BAB IV

EVALUASI KINERJA WATERFLOODING

Penelitian Tugas Akhir ini dimaksudkan untuk menganalisa kinerja

waterflooding pada Lapisan “X” Lapangan “Y” dengan didukung analisa grafis
surveillance. Kemudian memprediksi kinerja waterflooding melalui pendekatan
metode Dykstra-Parson.

4.1. Parameter Evaluasi

Lapisan “X” lapangan “Y” merupakan salah satu lapangan minyak yang
dikelola oleh PT. PERTAMINA EP asset-2 Sumatera Selatan. Lapangan ini
ditemukan pada tahun 1965 melalui pemboran BL-01 (1 April 1965) dan mulai
diproduksikan sejak tahun 1966 dengan rate awal sekitar 569 BOPD (peak
produksi 2596 BOPD) dari Lapisan “X” Lapangan “Y” yang merupakan bagian
dari formasi Talangakar (TRM)
Parameter evaluasi yang dilakukan terhadap pelaksanaan waterflood ini
meliputi :

1. Analisa Drive Mechanism

2. Analisa Konektivitas per-sumur
3. Analisa Hall Plot
4. Analisa Chan’s Diagnostics
5. Analisa Voidage Replacement Ratio (VRR)
6. Analisa Structure Map Overlay dengan Bubble Map
7. Analisa Scatter Plot
8. Analisa peramalan produksi dan karakterisasi reservoir dengan
metode Decline Curve Analysis.
 60

4.1.1. Analisa Drive Mechanism

Analisa Drive Mechanism menggunakan pendekatan metoda Ganesh Takhur
yang merupakan plot antara tekanan rata-rata reservoir (P/Pi) dengan Recovery
Factor, kemudain di-overlay dengan grafik perilaku kondisi standart dari masing-
masing perilaku Drive Mechanism. Berikut grafik hasil overlaynya:
Gambar 4.1.

Grafik Analisa Drive Mechanism dengan Metode Ganesh Thakur

Berdasarkan overlay dari analisa drive mechanism dengan metode Ganesh

Takhur diatas dapat disimpulkan bahwa mekanisme pendorong lapisan “X”
lapangan “Y” adalah gabungan antara liquid & rock expansion dan water drive
mechanism.

4.1.2. Analisa Konektivitas

Pada analisa konektivitas ini sumur injeksi dan produksi yang berdekatan
dilakukan beberapa analisa performance produksi dan injeksinya. Analisa
performance produksi injeksi tersebut dilakukan untuk mengetahui respon injeksi
yang telah dilakukan pada sumur produksi disekitarnya.
 61

Analisa respon didasarkan pada analisa plot oil rate, liquid rate, water cut dan
injection rate terhadap waktu. Respon terhadap injeksi tersebut dilihat dari
kemiripan trend produksi liquid dan injeksi air.
Gambar 4.2 menggambarkan contoh plot kinerja produksi sumur BL-020
(sumur injeksi) dan BL-031 (sumur produksi) pada Lapisan “X” Lapangan “Y”.

Sebelum Injeksi Sesudah Injeksi

Start Injeksi
@ Oktober
‘01

Gambar 4.2
Plot Kinerja Produksi Sumur BL-031 dan Sumur Injeksi BL-020

Sumur BL-031 berproduksi sejak Juli 1995 sampai dengan data produksi
terakhir pada Februari 2016 dengan laju produksi awal sebesar 114 bopd dan
mencapai puncak produksi pada bulan Agustus 1995 dengan laju produksi sebesar
497 bopd. Kemudian sumur BL-031 mengalami penurunan laju produksi sehingga
kegiatan waterflood dilakukan pada Oktober 2001 dengan kontribusi sumur
injeksi BL-020. Laju produksi sebelum diinjeksikan sebesar 51 bopd, setelah
diinjeksi laju produksi meningkat menjadi 311 bopd. Dapat dilihat bahwa terdapat
kemiripan trend laju injeksi dan trend liquid rate yang diakibatkan oleh injeksi
air, sehingga dapat disimpulkan bahwa sumur produksi BL-031 merespon
kegiatan waterflood dengan kontribusi sumur injeksi BL-020. Berikut tabulasi
analisa konektivitas antara sumur injeksi dan produksi pada lapisan “X” lapangan
“Y”. Pemilihan pasangan sumur injeksi-produksi berdasarkan jarak antar-sumur
 62

injeksi-produksi disekitarnya dengan kisaran kurang lebih 500 meter – 1

kilometer.

Tabel IV-1.
Analisa Konektivitas Sumur Injeksi Lapisan “X” Lapangan “Y”

Respon
Sumur Sumur Waterflood Keterangan
Injeksi Produksi Respon Tidak
Respon
Adanya kemiripan trend produksi
BL-001 √ liquid dan injeksi
Adanya kemiripan trend produksi
BL-004 BL-006 √ liquid dan injeksi
BL-007 √ Produktivitas sumur kurang baik
Tidak dapat dianalisa, kurangnya
BL-033A √ data produksi
BL-001 Adanya kemiripan trend produksi
BL-005 √ liquid dan injeksi
BL-007 √ Produktivitas sumur kurang baik
BL-033A √ Produktivitas sumur kurang baik
Trend produksi liquid dan injeksi
BL-002 √ mirip, tetapi injeksi dilakukan
setelah breakthrough
BL-008 Trend produksi liquid dan injeksi
BL-007 √ mirip, tetapi injeksi dilakukan
setelah breakthrough
Trend produksi liquid dan injeksi
BL-031 √ cukup mirip
BL-002 √ Produktivitas sumur kurang baik
BL-007 √ Produktivitas sumur kurang baik
Adanya indikasi oil bank swept
BL-009 BL-014 dari turunnya water cut dan
√ naiknya oil rate dari 10 bopd
hingga mencapai puncaknya
sebesar 200 bopd
Adanya kemiripan trend produksi
BL -031 √ liquid dan injeksi
Adanya indikasi oil bank swept
BL-002 dari turunnya water cut dan
√ naiknya oil rate dari 45 bopd
BL-010 hingga mencapai puncaknya
sebesar 250 bopd
 63

BL-007 √ Produktivitas sumur kurang baik

BL-031 Adanya kemiripan trend produksi
√ liquid dan injeksi
Tabel IV-1. (lanjutan)
Analisa Konektivitas Sumur Injeksi Lapisan “X” Lapangan “Y”

Sumur Sumur Respon

Injeksi Produksi Waterflood Keterangan
Respon Tidak
Respon
BL-002 √ Produktivitas sumur kurang
baik
BL-007 √ Injeksi dilakukan sebelum
lapisan dibuka
BL-011 BL-031 √ Adanya kemiripan trend
produksi liquid dan injeksi
BL-033A √ Tidak dapat dianalisa,
kurangnya data produksi
BL-001 √ Adanya kemiripan trend
produksi liquid dan injeksi
BL-013 BL-007 √ Produktivitas sumur kurang
baik
BL-033A √ Tidak dapat dianalisa,
kurangnya data produksi
BL-001 √ Adanya kemiripan trend
produksi liquid dan injeksi
BL-003 √ Adanya kemiripan trend
BL-015 produksi liquid dan injeksi
BL-006 √ Tidak ada kemiripan trend
produksi liquid dan injeksi
BL-033A √ Kurangnya data produksi
BL-012 √ Tidak ada kemiripan trend
produksi liquid dan injeksi
BL-014 √ Tidak ada kemiripan trend
BL-019 produksi liquid dan injeksi
BL-016ST √ Kurangnya data produksi
BL-027 √ Tidak ada kemiripan trend
produksi liquid dan injeksi
BL-002 √ Produktivitas sumur kurang
baik
BL-020 BL-007 √ Adanya kemiripan trend
produksi liquid dan injeksi
 64

BL-031 √ Adanya kemiripan trend

produksi liquid dan injeksi

4.1.3. Analisa Hall Plot

Dari analisa yang telah dilakukan didapatkan bahwa 6 dari 10 sumur
injeksi pada lapisan “X” lapangan “Y” memiliki masalah positive skin yang dapat
diakibatkan karena formation damage dan kurang baiknya kualitas air yang
diinjeksikan. Berikut adalah tabulasi analisa Hall Plot pada sumur-sumur injeksi
di Lapisan “X” Lapangan “Y”.
Tabel IV-2.
Hall Plot Sumur Injeksi Lapisan “X” Lapangan “Y”

Sumur Injeksi Analisa Hall Plot

BL-004 Positive skin/plugging due to poor quality water
BL-005 Stable/normal injector
BL-008 Stable/normal injector
BL-009 Positive skin/plugging due to poor quality water
BL-010 Positive skin/plugging due to poor quality water
BL-011 Positive skin/plugging due to poor quality water
BL-013 Stable/normal injector
BL-015 Stable/normal injector
BL-019 Positive skin/plugging due to poor quality water
BL-020 Positive skin/plugging due to poor quality water

Berikut adalah salah satu contoh kurva Hall Plot sumur injeksi BL-020
pada lapisan “X” lapangan “Y”. Pada kurva Hall plot ini dapat dilihat bahwa
kondisi injeksi pada Sumur BL-020 memiliki masalah positive skin/plugging due
to poor quality water yang ditandai dengan kurva lurus yang diawali dengan
lengkungan. Lengkungan pada bagian awal kurva menandakan terjadinya gas fill-
up di dalam reservoir, yaitu air yang diinjeksikan belum dapat mendorong kolom
fluida di dalam reservoir tetapi masih dalam proses resaturasi gas yang telah
terekspansi untuk larut kembali ke dalam minyak. Kemudian slope cenderung
meningkat secara signifikan yang menandakan terjadinya plugging akibat kualitas
air injeksi yang kurang baik. Kurva Hall Plot untuk sumur-sumur injeksi di
Lapisan “X” selengkapnya dapat dilihat pada Lampiran B.
 65

Gambar 4.3.
Hall Plot sumur BL-020

4.1.4. Analisa Chan’s Diagnostic

Chan’s Diagnostic merupakan hubungan antara WOR & WOR’ terhadap
waktu, analisa ini digunakan sebagai salah satu bahan pertimbangan pada saat
melakukan perencanaan injeksi air pada suatu lapangan. Analisa Chan’s
Diagnostic dilakukan untuk sumur produksi. Analisa yang dilakukan pada lapisan
“X” lapangan “Y” menunjukkan bahwa dari 22 sumur produksi, hanya terdapat 14
sumur yang dapat dilakukan analisa Chan’s Diagnostic. Hal tersebut dikarenakan
kurangnya data produksi pada 8 sumur lainnya, yaitu pada sumur BL-016, BL-
026, BL-027, BL-029, dan BL-033A. Sebagian besar sumur produksi pada lapisan
“X” lapangan “Y” mengalami masalah berupa channeling. Berikut tabulasi hasil
analisa Chan’s Diagnostics sumur produksi Lapisan “X” Lapangan “Y”.

Tabel IV-3.
 66

Chan’s Diagnostics Sumur Produksi Lapisan “X” Lapangan “Y”

Sumur Produksi Analisa Chan’s Diagnostic

BL-001 Multilayer channeling with production changes
BL -002 Near wellbore water channeling
BL -003 Near wellbore water channeling
BL -006 Near wellbore water channeling
BL -007 Multilayer channeling with production changes
BL-012 Near wellbore water channeling
BL-014 Near wellbore water channeling
BL-022 Near wellbore water channeling
BL-030 Normal displacement with high WOR
BL-031 Near wellbore water channeling
BL-033 Normal displacement with high WOR
BL-034 Multilayer channeling
BL-035A Near wellbore water channeling
BL-037 Near wellbore water channeling

= WOR
= WOR’

Gambar 4.4.
WOR & WOR’ Sumur BL-031
Contoh analisa Chan’s Diagnostic untuk sumur BL-031 menunjukkan bahwa
terdapat problem channeling akibat terproduksinya air pada sumur produksi.
Harga WOR merupakan perbandingan antara laju alir air dengan laju alir minyak,
sedangkan harga WOR’ adalah penjumlahan harga WOR sebelum injeksi dan
setelah injeksi terhadap waktu yang dinyatakan dengan rumus sebagai berikut :
 67

d (WOR) (WOR 2−WOR 1)

WOR' = = ………………………………..……….
dt ( t 2−t 1)
(4-1)

Dapat dilhat nilai WOR mula-mula konstan, kemudian naik dengan cepat dan
mencapai slope linier setelah dilakukan waterflood lalu berubah hingga hampir
tak hingga. Besarnya nilai WOR diakibatkan oleh penerapan waterflooding
ataupun sumur yang kembali diproduksikan ketika saturasi air sudah tinggi, serta
reservoir BL-031 merupakan reservoir dengan tenaga pendorong water drive
sehingga air yang ikut terproduksi juga dapat berasal dari perembesan aquifer.
Chan’s Diagnostics untuk sumur-sumur produksi di Lapisan “X” selengkapnya
dapat dilihat pada Lampiran C.

4.1.5. Analisa Voidage Replacement Ratio (VRR)

Voidage replacement ratio adalah perbandingan jumlah volume fluida
yang diinjeksikan dengan jumlah fluida yang diproduksikan. Dari analisa yang
telah dilakukan, didapatkan bahwa Voidage Replacement Ratio (VRR) masih
tergolong kurang baik karena nilai yang didapat lebih kecil dari 1 yang berarti
tekanan reservoir mengalami penurunan dan injeksi yang dilakukan belum dapat
memberikan pengaruh yang baik bagi produktivitas sumur-sumur produksi yang
ada.

Gambar 4.5.
Voidage Replacement Ratio Lapisan “X” Lapangan “Y”
4.1.6. Analisa Bubble Map
 68

Analisa Bubble Map dilakukan untuk mengetahui pola pengurasan fluida

dalam suatu lapisan produktif. Berdasarkan pola pengurasan pada Bubble Map
akan diketahui pola penyebaran hidrokarbon dan air injeksi yang selanjutnya akan
dapat ditentukan strategi pengembangan lapisan produktif pada obyek kajian
tersebut. Pada kajian Lapisan “X” Lapangan “Y” ini telah dibuat Bubble Map
untuk berbagai pola penyebaran fluida meliputi Bubble Map kumulatif minyak
yang akan memperlihatkan sumur-sumur dengan pengurasan minyak yang tinggi.
Dibawah ini adalah gambaran bubble map dari kumulatif produksi minyak dari
Lapisan “X” Lapangan “Y”

Gambar 4.6.
Overlay Grid Map dengan Bubble Map Kumulatif Minyak lapisan “X”

Dari Gambar 4.6. dapat dilihat kumulatif produksi minyak lapisan “X”
terdapat produksi paling besar yang berasal dari sumur BL-001 dengan kumulatif
sebesar 5202 Mbbl berdasarkan bubble map yang sudah di-overlay dengan Grid
Map. Dari data analisa produksi diatas bisa ditentukan kandidat sumur injeksi dan
produksi nantinya.

4.1.7. Analisa Scatter Plot

 69

Analisa scatter plot lapisan “X” lapangan “Y” ini berdasarkan pada
klasifikasi produksi minyak dan besarnya nilai watercut. Pengelompokan ini
diperlukan untuk memudahkan dalam penganalisaan tiap sumur dengan harga Oil
Production yang tinggi, medium, dan low begitu juga pada watercut-nya yang
nantinya dapat dijadikan acuan sebagai perencanaan pembuatan pola injeksi untuk
lapisan “X” lapangan “Y” yang hanya berpola direct line drive. Berikut gambar
pengelompokkan dari scatter plot lapisan “X” lapangan “Y” berdasarkan nilai
kumulatif produksi dan water cut-nya.

Gambar 4.7.
Scatter Plot berdasarkan harga Oil Production & Water Cut
Lapisan “X” Lapangan “Y”

Tabel IV-4
Tabulasi Analisa Scatter Plot Berdasarkan Oil Production Lapisan “X”
 70

High Medium Low

Oil Production Oil Production Oil Production
( > 4500 mbbl ) ( 1500 – 4500 mbbl ) ( 0 – 1500 mbbl )
BL-001 BL-002 BL-003
BL-006 BL-004 BL-012
BL-005 BL-016
BL-007 BL-019
BL-008 BL-026
BL-014 BL-029
BL-022 BL-030
BL-031
BL-033A
BL-034
BL-035A

Tabel IV-5
Tabulasi Analisa Scatter Plot Berdasarkan Water Cut Lapisan “X”
High Water Cut Medium Water Cut Low Water Cut
> 80 % 58 – 80 % 0 - 58 %
BL-003 BL-002 BL-012
BL-016 BL-004 BL-014
BL-019 BL-005 BL-022
BL-030 BL-034 BL-026
BL-031 BL-035A BL-029
BL-033A BL-027
BL-034

Tabulasi dari pengelompokan sumur berdasarkan harga Oil Production

untuk Lapisan “X” terdapat pada Tabel IV-4 dengan pengelompokkan tiap zona
yang mempunyai harga range Oil production sendiri-sendiri. Pengambilan batas
kuadran untuk harga cumulative water cut didasari oleh harga fraksi alir (fw) pada
plot kurva fraksi aliran air pada Gambar 4.13 sehingga didapat batas harga
cumulative water cut pada scatter plot saat harga Fw sebesar 99 % adalah sebesar
0,58 (58%). Sedangkan pengambilan batas kuadran untuk harga cumulative oil
production didasari oleh kumulatif produksi minyak rata-rata di Lapisan “X”,
yaitu sebesar 1500 mbbl.
 71

Dari Gambar 4.7. kita dapat menyimpulkan bahwa terdapat 2 sumur

yang mempunyai Cumulative Oil Production tertinggi yaitu sumur BL-001 dan
BL-006. Sehingga 2 sumur tersebut cocok untuk direkomendasikan sebagai
kandidat sumur produser apabila pada Lapisan “X” nantinya akan dibuat pola
injeksi teratur. Sedangkan tabulasi dari pengelompokan sumur berdasarkan harga
Water Cut untuk Lapisan “X” terdapat pada Tabel IV-5. Dari Gambar 4.7. kita
juga dapat menyimpulkan bahwa terdapat 7 sumur yaitu BL-003, BL-016, BL-
019, BL-030, BL-031, BL-033A, dan BL-034 mempunyai harga Water Cut yang
tinggi sehingga cocok untuk direkomendasikan sebagai kandidat sumur injeksi
apabila pada Lapisan “X” nantinya akan dibuat pola injeksi teratur ataupun
kegiatan waterflooding akan dilanjutkan ke tahap Enhanced Oil Recovery (EOR).

4.1.8. Analisa Peramalan Produksi dengan Decline Curve Analysis

Peramalan produksi di masa mendatang sangat penting di dalam analisa
ekonomi suatu struktur. Salah satu cara peramalan yang sering digunakan adalah
analisa kurva penurunan produksi (decline curve analysis). Penurunan kurva
produksi dipengaruhi oleh empat faktor, yaitu :
 Rate produksi minyak / gas / air
 Drive mechanism yang dimiliki oleh reservoir
 Problem mekanis yang dimiliki dari tiap sumur
 Maintenance / pengelolaan dari tiap sumur yang berproduksi.
Ada tiga macam tipe dari metode empirical ini yang mana tergantung dari
besarnya nilai b (decline exponent) diantaranya:

1. Exponential decline (b = 0)
2. Hyperbolic decline (0 < b < 1)
3. Harmonic decline (b = 1)
4.1.8.1. Plot Laju Produksi (qo) Vs Waktu (t)
Grafik actual qo vs t ini, semua data dari awal produksi sampai akhir
produksi diplot.
 72

4.1.8.2. Pemilihan Periode (Trend) Produksi

Pemilihan periode (trend) untuk analisa decline dilakukan dengan
menganalisa grafik actual laju produksi (qo) vs waktu (t) dimana trend yang akan
dipilih harus memenuhi kriteria berikut:
 Tidak ada penutupan sumur dalam waktu yang lama.
 Tidak ada penggantian metode produksi.
 Adanya grafik penurunan produksi.
 Jumlah sumur produksi sebaiknya tidak bertambah dan tidak
berkurang.

8000
Sebelum Injeksi Sesudah Injeksi
7000

6000

5000

4000
Produksi Sebelum Injeksi
qo, bbl/d

Produksi Setelah Injeksi

3000
dca

2000

1000

0
12/20/...

11/14/...

5/7/1990

10/28/...

10/10/...

4/1/2012
6/29/1957

6/11/1968

12/2/1973

5/25/1979

4/19/2001

9/22/2017

3/15/2023

date

Gambar 4.8.
Grafik Pemilihan Trend Analisa Lapisan “X”
4.1.8.3. Penentuan Tipe Decline Curve menggunakan Metode Trial Error and
X 2 – Chisquare Test

Metode Trial-Error merupakan metode menentukan nilai perkiraan laju

produksi (q) pada berbagai harga b yaitu dari b = 0 sampai dengan b = 1, yang
selanjutnya kita buat grafik q vs t. Metode yang harus dilakukan selanjutnya untuk
menentukan jenis decline curve yang paling tepat dari grafik tersebut adalah
dilakukan perhitungan dengan menggunakan Metode X2 Chi-Square Test. Pada
 73

Metode X2 Chi-Square Test kita menentukan perkiraan laju produksi minyak (qo)
di atas yang paling mendekati dengan laju produksi minyak (qo) aktual dari
perhitungan selisihnya.

4.1.8.4. Perhitungan untuk penentuan nilai b, Di dan tipe kurva decline

Lapisan “X”

1. Buat tabulasi t, Bulan, qo actual, qo forecast dengan berbagai harga b, dan

selisih antara qo actual dengan qo forecast.
2. Asumsikan harga b mulai 0 sampai 1 (b = 0 untuk Eksponential, b = 0,1 – 0,9
untuk Hyperbolic, b = 1 untuk Harmonic).
3. Pada data produksi diambil dua titik data (t i = 0 bulan, qi = 174 bopd dan t =
121 hari, qt = 119 bopd).
4. Hitung Di dengan perumpamaan :
 Exponential, b = 0 hitung Di dengan persamaan:

qi

Di=
[ ( )]
ln
q
t −ti ……………………………………………………
(4-2)
Di = [ ln (1109/764)]
(6/1/2007)-(1/1/2007)
Di = [ ln (1109/764)]
151
Di = 0.0024

 Hyperbolic, 0<b<1, b = 0,1 hitung Di dengan persamaan:

b
qi

Di=
()
q
−1

bt ………………………………………………… (4-
3)
Di = (1109/764)0.1-1
0.1 (6/1/2007)-(1/1/2007)
 74

Di = 0.0025

 Harmonic, b = 1 hitung Di dengan Persamaan

qi
()
q
−1

Di = t …………………………………………………… (4-
4)
Di = (1109 / 764 ) - 1
(6/1/2007)-(1/1/2007)
Di = 0.0029

5. Hitung q penurunan

 Exponential, b = 0 dan t = 1 dengan Persamaan

q = qi e-D.t …………………………………………………… (4-5)

q = 1109 e-0.0024 (6/1/2007 – 1/1/2007) = 1108.88 bopd

 Hyperbolic, 0<b<1, b = 0.1 dan t = 1 dengan Persamaan

q = qi (1+b D.t)-1/b ………………………………………………… (4-6)

q = 1109 (1+ (0.1)( 0.0025) (1))-1/0.1 = 1608.55 bopd

 Harmonic, b = 1 dan t = 1 dengan Persamaan

q = qi (1 + D.t)-1 …………………………………………………… (4-7)

q = 1109 (1 + 0.0029 (1))-1 = 816.49 bopd

6. Hitung selisih qo actual dengan qo forecast (X2) dengan menggunakan rumus

Chi-Square Test, seperti pada Persamaan :
Keterangan :
fi = Data observasi (aktual)
Fi = Data yang diharapkan (perkiraan)
Perhitungan pada t =1 yaitu:
 75

 Exponential, b = 0
( ValueOfObserved−ValueOfExpected )2
X 2 =∑ [ ValueOfExpected ] …………… (4-
8)
( fi−Fi )2
2
= ∑[ Fi ]
X

X2 = (764 - 764)2
764
X2 = 0.00 stb/d
ƩX2 = X2 n + X2 n+1 + X2 n+2 + X2 n+.....
ƩX2 = X2 1 + X2 2 + X2 3 + X2 4 + X2 5 + X2 6
ƩX2 = 0.00 + 1.03 + 7.57 + 0.60 + 0.66 + 0.00
ƩX2 = 9.87 stb/d

 Hyperbolic, 0<b<1, b = 0.1

( ValueOfObserved−ValueOfExpected )2
X 2 =∑ [ ValueOfExpected ] …………… (4-9)
( fi−Fi )2
X2
=∑ [ Fi ]
X2 = (764 – 1608.55)2
1608.55
X2 = 442.98 stb/d
ƩX2 = X2 1 + X2 2 + X2 3 + X2 4 + X2 5 + X2 6
ƩX2 = 0.00 + 15.96 + 131.36 + 195.92 + 319.34 + 442.98
ƩX2 = 1105.55 stb/d

 Harmonic, b = 1
( ValueOfObserved−ValueOfExpected )2
X =∑ 2
[ ValueOfExpected ] …………… (4-
10)
 76

( fi−Fi )2
X2
=∑ [ Fi ]
X2 = (764 – 816.49)2
816.49
X2 = 3.32 stb/d
ƩX2 = X2 1 + X2 2 + X2 3 + X2 4 + X2 5 + X2 6
ƩX2 = 10.46 + 2.16 + 21.89 + 6.39 + 6.33 + 3.32
ƩX2 = 50.54 stb/d

7. Tentukan harga ∑X2 yang paling kecil. Harga ∑X 2 yang paling kecil
menunjukkan kurva yang paling fit untuk mewakili titik-titik data yang sedang
dianalisa. Hasil perhitungan Di dan ∑X2 yang paling kecil untuk Lapisan “X”
adalah :
Di = [ ln (1109/764)]
151
Di = 0.0024

( fi−Fi )2
X 2
=∑ [ Fi ]
X2 = (764 - 764)2
764
X2 = 0.00 stb/d

Didapatkan harga Di = 0.0024 dan X2 = 0 dimana kurva decline nya adalah

exponential decline sehingga metode exponential decline curve dapat digunakan
untuk perhitungan cadangan minyak sisa. Hasil perhitungan metode Trial Error
dan X2 Chi-Square Test selengkapnya dapat dilihat pada Tabel D yang terlampir
pada Lampiran D.

4.1.8.5. Prediksi Laju Produksi (qo) Forecast

 77

Setelah harga b, Di dan type decline-nya diketahui maka prediksi laju

produksi minyak yang akan dating dapat dilakukan dengan memasukkan harga t
yang diinginkan kedalam persamaan decline curve sehingga harta qt nya dapat
dicari.

Selanjutnya dengan nilai discount rate dari exponential decline dapat

dihitung waktu sumur akan mati pada laju produksi ketika sudah mencapai
economic limit. Nilai q limit di lapisan “X” lapangan “Y” sebesar 50 stb/d. Secara
rumus matematis harga q limit di tuliskan sebagai berikut :
( OPC)(WI )
QL (STB/DAY) = ……………………..……..
(30.4)(1−PTR)( SP)(NRI )
(4-11)
Keterangan :
OPC : Monthly Operating Cost, ($/Month)
WI : Working Interest
PTR : Production Tax Rate
SP : Sales Price, $/BBL
NRI : Net Revenue Interest
D : Rate of Decline, 1/Time
Dimana, jumlah sumur aktif di Lapisan “X” = 10 sumur, sehingga :
Biaya operasional tiap sumur/tahun = US$ 694579,- / 10
= US$ 86822,-
Biaya operasional tiap sumur/bulan = US$ 86822 / 12
= US$ 7235,-
Production Tax Rate (PTR) = 40.5 %
Working Interest (WI) =1
Royalty Interest (RI) =0
Net Revenue Interest = WI (1-RI)
( OPC)(WI )
QL (STB/DAY) =
(30.4)(1−PTR)( SP)(NRI )
(US $ 7235)(1)
=
(30.4)(1−0.405)(US $ 80)(1)
 78

= 5 bbl/d
Jumlah sumur aktif yang berproduksi di lapisan “X” sebanyak 10 sumur, sehingga
q limit di lapisan “X” sebesar = sumur produksi x 5 bbl/d = 50 BOPD.
Perhitungan penurunan laju produksi untuk Lapisan “X” yang dapat dicari
dengan persamaan sebagai berikut :
q = qi e-D.t
qo @ Juni 2019 = 747 x EXP [ - 0.0024 x (6/1/2019-4/1/2016)]

qo @ Juni 2019 = 46.58 stb/d.

qo @ Juni 2019 < q limit. Maka Lapisan “X” setelah dilakukan injeksi air, umur
produksi diperkirakan akan abandon pada bulan Juni 2019

4.1.8.6. Perhitungan Recovery Factor

 Periode Sebelum Injeksi

a. Mencari Nilai Kumulatif Produksi
Np = Ʃqn
Np = 21.9 MMSTB
b Mencari Recovery Factor
RF = Np x 100 %
N
RF = 21.9 MMSTB x 100 %
85.5 MMSTB
RF = 25.6 %

 Periode Setelah Injeksi

a. Mencari Nilai Kumulatif Produksi Aktual Setelah Injeksi
Np aktual = Ʃqn
Np aktual = 29.4 MMSTB
b. Mencari Nilai Kumulatif Produksi Prediksi
Np t limit = Ʃqn
Np t limit = 277 MSTB
 79

c. Mencari Nilai Estimated Ultimate Recovery

EUR , STB = Np + Np t limit
= 29.4 MMSTB + 277 MSTB
= 29.75 MMSTB
d. Mencari Remaining Reserve
RR , STB = EUR – Np aktual
= 29.75 MMSTB - 29.47 MMSTB
= 0.277 MMSTB
e. Mencari Recovery Factor
RF = EUR x 100 %
N
RF = 29.75 MMSTB x 100 %
85.5 MMSTB
RF = 34.8 %
80
 80000 DATE 16
DCA Lapisan "X"
70000 14

60000 12

qo, bbl/d (x 10)

Jumlah Sumur

50000 10

Np, MSTB
40000 8

30000 6

20000 4

Jumlah
10000 2 Sumur

0 0 Produksi
Sebelum
Injeksi

Gambar 4.9.
Grafik DCA Lapisan “X” Lapangan “Y”
 81

Hasil perhitungan recovery factor minyak pada Lapisan “X” dapat dilihat
pada Tabel IV-6. Dari tabel tersebut dapat diketahui harga kumulatif produksi
minyak dan recovery factor sumur dari periode sebelum pelaksanaan
waterflooding dan setelah pelaksanaan waterflooding menggunakan metode
Decline Curve. Kumulatif produksi minyak yang digunakan dalam perhitungan
recovery factor sebelum pelaksanaan waterflooding merupakan harga kumulatif
produksi minyak terakhir sebelum waterflooding dilakukan, sedangkan kumulatif
produksi minyak setelah pelaksanaan waterflooding merupakan harga kumulatif
produksi minyak yang diambil pada akhir pelaksanaan waterflooding di Lapisan
“X”. Harga recovery factor sebelum pelaksanaan waterflooding pada Lapisan “X”
yaitu sebesar 25.6 % kemudian setelah pelaksanaan waterflooding harga faktor
perolehan minyak mengalami kenaikan sebesar 9.2 % sehingga harga faktor
perolehan minyak Lapisan “X” menjadi 34.8 % dengan nilai incremental oil
sebesar 7.56 MSTB.
Berdasarkan hasil perhitungan tersebut, dapat disimpulkan bahwa
perolehan minyak hasil pelaksanaan waterflooding di Lapisan “X” Lapangan “Y”
mengalami kenaikan.

Tabel IV-6.
Hasil Perhitungan Oil Recovery
Lapisan Np RF EUR RR Incremental
(Recovery (Estimate (Remainin
“X” MMSTB Recovery
Factor) d Ultimate g Reserve)
% Recovery) Factor
MSTB
MMSTB MSTB
Sebelum 21.9 25.6
Injeksi 29.75 277.06 7.56
Sesudah 29.4 34.8
Injeksi

4.1.9. Rekomendasi Pola Injeksi-Produksi

 82

Berdasarkan nilai Remaining Reserve pada Lapisan “X”, dapat dibuat

rekomendasi pemilihan pola injeksi untuk mengoptimalkan perolehan minyak di
Lapisan “X” dengan bantuan scatter plot yang tertera pada Gambar 4.7. Pola
injeksi dari lapisan “X” juga mempertimbangkan hasil analisa produksi dan tata
letak sumur berdasarkan peta karakteristik reservoir. Terdapat tujuh pola injeksi
dengan tipe-tipe pola injeksi antara lain inverted 5-spot, inverted 7-spot dan
normal 5-spot. Pada pembuatan pola injeksi ini, sebagian besar memanfaatkan
sumur existing dengan alasan lebih ekonomis. Penambahan sumur baru sebanyak
4 sumur produksi bertujuan sebagai sumur penerima efek injeksi dari pola injeksi
yang telah dibuat sehingga efek penyapuan lebih efektif dilakukan, serta terdapat
2 sumur (BL-003 dan BL-035A) yang diubah dari sumur produksi menjadi sumur
injeksi merupakan kandidat sumur injeksi berdasarkan metode pemilihan sumur
dan disesuaikan kembali dengan pola injeksi. Berikut adalah rencana pola injeksi
pada lapisan “X” lapangan “Y” yang tertera pada Gambar 4.10.

Gambar 4.10.
Rencana Pola Injeksi Lapisan “X” Lapangan “Y”
 83

Tabel IV-7.
Tabulasi Rencana Pemilihan Pola Injeksi

No. Sumur Injeksi Sumur Produksi Pola

1. BL-025
BL-023 BL-028 Inverted 5-Spot
BL-040 (sumur baru)
BL-041 (sumur baru)
2. BL-035A (sumur BL-030
produksi convert BL-022 Inverted 5-Spot
ke injeksi) BL-029
BL-026
3. BL-015
BL-013
BL-004 BL-006 Normal 5-Spot
BL-003 (sumur
produksi convert
ke injeksi)
4. BL-004
BL-005 BL-007 Normal 5-Spot
BL-013
BL-008
5. BL-005
BL-011 BL-042 (sumur baru) Normal 5-Spot
BL-009
BL-008
6. BL-008
BL-009 BL-002 Normal 5-Spot
BL-010
BL-020
7. BL-014
BL-019
BL-019 BL-027 Inverted 7-Spot
BL-037
BL-016ST
BL-043 (sumur baru)
 84

4.2. Perkiraan Perilaku Waterflooding dengan Metode Dykstra-Parson

Salah satu indikasi keberhasilan dari suatu proyek injeksi air adalah
meningkatnya faktor perolehan minyak serta terkontrolnya tekanan reservoir.
Pengamatan performance dari suatu operasi injeksi air dimaksudkan untuk
mengetahui keberhasilan peningkatan perolehan minyak pada suatu lapangan.
Untuk mengetahui keberhasilan pelaksanaan operasi waterflooding,
sebelumnya perlu mengumpulkan data-data secara berkala. Pengumpulan data
dilakukan berdasarkan data dari pelaksanaan operasi waterflooding yang
dilakukan pada lapisan “X” lapangan “Y” yang dimulai pada bulan Oktober 1997.
Peningkatan oil recovery pada lapisan “X” lapangan “Y” ini dapat
diramalkan dengan suatu metode pendekatan tertentu. Pada skripsi ini, metode
yang digunakan adalah metode Dykstra – Parson.
Dalam penyelesaian skripsi ini ada beberapa asumsi yang digunakan, hal
ini dikarenakan keterbatasan data yang tersedia sehingga perlu dilakukan suatu
asumsi-asumsi yang masuk akal dan bisa merepresentasikan kondisi yang
sebenarnya. Asumsi–asumsi yang digunakan dalam penyelesaian skripsi ini yaitu :

1. Luas area pengamatan dianggap sebagai suatu sistem radial, hal ini
dikarenakan pola sumur injeksi dan sumur produksi yang tidak teratur.
2. Tidak ada gas bebas dalam reservoir, sehingga reservoir yang diamati
diasumsikan hanya mengandung minyak dan air.
3. Lapisan “X” yang diamati diasumsikan linier sehingga up dip dan down dip
struktur tidak diperhitungkan atau diabaikan.

4.2.1. Preparasi Data

Berikut adalah data yang digunakan dalam melakukan prediksi kinerja

waterflood untuk lapisan “X” pada lapangan “Y”.
 85

Tabel IV-8.
Data Karakteristik Reservoir Lapisan ”X” Lapangan ”Y”
Data-data reservoir
Luas pola injeksi-produksi (A) 35,93 acre
Ketebalan reservoir (h) 32,5 ft

Porositas ( φ ) 0,205 fraksi

Saturasi air awal (Swi) 0,1973 fraksi

Saturasi gas awal (Sgi) 0,100 fraksi

Saturasi minyak awal (Soi) 0,6216 fraksi

Permeabilitas (k) 151 mD

kro @ Swi 0,449

Sw 0,059
krw @ B
T

Sifat fisik batuan

Faktor volume formasi minyak (Bo) 1,221 bbl/STB
Faktor volume formasi air (Bw) 1,02 bbl/STB
Viskositas minyak (μo) 1,864 cp
Viskositas air (μw) 0,27 cp
Data-data operasional
Tekanan injeksi-produksi (ΔP) 750 psi
Jari-jari sumur (rw) 0,35 ft
Radius Pengurasan (re) 706 ft
Jarak sumur injeksi-produksi (d) 3343,6 ft
 86

Tabel IV-9.
Distribusi Saturasi Air terhadap Permeabilitas Relatif
Sw Kro Krw Fw
(fraksi) (fraksi) (fraksi) (fraksi)
0.1973 0.9983 0.0004 0.5771
0.2397 0.6795 0.0066 0.7089
0.2822 0.4487 0.0118 0.8128
0.3246 0.2870 0.0176 0.8865
0.3670 0.1777 0.0250 0.9345
0.4094 0.1065 0.0345 0.9637
0.4519 0.0614 0.0463 0.9807
0.4943 0.0330 0.0600 0.9904
0.5367 0.0150 0.0750 0.9960
0.5791 0.0043 0.0898 0.9989
0.6216 0.0009 0.1030 0.9998

Kurva Hubungan Sw vs Krw, Kro

1.00 0.12
f(x) = 34.64 x⁴ − 79.25 x³ + 69.68 x² − 28.05 x + 4.38
0.90
f(x) = 0.38 x² − 0.07 x − 0 0.10
0.80
0.70
0.08
0.60
Krw(Fraksi)
Kro (Fraksi)

0.50 0.06
0.40
0.04
0.30
0.20
0.02
0.10
0.00 0.00
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Sw (Fraksi)

Gambar 4.11.
Hubungan Saturasi dan Permeabilitas Relatif
 87

4.2.2. Perhitungan Coefficient Permeability Variation (CPV)

Perhitungan ini digunakan untuk menentukan tingkat heterogenitas suatu
lapisan yang mana ini digunakan dalam penentuan metode yang digunakan dalam
peramalan kinerja waterflooding. Coefficient Permeability Variation (CPV)
dihitung dengan menggunakan interpolasi dengan Persamaan (3-21):

k 50−k 84 . 13
CPV =
k 50

k 50−k 84 . 13 627−271
CPV = =
k 50 627

= 0.57

Dari hasil perhitungan CPV diatas, karena memiliki harga CPV yang lebih
kecil dari 0.5, maka dapat disimpulkan bahwa reservoir pada lapisan ini dapat
diasumsikan sebagai reservoir heterogen. Tabulasi harga variasi permeabilitas
pada berbagai kedalaman selengkapnya dapat dilihat pada Lampiran A.
 88

Permeabilitas (mD)

Greater Than (%)

Gambar 4.12.
Grafik Perhitungan CPV Lapisan “X”
4.2.3. Perhitungan Peramalan Kinerja Waterflood dengan Metode Dykstra-
Parson
Perhitungan peramalan performance waterflood dengan metode Dykstra-
Parson dilakukan pada pola yang dianalisa yaitu direct line drive dengan sumur
BL-020 sebagai sumur injeksi dan BL-031 sebagai sumur produksi.
 89

Adapun tahapan perhitungan peramalan performance waterflood dengan

metode Dykstra-Parson adalah sebagai berikut :
1. Dari data distribusi saturasi air dan minyak terhadap permeabilitas
relatif (Tabel IV-9). Plot antara saturasi air (Sw) versus permeabilitas air
dan minyak (Krw dan Kro) pada kertas kartesian, seperti Gambar 4.11.
2. Menentukan fraksi aliran air (fw) untuk setiap distribusi saturasi
air. Sebagai contoh, untuk harga saturasi air (Sw) = 0.1973, Krw = 0.0004,
Kro = 0.9983, μw = 0.27 dan μo = 1.864, maka besarnya fraksi aliran air
(fw) yaitu :
1 1
f w= = =0 . 00
μw k ro 0 . 27 0 . 9983
1+ 1+
μo k rw 1 . 864 0 . 0004
Besarnya fraksi aliran air (fw) pada saturasi air (Sw) yang lain dapat dilihat pada
Tabel IV–9.

Gambar 4.13.
Kurva Fraksi Aliran Air Reservoir Lapisan “X”
Dari kurva fraksi aliran air (Gambar 4.13.), didapatkan :
Swi = 0,2
Swf = 0,43
fwf = 0,78
Swbt = 0,495
 90

Krw(Swbt) = 0,059

3. Menentukan (dfw/dSw)bt sumur produksi.

Tahapannya:
- Dari data distribusi saturasi air dan minyak terhadap permeabilitas relatif
(Tabel IV-9.) kita bisa menghitung rasio permeabilitas relatif. Plot
antara saturasi air (Sw) versus rasio permeabilitas air dan minyak
(kro/krw) dengan skala kartesian, seperti Gambar 4.14.
- Dari Gambar 4.14. didapatkan persamaan kro/krw = 93170e-25,22Sw. Oleh
karena itu harga a= 93170 dan b= -25,22. Menentukan fraksi aliran air
(fw) dan derivative fraksi aliran air (dfw/dsw)untuk setiap distribusi
saturasi air. Sebagai contoh, untuk harga saturasi air (Sw) = 0.193.
kro/krw= 2495,75, μw = 0.27 dan μo = 1.864, maka besarnya fraksi aliran
air (fw) yaitu :

1
f w=
μo
[ 1+ aebSw ( )]
μw
1
= =0 . 00
(−25 . 22)( 0 .193 ) 1 . 864
[ 1+( 93170 ) e ( )]
0 . 27
−( a)(b )(e( b )( Sw ) ( μ w /μ o )
(df w / dS w )=
( b )( Sw) μ w 2
[1+ae ( )]
μo
−( 93170)(−25,5)(e(−25 ,5)( 0. 193)(0.27/1.864 )
(df w /dS w )= =0,27
(−25 , 5)(0 .193) 0.27 2
[ 1+(93170 )e ( )]
1.864
i. Penentuan fraksi aliran air dan turunan derivative fraksi aliran air (dfw/dsw) dapat
dilihat di Tabel IV-6.
 91

Sw vs Kro/Krw
10000.00
1000.00
f(x) = 93170.16 exp( − 25.22 x )
100.00 R² = 0.97

10.00
kro/krw

1.00
0.10
0.01
0.00
0.2 0.2 0.3 0.3 0.4 0.4 0.5 0.5 0.6 0.6 0.7
Sw, fraksi

Gambar 4.14.
Kurva Saturasi air (Sw) vs (kro/krw)

Tabel IV-10.
Hasil Perhitungan Fractional Flow & DerivativeFractional Flow

Sw kro/krw fw dfw/dsw
0.1973 2495.75 0.00 0.27
0.2397 102.95 0.00 0.74
0.2822 38.03 0.00 1.93
0.3246 16.31 0.01 4.19
0.3670 7.11 0.02 6.20
0.4094 3.09 0.05 5.36
0.4519 1.33 0.12 2.88
0.4943 0.55 0.29 1.19
0.5367 0.20 0.54 0.43
0.5791 0.05 0.77 0.15
0.6216 0.01 0.91 0.05

4. Memplot grafik fractional flow dan derivative fractional flow (dfw/dSw)

terhadap saturasi air untuk menentukan Swbt dan (dfw/dSw)bt
 92

7.00 1.00
0.90
6.00
0.80
5.00 0.70
0.60

dfw/dSw
4.00
0.50
fw

3.00 0.40
2.00 0.30
0.20
1.00
0.10
0.00 0.00
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

Sw

dfw/dsw fractional flow

Gambar 4.15.
Fractional flow & derivative fractional flow (dfw/dSw)
terhadap Saturasi Air

Dari Gambar 4.15. tersebut diatas, kita bisa memperoleh informasi-informasi

berupa:
Swf 0,62
Swbt 0,66
(dfw/dsw)bt 0,27

5. Menghitung volume pori (PV) area dengan menggunakan persamaan :

PV = 7758 * A * h * ɸ
maka :
PV = 7758 * 35,93 * 32,5 * 0,20 = 1.857.138,16 bbl

6. Menghitung jumlah minyak yang bisa diproduksikan dengan metode

secondary recovery yaitu waterflood dengan persamaan :

OIP = 7758 * A * h * ɸ * (Soi-Sor) / Bo

maka :
OIP = 7758 * 35,93 * 32,5 * 0.205 * (0,71-0.378) / 1,86
= 506.030,79 STB
7. Mobility ratio (M) pada saat breaktrough :
 93

M = 0,90
8. Effisiensi displacement pada saat breaktrough :

ED bt = 0.521
9. Menghitung efisiensi penyapuan areal pada saat breaktrough dengan
menggunakan korelasi Craig secara empirik :
0. 03170817 0. 3022997
E Abt =0 . 54602036+ + −0 . 00509693 M
M eM
0. 03170817 0. 3022997
E Abt =0 . 54602036+ + −0 . 00509693(0 , 90 )
0 , 90 e 0, 90
E Abt =0 . 698
10. Mengasusmsikan harga Water-Oil Ratio (WOR) mulai pada WOR 1, 2, 5,
10, 20, 25, 50, 100.
11. Menghitung efisiensi penyapuan vertikal (Ev) untuk setiap harga WOR
yang diasumsikan dengan menggunakan persamaan :
2 3
( Ev )=0 . 199+(0 . 182)(ln Y ) −( 0. 00462)( lnY ) −(0 . 00043 /ln Y )+(0 . 00027)(Y )
2
Dimana, ( X )=(1.6453 )(V ) +(0.935)(V )−0.6891
(WOR+0 .4 )[(18 .948−(2. 499∗V )]
Y=
( M−(0 . 8094 )(V )+1.137 )10 x
Contoh dengan harga V = 0.57 dan WOR asumsi = 1, maka:
( X )=(1 .6453 )(0 .57 )2 +(0 . 935)(0 . 57)−0 .6891=0 . 40
(1+0 . 4 )[(18 . 948−(2 . 499∗0 . 57 )]
Y= =6 , 13
(0 , 90−(0 . 8094 )(0 .57 )+1. 137 )10 0, 40
( Ev )=0 . 199+(0 .182)(ln 2 ,16 )2 −(0 .00462)(ln 2 , 16)3 −(0.00043 /ln 2 ,16 )+
(0 .00027 )(2 ,16 )
Ev = 0,75
12. Memplot grafik WOR vs efisiensi vertikal untuk menentukan harga efisiensi
vertikal pada saat breaktrough dengan meneruskan garis sampai pada harga
WOR = 0.
 94

Ev vs WOR
100
90
80
70
60
WOR

50 Ev vs WOR
40
30
20
10
0
0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2 2.1 2.2 2.3 2.4 2.5

Ev

Gambar 4.16.
Grafik WOR vs Ev
Dari grafik diatas, setelah menarik garis lurus sampai pada harga WOR = O
maka diperoleh harga Ev = 0,75 sehingga harga Ev pada saat breaktrough =
0,75.
13. Menghitung besarnya kumulatif air yang diinjeksikan pada saat
breaktrough dengan menggunakan persamaan :
Wibt = PV * (Swbt – Swi) * EAbt * EVbt
Wibt = 1.857.138,16 * (0.66 – 0.1973) * 0.69 * 0.75
Wibt = 450.020,99 bbl
14. Menghitung kumulatif produksi minyak pada saat breaktrough dengan
menggunakan persamaan :
Npbt = OIP*EAbt*EDbt*EVbt
Npbt = 506.030,79*0.69*0.521*0.75
Npbt = 138.300,7 STB
15. Waktu untuk mencapai breaktrough :
tbt = 600 hari
16. Mengasumsikan harga Water-Oil Ratio (WOR) yaitu pada WOR 1, 2, 5, 10,
20, 25, 50, 100 seperti pada langkah sebelumnya (Langkah 11).
 95

17. Menghitung harga efisiensi vertikal untuk setiap harga WOR yang
diasumsikan (Langkah 12).
18. Mengkonversi harga WOR asumsi yaitu WOR pada kondisi reservoir
(WORr) menjadi harga water cut (fw2) dan WOR pada kondisi permukaan
(WORs) dengan menggunakan persamaan :
fw2 = 0,5 dan WORs = 1,20
19. Menentukan nilai saturasi air untuk setiap harga water cut (fw2) dengan
menggunakan grafik pada Gambar 4.13.
Contoh untuk harga fw2 = 0.5 maka harga Sw@fw2= 0.36
20. Menentukan nilai derivative fractional flow (dfw/dSw) untuk setiap harga
saturasi air pada (Langkah 20) dengan menggunakan grafik pada Gambar
4.15.
Contoh untuk harga Sw = 0,36 maka (dfw/dSw) = 6,2
21. Menghitung effisiensi penyapuan areal (EA) untuk setiap harga water cut
(fw2) dengan menggunakan persamaan :
EA = 1 / (1+A)
A = (-0,3014ln(M-0,1568) – 0,9402 )*fw + 0,3714 ln(M-0,0865) + 0,8805
- Dengan fw2 = 0.5 :
A = (-0,3014ln(0.4-0,1568) – 0,9402 )*0.5 + 0.3714 ln(0.4-0,0865) +
0,8805
A = 0,704
EA = 0,58
22. Menghitung harga saturasi air rata-rata (Sw2 avg) untuk setiap harga water
cut (fw2) :
Sw2 (avg) = 0,441

23. Menghitung nilai effisiensi displacement (ED) untuk setiap harga saturasi air
rata-rata (Sw2 avg) dengan menggunakan persamaan :
ED = 0,213

24. Menghitung kumulatif produksi minyak untuk setiap harga WOR yang
diasumsikan dengan menggunakan persamaan :
 96

Np = OIP * ED * EA * Ev
Np = 506.030,79 * 0,213 * 0,58 * 0,75 = 47.975 STB

25. Plot harga kumulatif produksi minyak vs WOR, hitung besarnya luas area
dibawah kurva yang terbentuk seperti Gambar 4.17. Kurva tersebut
mewakili harga kumulatif produksi air untuk setiap harga WOR. Luas area
dibawah kurva dapat dihitung dengan mengintegralkan persamaan trendline
pada kurva tersebut.

Np vs WORs
140.00
120.00
f(x) = − 0 x⁴ + 0 x³ − 0 x² + 0 x − 3.43
100.00 R² = 1
80.00
WORs

60.00
40.00
20.00
0.00
0 100,000 200,000 300,000 400,000 500,000 600,000 700,000

Np, Mbbl

Gambar 4.17.
Grafik Np vs WORs

- Dengan WOR = 1 dan Np = 23.428 STB

y = -5E-21x4 + 5E-15x3 - 1E-09x2 - 0.0001x – 0.7649
y’= (-5E-21x5 / 5) + (5E-14x4 / 4) - (1E-09x3 / 3) - (0.0001x2 / 2) -
0.7649x
y’= ((-5E-10*(47.9755))/5) + ((5E-14*(47.9754))/4) - ((1E-09*
(47.9753))/ 3) - ((0.0001*47.9752)/ 2) + 0.7649*47.975
y’= 47945,991
Jadi harga Wp = 47945,991 STB
26. Menghitung kumulatif air yang diinjeksikan untuk setiap harga WOR yang
diasumsikan dengan menggunakan persamaan :
 97

Winj = (Np)WOR * Bo + (Wp)WOR * Bw

- Dengan WOR asumsi = 1 :
Winj = (Np)WOR * Bo + (Wp)WOR * Bw
= (47945,991) * 1,221 + (47945,991) *1,02 = 107482,87 bbl
27. Menghitung waktu untuk menginjeksikan air untuk setiap harga WOR
asumsi WOR asumsi = 1, maka :
t = 143 hari
28. Menghitung laju alir minyak dan laju alir air (qo dan qw) untuk setiap harga
WOR asumsi dengan menggunakan persamaan :
qo =dan qw = qo * WORs

qo = = 307,125 bbl/d

qw = 307,125 * 1.20
= 367,64 bwpd
Hasil perhitungan prediksi kinerja waterflooding dengan metode Dykstra-
Parson pada lapisan “X” Lapangan “Y” dapat dilihat pada Tabel IV-11.

Tabel IV-11.
Hasil Perhitungan Peramalan Kinerja Waterflood
Dengan Metode Dykstra-Parson

dfw/dSw
WOR Ev fw2 WORs Sw @fw2 @Sw2
1 0,757 0.500 1.20 0.360 6.200
2 0,947 0.667 2.39 0.405 5.360
5 1,235 0.833 5.99 0.460 2.250
10 1,470 0.909 11.97 0.480 1.040
20 1,718 0.952 23.94 0.510 0.980
25 1,801 0.962 29.93 0.515 0.985
50 2,070 0.980 59.85 0.538 0.430
100 2,371 0.990 119.71 0.579 0.150
 98

Tabel IV-11. (Lanjutan)

Hasil Perhitungan Peramalan Kinerja Waterflood
Dengan Metode Dykstra-Parson

WOR ED Np (STB) Wp (Bbl) Winj (Bbl)

0.2133912
1 3 47975.39966 47945.99132 107482.8741
0.3362265
2 5 108716.9695 238923.6403 376445.5328
0.4195516
5 1 207993.7568 954774.2031 1227830.064
0.4610845
10 7 295860.1176 2828508.147 3246323.513
0.4500945
20 1 355150.1451 5339372.208 5879797.98
0.4444340
25 9 371680.4724 6269803.047 6849020.965
0.4812503
50 2 473658.1425 14509508.25 15378035
0.5578754
100 2 636567.5471 34517801.6 35985406.6

Tabel IV-11. (Lanjutan)

Hasil Perhitungan Peramalan Kinerja Waterflood
Dengan Metode Dykstra-Parson

WOR t (days) t (months) qo (bpd) qw (bpd)

143.31049
1 9 4.777016628 307.1253071 367.6470588
501.92737
2 7 16.73091257 204.7502048 490.1960784
1637.1067
5 5 54.57022508 102.3751024 612.745098
4328.4313
10 5 144.281045 55.84096493 668.4491979
7839.7306
20 4 261.3243547 29.25002925 700.280112
9132.0279
25 5 304.4009318 23.62502363 707.0135747
20504.046
50 7 683.4682224 12.04412969 720.8765859
47980.542
100 1 1599.351405 6.08168925 728.0139779
 99

4.2.4. Perbandingan Data Aktual Terhadap Hasil Prediksi Metode Dykstra-

Parson
Berikut ini akan disajikan beberapa grafik yang menunjukkan perbandingan
data produksi aktual dengan data hasil prediksi menggunakan metode Dykstra-
Parson. Grafik hasil prediksi merupakan grafik yang menggambarkan penerapan
waterflooding pada kondisi optimum sedangkan grafik data produksi aktual
menunjukan hasil penerapan waterflooding yang sebenarnya pada area
pengamatan. Berikut adalah grafik perbandingan data aktual terhadap data hasil
prediksi :

Perbandingan Np
700,000

600,000
500,000
400,000
Np, STB

300,000

200,000
100,000
0
0 500 1000 1500 2000 2500 3000
t, days

Np DP Np aktual

Gambar 4.18.
Grafik Perbandingan Kumulatif Produksi Minyak (Np) Aktual dan
Hasil Prediksi Terhadap Waktu (t)
 100

qo vs t

250.0

200.0

150.0
Qo, bpd

100.0

50.0

0.0
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000 6500 7000 7500 8000 8500 9000 9500
t, day
qo DP qo aktual

Gambar 4.19.
Grafik Perbandingan Laju Produksi Minyak (qo) Aktual dan Hasil
Prediksi Terhadap Waktu (t)

Berdasarkan grafik-grafik yang ditampilkan diatas, kurva kondisi aktual

dan kurva hasil prediksi pada Gambar 4.18. dan Gambar 4.19. menunjukkan
adanya penyimpangan yang cukup besar antara kedua kurva tersebut.
Penyimpangan sebenarnya adalah sesuatu yang biasa terjadi antara kurva yang
menggambarkan hasil prediksi dengan kurva yang menggambarkan kondisi aktual
dikarenakan adanya asumsi-asumsi yang digunakan dalam perhitungan prediksi
yang menganggap penerapan waterflooding pada keadaan optimum. Sedangkan
pada kenyataanya akan selalu ada faktor yang mengakibatkan tidak tercapainya
kondisi optimum tersebut. Faktor tersebut bisa diakibatkan oleh faktor teknis di
lapangan selama proyek berlangsung maupun adanya ketidaksesuaian antara
perencanaan dengan implementasi di lapangan. Faktor lain yang mungkin dapat
menyebabkan adanya penyimpangan adalah adanya ketidakcocokan penerapan
metode waterflooding pada lapisan “X” sehingga tidak mampu mencapai hasil
yang diinginkan.
101