsi ganda yaitu sebagai
menghasilkan IGIP = 227.457 Bscf. Besar
reservoir rock maupun source rock.
error perhitungan dapat dilihat pada Tabel A.4.

IGIP akan dihitung dan dibandingkan

Terlihat bahwa error yang dihasilkan antara
menggunakan perhitungan di excel8 dan
perhitungan IGIP volumetrik dan IGIP

6 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 software komersil menghasilkan error yang III. ANALISA DAN DISKUSI
cukup kecil. Namun, apabila keduanya Dalam menentukan beberapa parameter yang
dibandingkan dengan IGIP simulator paling berpengaruh untuk selanjutnya
menghasilkan error yang lebih besar. Selisih dioptimasi, dilakukan sensitivitas terhadap
tersebut diakibatkan perhitungan menggunakan parameter-parameter yang dianggap
volumetrik maupun software komersil, properti berpengaruh. Parameter-parameter tersebut
dianggap benar-benar seragam di sepanjang ditinjau dengan melakukan produksi gas
reservoir sedangkan pada simulator hingga waktu tertentu. Namun, perlu
perhitungan properti dihitung di setiap blok. diingatkan bahwa penentuan waktu harus
Selain itu, terdapat perhitungan yang cukup dipilih dengan tepat, yaitu pada rentang waktu
rumit di setiap blok. tersebut, suatu saat, harus terjadi penurunan
terhadap plateau rate-nya. Sehingga terlihat
2.3 Validasi Model Numerik dengan Type besar pengaruh dari masing-masing parameter.
Curve Matching Selain itu, dilihat pula plateau time-nya akibat
Type curve matching adalah salah satu teknik dari sensitiivitas tersebut.
analisa yang digunakan untuk menganalisa
apakah model yang dibuat valid untuk Pada analisa kurva IPR, dilakukan beberapa
digunakan. Pada Tugas Akhir ini, dilakukan sensitivitas parameter yang dianggap
analisa dengan membandingkan model yang berpengaruh. Sehingga dihasilkan banyak
telah dibuat dengan type curve yang telah ada. kurva IPR. Pada Tugas Akhir ini, penulis
Type Curve dibuat berdasarkan Constant menghasilkan 15 buah kurva IPR. Selanjutnya,
Wellbore Storage, Dual Porosity Reservoir dibuat beberapa kurva TPR yang
Model, Fracture–Finite Conductivity Well perpotongannya terhadap IPR berfungsi untuk
Model, dan Rectangle Boundary Model. menentukan laju alir gas optimum.

Pengambilan data dilakukan dengan Optimasi dilakukan dengan menentukan

melakukan proses produksi pada simulator berbagai macam nilai laju alir gas optimum
dengan laju konstan selama tiga bulan dan terhadap parameter-parameter yang paling
selanjutnya ditutup hingga tekanan mendekati berpengaruh menggunakan analisa Design of
keadaan reservoir. Selanjutnya, diambil data- Experiment (DOE) dan regresi multivariabel.
data tekanan bawah sumur dan laju alir gas
setiap rentang waktu tertentu. Hasil dari Type 3.1 Sensitivitas Parameter yang Tidak
curve matching dapat dilihat seperti pada Dapat di Desain
Gambar A.10 dan juga pada Tabel A.5 dan Parameter yang tidak dapat di desain meliputi
Tabel A.6. fracture spacing, komponen CH4,
permeabilitas fracture, permeabilitas matriks,
Dari Tabel A.5, dapat dilihat bahwa besar nilai porositas fracture, porositas matriks, dan
antara data simulator dan hasil matching saturasi air. Hasil sensitivitas ditunjukkan pada
menghasilkan nilai yang cukup akurat Tabel A.7 yang menggambarkan kumulatif
sehingga model dapat digunakan. produksi gas dan Tabel A.8 yang

7 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 menggambarkan persen perubahan kumulatif media berpori sehingga sangat erat
produksi gas. Untuk mempermudah, dari tabel- hubungannya dengan laju alir gas.
tabel tersebut dibuat diagram batang seperti
pada Gambar A.11 dan Gambar A.12. Deretan keempat merupakan sensitivitas dari
permeabilitas matriks. Dilakukan sensitivitas
Deretan pertama merupakan sensitivitas dari dengan nilai 0.00001; 0.0001; 0.001 dan 0.01
fracture spacing. Dilakukan sensitivitas md dimana base case menggunakan 0.0001 md.
dengan nilai 100; 200; 300; dan 400 ft dimana Terlihat bahwa semakin besar permeabilitas
base case menggunakan 200 ft. Terlihat bahwa matriks maka semakin besar produksi
semakin besar fracture spacing maka semakin kumulatif gas. Permeabilitas matriks tidak
kecil produksi kumulatif gas. Hal ini sesensitif permeabilitas fracture karena dilihat
dikarenakan semakin besar fracture spacing dari besarnya permeabilitas fracture dapat
maka semakin sedikit jumlah rekah alami di mencapai 100 kali lipat dari permeabilitas
reservoir. Hal ini sangat berpengaruh terkait matriks. Selain itu, pada rekahan, gas dapat
dari kontribusi rekah alami sangat berpengaruh mengalir lebih mudah dibandingkan di dalam
terhadap produksi kumulatif gas. matriks yang kekompakan batuannya cukup
baik.
Deretan kedua merupakan sensitivitas dari
komponen CH4. Dilakukan sensitivitas dengan Deretan kelima merupakan sensitivitas dari
nilai 70; 80; 90; dan 97.8% dimana base case porositas fracture. Dilakukan sensitivitas
menggunakan 97.8%. Terlihat bahwa semakin dengan nilai 0.1; 0.5; dan 1 % dimana base
besar komponen CH4 maka semakin besar pula case menggunakan 0.1 %. Terlihat bahwa
produksi kumulatif gas. Hal ini dikarenakan semakin besar porositas fracture maka
semakin banyak kandungan CH4 maka specific semakin besar produksi kumulatif gas.
gravity akan semakin kecil dan viskositas pun Porositas merupakan kemampuaan batuan
semakin kecil. Akibatnya gas semakin mudah dalam menyimpan fluida di dalam rekahan.
mengalir dan PI sumur akan meningkat. Sehingga semakin besar porositas rekahan
Peningkatan tersebut yang menyebakan berarti semakin banyak gas yang tersimpan di
produksi kumulatif gas meningkat. dalam rekahan dan dengan permeabilitas
fracture yang memiliki pengaruh yang
Deretan ketiga merupakan sensitivitas dari signifikan mengakibatkan peningkatan
permeabilitas fracture. Dilakukan sensitivitas produksi gas yang cukup signifikan pula.
dengan nilai 0.001; 0.01; dan 0.1 md dimana
base case menggunakan 0.01 md. Terlihat Deretan keenam merupakan sensitivitas dari
bahwa semakin besar permeabilitas fracture porositas matriks. Dilakukan sensitivitas
maka semakin besar produksi kumulatif gas. dengan nilai 4; 8; 10; dan 12 % dimana base
Permeabilitas fracture merupakan parameter case menggunakan 4 %. Terlihat bahwa
yang paling sensitif dibandingkan parameter- semakin besar porositas matriks maka semakin
parameter lainnya. Permeabilitas merupakan besar produksi kumulatif gas. Namun besar
kemudahan suatu fluida untuk mengalir di perubahannya tidak signifikan. Parameter ini

8 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 merupakan parameter yang paling tidak
berpengaruh dari semua parameter-parameter
yang dilakukan sensitivitas. Porositas matriks
berkaitan dengan penyimpanan fluida di dalam
matriks batuan. Meskipun semakin besar
porositas matriks yang berdampak pada
peningkatan jumlah cadangan di reservoir
namun apabila permeabilitas matriks kecil
fluida tetap sulit untuk mengalir.
Deretan ketujuh merupakan sensitivitas dari
saturasi air. Dilakukan sensitivitas dengan nilai
0; 10; 30; dan 45 % dimana base case
menggunakan 10 %. Terlihat bahwa semakin
besar saturasi air maka semakin kecil produksi
kumulatif gas. Hal ini diakibatkan semakin
banyak kandungan air di reservoir maka
jumlah hidrokarbon yang terkandung semakin
sedikit. Pada keadaan saturasi yang cukup
besar perubahan produksi kumulatif gas
berkurang cukup tajam. Hal ini dikarenakan
pada keadaan tersebut, misalnya keadaan
saturasi air 30 hingga 45 %, air sudah mulai
cukup dominan didalam reservoir dan otomatis
berpengaruh pada jumlah air yang ikut
terproduksi di lubang sumur dan menurunkan
produktivitas gas itu sendiri.
3.2 Sensitivitas Parameter yang Dapat di
Desain
Parameter yang dapat di desain adalah
diameter tubing, jumlah rekahan, permeabilitas
proppant, lebar rekahan, panjang rekahan, dan
laju alir gas. Hasil sensitivitas ditunjukkan
pada Tabel A.9 yang menggambarkan
kumulatif produksi gas dan Tabel A.10 yang
menggambarkan persen perubahan kumulatif
produksi gas. Untuk mempermudah, dari tabel-
tabel tersebut dibuat diagram batang seperti
pada Gambar A.13 dan Gambar A.14.
9 Ridwan Alfarizi – 12208020, Sem II 2011/2012
Deretan pertama merupakan sensitivitas dari
diameter tubing. Dilakukan sensitivitas dengan
nilai 2; 2.5; 3; dan 3.5 in dimana base case
menggunakan 3 in. Terlihat bahwa semakin
besar diameter tubing maka semakin besar
produksi kumulatif gas. Namun, perubahan
ukuran diameter tubing tidak berpengaruh
cukup signifikan dalam peningkatan produksi
gas. Hal ini dikarenakan pada dasarnya gas
memiliki densitas yang kecil sehingga
kecenderungan gas untuk bergerak ke atas.
Selain itu, viskositas gas yang relatif kecil
menyebabkan perubahan diameter tubing tidak
terlalu berpengaruh.
Deretan kedua merupakan sensitivitas dari
jumlah rekahan. Dilakukan sensitivitas dengan
nilai 0; 1; 3; dan 5 buah dimana base case
menggunakan 5 buah. Terlihat bahwa semakin
banyak jumlah rekahan maka semakin besar
produksi kumulatif gas. Hal ini berkaitan
dengan peningkatan permeabilitas rekah
hidrolik di sepanjang sumur horisontal dan
berdampak pada peningkatan PI. Penambahan
jumlah rekah berdampak cukup signifikan
terhadap produksi gas.
Deretan ketiga merupakan sensitivitas dari
lebar rekahan. Dilakukan sensitivitas dengan
nilai 0.01; 0.03; dan 0.05 ft dimana base case
menggunakan 0.03 ft. Terlihat bahwa semakin
besar lebar rekahan maka semakin besar
produksi kumulatif gas. Hal ini dikarenakan
semakin lebar rekahan berarti semakin besar
area berpermeabilitas tinggi pada rekahan
hidrolik sehingga akan berkaitan dengan
jumlah produksi kumulatif gas.
Deretan keempat merupakan sensitivitas dari
panjang rekahan. Dilakukan sensitivitas
 dengan nilai 100; 200; dan 300 ft dimana base dalam produksi kumulatif gas karena
case menggunakan 200 ft. Terlihat bahwa berhubungan dengan sejumlah gas yang dapat
semakin besar panjang rekahan maka semakin diambil setiap harinya. Penentuan laju alir gas
besar produksi kumulatif gas. Hal ini berpengaruh terhadap plateau time sehingga
dikarenakan semakin panjang rekahan hidrolik pada laju alir gas 0.5 MMSCF/day, plateau
berarti semakin banyak area berpermeabilitas time mencapai 19 tahun sedangkan pada laju
tinggi. Namun, perlu diingatkan bahwa alir gas 1 MMSCF/day plateau time hanya
semakin panjang rekahan tidak selalu mencapai 11 hari. hal itu yang menyebabkan
memberikan perubahan terhadap kumulatif gas perubahan parameter tidak mencapai 50 %
yang signifikan karena rekahan hidrolik perubahan. Hal ini berlaku juga pada
memiliki jangkauan efektif. Jadi, hal ini terkait peningkatan laju alir gas 1.5 MMSCF/day.
dengan area pengurasan dari sumur itu sendiri
apakah sumur tersebut dapat menjangkaunya 3.3 Penentuan Laju Alir Gas Optimum dan
atau tidak. Plateau Time
Dalam menentukan laju alir gas optimum
Deretan kelima merupakan sensitivitas dari dilakukan Nodal Analysis. Pada Tugas Akhir
permeabilitas proppant. Dilakukan sensitivitas ini, nodal berada pada dasar sumur. Untuk IPR,
dengan nilai 10; 100; 1000 dan 10000 md sensitivitas dilakukan pada beberapa parameter
dimana base case menggunakan 1000 md. yaitu, permeabilitas fracture, permeabilitas
Terlihat bahwa semakin besar permeabilitas proppant, permeabilitas matriks, dan jumlah
proppant maka semakin besar produksi rekahan. Profil kurva IPR untuk berbagai
kumulatif gas. Proppant adalah butir-butir sensitivitas dapat dilihat pada Gambar A.15.
batuan yang digunakan untuk mengganjal Untuk pembuatan kurva TPR menggunakan
rekah hidrolik agar tidak tertutup lagi setelah salah satu software komersial. TPR dilakukan
proses perekahan. Proppant memiliki sensitivitas terhadap diameter. Profil kurva
permeabilitas yang sangat tinggi. Sehingga TPR dapat dilihat pada Gambar A.16.
cukup wajar apabila permeabilitas proppant Penentuan laju alir gas optimum pada IPR dan
semakin bagus akan meningkatkan laju TPR tertentu terlihat seperti pada Gambar A.17.
produksi gas. Namun dampaknya tidak sebesar Constraint produksi tercapai apabila
permeabilitas rekah alami maupun matriks penurunan tekanan drawdown mencapai 0.82
karena jangkauan proppant hanya berjarak kali drawdown awal. Constraint ini diambil
beberapa feet dari lubang sumur. karena plateau time produksi gas rata-rata
mecapai sekitar 40 tahun. Hal ini berhubungan
Deretan keenam merupakan sensitivitas dari dengan masa kontrak suatu perusahaaan pada
laju alir gas. Dilakukan sensitivitas dengan umumnya. Hasil perhitungan laju alir gas
nilai 0.5; 1; dan 1.5 MMSCF/day dimana base optimum dapat dilihat pada Tabel A.11
case menggunakan 1 MMSCF/day. Terlihat sedangkan hasil perhitungan plateau time
bahwa semakin besar laju alir gas maka dapat dilihat pada Tabel A.12.
semakin produksi kumulatif gas. Penentuan
laju alir gas sangat berpengaruh signifikan

10 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 3.4 Analisa Menggunakan Design
Experiment (DOE)
DOE memiliki tujuan untuk menentukan
korelasi dependent value terhadap independent
value. Pada metode ini kita dapat melihat besar
pengaruh dari setiap independent
terhadap dependent value melalui beberapa
grafik. Dependent value adalah laju alir gas
optimum dan independent value
permeabilitas fracture, permeabilitas matriks,
dan saturasi air untuk kurva IPR sedangkan
diameter tubing untuk kurva TPR. Dengan
menggunakan 16 data, dihasilkan persamaan
sebagai berikut :
Parameter a,b,c,d, dan e dapat dilihat pada
Tabel A.13. Keakuratan dari persamaan kurang
2
baik yaitu hanya sebesar R = 0.722.
Penggunaan data hanya sebanyak 16 data
dikarenakan pada analisa DOE hanya diambil
nilai minimum dan maksimum
independent value. Sehingga apabila hanya
terdapat 4 nilai independent value maka besar
probabilitas nilai minimum dan maksimum
independent value hanya 16 kombinasi data.
Hal ini juga yang menyebabkan analisa DOE
kurang akurat dilihat dari nilai yang diambil
hanya minimum dan maksimum sehingga
persamaan yang terbentuk hanyalah persamaan
linier. Perbandingan data antara simulator dan
DOE dapat dilihat pada Gambar A.18.
11,12,13
Residual plot digunakan untuk menguji
apakah asumsi terhadap residual (asumsi
kenormalan) telah terpenuhi atau
Biasanya untuk uji kenormalan ini digunakan
standardized residual karena dianggap lebih
11
of baik merepresentasikan kecocokan model.
Terdapat 4 plot seperti pada Gambar A.19. Plot
1 (kiri atas) memperlihatkan kenormalan
residual berdasarkan normal probabilitasnya.
garis lurus pada gambar adalah garis acuan.
value Residual dianggap mendekati normal apabila
standardize residual-nya, yang ditandai oleh
titik-titik merah, mendekati garis acuan
yaitu tersebut. Dari Gambar A.19 terlihat persebaran
mendekati garis acuan hanya pada bagian
tengah. Plot 2 (kanan atas) melihat kenormalan
residual dari fitted value dengan standardized
residual-nya. Residual dianggap mendekati
distribusi normal jika plot tersebut bentuknya
acak dan tidak berpola. Dengan kata lain titik-
titik merah tersebut tersebar merata. Dari
(3.1) Gambar A.19 terlihat bahwa persebaran titik
masih berpola dibagian kiri gambar. Plot 3
(kiri bawah) melihat kenormalan residual
melalui histogramnya. Bentuk dari distribusi
normal adalah berbentuk seperti lonceng yang
berarti nilai yang tinggi berada ditengah. Dari
Gambar A.19, terlihat bahwa nilainya
dari membesar ke arah kiri. Plot 4 (kanan bawah)
melihat kenormalan residual-nya dengan
observation order. Diharapkan bentuknya
tidak berpola disepanjang garis residual = 0.
Dari Gambar A.19 terlihat bahwa titik-titik
cukup tersebar secara acak dari garis residual.
Gambar A.20 dan Gambar A.21 menunjukkan
besar pengaruh independent value terhadap
dependent value. Pada gambar-gambar tersebut,
terlihat bahwa permeabilitas fracture sangat
berpengaruh terhadap laju alir gas optimum
dan diameter tubing tidak terlalu pengaruh
terhadap peningkatan laju alir gas optimum.
tidak.
Ridwan Alfarizi – 12208020, Sem II 2011/2012
 3.5 Analisa Menggunakan Regresi Untuk penentuan recovery factor pada saat
Multivariabel plateau, dapat menggunakan persamaan
Regresi multivariabel bertujuan untuk berikut.
menentukan korelasi dependent value terhadap
independent value. Pada kasus kali ini, diambil (3.4)
dependent value yaitu laju alir gas optimum
dan plateau time. Untuk laju alir gas optimum,
independent value yaitu permeabilitas fracture,
3.6 Aplikasi penggunaan persamaan
permeabilitas matriks, dan saturasi air untuk
Suatu shale gas reservoir memiliki
kurva IPR sedangkan diameter tubing untuk
karakteristik berikut.
kurva TPR. Sedangkan untuk plateau time,
 Permeabiliitas fracture = 0.007 md
independent value yaitu permeabilitas fracture,
 Permeabilitas matriks = 0.0002 md
permeabilitas matriks, saturasi air, dan laju alir
 Saturasi air = 7%
gas optimum.
Akan dikembangkan dengan melakukan
Regresi multivariabel untuk laju alir gas pengeboran sumur dengan desain diameter
optimum memiliki keakuratan yang cukup baik tubing = 3 in. Apabila reservoir ini akan
2
sekitar R = 0.998 dengan 48 data. dikembangkan hanya dengan satu sumur,
Persamaannya adalah sebagai berikut. maka:

Qopt = 7.17 + 33794.505 * 0.007 +

611992.877 * 0.0002 - 4.436 * 7 + 26.196 * 3 -
108477.62 * 0.072 - 47172570.423 * 0.00022 –
(3.2)
0.0403 * 72 - 4.025 * 32 = 368.2555 MSCFD

Dengan besar parameter a,b,c,d,e,f,g,h,i adalah tp = 48.47 + 2468.87 * 0.007 + 4653.29 *

konstanta yang terdapat pada Tabel A.14.
Regresi multivariabel untuk plateau time
memiliki keakuratan yang cukup baik juga
yaitu R2 = 0.971 dengan
Persamaannya adalah sebagai berikut.
0.0002 - 4.33 * 7 - 6.18x10-4 * 368.2555 +
20817.27 * 0.0072 + 1412897.86 * 0.00022 +
0.218 * 72 - 7.92x10-5 * 368.25552 = 37.14598
22 data. Years

= 2.1965 %

(3.3)
3.7 Analisa Inflow Performance
Dengan besar parameter a,b,c,d,e,f,g,h,dan i
Relationship (IPR)
adalah konstanta yang terdapat pada Tabel
Pada analisa IPR untuk shale gas reservoir,
A.15. Perbandingan antara simulator dan
dilakukan sensitivitas pada parameter-
regresi multivariabel dapat terlihat pada
parameter yang dianggap berpengaruh
Gambar A.22 untuk laju alir gas optimum dan
terhadap kurva IPR. Penulis melakukan
Gambar A.23 untuk plateau time.
sensitivitas terhadap permeabilitas matriks,

12 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 permeabilitas fracture, permeabilitas proppant, dan Prodia. Untuk perbandingan masing-
jumlah rekahan, dan jenis sumur (vertikal atau masing IPR adalah sebagai berikut.
horisontal). Untuk data base case yang 1. Persamaan IPR usulan
digunakan beserta rentang nilai parameter- mempertimbangkan keadaan dimana
parameter yang dianggap berpengaruh dapat terdapat dua macam permeabilitas
dilihat pada Tabel A.16. Pada penelitian reservoir, yaitu permeabilitas fracture dan
sebelumnya3, dikatakan bahwa panjang rekah matriks. Selain itu, permeabilitas matriks
dan lebar rekah tidak berpengaruh terhadap yang digunakan lebih kecil dari 0.01 md
kurva IPR tidak berdimensi sehingga tidak dan dilakukan perekahan hidrolik.
akan dilakukan sensitivitas terhadap Persamaan IPR usulan dikembangkan
parameter-parameter tersebut. Gambar A.24 untuk shale gas reservoir.
menunjukkan IPR tidak berdimensi pada
berbagai lebar rekah dan panjang rekah. 2. Persamaan IPR Fetkovich
memperhitungkan adanya efek turbulensi7.
Dilakukan sensitivitas dengan menggunakan
15 variasi parameter sehingga total data ̀
(3.6)
sebanyak 135 (15 x 9). Hasilnya dapat terlihat
seperti pada Gambar A.15. Pada grafik, hanya 3. Persamaan IPR Prodia dikembangkan
ditampilkan keadaan minimum dan maksimum pada permeabilitas antara 0.01-1 md dan
setiap parameter. Terlihat bahwa permeabilitas dikembangkan pada tight gas sand
fracture dan matriks sangat berpengaruh reservoir.
terhadap IPR. Gambar A.25 memperlihatkan
IPR tidak berdimensi. Dari Gambar A.25
( )
didapat persamaan usulan sebagai berikut.
(3.7)

( )
Perbandingan persamaan IPR dapat dilihat
(3.5) pada Gambar A.26. Terlihat bahwa IPR
Fetkovich dan IPR Usulan memiliki
Untuk data-data yang digunakan dalam kecenderungan yang hampir sama
penentuan grafik dapat dilihat pada Tabel A.17. walaupun pada laju alir gas yang tinggi
Selanjutnya, akan dilakukan perbandingan IPR menghasilkan perbedaan.
usulan terhadap IPR yang telah dipublikasikan
sebelumnya. Tujuannya adalah untuk IV. KESIMPULAN DAN SARAN
mengetahui kemungkinan suatu persamaan 4.1 Kesimpulan
IPR yang telah dipublikasikan sebelumnya 1. Parameter yang mempengaruhi laju alir
dapat berlaku pada kondisi sumur yang telah gas optimum yang signifikan adalah
dikembangkan pada shale gas reservoir. Pada  Parameter yang tidak dapat di desain :
penelitian ini akan dibandingkan persamaan permeabilitas fracture, permeabilitas
IPR usulan dengan persamaan IPR Fetkovich matriks dan saturasi air

13 Ridwan Alfarizi – 12208020, Sem II 2011/2012

  Parameter yang dapat di desain : laju Bg = Formation Volume Factor gas, ft3/scf
alir gas dan panjang rekah
C = Coefficient from Well Data, scf/day-psi2 ń
2. Persamaan regresi multivariabel
D = Diameter, in
menghasilkan optimasi yang lebih akurat
dibandingkan persamaan DOE FCD = Dimensionless fracture conductivity
3. Persamaan untuk menentukan laju alir
Gcfm = Free gas storage capacity, scf/ton
optimum
Gp = Produksi kumulatif gas,MMSCF

Gsc = Absorbed gas storage capacity, scf/ton

h = ketebalan reservoir, ft
(4.1)
IGIP = Initial Gas In-Place, Bscf
4. Persamaan untuk menentukan plateau Jf = Future Productivity index, MSCF/day psia2
time
Jp = Present Productivity index, MSCF/day psia2

kf = Permeabilitas rekah hidrolik, md

(4.2) kfrac = Permeabilitas fracture, md
5. Persamaan IPR Fetkovich tidak dapat
k = Permeabilitas reservoir, md
digunakan pada pengembangan sumur
shale gas n = Jumlah rekahan
6. Persamaan IPR usulan untuk shale gas ń = Exponent obtained from well tests
reservoir
Pl = Tekanan langmuir, psia
( )
Pr,f = Future reservoir pressure, psia
(4.3)
Pr,p = Present reservoir pressure, psia

4.2 Saran Pres =Tekanan reservoir, psia

1. Analisa fasilitas permukaan serta Pwf = Tekanan dasar sumur, psia

keekonomian pada pengembangan shale
qg = Laju alir gas, MSCFD
gas reservoir
2. Penambahan parameter berpengaruh qg,max = Laju alir gas maksimum, MSCFD

lainnya pada desain IPR seperti qopt = Laju alir gas optimum, MSCFD
heterogenity reservoir, water cut, gas
RFplateau = faktor perolehan saat plateau, %
kondesat dll.
Sw = Saturasi air,fraksi
DAFTAR SIMBOL tp = Plateau time, tahun
Øeff = porositas efektif, fraksi
Vl = Langmuir volume, scf/ton
ρb = Berat jenis bulk, lb/ft3
w = Lebar rekah hidrolik, ft
2
A = Luas area, ft
Xf = Setengah panjang rekah hidrolik, ft

14 Ridwan Alfarizi – 12208020, Sem II 2011/2012

DAFTAR PUSTAKA
1. U.S. Department of Energy. 2011. World
Shale Gas Resources: An Initial Assessment of
14 Regions outside the United States.
Washington, DC.
2. El Rafie, E.A. and Wattenbarger, R.A. 1996.
Comprehensive Evaluation of Horizontal
Wells with Transverse Hydraulic Fractures in a
Layered Multiphase Reservoir. SPE 35211.
3. Kemala, Prodia Nur. 2010. Persamaan IPR
untuk Sumur Gas Kering yang Direkahkan
pada Tight Formation. Tugas Akhir. Bandung:
Teknik Perminyakan, Institut Teknologi
Bandung.
4. U.S. Department of Energy. 2009. Modern
Shale Gas Development in the United States:
A Primer. Oklahoma: Ground Water
Protection Council.
5. Wei, Y. and Economides, M.J. 2005.
Transverse Hydraulic Fractures from a
Horizontal Well. SPE 94671.
6. Ar-Rofiqi, Zaenuddin. 2011. Persamaan
Usulan Optimasi Produksi dan Kuantifikasi
Ketidakpastian Parameter Teknik Produksi
untuk Sumur Horisontal dengan Multiple
Transverse Hydraulic Fracture pada Reservoir
15
Minyak dengan Bottom Water Drive. Tugas
Akhir. Bandung: Teknik Perminyakan, Institut
Teknologi Bandung.
7. Guo, Boyun, Lyons, William C., and
Ghalambor, Ali. 2007. Petroleum Production
Engineering A Computer-Assisted Approach.
Lafayette: Elsevier Science & Technology
Books.
8. Lewis, Rick et al. 2004. New Evaluation
Techniques for Gas Shale Reservoirs.
Oklahoma: Reservoir Symposium 2004
Schlumberger.
9. Demarchos, A.S. et al. 2004. Pushing the Limit
in Hydraulic Fracture Design. SPE-86483.
10. http://www.indonesia.go.id/in/kementerian/ke
menterian/kementerian-energi-dan-sumber-
daya-mineral/335-provinsi-lampung-
energi/10141-potensi-shale-gas-indonesia-
capai-574-tscf.html
11. http://www.math.ntnu.no/~bo/TMA4255/2007
v/MINITABdoe.pdf
12. http://pdf-world.net/pdf/75858/Design-of-
Experiments-(DOE)-Tutorial-pdf.php
13. https://controls.engin.umich.edu/wiki/index.ph
p/Design_of_experiments_via_factorial_design
s
Ridwan Alfarizi – 12208020, Sem II 2011/2012
LAMPIRAN

Tabel A.1. Cadangan shale gas reservoir dunia pada bulan April 2011

16 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 Tabel A.2. Properti reservoir dan desain sumur pada base case
Parameter Nilai Satuan
Properti Reservoir
Grid top reservoir 9300 ft
Luas reservoir 1859.497 acre
Ketebalan reservoir 100 ft
Tekanan reservoir 4000 psia
Densitas batuan 159.816 lb/ft3
Porositas matriks 0.001 fraksi
Porositas fracture 0.04 fraksi
Permeabilitas matriks 0.0001 md
Permeabilitas fracture 0.01 md
Saturasi air 0.1 fraksi
Kompresibilitas 3 x 10-6 psi-1
Konstanta adsorpsi Langmuir 2.06897 x 10-4 psi-1
Maximal Adsorbed Mass 0.35 gmole/lb
Komponen fluida reservoir :
 CH4 0.978 fraksi
 C2H6 0.011 fraksi
 C3H8 0.007 fraksi
 N2 0.004 fraksi
Properti Rekah dan Sumur
Panjang rekah 200 ft
Lebar rekah 0.03 ft
Tinggi rekah 20 ft
Jumlah rekah 5 buah
Permeabilitas proppant 1000 md
Jarak antar rekahan 100 ft
Diameter tubing 3 in

Tabel A.3. Rentang kisaran nilai properti reservoir dan desain sumur untuk sensitivitas
Parameter Sensitivitas 1 Sensitivitas 2 Sensitivitas 3 Sensitivitas 4
Parameter yang tidak dapat di desain
Fracture spacing 100 ft 200 ft 300 ft 400 ft
Komponen CH4 0.7 0.8 0.9 0.978
Permeabilitas fracture 0.001 md 0.01 md 0.1 md -
Permeabilitas matriks 0.00001 md 0.0001 md 0.001 md 0.01 md
Porositas fracture 0.001 0.005 0.01 0.15
Porositas matriks 0.04 0.08 0.1 0.12
Saturasi air 0 0.1 0.3 0.45
Parameter yang tidak dapat di desain
Diameter tubing 2 in 3 in 3.5 in 4 in
Jumlah rekahan 0 1 3 5
Permeabilitas proppant 10 md 100 md 1000 md 10000 md
Lebar rekahan 0.01 ft 0.03 ft 0.05 ft 0.07 ft
Panjang rekahan 100 ft 200 ft 300 ft 400 ft
Laju alir gas 0.5 MMSCF/day 1 MMSCF/day 1.5 MMSCF/day -
*) Base Case

17 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 Tabel A.4. Perbandingan nilai error untuk perbandingan IGIP
IGIPvolumetrik IGIPsoftware komersil IGIPsimulator
IGIPvolumetric 0% 0.122 % 8.968%
IGIPsoftware komersil 0.122 % 0% 9.745%
IGIPsimulator 8.968% 9.745% 0%

Tabel A.5. Perbandingan hasil type curve-matching antara simulator dengan hasil matching menggunakan
software komersil
Parameter Data Simulator Hasil Matching
k (md) 0.01 0.01
East, No flow (ft) 4500 4500
West, No flow (ft) 4500 4500
North, No flow (ft) 4500 4500
South, No flow (ft) 4500 4500
Average Pressure (psi) 4000 3975

Tabel A.6. Hasil type curve-matching menggunakan software komersil

Parameter Nilai
Lambda 7.3 x 10-7
Omega 0.015
Skin -6
Wellbore Storage (bbls/psi) 0.05

18 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 Ridwan Alfarizi – 12208020, Sem II 2011/2012
Tabel A.7. Sensitivitas parameter yang tidak dapat di desain berdasarkan produksi kumulatif
Tabel A.8. Sensitivitas parameter yang tidak dapat di desain berdasarkan persen perubahan
Tabel A.9. Sensitivitas parameter yang tidak dapat di desain berdasarkan produksi kumulatif
Tabel A.10. Sensitivitas parameter yang tidak dapat di desain berdasarkan persen perubahan

19
 Tabel A.11. Penentuan laju optimum dari berbagai macam perubahan parameter
Kf Km Sw D Pres, p Qmax, p Popt, p Qopt, p Pres, f Qmax, f Qopt, f Popt, f tp RF
No
(md) (md) (%) (inch) (psia) (MSCFD) (psia) (MSCFD) (psia) (MSCFD) (psia) (psia) (year) Plateau

1 0.001 0.0001 10 2.0 4000 172.04 103.95 169.48 3298.71 95.12 93.66 90.99 24.00 0.36%

2 0.01 0.0001 10 2.0 4000 785.96 205.34 762.39 3316.96 435.88 424.57 147.57 41.00 2.80%

3 0.1 0.0001 10 2.0 4000 4490.69 750.14 3948.36 3415.03 2546.64 2330.38 473.47 41.00 15.34%

4 0.001 0.0001 10 2.5 4000 172.02 102.82 169.49 3298.51 95.10 93.56 96.14 24.00 0.36%

5 0.01 0.0001 10 2.5 4000 783.80 155.27 766.19 3307.95 434.00 424.55 125.24 41.00 2.80%

6 0.1 0.0001 10 2.5 4000 4444.65 451.64 4137.88 3361.29 2487.08 2355.08 294.93 40.00 15.13%

7 0.001 0.0001 10 3.0 4000 172.10 107.33 169.45 3299.32 95.16 93.47 103.69 24.00 0.36%

8 0.01 0.0001 10 3.0 4000 783.01 135.98 767.65 3304.48 433.31 424.34 119.54 41.00 2.79%

9 0.1 0.0001 10 3.0 4000 4420.34 301.46 4222.18 3334.26 2459.40 2365.88 212.54 39.56 15.03%

10 0.001 0.0001 10 3.5 4000 172.17 112.05 169.41 3300.17 95.21 93.41 110.00 24.00 0.36%

11 0.01 0.0001 10 3.5 4000 782.69 128.22 768.24 3303.08 433.04 424.11 118.93 41.00 2.79%

12 0.1 0.0001 10 3.5 4000 4399.06 222.38 4255.70 3320.03 2440.96 2366.72 171.38 39.53 15.02%

0.0000
13 0.01 10 2.0 4000 448.71 150.04 438.98 3307.01 248.42 243.41 116.60 379.95 14.85%
1

14 0.01 0.0001 10 2.0 4000 785.96 205.34 762.39 3316.96 435.88 424.57 147.57 41.00 2.80%

15 0.01 0.001 10 2.0 4000 1649.33 342.53 1564.68 3341.66 919.03 881.88 225.77 2.87 0.41%

16 0.01 0.01 10 2.0 4000 3239.49 578.81 2946.42 3384.19 1822.50 1702.45 366.09 0.48 0.13%

0.0000
17 0.01 10 2.5 4000 448.22 126.60 440.05 3302.79 247.97 243.32 109.31 379.95 14.84%
1

18 0.01 0.0001 10 2.5 4000 783.80 155.27 766.19 3307.95 434.00 424.55 125.24 41.00 2.80%

19 0.01 0.001 10 2.5 4000 1635.81 226.92 1581.37 3320.85 907.82 881.24 165.38 2.87 0.41%

20 0.01 0.01 10 2.5 4000 3242.30 357.60 3068.10 3344.37 1807.66 1729.84 239.97 0.48 0.13%

0.0000
21 0.01 10 3.0 4000 448.09 120.31 440.34 3301.65 247.85 243.13 110.86 379.95 14.83%
1

22 0.01 0.0001 10 3.0 4000 783.01 135.98 767.65 3304.48 433.31 424.34 119.54 41.00 2.79%

23 0.01 0.001 10 3.0 4000 1630.33 175.32 1588.81 3311.56 903.28 880.87 141.41 2.87 0.41%

24 0.01 0.01 10 3.0 4000 3237.10 248.59 3118.60 3324.75 1797.78 1739.40 182.53 0.48 0.13%

0.0000
25 0.01 10 3.5 4000 448.07 119.37 440.38 3301.49 247.84 242.96 114.04 379.95 14.82%
1

26 0.01 0.0001 10 3.5 4000 782.69 128.22 768.24 3303.08 433.04 424.11 118.93 41.00 2.79%

27 0.01 0.001 10 3.5 4000 1627.81 150.47 1592.40 3307.09 901.20 880.55 131.25 2.87 0.41%

28 0.01 0.01 10 3.5 4000 3234.65 192.37 3143.98 3314.63 1793.12 1744.20 154.57 0.48 0.13%

29 0.01 0.0001 0 2.0 4000 791.31 206.21 767.47 3317.12 438.85 427.43 148.06 49.00 3.03%

30 0.01 0.0001 10 2.0 4000 785.96 205.34 762.39 3316.96 435.88 424.57 147.57 41.00 2.80%

31 0.01 0.0001 20 2.0 4000 612.48 177.01 596.73 3311.86 339.36 331.57 131.67 68.00 4.07%

32 0.01 0.0001 30 2.0 4000 468.98 153.39 458.58 3307.61 259.67 254.35 118.47 158.00 8.30%

33 0.01 0.0001 45 2.0 4000 291.70 123.96 286.50 3302.31 161.37 158.56 102.09 159.00 6.62%

34 0.01 0.0001 0 2.5 4000 790.81 155.86 772.97 3308.06 437.89 428.33 125.57 49.00 3.03%

35 0.01 0.0001 10 2.5 4000 783.80 155.27 766.19 3307.95 434.00 424.55 125.24 41.00 2.80%

36 0.01 0.0001 20 2.5 4000 611.78 140.60 599.37 3305.31 338.60 331.75 117.08 68.00 4.08%

37 0.01 0.0001 30 2.5 4000 468.66 128.35 460.00 3303.10 259.29 254.38 110.28 158.00 8.30%

38 0.01 0.0001 45 2.5 4000 291.61 113.13 286.87 3300.36 161.26 158.46 101.85 159.00 6.62%

39 0.01 0.0001 0 3.0 4000 790.65 136.34 775.10 3304.54 437.54 428.46 119.74 49.00 3.03%

40 0.01 0.0001 10 3.0 4000 783.01 135.98 767.65 3304.48 433.31 424.34 119.54 41.00 2.79%

41 0.01 0.0001 20 3.0 4000 611.55 127.97 600.29 3303.03 338.35 331.62 115.10 68.00 4.07%

42 0.01 0.0001 30 3.0 4000 468.57 121.27 460.40 3301.83 259.19 254.22 111.39 158.00 8.29%

20 Ridwan Alfarizi – 12208020, Sem II 2011/2012

43 0.01 0.0001 45 3.0 4000 291.60 112.95 286.88 3300.33 161.26 158.31 106.80 159.00 6.61%

44 0.01 0.0001 0 3.5 4000 790.59 128.43 775.97 3303.12 437.41 428.39 119.05 49.00 3.03%

45 0.01 0.0001 10 3.5 4000 782.69 128.22 768.24 3303.08 433.04 424.11 118.93 41.00 2.79%

46 0.01 0.0001 20 3.5 4000 611.47 123.70 600.59 3302.27 338.26 331.45 116.43 68.00 4.07%

47 0.01 0.0001 30 3.5 4000 468.56 119.91 460.48 3301.58 259.17 254.06 114.34 158.00 8.29%

48 0.01 0.0001 45 3.5 4000 291.62 115.22 286.80 3300.74 161.28 158.18 111.75 159.00 6.61%

Tabel A.12. Penentuan plateau time dari berbagai macam perubahan parameter

Kf (md) Km (md) Sw (%) Qopt f tp (year)

0.001 0.0001 10 93.47139226 24.00051257
0.003 0.0001 10 190.8792263 28.99993488
0.007 0.0001 10 333.2801718 37.99944262
0.01 0.0001 10 424.3356887 41.00019117
0.03 0.0001 10 925.0703591 57.00053288
0.07 0.0001 10 1746.446233 51.99837267
0.1 0.0001 10 2365.879517 40.6642497
0.01 0.00005 10 381.3767662 66.00004062
0.01 0.0001 10 424.3356887 41.00019117
0.01 0.0005 10 649.1186105 8.499839298
0.01 0.001 10 880.87496 2.869027734
0.01 0.005 10 1184.020348 1.473986305
0.01 0.01 10 1739.395402 0.479262802
0.01 0.0001 0 428.464727 50.99903579
0.01 0.0001 10 424.3356887 41.00019117
0.01 0.0001 15 379.4802438 50.99082206
0.01 0.0001 20 331.6231286 68.00145229
0.01 0.0001 25 300.2044132 93.00130174
0.01 0.0001 30 254.2229891 158.0020055
0.01 0.0001 35 227.4010146 165.9556319
0.01 0.0001 40 198.5831954 211.9251284
0.01 0.0001 45 158.3101558 350.8329547

Tabel A.13. Konstanta laju alir gas optimum dengan DOE

Parameter Nilai
a -1094.62
b 48319.3
c 288659
d -46.8029
e 312.659

21 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 Tabel A.14. Konstanta laju alir gas optimum dengan regresi multivariable
Parameter Nilai
a 7.170
b 33794.505
c 611992.878
d -4.437
e 26.196
f -108477.621
g -47172570.423
h -0.040
i -4.025

Tabel A.15. Konstanta plateau time dengan regresi multivariabel

Parameter Nilai
a 48.470
b 2468.868
c 4653.289
d -4.330
e -0.001
f 20817.272
g 1412897.864
h 0.218
i -0.00007923

Tabel A.16. Rentang data-data yang digunakan dalam melakukan analisa IPR
Parameter Nilai Base Case Rentang Nilai
Pemeabilitas fracture 0.01 md 0.001 - 0.1 md
Permeabilitas proppant 1000 md 10 - 10000 md
Permeabilitas matriks 0.0001 md 0.00001 - 0.01 md
Jumlah rekahan 5 0-5
Saturasi Air 10 % 0 – 45 %
Komplesi sumur Horizontal Vertikal/Horizontal
*) Base Case

22 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 Tabel A.17. Hasil perhitungan beberapa kurva IPR pada berbagai parameter yang berpengaruh

23 Ridwan Alfarizi – 12208020, Sem II 2011/2012

24 Ridwan Alfarizi – 12208020, Sem II 2011/2012
25 Ridwan Alfarizi – 12208020, Sem II 2011/2012
 Gambar A.1. Cadangan shale gas reservoir dunia1

Profil Laju Alir

1

0.9 0.425 MMSCF/day

Gas Rate (MMSCF/day)

0.8 0.45 MMSCF/day

0.475 MMSCF/day
0.7
0.5 MMSCF/day
0.6
0.6 MMSCF/day
0.5 0.7 MMSCF/day

0.4 0.8 MMSCF/day

0.9 MMSCF/day
0.3
1 MMSCF/day
0 20 40 60 80
Waktu (year)

Gambar A.2. Profil laju alir shale gas reservoir

26 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 Gambar A.3. Longitudinal Fracture dan Transverse Fracture6

Gambar A.4. Multiple Hydraulic Fracture pada sumur horisontal6

Gambar A.5. Contoh Nodal Analysis pada reservoir gas7

27 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 Gambar A.6. Model numerik reservoir dengan logarithmic grid

Gambar A.7. Posisi wellbore pada model reservoir

28 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 Gambar A.8. Perhitungan IGIP menggunakan excel8

29 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 Gambar A.9. Perhitungan IGIP menggunakan software komersil

Gambar A.10. Hasil type curve-matching menggunakan software komersil

30 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 Gambar A.11. Sensitivitas parameter yang tidak dapat di desain berdasarkan produksi kumulatif

Gambar A.12. Sensitivitas parameter yang tidak dapat di desain berdasarkan persen perubahan

31 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 Gambar A.13. Sensitivitas parameter yang dapat di desain berdasarkan produksi kumulatif

Gambar A.14. Sensitivitas parameter yang dapat di desain berdasarkan persen perubahan

32 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 Gambar A.15. Kurva IPR untuk berbagai macam parameter yang berpengaruh

Gambar A.16. Kurva TPR untuk berbagai macam diameter

33 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 Gambar A.17. Penentuan laju alir gas optimum dari perpotongan kurva IPR dan TPR

14000
Laju Alir Gas Optimum Simulator (MSCFD)

12000

10000

8000

6000

4000

2000

0
-4000 -2000 0 2000 4000 6000 8000 10000 12000 14000
Laju Alir Gas Optimum DOE (MSCFD)

Gambar A.18. Perbandingan laju alir gas optimum menggunakan simulator dan Design of Experiment (DOE)

34 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 Gambar A.19. Residual plot laju alir gas optimum menggunakan Design of Experiment (DOE)

Gambar A.20. Normal plot laju alir gas optimum menggunakan Design of Experiment (DOE)

35 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 Gambar A.21. Pareto chart laju alir gas optimum menggunakan Design of Experiment (DOE)

Pred(Qopt) / Qopt
2500

2000

1500
Qopt

1000

500

0
0 500 1000 1500 2000 2500
Pred(Qopt)

Gambar A.22. Perbandingan laju alir gas optimum menggunakan simulator dan regresi multivariabel

36 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 Pred(tp (year)) / tp (year)
400

350

300

250

200
tp (year)

150

100

50

0
-50 0 50 100 150 200 250 300 350 400

-50
Pred(tp (year))

Gambar A.23. Perbandingan plateau time menggunakan simulator dan regresi multivariabel

Gambar A.24. IPR tidak berdimensi pada berbagai lebar rekah dan panjang rekah

37 Ridwan Alfarizi – 12208020, Sem II 2011/2012

 Gambar A.25. Kurva IPR tidak berdimensi untuk berbagai macam parameter yang berpengaruh

Perbandingan IPR
4500

4000

3500

3000
Pwf (psia)

2500
IPR Fetchkovich
2000
IPR Prodia
1500 IPR Usulan

1000

500

0
0 200 400 600 800
Qg (MSCF/day)

Gambar A.26. Perbandingan kurva IPR usulan, IPR Fetkovich, dan IPR Prodia

38 Ridwan Alfarizi – 12208020, Sem II 2011/2012