Anda di halaman 1dari 23

TUGAS TEKNIK RESERVOIR

Dosen Pengampuh:

Ir. Ubaidillah Anwar Prabu, M.S.

Dibuat sebagai Tugas Mata Kuliah Teknik Reservoir


Jurusan Teknik Pertambangan

Oleh:

ANDI IRSYAD IBRAHIM (03021381520080)

JURUSAN TEKNIK PERTAMBANGAN

FAKULTAS TEKNIK

UNIVERSITAS SRIIWIJAYA

2019
BAB 1
TEORI

1.1. Teori Dasar Kurva Penurunan Produksi


Lyons(2005), menyatakan bahwa cadangan (reserves) adalah perkiraan volume minyak,
kondensat, gas alam, natural gas liquids dan substansi lain yang berkaitan secara komersial
dapat diambil dari jumlah akumulasi di reservoir dengan metode operasi, kondisi ekonomi
dan regulasi pemerintah saat itu. Reserves harus memenuhi 4 kriteria, yaitu harus ditemukan,
bisa terambil, ekonomis dan masih ada berdasarkan proyek pengembangan yang
diaplikasikan. Perkiraan cadangan didasarkan atas interpretasi data geologi dan engineering
yang tersedia pada saat itu.
Istilah cadangan mempunyai beberapa pengertianyaitu jumlah minyak mula-mula di
reservoir (Original Oil in Place, OOIP), estimasi jumlah cadangan minyak yang bisa
diproduksikan (Estimated Ultimate Recovery, EUR) dan estimasi cadangan tersisa
(Estimated Remaining Reserve, ERR). Berikut adalah masing – masing penjelasannya.

1.2. Jenis-jenis Kurva Penurunan Produksi


Penurunan laju produksi dipengaruhi oleh berbagai macam faktor, diantaranya
mekanisme pendorong reservoir, tekanan, sifat fisik batuan dan fluida reservoir. Pada
dasarnya perkiraan jumlah cadangan hidrokarbon, yaitu minyak atau gas menggunakan
metode decline curve adalah memperkirakan hasil ekstrapolasi (penarikan garis lurus) yang
diperoleh dari suatu kurva yang dibuat berdasarkan plotting antara data produksi atau
produksi kumulatif terhadap waktu produksinya.
Beberapa macam tipe grafik yang dapat digunakan untuk peramalan cadangan dan
produksi hidrokarbon menurut Smith, et al. (1992) dalam Rukmana, et al. (2014) adalah :
1. Laju produksi terhadap waktu (q vs t)
2. Laju produksi terhadap produksi kumulatif (q vs Np)
3. Persen minyak terhadap produksi kumulatif (% oil vs Np)
4. Produksi kumulatif gas terhadap produksi kumulatif minyak (Gp vs Np)
5. Tekanan reservoir terhadap waktu (P vs t)
6. P/Z vs produksi kumulatif (untuk reservoir gas)
Kurva penurunan (decline curve) terbentuk akibat adanya penurunan produksi yang
disebabkan adanya penurunan tekanan statis reservoir seiring dengan diproduksikannya
hidrokarbon, yaitu minyak atau gas. Para ahli reservoir mencoba menarik hubungan antara
laju produksi terhadap waktu dan terhadap produksi kumulatif dengan tujuan memperkirakan
produksi yang akan datang (future production) dan umur reservoir (future life).
Johnson dan Bollens(1927) menemukan metode Loss Ratio untuk memperkirakan future
performance dan future life. Penggunaan metode ini berkembang baik dan dijadikan dasar
oleh ahli-ahli reservoir di tahun-tahun berikutnya. Arps (1945) mengembangkan metode Loss
Ratio berdasarkan harga eksponen decline-nya atau lebih dikenal dengan “b”. Harga b
berkisar 0 sampai dengan 1. Ketiga jenis kurva penurunan produksi tersebut disusunnya
berdasarkan kriteria nilai konstanta loss ratio b.

Tabel. Kriteria dan Nilai Konstanta Loss Ratio (b) Berdasarkan Jenis Kurva Penurunan
ProduksiMenurut Arps(1945)

No Jenis B Kriteria
1 Eksponensial 0 1. Log Qvs T
2. Q vs Np
2 Harmonik 1 1. Log Q vs Np
2. Log Q vs Log T
3 Hiperbolik 0<b<1 1. Log Qvs Log T
2. Log Qvs Log Np

1.3. Penentuan Tipe Decline Curve


Tipe declinecurve ditentukan sebelum melakukan perkiraan jumlah cadangan sisa dan
umur dari reservoir yang dikaji berproduksi sampai Qlimit. Pada tugas akhir ini akan
digunakan metode Regresi Linier danLoss-Ratio.

1.3.1 Metode Regresi Linier


Sebagaimana yang telah diungkapkan sebelumnya bahwa metode declinecurve ini akan
sangat akurat apabila lapangan telah selesai dikembangkan, sehingga terjadinya penurunan
laju produksi semata-mata hanya disebabkan terjadinya penurunan tekanan reservoir saja.
Pada hakekatnya kondisi ini akan sangat jarang ditemui, sehingga didapatkan penurunan
produksi terhadap waktu yang tidak konstan.
Untuk mengatasi kondisi-kondisi tersebut diatas guna mendapatkan hasil-hasil analisis
cadangan hidrokarbon, umur produksi dan prediksi laju produksi masa yang akan datang,
dimana bentuk-bentuk persamaannya berupa garis lurus adalah dengan menggunakan metode
regresi linier yang mana bentuk umum persamaannya. Untuk menentukan nilai-nilai
konstanta regresi k1 dan k2 adalah dengan menggunakan persamaan-persamaan :
 Y  X    YX  X 
2

k1 
N  X    X 
2 2
.............................................. (1)

Y  X   N YX 


k2 
 X   N  X  ...................................................... (2)
2 2

Dimana : N = jumlah data

Untuk menentukan jumlah data produksi yang memenuhi persyaratan terjadinya

penurunan laju produksi terhadap waktu relatif konstan (linier) ini adalah dengan cara

menentukan nilai konstanta korelasi (R) melalui hasil uji statistik regresi linier. Proses uji

statistik regresi linier ini dilakukan secara iterasi regresi linier curve fitting hingga didapatkan

nilai konstanta korelasinya bersifat mendekati korelasi negatif sempurna (R  -1). Hal ini

agar menghasilkan nilai konstanta determinasi yang mendekati satu (R2  1).

1.3.2. Aplikasi Regresi Linier dalam Metode Decline Curve


J.J. Arps (1945) didalam menentukan jumlah cadangan hidrokarbon, umur produksi dan

laju produksi masa yang akan datang adalah berdasarkan analisis kualitatif, yaitu melalui

pembuatan :

1. Kurva hubungan laju produksi terhadap waktu (Qo vs T)

2. Kurva hubungan laju produksi terhadap kumulatif laju produksi (Qo vs Np)

Selanjutnya dari hasil-hasil penelitian J.J. Arps ini melalui pembuatan kedua jenis

bentuk kurva diatas secara uji coba (trial anderror) dengan cara mengatur ketiga variabel Qo,

T dan Np dalam ukuran skala-skala kartesian, semilog dan logaritma. Inilah aplikasi regresi

linier dilakukan dalam metode decline curve. Dengan mengetahui nilai-nilai standar deviasi

yang terkecil akan dapat diketahui jenis kurva penurunan produksinya secara akurat.

Sehubungan dengan dibutuhkannya data produksi yang cukup banyak dan ditunjang dengan
semakin canggihnya teknologi melalui komputer, penggunaan regresi linier ini akan jauh

lebih efektif jika dibandingkan dengan cara manual yaitu uji coba melalui pembuatan kedua

bentuk kurva sebagaimana yang tersebut diatas. Hal ini dikarenakan data produksi umumnya

menunjukkan fluktuasi yang kadang-kadang sulit untuk diinterpretasikan secara manual.

Tabel. Jenis decline curve hasil uji coba J.J. Arps (1945)

Bentuk Plot
No Jenis Decline
Sumbu Y Sumbu X
log Qo T
1 Exponential
Qo Np

log Qo log T
2 Harmonic
log Qo Np

log Qo log T
3 Hyperbolic
log Qo log Np

Dapat diketahui bahwa ada lima bentuk persamaan regresi liniernya, dimana variabel

terikat (Y) adalah laju produksi minyak (Q) dan variabel bebas (X) adalah waktu produksi (T)

atau kumulatif produksi minyak (Np), yaitu :

1. Untuk hubungan Log Q dan T


Bentuk persamaan garis lurusnya adalah :

Log Q = k2 T + k1 ............................................................... (3)

2. Untuk hubungan Q dan Np


Bentuk persamaan garis lurusnya adalah :

Q = k2 Np + k1 ....................................................................... (4)
3. Untuk hubungan Q dan Log Np
Bentuk persamaan garis lurusnya adalah :

Q = k2 Log Np + k1 ............................................................ (5)

4. Untuk hubungan Log Q dan Log T


Bentuk persamaan garis lurusnya adalah :

Log Q = k2 Log T + k1 ....................................................... (6)

5. Untuk hubungan Log Q dan Log Np


Bentuk persamaan garis lurusnya adalah :

Log Q = k2 Log Np + k1 ..................................................... (7)

1.3.3. Uji Regresi Linier


Kualitas persamaan garis lurus yang telah didapatkan dari proses regresi linier ini

dapat diketahui melalui uji statistik yang terdiri dari nilai-nilai konstanta korelasi (R),

konstanta determinasi (R2) dan standar deviasi absolut (SD).

1. Konstanta korelasi
Konstanta korelasi adalah besarnya tingkat hubungan antara variabel bebas X

terhadap variabel terikat Y. Semakin tinggi nilai konstanta korelasinya menunjukkan

bahwa variabel bebas X semakin besar tingkat pengaruhnya terhadap variabel terikat Y.
Nilai koefisien korelasi (R) dapat dinyatakan sebagai berikut ini :
1. R = 0, artinya bahwa variabel terikat dan variabel bebas tidak ada hubungan atau tidak
mempunyai korelasi.
2. R = 1, artinya bahwa variabel terikat dan variabel bebas mempunyai hubungan yang
kuat dan langsung atau korelasi positip sempurna.
3. 0<R<1, artinya variabel terikat berkorelasi positip dengan variabel bebas tetapi juga
dipengaruhi oleh faktor yang lainnya.
4. R = - 1, artinya bahwa variabel terikat mempunyai hubungan kuat sempurna dan tidak
langsung (korelasi negatip sempurna).
5. -1<R<0, artinya variabel terikat berkorelasi negatip dengan variabel bebas tetapi juga
dipengaruhi oleh faktor yang lainnya.

Untuk menentukan nilai konstanta korelasi ini dapat digunakan persamaan (Sudjana,

2004) yaitu :
N XY - ( X)(  Y)
R
N X  ( X) N Y  ( Y)  .................... (8)
2 2 2 2

2. Konstanta determinasi
Konstanta determinasi didefinisikan sebagai nilai kuadrat konstanta korelasi yang

digunakan untuk mengetahui tingkat prosentase pengaruh variabel bebas X terhadap

pengaruh variabel terikat Y. Apabila nilai R2 = 0,9 berarti bahwa 90% variabel bebas X

mempengaruhi variabel terikat Y, sedangkan 10% sisanya dipengaruhi oleh faktor-faktor

lain.

3. Standar deviasi absolut


Standar deviasi absolut adalah tingkat kesalahan mutlak nilai variabel terikat hasil

regresi linier terhadap nilai variabel terikat sebenarnya. Bentuk persamaan untuk

menentukan nilai standar deviasi absolut ini adalah :

Yakt  Yreg
SD  x100%
Yakt
........................................................ (9)

Dimana : SD = standar deviasi absolut, %


Yakt = nilai variabel terikat sebenarnya
Yreg = nilai variabel terikat hasil regresi
1.3.4. Proses Analisis Regresi Linier
Berikut ini adalah urutan-urutan langkah kerja untuk menentukan cadangan minyak,

umur produksi dan prediksi laju produksi masa yang akan datang melalui analisis regresi

linier.

1. Siapkan data produksi yang terdiri dari waktu produksi (T), laju produksi minyak (Qo)
dan kumulatif produksi minyak (Np).
2. Plot laju produksi minyak (Qo) terhadap waktu produksi (T).
3. Tentukan jumlah data produksi (N) yang memenuhi persyaratan terjadinya penurunan laju
produksi (Qo) terhadap waktu produksi (T) secara konstan dengan cara uji iterasi regresi
linier curve fitting (Jandriadi, 2016) hingga didapatkan nilai konstanta determinasi diatas
0,90 (R2 ≥ 0,90) dan error kurang dari 5% (↋ ≤ 5%).
4. Tentukan konstanta-konstanta regresi (k1 dan k2), konstanta korelasi (R), konstanta
determinasi (R2) dan standar deviasi (SD) untuk hubungan-hubungan antara :
(a). Log Qo terhadap T
(b). Log Qo terhadap Log T
(c). Qo terhadap Np
(d). Log Qo terhadap Np
(e). Log Qo terhadap Log Np
5. Tentukan jenis decline curve berdasarkan nilai error yang terkecil dari hasil regresi linier
6. Tentukan jumlah cadangan minyak, umur produksi dan prediksi laju produksi masa yang
akan datang menggunakan persamaan hasil regresi linier yang sesuai dengan jenis decline
curve yang telah diperoleh.

1.4 Economic Limit Rate


Economic Limit Rate adalah batas dimana laju produksi minyak yang dihasilkan akan
memberikan penghasilan bersih yang besarnya sama dengan biaya operasional yang
dikeluarkan untuk segala keperluan sumur atau lapangan yang bersangkutan. Jadi besarnya
economic limit rate tergantung dari selisih antara biaya yang dikeluarkan atau biaya
operasional dengan harga Crude Oil yang dihasilkan. Maka makin besar selisihnya, maka
semakin besar harga economic limit rate-nya. Selanjutnya untuk mendapatkan perhitungan
besarnya economic limit rate, maka akan dibahas mengenai dua hal, yaitu: perhitungan biaya
operasional dan harga minyak.
BAB 2
HASIL DAN PEMBAHASAN

Pada bab ini, data produksi yang diperoleh akan diolah menggunakan dua pendekatan,
yaitu : Regresi Linier dan Loss Ratio. Tipe decline curve dari lapangan yang dikaji akan
ditentukan dengan kedua metode ini. Kemudian akan dihitung estimasi jumlah cadangan, sisa
cadangan, dan umur produksi lapangan berdasarkan tipe decline curve tersebut.
Metode perhitungan Regresi Linier dalam estimasi jumlah cadangan adalah adaptasi uji
statistik dengan memperhatikan nilai standar deviasi, konstanta determinasi dan error
terhadap persamaan kurva decline.

2.1. Pemilihan Data Produksi Untuk Analisa


Data produksi dimulai dari bulan T = 1 s/d 160 (Lampiran 1). Namun tidak seluruh data
produksi dapat dianalisa secara decline curve analysis. Pemilihan data produksi merupakan
salah satu faktor yang sangat penting untuk menentukan kecenderungan perkiraan perilaku
produksi reservoir dimasa datang dengan metode decline curve analysis.
Seleksi data dilakukanmenggunakan metode iterasi regresi linier curve fitting, dimana
nilai konstanta determinasi diatas 0,90 (R2 ≥ 0,90) dan error dibawah 5 % (Ɛ ≤ 5 %). Pada
variabel terikat (sumbu Y) adalah laju produksi skala logaritma (logQo), sedangkan untuk
variabel bebas (sumbu X) adalah waktu produksi skala kartesian (T).
Berdasarkan seleksi yang telah dilakukan, didapatkan 50 data yang memenuhi kriteria
nilai konstanta determinasi diatas 0,90 (R2 ≥ 0,90) dan error dibawah 5 % (Ɛ ≤ 5 %)
(Lampiran 2).

Gambar 2. Kecenderungan Penurunan Produksi


Dari hasil analisa uji statistik yang telah dilakukan perhitungan terlampir pada
(Lampiran 3) maka di dapat persamaan untuk decline curve seperti yang terlihat pada tabel di
bawah ini.

Tabel Hasil Analisa Uji Statistik


No Jenis Decline K1 K2 R R2 SD (%)
1 Exponential
Ln Qo = 11,2793- 0,010453713T 11,2793 -0,010453713 -0,9958 0,9916 0,6230

Gp = 453795,1585– 2,848118619Qo 453795,1585 -2,848118619 -0,9962 0,9924 0,0764

2 Harmonic
Ln Qo = 17,2921– 1,5133419Ln T 17,2921 -1,5133419 -0,9968 0,9937 0,5978

Ln Gp = 14,1189 - 0,1238995Q 14,1189 -0,1238995 -0,9971 0,9941 0,0752

3 Hyperbolic
Ln Qo = 17,2921- 1,5133419Ln T 17,2921 -1,5133419 -0,9968 0,9937 0,5978

Ln Gp = 14,1189- 0,1238995Ln Qo 14,1189 -0,1238995 -0,9971 0,9941 0,0752

Dari hasil perhitungan tabel diatas, dapat disimpulkan bahwa jenis decline curve yang
cocok adalah jenis Hyperbolic decline dengan persamaan yang digunakan sebagai berikut:
Ln Qo = 17,2921- 1,5133419 Ln T
Ln Gp = 14,1189- 0,1238995 Ln Qo

Selanjutnya perhitungan untuk menentukan cadangan minyak (ultimate recovery) dan


sisa cadangan (reamining reserve) pada kondisi economic limit sebesar 5000 MMSF/D adalah
sebagai berikut:
Ln Gp = 14,1189- 0,1238995 (Ln (5000)
Gp = EXP (14,1189 + (0,1238995 (Ln 5000)))
= 471.490 MMSCF
ΔRR = RR – Gp
= 471.490 - 411565
= 59.925 MMSCF

Nilai Gp disini merupakan kumulatif produksi minyak dari awal produksi hingga
produksi sampai batas ekonomi sehingga nilai Gp ini identik dengan nilai ultimate recovery
(UR).
Berikut adalah kurva hubungan antara laju produksi dan kumulatif produksi yang paling
sesuai terlihat pada (Gambar 3).

Gambar 3. Kurva Garis Lurus Hubungan Antara Ln Gp dengan Ln Qo


Perhitungan untuk menentukan cadangan minyak umur produksi (life time production)
adalah sebagai berikut:
Ln 5000 = 14,1189- 0,1238995 Ln T
(Ln 5000)−14,1189
T = EXP ( )
0,1238995
T = 330 bulan

Berikut adalah kurva hubungan antara laju produksi dan waktu produksi yang paling
sesuai terlihat pada (Gambar 4).

Gambar 4. Kurva Garis Lurus Hubungan Antara Ln Qo dengan Ln T


BAB 3
KESIMPULAN

Berdasarkan uraian analisa regresi linier decline curve uji statistik diatas maka dapat
diambil kesimpulan yaitu:
1. Jumlah cadangan gas (ultimate recovery) yang terkandung sebesar 471.490 MMSCF.
2. Total umur produksi (life time production) yang didapatkan dari hasil analisa adalah
sebesar 330 bulan.
3. Sisa cadangan minyak (remaining Reserves) yang terkandung sebesar 59.925
MMSCF.
Lampiran 1. Data Awal Produksi Dari Bulan 1 s/d 160 Pada Lapangan TP
No Waktu T Q GP
Prod.
Tahun Prod.
Ke Qo Gp
1 01/01/2006 1 51926 261325
2 01/02/2006 2 46813 262682
3 01/03/2006 3 37598 263845
4 01/04/2006 4 44950 265196
5 01/05/2006 5 46635 266642
6 01/06/2006 6 45785 268015
7 01/07/2006 7 48506 269519
8 01/08/2006 8 44123 270887
9 01/09/2006 9 46801 272291
10 01/10/2006 10 46988 273748
11 01/11/2006 11 48982 275217
12 01/12/2006 12 50005 276767
13 01/01/2007 13 47237 278231
14 01/02/2007 14 46770 279541
15 01/03/2007 15 45048 280938
16 01/04/2007 16 43965 282257
17 01/05/2007 17 41376 283539
18 01/06/2007 18 42214 284806
19 01/07/2007 19 43470 286153
20 01/08/2007 20 37587 287318
21 01/09/2007 21 37063 288430
22 01/10/2007 22 37936 289606
23 01/11/2007 23 31616 290555
24 01/12/2007 24 38386 291745
25 01/01/2008 25 36846 292887
26 01/02/2008 26 37779 294182
27 01/03/2008 27 34764 295225
28 01/04/2008 28 36704 296362
29 01/05/2008 29 36030 297443
30 01/06/2008 30 35375 298540
31 01/07/2008 31 35251 299633
32 01/08/2008 32 29602 300521
33 01/09/2008 33 33002 301544
34 01/10/2008 34 35178 302599
35 01/11/2008 35 36786 303739
36 01/12/2008 36 36415 304868
37 01/01/2009 37 32758 305786
38 01/02/2009 38 33284 306817
39 01/03/2009 39 35358 307878
40 01/04/2009 40 36178 308999
41 01/05/2009 41 35331 310060
42 01/06/2009 42 29388 310971
43 01/07/2009 43 32423 311976
44 01/08/2009 44 40361 313187
45 01/09/2009 45 34968 314271
46 01/10/2009 46 44263 315599
47 01/11/2009 47 38588 316795
48 01/12/2009 48 43603 318146
49 01/01/2010 49 43371 319404
50 01/02/2010 50 44908 320796
51 01/03/2010 51 46399 322188
52 01/04/2010 52 43294 323530
53 01/05/2010 53 35135 324584
54 01/06/2010 54 32131 325581
55 01/07/2010 55 35702 326687
56 01/08/2010 56 38901 327854
57 01/09/2010 57 38874 329059
58 01/10/2010 58 39343 330240
59 01/11/2010 59 38835 331444
60 01/12/2010 60 38995 332652
61 01/01/2011 61 38962 333743
62 01/02/2011 62 40249 334991
63 01/03/2011 63 38974 336160
64 01/04/2011 64 37464 337322
65 01/05/2011 65 41470 338566
66 01/06/2011 66 40469 339820
67 01/07/2011 67 33985 340874
68 01/08/2011 68 34633 341913
69 01/09/2011 69 38350 343101
70 01/10/2011 70 42780 344385
71 01/11/2011 71 36624 345520
72 01/12/2011 72 44979 346915
73 01/01/2012 73 39753 348028
74 01/02/2012 74 39191 349243
75 01/03/2012 75 28171 350088
76 01/04/2012 76 32352 351091
77 01/05/2012 77 28861 352552
78 01/06/2012 78 29381 353463
79 01/07/2012 79 30231 354370
80 01/08/2012 80 32096 355365
81 01/09/2012 81 23208 356061
82 01/10/2012 82 24187 356811
83 01/11/2012 83 26946 358567
84 01/12/2012 84 27144 359381
85 01/01/2013 85 23902 360122
86 01/02/2013 86 22343 361274
87 01/03/2013 87 24612 362037
88 01/04/2013 88 27378 362859
89 01/05/2013 89 27992 363726
90 01/06/2013 90 29934 364624
91 01/07/2013 91 27273 365470
92 01/08/2013 92 29142 366373
93 01/09/2013 93 30365 367254
94 01/10/2013 94 28455 368136
95 01/11/2013 95 29342 369016
96 01/12/2013 96 35615 370120
97 01/01/2014 97 30139 371024
98 01/02/2014 98 30363 371966
99 01/03/2014 99 30220 372902
100 01/04/2014 100 30646 373851
101 01/05/2014 101 29137 374754
102 01/06/2014 102 28442 375608
103 01/07/2014 103 28387 376488
104 01/08/2014 104 27719 377347
105 01/09/2014 105 27346 378167
106 01/10/2014 106 26749 378996
107 01/11/2014 107 25542 379763
108 01/12/2014 108 25336 380548
109 01/01/2015 109 25881 381350
110 01/02/2015 110 26199 382084
111 01/03/2015 111 25296 382868
112 01/04/2015 112 25617 383637
113 01/05/2015 113 25136 384416
114 01/06/2015 114 24784 385159
115 01/07/2015 115 24428 385917
116 01/08/2015 116 23238 386637
117 01/09/2015 117 22991 387327
118 01/10/2015 118 20987 387977
119 01/11/2015 119 20887 388604
120 01/12/2015 120 22666 389307
121 01/01/2016 121 22745 390012
122 01/02/2016 122 21198 390626
123 01/03/2016 123 21083 391280
124 01/04/2016 124 20919 391908
125 01/05/2016 125 20191 392534
126 01/06/2016 126 21671 393184
127 01/07/2016 127 21509 393850
128 01/08/2016 128 20656 394491
129 01/09/2016 129 20711 395112
130 01/10/2016 130 20695 395754
131 01/11/2016 131 20102 396357
132 01/12/2016 132 19854 396972
133 01/01/2017 133 19652 397581
134 01/02/2017 134 19545 398129
135 01/03/2017 135 19268 398726
136 01/04/2017 136 19112 399299
137 01/05/2017 137 18904 399885
138 01/06/2017 138 18788 400449
139 01/07/2017 139 18647 401027
140 01/08/2017 140 18398 401597
141 01/09/2017 141 18263 402145
142 01/10/2017 142 17955 402702
143 01/11/2017 143 17783 403235
144 01/12/2017 144 17572 403780
145 01/01/2018 145 17347 404318
146 01/02/2018 146 16987 404793
147 01/03/2018 147 16805 405314
148 01/04/2018 148 16764 405817
149 01/05/2018 149 16569 406331
150 01/06/2018 150 16387 406823
151 01/07/2018 151 16145 407323
152 01/08/2018 152 15978 407818
153 01/09/2018 153 15797 408292
154 01/10/2018 154 15742 408780
155 01/11/2018 155 15696 409251
156 01/12/2018 156 15489 409731
157 01/01/2019 157 15351 410207
158 01/02/2019 158 15288 410635
159 01/03/2019 159 15253 411108
160 01/04/2019 160 15241 411565
Lampiran 2. Data Yang Dianalisa Mulai Bulan ke 111 s/d 160 Pada Lapangan TP
No Waktu T Q NP
Tahun
Prod. Ke Np
Prod. Qo
1 01/03/2015 111 25296 382868
2 01/04/2015 112 25617 383637
3 01/05/2015 113 25136 384416
4 01/06/2015 114 24784 385159
5 01/07/2015 115 24428 385917
6 01/08/2015 116 23238 386637
7 01/09/2015 117 22991 387327
8 01/10/2015 118 20987 387977
9 01/11/2015 119 20887 388604
10 01/12/2015 120 22666 389307
11 01/01/2016 121 22745 390012
12 01/02/2016 122 21198 390626
13 01/03/2016 123 21083 391280
14 01/04/2016 124 20919 391908
15 01/05/2016 125 20191 392534
16 01/06/2016 126 21671 393184
17 01/07/2016 127 21509 393850
18 01/08/2016 128 20656 394491
19 01/09/2016 129 20711 395112
20 01/10/2016 130 20695 395754
21 01/11/2016 131 20102 396357
22 01/12/2016 132 19854 396972
23 01/01/2017 133 19652 397581
24 01/02/2017 134 19545 398129
25 01/03/2017 135 19268 398726
26 01/04/2017 136 19112 399299
27 01/05/2017 137 18904 399885
28 01/06/2017 138 18788 400449
29 01/07/2017 139 18647 401027
30 01/08/2017 140 18398 401597
31 01/09/2017 141 18263 402145
32 01/10/2017 142 17955 402702
33 01/11/2017 143 17783 403235
34 01/12/2017 144 17572 403780
35 01/01/2018 145 17347 404318
36 01/02/2018 146 16987 404793
37 01/03/2018 147 16805 405314
38 01/04/2018 148 16764 405817
39 01/05/2018 149 16569 406331
40 01/06/2018 150 16387 406823
41 01/07/2018 151 16145 407323
42 01/08/2018 152 15978 407818
43 01/09/2018 153 15797 408292
44 01/10/2018 154 15742 408780
45 01/11/2018 155 15696 409251
46 01/12/2018 156 15489 409731
47 01/01/2019 157 15351 410207
48 01/02/2019 158 15288 410635
49 01/03/2019 159 15253 411108
50 01/04/2019 160 15241 411565
Lampiran 3. Perhitungan Analisa Uji Statistik
Pada dilakukan uji analisa statistik pada lapangan TP kondisi economic limit sebesar
5000 MMSF/D.
((∑Y x ∑X2 )−(∑XY x ∑X))
K1 =
((N x ∑X2 )−(∑X)²
((∑Y x ∑X)−(N x ∑XY))
K2 =
((∑X)2 −(N x ∑X2
((N x ∑XY)−(∑X x ∑Y))
R =
(((N x ∑X²) −(∑X)2 ) x ((N x ∑Y2 )−(∑Y)2 ))⁰’⁵

(Qo − Qoreg)
SD =ABS ( ) x 100
Qo

1. Exponential
 Ln Qo vs T
((383,1528 x 766831)−(53395,2292 x 5443))
K1 =
((39 x 766831)−(5443)²
= 11,3622
((383,1528 x 5443)−(39 x 53395,2292))
K2 =
((5443)2 −(39 x 766831))

= -0,0110183
((39 x 53395,2292)−(5443 x 383,1528))
R =
(((39 x 766831) −(5443)2 ) x ((39 x 3765,1353)−(383,1528)2 ))⁰’⁵

= -0,9974
R² = 0,9948
R
SD (%) =
N
−0,9974
=
39
= 0,8416
 Gp vs Qo
((15631225 x 13965721444)−(2,91328E+11 x 729096))
K1 =
((39 x 13965721444)−(729096)²
= 450660,4137
((15631225 x 729096)−(39 x 2,91328E+11))
K2 =
((729096)2 −(39 x 13965721444))

= -2,667044
((39 x 2,91328E+11)−(729096 x 15631225))
R =
(((39 x 13965721444) −(729096)2 ) x ((39 x 6,2674E+13)−(15631225)2 ))⁰’⁵

= -0,9973
R² = 0,9946
R
SD (%) =
N
−0,9973
=
39
= 0,1103

2. Harmonic
 Ln Qo vs Ln T
((383,1528 x 949,6687)−(1889,7377 x 192,4105))
K1 =
((39 x 949,6687)−(192,4105)²

= 17,1917
((383,1528 x 192,4105)−(39 x 1889,7377))
K2 =
((192,4105)2 −(39 x 949,6687))
= -1,4932863
((39 x 1889,7377)−(192,4105 x 383,1528))
R =
(((39 x 949,6687) −(192,4105)2 ) x ((39 x 3765,1353)−(383,1528)2 ))⁰’⁵

= -0,9988
R² = 0,9976
R
SD (%) =
N
−0,9988
=
39
= 0,5909
 Ln Gp vs Qo
((503,1400 x 13965721444)−(9403837,682 x 729096))
K1 =
((39 x 13965721444)−(729096)²
= 13,0193
((503,1400 x 729096)−(39 x 9403837,682))
K2 =
((729096)2 −(39 x 13965721444))

= -6,704E-06
((39 x 9403837,682)−(729096 x 503,1400))
R =
(((39 x 13965721444) −(729096)2 ) x ((39 x 6491,0377)−(503,1400)2 ))⁰’⁵

= -0,9978
R² = 0,9957
R
SD (%) =
N
−0,9978
=
39
= 0,0994

3. Hyperbolic
 Ln Qo vs Ln T
((383,1528 x 949,6687)−(1889,7377 x 192,4105))
K1 =
((39 x 949,6687)−(192,4105)²

= 17,1917
((383,1528 x 192,4105)−(39 x 1889,7377))
K2 =
((192,4105)2 −(39 x 949,6687))
= -1,4932863
((39 x 1889,7377)−(192,4105 x 383,1528))
R =
(((39 x 949,6687) −(192,4105)2 ) x ((39 x 3765,1353)−(383,1528)2 ))⁰’⁵

= -0,9988
R² = 0,9976
R
SD (%) =
N
−0,9988
=
39
= 0,5909
 Ln Gp vs Ln Qo
((503,1400 x 3765,1353)−(4942,9496 x 383,1528))
K1 =
((39 x 3765,1353)−(383,1528)²
= 14,1902
((503,1400 x 383,1528)−(39 x 4942,9496))
K2 =
((383,1528)2 −(39 x 3765,1353))

= -0,1312172
((39 x 4942,9496)−(383,1528 x 503,1400))
R =
(((39 x 3765,1353) −(383,1528)2 ) x ((39 x 6491,0377)−(503,1400)2 ))⁰’⁵

= -0,9984
R² = 0,9967
R
SD (%) =
N
−0,9984
=
39
= 0,0979
Lampiran 4. Gambar Grafik Laju Produksi Pada Lapangan TP