BAB V: PENENTUAN CADANGAN

(Versi 9 Februari 2005)

Faktor yang sangat penting dalam pengembangan dan perencanaan produksi minyak dan/atau
gas bumi dari suatu reservoir adalah perkiraan volume awal hidrokarbon di tempat (initial
volume in place) dan volume hidrokarbon yang dapat diperoleh (recoverable volume).
Recoverable volume tersebut secara umum sering disebut dengan reserves atau cadangan.
Cadangan dapat didefinisikan sebagai perkiraan jumlah minyak mentah, gas alam, gas
condensate, fasa cair yang diperoleh dari gas alam, dan material lainnya (misalnya sulfur),
yang dianggap bernilai komersial untuk diambil dari akumulasi di dalam reservoir
menggunakan teknologi yang ada pada suatu saat dalam keadaan ekonomi dan dengan
peraturan pemerintah yang berlaku pada saat yang sama. Besar cadangan diperkirakan
berdasarkan interpretasi geologi dan/atau data keteknikan (engineering) yang tersedia pada
suatu waktu. Pada dasarnya, besar cadangan dapat berubah selama masa produksi sejalan
dengan bertambahnya informasi dan data reservoir dan/atau karena keadaan ekonomi yang
memaksa adanya perubahan. Cadangan tidak termasuk minyak dan gas dan material lainnya
yang sudah berada dalam tanki penimbun baik di permukaan maupun di bawah permukaan.
Cadangan yang diperoleh dengan mekanisme pendorongan alamiah dibedakan dari cadangan
yang diperoleh dengan metode peningkatan perolehan (improved recovery methods).

Pada tahap awal pengembangan suatu reservoir, data produksi – yang menggambarkan
jumlah hidrokarbon yang telah diambil dari reservoir – belum tersedia. Metode yang paling
sering digunakan pada tahap ini adalah metode volumetrik (yang bersifat deterministik)
dan/atau metode probabilistik (misalnya metode simulasi Monte Carlo). Kedua metode
tersebut tidak tergantung pada data produksi. Setelah reservoir berproduksi, kemudian
diperoleh data yang berkaitan dengan laju dan kumulatif produksi yang, seperti disebutkan di
atas, menggambarkan jumlah hidrokarbon yang dapat diambil. Pada tahap ini, isi awal
minyak/gas yang diperkirakan dengan menggunakan metode volumetrik atau metode
probabilistik dapat dibandingkan atau bahkan kemudian direvisi dengan metode analisis
kinerja reservoir. Metode yang sering digunakan diantaranya adalah metode material balance
dan/atau metode yang menggunakan model matematis (metode simulasi numerik). Pada
tahap ini, secara umum dapat dikatakan bahwa makin lama suatu reservoir berproduksi (yaitu
makin banyak data produksi yang tersedia) maka makin baik perkiraan volume hidrokarbon
tersebut.

Penentuan Cadangan, hal. 1

Bab ini membahas perhitungan isi awal hidrokarbon di tempat dan cadangan (recoverable
volumes) menggunakan metode volumetrik dan metode probabilistik (yaitu simulasi Monte
Carlo). Metode material balance akan dibahas pada Bab VII sedangkan metode simulasi
numerik reservoir tidak merupakan bagian yang dibahas dalam diktat ini.

Definisi dan Istilah

Dalam pembicaraan dan perhitungan isi awal minyak dan/atau gas di tempat dan cadangan,
sebaiknya kita menggunakan atau mengikuti istilah dan definisi tertentu yang berlaku dan
dapat diterima masyarakat (industri) perminyakan. Upaya standarisasi definisi cadangan
minyak dan/atau gas bumi telah dimulai sejak tahun 1930-an ketika American Petroleum
Institute (API) mencoba membuat definisi standar tersebut. Sejak itu pula, seiring dengan
berkembangnya pengetahuan dan teknologi perminyakan, definisi cadangan telah
berkembang menuju definisi yang lebih rinci dan/atau lebih tepat serta dapat diterima oleh
semua kalangan terutama para praktisi perminyakan. Definisi (dan klasifikasi) cadangan yang
paling banyak diterima dan diikuti pada saat ini adalah definisi dan klasifikasi cadangan yang
dibuat oleh Society of Petroleum Engineers (SPE) dan World Petroleum Congresses (WPC).
Kedua badan tersebut secara terpisah telah menyiapkan definisi cadangan minyak dan/atau
gas bumi pada tahun 1987 dan kemudian menyetujuinya secara bersama pada tahun 1997.
Menurut SPE/WPC cadangan minyak dan/atau gas bumi dikelompokkan menjadi tiga bagian
utama yaitu proved reserves (cadangan terbukti), probable reserves (cadangan mungkin), dan
possible reserves (cadangan harapan). Gambar berikut menunjukkan klasifikasi sumber daya
minyak dan gas bumi menurut SPE/WPC tersebut.

Proved Reserves
Proved reserves atau cadangan terbukti didefinisikan sebagai jumlah hidrokarbon yang
berdasarkan data geologi dan data keteknikan (engineering) dapat diperkirakan dengan
tingkat kepastian yang pantas (reasonable) dan dapat diambil dengan menggunakan teknologi
yang ada pada suatu saat dalam keadaan ekonomi dan dengan peraturan pemerintah yang
berlaku pada saat yang sama. Secara umum, suatu cadangan dapat dikatakan sebagai proved
apabila produktivitas komersial dari reservoir didukung oleh data produksi aktual atau oleh
data hasil pengujian formasi. Pada kasus tertentu, cadangan terbukti harus ditentukan
berdasarkan kombinasi data seperti analisis core, analisis log, atau pengujian lainnya yang

Penentuan Cadangan, hal. 2

dapat secara jelas memberikan indikasi bahwa reservoir tersebut produktif. Suatu areal
reservoir yang dapat dipertimbangkan sebagai proved adalah meliputi:
1. Daerah yang telah delineated oleh pemboran dan, jika ada, dengan batas fluida yang jelas.
Jika tidak ada batas fluida, maka volume hidrokarbon terbukti didasarkan pada lokasi
hidrokarbon terbawah yang diketahui (the lowest known occurrence).
2. Daerah yang belum dibor namun berdasarkan data geologi dan data keteknikan terbukti
sebagai daerah produktif dan bernilai komersial.

Jika metode perhitungan dilakukan dengan metode deterministic, maka istilah reasonable
berarti mempunyai tingkat kepercayaan yang tinggi bahwa jumlah hidrokarbon tersebut dapat
diambil. Sedangkan jika menggunakan metode probabilistik, maka tingkat kepercayaan
minimum adalah 80%.

SDA Minyak/Gas Total

Ditemukan/Discovered Belum/tidak
ditemukan
Undiscovered
Non Recoverable
Recoverable

Reserve Produksi
kumulatif

Proved Unproved

Probable Possible

Berdasarkan status produksi, cadangan terbukti dikelompokkan menjadi:

• Proved developed, yaitu untuk daerah di mana instalasi fasilitas produksi dan transportasi
sudah pasti dapat dilakukan. Dalam kelompok ini reservoir dapat sedang/telah
diproduksikan (producing) dari interval kedalaman tertentu atau belum/akan diproduksikan
(non-producing) misalnya dalam keadaan shut-in atau jika sumur yang ada tidak mampu
berproduksi karena alasan mekanis.

Penentuan Cadangan, hal. 3

• Proved undeveloped, yaitu untuk daerah di mana lokasinya berada dalam atau berbatasan
langsung dengan daerah proved producing atau masih dapat dikembangkan dengan
menambah sumur dengan well spacing tertentu atau dapat dikembangkan dengan
memperdalam sumur atau karena secara ekonomis memerlukan biaya yang lebih tinggi
untuk penyelesaian sumur dan instalasi peralatan produksi.

Unproved Reserves
Unproved reserves atau cadangan tak terbukti didefinisikan sebagai jumlah hidrokarbon,
sebagai tambahan pada proved reserves, yang berdasarkan data geologi dan data keteknikan
mempunyai kemungkinan dapat diambil secara komersial. Unproved reserves dibagi menjadi
probable dan possible reserves.

a. Probable Reserves
Probable reserves atau cadangan mungkin adalah jumlah hidrokarbon yang berdasarkan data
geologi dan data keteknikan mempunyai kemungkinan terambil lebih besar dari kemungkinan
tidak terambil secara komersial. Jika menggunakan metode probabilistik, maka tingkat
kemungkinan proved reserves dan probable reserves minimal 50%. Secara umum, probable
reserves dapat meliputi:
1. Daerah di luar batas proved dari reservoir produktif, di mana batas fluidanya masih belum
dapat ditentukan dan/atau merupakan bagian terbawah dari struktur reservoir yang
diperkirakan mengandung hidrokarbon.
2. Daerah produktif yang hanya disimpulkan dari data log namun tidak didukung data core
atau pengujian definitive sehingga dipandang kurang pasti.
3. Cadangan yang diperoleh dari daerah yang jika dilakukan infill drilling dengan well
spacing tertentu dapat menjadi proved reserved.
4. Cadangan yang diperoleh dengan metode/teknik peningkatan perolehan (IOR) yang telah
terbukti berhasil sebelumnya namun belum terbukti dengan pilot project atau baru
ditunjukkan oleh data reservoir yang menjanjikan pengembangan komersial.
5. Daerah produktif di sekitar proved reserves tetapi dipisahkan oleh patahan/faults dan
secara struktur geologi berlokasi lebih tinggi dari daerah proved.
6. Cadangan yang dapat diperoleh dengan cara perubahan prosedur mekanis (workover,
treatment, perubahan peralatan) namun belum terbukti.
7. Cadangan dalam daerah proved producing yang berdasarkan interpretasi kinerja atau data
volumetrik menunjukkan cadangan yang lebih dari yang sudah dinyatakan proved.

Penentuan Cadangan, hal. 4

b. Possible Reserves
Possible reserves atau cadangan harapan adalah jumlah hidrokarbon yang berdasarkan data
geologi dan data keteknikan mempunyai tingkat kemungkinan terambil secara komersial
lebih rendah dari tingkat kemungkinan terambil secara komersial dari probable reserves. Jika
menggunakan metode probabilistik, maka tingkat kemungkinan proved reserves ditambah
probable reserves ditambah possible reserves minimal 10%. Secara umum, possible reserves
dapat meliputi:
1. Daerah di luar batas probable reserves yang berdasarkan interpretasi geologi (ekstrapolasi
struktur dan/atau stratigrafi) dapat terjadi.
2. Daerah produktif yang dapat disimpulkan dari data log dan data core tetapi belum dapat
ditentukan secara komersial.
3. Cadangan yang dapat diperoleh dari infill drilling namun mempunyai ketidakpastian
secara teknis pelaksanaan.
4. Cadangan yang dapat diperoleh dengan teknik peningkatan perolehan (IOR) namun
belum terbukti dengan pilot project atau data reservoir meragukan untuk pengembangan
komersial.
5. Cadangan dari daerah dalam formasi yang terpisah dari daerah proved oleh patahan dan
interpretasi geologi menunjukkan daerah tersebut lebih rendah dari daerah proved.

Metode Penentuan Cadangan

Cadangan dapat ditentukan dengan menggunakan berbagai metode tergantung pada
ketersediaan data dan informasi reservoir bersangkutan yang mendukung metode tersebut.
Menurut SPE, metode-metode yang dapat digunakan tersebut diantaranya:
1. Metode analogi – jika tidak ada data atau data sangat minim
2. Metode volumetrik – jika ada data geologi, data log, dan/atau data core
3. Metode volumetrik-probabilistik – jika tidak ada data geologi, data log, dan data core.
Metode volumetrik-probabilistik yang paling banyak digunakan adalah simulasi Monte
Carlo. Dengan menggunakan distribusi frekuensi bilangan acak untuk variabel model
volumetrik yang digunakan (misalnya recovery factor, RF), simulasi – yaitu pengulangan
perhitungan – dilakukan untuk menghitung cadangan dengan klasifikasi proven, probable,
dan possible didasarkan pada distribusi frekuensi kumulatif yang dihasilkan dari simulasi.
4. Performance analysis methods – jika ada data geologi, data log, data core, dan data
produksi. Metode yang dapat digunakan dalam melakukan performance analysis
diantaranya: metode material balance, decline curve, dan simulasi reservoir.

Penentuan Cadangan, hal. 5

Metode Volumetrik
Metode volumetric boleh jadi merupakan metode perhitungan cadangan paling sederhana.
Dalam hal ini, reservoir dipandang sebagai sebuah wadah dengan geometri atau bentuk
sederhana tertentu, misalnya bentuk kotak, kerucut, atau lingkaran. Untuk menghitung
cadangan dengan menggunakan metode volumetrik, digunakan dua persamaan berikut:
Untuk reservoir minyak:
h n φ(1 − S w )
N pa = ∫∫A E R , o dx dy
Bo

A h n φ(1 − S w )
= E R,o
Bo
Untuk reservoir gas:
h n φ(1 − S w )
G pa = ∫∫A E R , g dx dy
Bg

A h n φ(1 − S w )
= E R,g
Bg

dimana Npa dan Gpa adalah masing-masing cadangan minyak dan gas, yaitu produksi
kumulatif pada waktu abandonment, diukur pada stock tank, yaitu pada kondisi standar 60oF
(288 K) dan 14.7 psi (0.1013 MPa). Parameter hn, φ, dan Sw, adalah masing-masing ketebalan
bersih formasi produktif, porositas efektif, dan saturasi air. Ketiga parameter tersebut berbeda
dari satu lokasi ke lokasi lainnya dalam reservoir sehingga merupakan fungsi dari kordinat
(x,y) dalam daerah reservoir A. Sedangkan parameter dengan symbol Bo dan Bg adalah
masing-masing factor volume formasi minyak dan gas dan ER adalah factor perolehan
(recovery factor). Parameter-parameter ini juga merupakan fungsi dari posisi. Tanda “bar” di
atas masing-masing parameter menunjukkan harga rata-rata. A adalah luas daerah reservoir
yang berkaitan dengan kategori cadangan terbukti (proved), mungkin (probable), atau
harapan (possible).

a. Luas Daerah
Luas daerah reservoir yang cadangannya akan dihitung, A, ditentukan untuk tiap interval
produktif yang saling tidak berhubungan satu sama lain (atau kadang-kadang juga untuk tiap
unit endapan batuan yang berbeda) yang ada di dalam reservoir. Yang jelas, luas daerah akan
ditentukan oleh daerah dimana cadangannya akan dihitung berdasarkan klasifikasi cadangan
seperti dipaparkan di atas. Untuk membuat peta daerah yang mengandung hidrokarbon

Penentuan Cadangan, hal. 6

sebagai fungsi dari kedalaman, diperlukan titik-titik terdangkal dan terdalam di dalam
reservoir dimana hidrokarbon dapat ditemukan dalam tiap sumur yang telah dibor. Biasanya,
yang digunakan sebagai sumber informasi adalah data well log dan data core dari masing-
masing sumur yang ada. Untuk daerah yang tidak/belum ada sumur, biasanya digunakan
informasi menurut peta seismik. Setelah peta daerah terbentuk, maka dengan menggunakan
planimeter dibuat diagram yang menghubungkan elevasi kontur terhadap area yang dibatasi
kontur tersebut seperti terlihat pada gambar skets berikut. Diagram semacam itu memberikan
perkiraan awal distribusi vertikal dari volume reservoir.

Water-Oil Contact

Luas Daerah Dalam Kontur

b. Ketebalan Bersih (Net Pay)

Di dalam suatu reservoir, hampir selalu terdapat interval batuan shale yang mempunyai
porositas dan permeabilitas yang rendah atau batuan lain yang mengandung saturasi air yang
tinggi sehingga tidak diperhitungkan dalam penentuan cadangan. Lapisan ini dikatakan
sebagai lapisan tidak produktif atau non-pay dan oleh karenanya harus dikurangkan dari
ketebalan (gross), ht, reservoir untuk mendapatkan ketebalan bersih, hn. Perkiraan hn dan net-
to-gross ratio, hn/ht, merupakan tahap kritis karena pengaruhnya yang besar pada penentuan
volume hidrokarbon. Umumnya ketebalan lapisan tidak produktif dihitung berdasarkan harga
porositas dari data core dan data log. Untuk digunakan batas bawah harga permeabilitas yang
disebut dengan permeability cut-off. Jika permebilitas suatu selang lebih kecil dari
permeability cut-off, maka selang tersebut tidak produktif. Namun, data permeabilitas
umumnya tidak dapat dihitung secara meyakinkan dari data log sehingga digunakan suatu
korelasi k = f(φ) sehingga diketahui porosity cut-off. Berdasarkan harga ini, kemudian net pay

Penentuan Cadangan, hal. 7

ditentukan dengan menjumlahkan seluruh interval yang mempunyai porositas lebih besar dari
porosity cut-off. Sudah tentu cara ini dapat menghilangkan interval yang walaupun
mempunyai permeabilitas rendah namun mengandung hidrokarbon yang dapat bergerak
(movable). Dalam perhitungan cadangan hal ini dapat berpengaruh besar karena hidrokarbon
dalam situasi seperti itu tetap dapat diproduksikan dengan cara proses imbibisi, misalnya
dengan injeksi air. Dengan kata lain, penggunaan cut-off berdasarkan data log dapat
mengakibatkan harga net pay yang terlalu kecil (underestimate).

Jika net pay telah diketahui, maka peta isopach, yaitu peta yang menggambarkan garis yang
menghubungkan titik-titik dengan ketebalan formasi yang sama, dapat dibuat dan volume
batuan yang mengandung hidrokarbon dapat dihitung dengan menggunakan persamaan:
V R = ∫∫A h n dx dy
Ada 3 (tiga) cara yang dapat dilakukan untuk melakukan perhitungan ini:
1. Menggunakan simulasi numerik reservoir. Dengan menggunakan input data yang berupa
top dan bottom structure seperti ditunjukkan pada gambar di atas, simulator numerik yang
menggunakan blok atau cell kemudian menghitung volume setiap blok dan
menjumlahkan volume seluruh blok.
2. Mengukur luas daerah dalam peta isopach dengan menggunakan planimeter untuk setiap
kontur ketebalan. Plot antara luas daerah dengan ketebalan seperti terlihat pada gambar
berikut. Volume net pay dihitung dengan cara mengintegrasi kurva yang diperoleh.

A max
VR = ∫ h da
0

0 Amax
Luas Daerah Dalam Kontur Isopach

Penentuan Cadangan, hal. 8

3. Menghitung volume berdasarkan peta isopach dengan cara membaginya menjadi
tumpukan trapezoid. Gambar skets berikut menunjukkan contoh peta isopach yang dibagi
menjadi beberapa trapezoid dengan interval ketebalan 5 ft dari batas bawah water-oil
contact. Tergantung pada bentuk diskrit yang diperoleh, volume setiap trapezoid dihitung
dan dijumlahkan.

OWC

Interval = 5 ft

15 10 5 0

OWC

An+1
An

Dalam menghitung VR dihitung masing-masing volume selang ketebalan atau ΔV. Kemudian
VR dihitung dengan formula:
Piramid

Δ Vb =
h
3
(
A n + A n +1 + A n A n +1 ) jika
A n +1
An
< 0.5

Trapesium
A n +1
Δ Vb =
h
(A n + A n +1 ) jika > 0.5
2 An

Contoh 1: Penentuan volume bulk menggunakan metode piramid-trapesium

Peta kontur suatu reservoir berbentuk lingkaran dengan kekebalan tertentu ditunjukkan oleh
gambar berikut dimana masing-masing luas daerah, A1, A2, dan seterusnya, telah diukur
dengan menggunakan planimeter dan diperoleh data seperti ditunjukkan oleh tabel. Hitung
volume batuan dalam ft3.

Penentuan Cadangan, hal. 9

 A4 A3 A2 A1

OWC

An+1
An

Area Interval Area Planimeter Area

2
(ft) (in ) (acres)

A1 19.64 450

A2 5 16.34 375

A3 5 13.19 303

A4 5 10.05 231

A5 5 6.69 154

A6 5 3.22 74

A7 5 0 0

Penyelesaian:
Dari data di atas dapat disiapkan tabel seperti berikut:

Area Planimeter Area Ratio Interval Persamaan ΔVb

2
(in ) (acres) (An+1)/(An) (ft) (acre-ft)

19.64 450 -

16.34 375 0.83 5 Trapesium 2063

13.19 303 0.8 5 Trapesium 1695

10.05 231 0.76 5 Trapesium 1335

6.69 154 0.67 5 Trapesium 963

3.22 74 0.48 5 Piramid 558

0 0 0 5 Piramid 99

Penentuan Cadangan, hal. 10

Dengan demikian volume total batuan reservoir tersebut adalah
Vb = 2063 + 1695 + 1335 + 963 + 558 + 99
= 6713 acre-ft
Dengan menggunakan factor konversi 1 acre-ft = 43560 ft3 maka
Vb = 292.4 x 106 ft3

c. Porositas
Porositas umumnya diperoleh dari data log yang dikalibrasi terhadap data core. Harga
porositas tiap selang ketebalan (net pay) kemudian ditentukan untuk tiap sumur yang ada.
Harga rata-rata porositas pada tiap sumur dihitung dengan menggunakan faktor perata-rataan
ketebalan, yaitu:
m
∑ φ k h n, k
φ w = k =1
hn
k adalah indeks untuk menyatakan jumlah selang masing-masing berketebalan hn,k dalam
selang ketebalan hn yang masing-masing mempunyai data porositas φk. Berdasarkan harga-
harga φw yang terhitung kemudian dibuat 2 buah peta yang disebut dengan peta isoporosity
(peta kontur porositas) dan iso-porosity thickness (peta kontur porositas-ketebalan, φwhn).
Dari peta iso-porosity thickness kemudian dihitung porositas rata-rata dalam reservoir dengan
menggunakan faktor perata-rataan volume, yaitu:
∫∫ φ w h n dx dy
φ= A
VR

d. Saturasi Air
Saturasi air biasanya diperoleh dari data log. Pada suatu litologi batuan, saturasi air umumnya
tergantung pada ketinggian di atas free water level. Kenyataan ini harus diperhitungkan jika
reservoir mempunyai water-oil atau water-gas contact. Pertama-tama tentukan kurva saturasi
air versus ketinggian, Sw = f(h). Hal ini diperoleh dengan melakukan:
1. Interpolasi harga Sw dari log pada berbagai kedalaman di setiap sumur, atau
2. Jika ada core, dengan prosedur normalisasi menggunakan Leverett J-Function, seperti
telah dijelaskan pada Bab III.

Penentuan Cadangan, hal. 11

Kurva saturasi tersebut digunakan untuk mengoreksi atau mengeliminasi harga saturasi dari
log pada tiap sumur jika harga saturasi tersebut bersifat anomali terhadap ketinggian di atas
free water. Selanjutnya hitung saturasi air rata-rata di tiap sumur, Sw,w, sebagai berikut:
m
∑ S w , k φ k h n, k
k =1
Sw, w =
φw h n

Harga Sw,w kemudian dipetakan sehingga diperoleh peta kontur ”iso-water saturation” dan
”iso-water saturation thickness” atau peta iso hnφwSw,w.Dengan demikian, saturasi air rata-
rata reservoir dapat dihitung dengan menggunakan faktor perata-rataan pore volume sebagai
berikut:
∫∫A S w , w φ w h n dx dy
Sw =
φV R

e. Faktor Volume Formasi

Faktor volume formasi minyak, Bo, dan lebih khusus faktor volume formasi gas, Bg,
umumnya tidak tergantung pada lokasi di reservoir kecuali variasi tekanan di dalam reservoir
sangat besar. Oleh karenanya, harga yang ditentukan di laboratorium, seperti yang telah
dibahas pada Bab IV, yang diperoleh dari data core dan/atau PVT sudah cukup memadai.
Dalam hal ini, harga faktor volume formasi dapat diambil pada harga tekanan rata-rata
reservoir. Namun, jika ketebalan reservoir sangat besar maka akibat pemisahan secara
gravitasi (gravity segregation) minyak cenderung untuk turun menuju bagian bawah
reservoir. Dalam kasus ini, akan lebih baik jika mempunyai harga Bo yang berbeda-beda
untuk tiap kedalaman. Kemudian harga-harga Bo tersebut dirata-ratakan dengan
menggunakan faktor perata-rataan volume hidrokarbon pada tiap kedalaman yang
mempunyai harga Bo tertentu.

f. Faktor Perolehan
Penentuan faktor perolehan (recovery factor) boleh jadi bagian yang paling bersifat
kontroversial dalam perhitungan cadangan menggunakan metode volumetrik. Selain sangat
menentukan besar cadangan, faktor perolehan juga merupakan fungsi dari berbagai faktor
yang saling terkait satu sama lain dan sulit dinyatakan secara eksplisit. Faktor-faktor yang
saling terkait tersebut diantaranya adalah jenis mekanisme pendorongan, mobility ratio,
keheterogenan sifat batuan, jumlah dan distribusi sumur, jadwal produksi tiap sumur, dan

Penentuan Cadangan, hal. 12

kemungkinan pelaksanaan teknik perolehan lanjut. Boleh jadi penentuan faktor perolehan
yang paling baik adalah dengan menggunakan simulator numerik. Namun, karena
keterbatasan data, pemakaian simulasi numerik pada awal perkembangan suatu reservoir
sangat tidak layak.

Oleh karena itu, penentuan faktor perolehan biasanya didasarkan pada bukti keberhasilan
perolehan di reservoir lain yang dipandang mempunyai batuan dan cekungan sedimen yang
sama sehingga diharapkan mengandung minyak dan batuan dengan sifat fisik yang mirip dan
mempunyai mekanisme pendorongan yang sama. Berdasar pada hal tersebut, dikembangkan
korelasi yang menghubungkan faktor perolehan dengan sifat fisik batuan dan fluida untuk
jenis batuan tertentu pada tekanan abandonment tertentu. Korelasi yang paling sering
digunakan adalah yang telah dikembangkan oleh American Petroleum Institute (API) yang
dikenal pula sebagai metode J. J. Arps, yaitu:
Untuk batuan sandstone/carbonate dengan mekanisme pendorongan solution gas drive:

⎡ φ (1 − S w )⎤
0.1611 0.0979 0.1741
⎛ k ⎞ 0.3722 ⎛⎜ p b ⎞⎟
E R , o (%) = 41.815⎢ ⎥ ⎜
⎜μ ⎟
⎟ (S w ) ⎜p ⎟
⎣ B ob ⎦ ⎝ ob ⎠ ⎝ a⎠
Untuk batuan sandstone dengan mekanisme pendorongan water drive:
− 0.2159
⎡ φ (1 − S w )⎤
0.0422 0.0770
⎛ k μ wi ⎞ − 0.1903 ⎛⎜ p i ⎞⎟
E R , o (%) = 54.898⎢ ⎥ ⎜
⎜ μ ⎟
⎟ (S w ) ⎜p ⎟
⎣ B oi ⎦ ⎝ oi ⎠ ⎝ a⎠
dimana φ dan Sw dinyatakan dalam fraksi, k dalam Darcy, dan μ dalam cp. Sedangkan simbol
pb adalah tekanan bubble point, pi adalah tekanan awal reservoir, dan pa adalah tekanan
abandonment. Kedua korelasi di atas diturunkan dengan menggunakan data dari sekitar 75
reservoir. Oleh karenanya, perlu dicatat di sini bahwa API sendiri telah menyatakan keraguan
terhadap akurasi dari kedua korelasi di atas sehingga penggunaannya harus dilakukan dengan
ekstra hati-hati.

Faktor perolehan gas dapat diperkirakan dengan cara yang relative lebih sederhana. Untuk
reservoir dengan mekanisme pendorongan ekspansi tanpa ada water drive, tingkat perolehan
gas hanya dikontrol oleh tekanan abandonment. Dengan demikian, perolehan gas hanya
tergantung pada tekanan kepala sumur minimum yang dapat ditetapkan. Sisa cadangan pada
setiap tingkat depletion adalah perbedaan antara cadangan awal dan jumlah produksi
kumulatif pada tingkat depletion tersebut. Oleh karena itu, faktor perolehan dapat dihitung
sebagai fraksi dari initial gas in place yang dapat diambil, yaitu:

Penentuan Cadangan, hal. 13

 (G − G a ) ⎛⎜ 1 1 ⎞⎟ ⎛⎜ 1 ⎞⎟
E R,g = = − /
G ⎜ B gi B ga ⎟ ⎜ B gi ⎟
⎝ ⎠ ⎝ ⎠
B gi
= 1−
B ga
Dengan menggunakan definisi
p sc zT
Bg =
T sc p
dimana faktor kompresibilitas pada konsisi standar sama dengan satu, maka dengan asumsi
kondisi isothermal, diperoleh:
pa / za
E R,g = 1 −
pi / zi

Jika terdapat mekanisme pendorongan water drive, maka saturasi gas residual, Sgr, yaitu gas
tersisa (yang tidak tersapu) di belakang air yang mendorongnya harus diperhitungkan. Dalam
reservoir dengan batuan sandstone, Sgr umumnya berkisar pada harga antara 0.1 sampai 0.3,
dan dalam batuan karbonat antara 0.1 sampai 0.23. Untuk kasus dimana pada tekanan
abandonment air telah menyapu seluruh gas kecuali Sgr, maka:
pa / za
E R , g = 1 − S gr
pi / zi

Metode Volumetrik-Deterministik Menggunakan Harga Rata-rata

Harga rata-rata h n , φ , S w , B o (atau B g ), E R , o (atau E R , g ) yang dihitung dengan cara

seperti dipaparkan di atas untuk masing-masing luas daerah yang didefinisikan sebagai
daerah proven, probable, atau possible, dapat digunakan untuk menghitung cadangan proven,
probable, atau possible dengan memakai persamaan-persamaan yang seperti telah disebutkan
di atas, yaitu:
Untuk menghitung cadangan minyak:
A h n φ(1 − S w )
N pa = E R,o
Bo
Untuk menghitung cadangan gas:
A h n φ (1 − S w )
G pa = E R,g
Bg

Penentuan Cadangan, hal. 14

Metode Volumetrik-Deterministik Menggunakan Equivalent Hydrokarbon Column
Dari harga-harga hn, φw, dan Sw,w untuk setiap sumur, hitung ketebalan hipotetis kolom
hidrokarbon dengan cara mengurangkan volume batuan dan air dalam pori (disebut dengan
equivalent hydrocarbon column atau EHC), yaitu:
EHC = hn φw (1 – Sw,w)
Kemudian EHC tiap sumur dipetakan sehingga diperoleh peta iso-EHC untuk selanjutnya
volume total hidrokarbon, VH, dihitung dengan:
V H = ∫∫A EHC dx dy
Perhitungan dengan persamaan tersebut dilakukan secara terpisah untuk luas daerah proven,
probable, dan possible seperti menghitung VR di atas. Kemudian cadangan untuk minyak dan
gas proven, probable, dan possible masing-masing dihitung dengan:
VH
N pa = E R,o
Bo

VH
G pa = E R,g
Bg

Metode Volumetrik-Probabilistik Menggunakan Simulasi Monte Carlo

Metode probablistik menghilangkan definisi proven, probable, dan possible yang kaku (rigid)
dan menggantinya dengan konsep probabilitas. Dengan cara ini, cadangan diklasifikasikan
berdasarkan tingkat probabilitas (kemungkinan) harga yang terhitung. Hal ini ditentukan
menurut kurva distribusi probabilitas untuk tiap parameter dalam persamaan yang digunakan
untuk menghitung cadangan. Selanjutnya, pembahasan tentang hal ini akan disampaikan pada
bagian Simulasi Monte Carlo.

Konsep Tekanan Rata-rata

Dalam perhitungan metode volumetrik seringkali diperlukan data tekanan reservoir rata-rata.
Tekanan reservoir umumnya diukur melalui sumur. Masing-masing sumur akan
menghasilkan data sendiri-sendiri. Perhatian utama dalam hal ini adalah metode penentuan
tekanan rata-rata dari data sumuran tersebut. Beberapa cara perata-rataan yang umum
digunakan adalah:
n
∑ pi
1. Tekanan rata–rata sumuran = 0 ; n = jumlah sumur, p = tekanan sumuran
n

Penentuan Cadangan, hal. 15

 n
∑ pi Ai
2. Tekanan rata–rata areal = 0 ; A = luas daerah pengurasan sumur
n
∑ Ai
0

n
∑ pi Ai h i
3. Tekanan rata–rata volumetrik = 0 ; h = ketebalan lapisan pada lokasi sumur
n
∑ Ai hi
0

Contoh 2: Menghitung tekanan rata-rata

Diketahui data tekanan untuk sumur-sumur pada Region 1 yang menembus suatu formasi
batuan suatu reservoir dengan peta lokasi ditunjukkan oleh gambar berikut. Dengan
menggunakan data tersebut hitunglah tekanan rata-rata sumuran, rata-rata areal, dan rata-rata
volumetrik untuk reservoir tersebut.

p1 Region 1
• p2 Patahan
Sumur 1 •
Sumur 2
p3 p4
•
• Sumur 4 Region 3
Sumur 3
p5 p6
• •
Sumur 5 Sumur 6 p7
•
Sumur 7
Region 2
p8
• Sumur 8

Penyelesaian:
Dengan data dari masing-masing sumur pada Region 1 yang mempunyai 4 buah sumur yaitu
Sumur 1, 2, 3, 4, perhitungan tekanan rata-rata dapat dilakukan dengan menyiapkan tabel
seperti ditunjukkan berikut:

Sumur pi Ai (acres) piAi hi piAihi Aihi

1 2750 160 440,000 20 8,800,000 3200
2 2680 125 335,000 25 8,375,000 3125
3 2840 190 539,600 36 14,029,600 4940
4 2700 145 391,500 31 12,136,500 4495
n=4 Σ=10,970 Σ=620 Σ=1,706,100 Σ=43,341,100 Σ=15,760

Penentuan Cadangan, hal. 16

Sehingga:
10,970
Tekanan rata-rata sumur = = 2743 psia
4
1,706,100
Tekanan rata-rata areal = = 2752 psia
620
43,341,100
Tekanan rata-rata volumetrik = = 2750 psia
15,760

Unit Recovery (Initial Unit Reserve)

Cadangan yang dihitung dengan menggunakan factor perolehan seperti disebutkan di atas
menunjukkan bahwa cadangan tersebut dinyatakan sebagai fraksi isi awal minyak atau gas di
tempat. Cadangan juga dapat dinyatakan sebagai volume minyak atau gas per volume bulk
batuan reservoir. Cara perhitungan ini menggunakan parameter yang disebut dengan unit
recovery. Seperti halnya factor perolehan, unit recovery dapat ditentukan dengan metode
analogi, persamaan saturasi residual, korelasi empiris, material balance, atau simulasi
reservoir. Sebagai contoh, jika dipandang unit recovery gas adalah perbedaan antara initial
gas in-place dan gas tersisa (remaining gas) pada tekanan abandonment, pa, maka unit
recovery dapat dihitung sebagai berikut:
⎡ 1 1 ⎤
Unit Recovery = 43560 (φ) (1 – Swi) ⎢ − ⎥ SCF/acre-ft
⎣⎢ B gi B ga ⎦⎥
dimana:
Bgi = Initial formation volume factor, pada p = pi
B

Bga = Abandonment formation volume factor, pada p = pa

B

Simulasi Monte Carlo

Dalam kegiatan sehari-hari seringkali kita dihadapkan pada persoalan memperkirakan suatu
harga dari suatu variabel dalam suatu proses alam yang mengandung ketidakpastian. Dalam
industri minyak, ketidakpastian terdapat misalnya dalam perkiraan modal, cadangan, dan
parameter ekonomi. Perkiraan tentang hal-hal tersebut menyangkut selang harga (bukan satu
harga pasti) dan kemungkinan kebenaran perkiraan tersebut. Oleh karenanya, kita selalu
harus menentukan tingkat ketidakpastian dengan selang harga yang mungkin serta tingkat
kemungkinannya. Hal itu berkenaan dengan dua hal yaitu analisis risiko dan analisis
probabilitas. Sebagai contoh, yang menyangkut analisis risiko:

Penentuan Cadangan, hal. 17

1. Suatu sumur wild cat memerlukan waktu antara 56 sampai 87 hari untuk mengebornya –
kita tidak dapat mengatakan persis 65 hari.
2. Biaya total untuk pemboran tersebut antara US$ 4.3 juta sampai US$ 7.2. juta – kita tidak
mampu menyebutkan persis US$ 5.2 juta sebelum pemboran tersebut selesai dikerjakan.
dan yang menyangkut analisis probabilitas:
1. Berapa kemungkinan mendapatkan NPV suatu prospek melebihi target yang ditetapkan
sebesar US$ 2.0 juta?
2. Seberapa mungkin tambahan cadangan dari program eksplorasi yang sedang dijalankan
tahun ini akan menambah produksi tahun berikutnya?

Di sisi lain, dalam melakukan proses perhitungan untuk mendapatkan harga suatu variabel
kita dapat menggunakan pendekatan deterministik atau stokastik. Proses perhitungan
deterministik menghasilkan keluaran (output) hanya satu sedangkan proses perhitungan
stokastik menghasilkan keluaran lebih dari satu (banyak) yang kesemuanya mempunyai
kemungkinan yang sama berdasarkan statistik set data yang diberikan. Dengan demikian,
untuk kasus-kasus seperti dicontohkan di atas “kelebihan” metode stokastik adalah
memasukkan unsur ketidakpastian dan tidak memerlukan harga yang unik untuk suatu
variabel dalam model yang sedang dihitung.

Simulasi Monte Carlo (nama Monte Carlo berasal dari kata sandi untuk suatu proyek
pembuatan nuklir pada Perang Dunia II yang dikenal sebagai Proyek Manhattan) merupakan
proses perhitungan yang berulang-ulang (berdasarkan analisis statistik) dari model stokastik
yang mensimulasi suatu proses fisik dari fenomena alam yang umumnya memiliki variabel
berupa penyebaran harga dalam bentuk frekuensi. Hasil dari proses simulasi ini adalah
hubungan probabilitas vs. harga. Model yang digunakan dapat dinyatakan oleh persamaan
matematis yang variabelnya ditetapkan berdasarkan distribusi frekuensi (probability density
function) dan distribusi kumulatif (probability distribution function). Distribusi frekuensi dari
variabel dalam model tersebut seringkali hanya dapat diperkirakan berdasarkan data yang
terbatas sehingga distribusi yang dihasilkan tidak berbentuk kurva yang berkesinambungan
(continous). Karena ketidaklengkapan data tersebut maka kita hanya dapat memperkirakan
harga minimum, maksimum, dan paling mungkin (most likely) atau bahkan hanya harga
minimum dan maksimum saja. Oleh karena itu, distribusi frekuensi yang sederhanalah yang
dapat digunakan, yaitu distribusi segi tiga (triangular) dan distribusi segi empat (uniform
distribution) seperti ditunjukkan oleh gambar skematik berikut.

Penentuan Cadangan, hal. 18

Harga minimum, maksimum, dan yang paling mungkin – distribusi berbentuk segi tiga:

w(x) Distribusi segi

tiga

a b c

Harga minimum dan maksimum saja – distribusi berbentuk segi empat:

w(x) Distribusi segi

empat (seragam)

a x b

Untuk menghindari pengaruh subjektivitas dalam penentuan model distribusi variabel,

simulasi Monte Carlo menggunakan bilangan acak (random number). Hasil perhitungan
tersebut dinyatakan dalam histogram dan distribusi kumulatif.

Distribusi Harga
Kumpulan harga pengamatan dari suatu variabel yang digunakan dalam suatu model dapat
dinyatakan dalam bentuk distribusi frekuensi, yaitu dalam bentuk histogram. Histogram ini
diperoleh dari pengolahan hasil pengamatan sebanyak n yang dikelompokkan dalam suatu
selang harga, Δx. Jumlah pengamatan dalam selang harga dinyatakan dalam frekuensi
absolute, fi, atau dinyatakan dalam frekuensi relative, wi, dimana
f
wi = i
n

Σ pengamatan = n
selang harga = Δx

Penentuan Cadangan, hal. 19

Frekuensi per satuan harga x sepanjang selang Δx disebut kerapatan jenis frekuensi
(frequency density), w(x):
wi
w ( x i) =
Δx
Selanjutnya, plot w(x) terhadap Δx akan berbentuk histogram dan luas daerah w(xi)Δxi di
bawah kurva sepanjang internal Δxi merupakan frekuensi. Sedangkan luas daerah di bawah
kurva w(xi) adalah sama dengan satu, sehingga:
n n
∑ w ( x i)Δ x i = ∑ w i = 1
i =1 i −1
Bentuk histogram akan mendekati bentuk kurva yang bersinambungan (continous) bila
jumlah pengamatan banyak (harga n besar). Distribusi frekuensi yang banyak ditemukan
untuk sifat fisik batuan reservoir adalah distribusi nornal dan log normal seperti ditunjukkan
oleh gambar berikut.

Distribusi Distribusi
normal log normal Positive
skew Negative
skew

Distribusi frekuensi normal berbentuk lonceng (bell shaped) yang simetris sehingga,
Xmean = Xmode = Xmedian
sedangkan distribusi log normal berbentuk seperti distribusi normal dengan salah satu sisinya
menceng (skewness) ke kiri atau ke kanan.

Bentuk pernyataan lain dari hasil pengolahan data pengamatan adalah distribusi frekuensi
kumulatif, W(x<xi), dimana:
xi
W ( x < x i) = ∫ w ( x )dx
−∞

Harga W(x<xi) merupakan luas di bawah kurva distribusi frekuensi w(x) untuk x < xi dan
harga tersebut menggambarkan besarnya peluang atau probabilitas (probability) untuk
mendapatkan harga x ≤ xi. Harga maksimum W(x<xi) adalah 1, sehingga:
W (x > x i ) = 1 − W (x < x i )

Penentuan Cadangan, hal. 20

Bentuk kurva x terhadap W(x<xi) dalam kertas grafik probability adalah linier untuk
distribusi normal seperti halnya untuk penyebaran harga porositas batuan berpori. Sedangkan
distribusi log normal akan memberikan hubungan yang linier bila hubungan x terhadap
W(x<xi) digambarkan pada probability paper dimana sumbu log digunakan untuk variabel x.

Contoh 3: Penentuan distribusi variabel

Diberikan satu set data hasil pengamatan porositas seperti ditunjukkan oleh tabel berikut.
Olah data tersebut dalam selang porositas yang diberikan sehingga diperoleh frekuensi
absolut (fi), frekuensi relatif (wi), dan frekuensi kumulatif W(x<xi). Kemudian hubungkan
harga tengah selang dengan frekuensi kumulatif pada kertas grafik (probability paper)
sehingga diperoleh ciri untuk jenis distribusi normal dan log normal.

Selang Jumlah
Porositas Contoh
% fi
< 10 161
10 – 12 257
12 – 14 398
14 –16 493
16 –18 608
18 – 20 636
20 – 22 623
22 – 24 447
24 – 26 340
26 – 28 176
28+ 117

Penyelesaian:
Tabel berikut adalah hasil pengolahan data yang dinyatakan dalam frekuensi (classfied data).
Berdasarkan data hasil pengolahan tersebut, penggambaran grafik harga tengah selang (φi)
terhadap W(x<xi) pada probability paper akan memberikan hubungan linier, sehingga:
φ = φ50% = 0.176
sedangkan
n
φ = ∑ φ i Wi = 0.185 .
1

Penentuan Cadangan, hal. 21

 Selang Jumlah Frekuensi Frekuensi
Porositas Contoh Relatif Kumulatif
φi x Wi
% fi wi W(x < xi)
< 10 161 3.8 3.8 0.00342
10 – 12 257 6.0 9.8 0.0066
12 – 14 398 9.4 19.2 0.01222
14 –16 493 11.6 30.8 0.0174
16 –18 608 14.3 45.1 0.02431
18 – 20 636 14.9 60.0 0.02717
20 – 22 623 14.6 74.6 0.03066
22 – 24 447 10.5 85.1 0.02415
24 – 26 340 8.0 93.1 0.02000
26 – 28 176 4.1 97.2 0.01107
28+ 117 2.8 100.0 0.00812
n = 4256 100% 0.185

Distribusi Segi Tiga dan Segi Empat

Seperti telah disinggung di atas, hasil pengamatan suatu variabel hanya dapat diperkirakan
dalam tiga kategori, yaitu paling mungkin (most likely), minimum, dan maksimum. Bentuk
distribusi yang menggambarkan harga-harga tersebut adalah distribusi segi tiga (distribusi Δ),
seperti ditunjukkan oleh gambar berikut.

w(x)

a b c

Harga-harga x = a, x = b, dan x = c adalah masing-masing harga minimum, paling mungkin

dan maksimum. Luas daerah di bawah kurva adalah sama dengan satu, sehingga dapat dicari
persamaan untuk distribusi frekuensi w(x) dan distribusi frekuensi kumulatif W(x<xi) sebagai
berikut.
2( x − a )
w (x) = x≤b (1)
(c − a )(b − a )

Penentuan Cadangan, hal. 22

 2(c − x )
= x≥b (2)
(c − a )(c − b)
dimana w(x) = distribusi frekuensi.

W ( x < x i) =
(x − a )2 x≤b (3)
(c − a )(b − a )

= 1−
(c − x )2 x≥b (4)
(c − a )(c − b)
dimana W(x<xi) = distribusi frekuensi kumulatif.

Distribusi yang seragam atau distribusi segi empat (distribusi ) merupakan hasil pengamatan
yang terbatas pada perkiraan harga minimum dan maksimum saja dengan bentuk seperti
ditunjukkan oleh gambar berikut. Pada gambar tersebut terlihat bahwa distribusi frekuensi
w(x) adalah tetap untuk setiap harga x.

w(x)

a x b

Distribusi frekuensi w(x) dan distribusi frekuensi kumulatif untuk distribusi adalah sebagai
berikut:
1
w (x) = a≤x≤b (5)
b−a
(x − a )
W ( x < x i) = a≤x≤b (6)
b−a

Berdasarkan Persamaan 3 dan 4, maka grafik W(x<xi) terhadap x untuk distribusi segi tiga
akan berbentuk S (S-shaped) dan berdasarkan Persamaan 6 untuk distribusi segi empat
bentuk grafik tersebut akan linier. Kedua bentuk grafik untuk distribusi segi tiga dan
distribusi segi empat tersebut masing-masing ditunjukkan oleh gambar skematik berikut.

Penentuan Cadangan, hal. 23

 1
w(x) W(x<xi)

a b c a x c

w(x) W(x<xi)

a c a x c

Prosedur Simulasi
Telah disebutkan di atas bahwa simulasi Monte Carlo adalah proses perhitungan berulang-
ulang sehingga menghasilkan sejumlah keluaran (output). Harga variabel x diperoleh
berdasarkan persamaan distribusi frekuensi kumulatif baik persamaan yang berkenaan
dengan distribusi segitita maupun distribusi segi empat. Berdasarkan Persamaan 3, 4, dan 6,
maka persamaan tersebut untuk masing-masing distribusi adalah:
1. Distribusi segi tiga

x = a + [W ( x < x i)(c − a )(b − a )]0.5 x1 ≤ b

x = c − [1 − W(x < x i)(c − a )(c − b)]0.5 x1 ≥ b

2. Distribusi segi empat
x = a + W ( x < x i)(b − a )
Terlihat bahwa pada ketiga persamaan di atas, variabel x akan dapat dihitung jika diketahui
W(x<xi). Agar tidak bersifat subyektif, maka W(x<xi) diperoleh dengan menggunakan
bilangan acak (random number). Bilangan acak dapat diperoleh dengan menggunakan
random number generator yang tersedia dalam komputer atau, jika dilakukan secara manual,
dapat menggunakan buku telepon dengan mengambil dua (dua) digit terakhir dari nomor
telepon sebagai W(x<xi) dalam bentuk fraksi.

Simulasi Monte Carlo dilakukan dengan menggunakan langkah-langkah sistematik sebagai

berikut:

Penentuan Cadangan, hal. 24

1. Tentukan model yang berupa satu atau lebih persamaan dengan asumsi dan hubungan
antar variabel yang logik.
2. Pandang setiap parameter dalam model sebagai variabel acak yang memenuhi hubungan
probabilitas vs. harga kumulatif
3. Pilih satu harga untuk setiap parameter dan kemudian run model. Proses ini menghasilkan
satu keluaran dan disebut sebagai satu realisasi.
4. Ulangi Langkah 3. Proses ini disebut simulasi yaitu pengulangan sebanyak ribuan atau
ratusan ribu kali perhitungan.
5. Lakukan pengolahan data dan analisis terhadap hasil dari Langkah 4 dengan
menggunakan histogram atau distribusi frekuensi kumulatif

Penggunaan Bilangan Acak

Simulasi Monte Carlo dilakukan dengan menggunakan satu set bilangan acak yang
jumlahnya sama dengan jumlah variabel dalam model perhitungan atau persamaan yang
digunakan. Perhitungan dilakukan dengan jumlah set bilangan acak (n) lebih besar dari 1000.
Urutan penggunaan bilangan acak untuk variabel-variabel dalam model sifatnya tetap.
Misalnya, ada 3 (tiga) variabel ”X” dalam model perhitungan yaitu A, B, dan C. Maka urutan
assignment bilangan tersebut adalah sebagai berikut:

Bilangan Assigned to variable

acak A B C
RN1 Xa - -
RN2 - Xb -
RN3 - - Xc
RN4 Xa - -
RN5 - Xb -
RN6 - - Xc
dst.

Bilangan acak RN1, RN2, RN3 merupakan satu set bilangan acak pertama yang diassigned
sebagai variabel Xa, Xb, dan Xc. Bilangan acak RN4, RN5, RN6 merupakan satu set bilangan
acak kedua yang diassigned dengan urutan yang sama yaitu sebagai variabel Xa, Xb, dan Xc.
Begitu seterusnya, dimana simulasi dilakukan dengan jumlah set bilangan acak > 1000.
Dengan demikian, n set bilangan acak akan menghasilkan n keluaran (output) hasil
perhitungan atau n realisasi.

Penentuan Cadangan, hal. 25

Pengolahan Data dan Analisis
Untuk melakukan diagnosis dan analisis terhadap keluaran simulasi, prosedur berikut dapat
digunakan:
1. Tentukan harga terkecil dan terbesar dari keluaran.
2. Tentukan jumlah selang. Dalam kasus ini dapat digunakan ”rule of thumb” yaitu:
S = 1 + 3.3 log(n)
dimana:
S = jumlah selang
n = jumlah data hasil simulasi
3. Tentukan frekuensi absolut fi dan frekuensi relatif, wi, untuk tiap selang, kemudian buat
histogram.
4. Tentukan frekuensi kumulatif, kemudian plot distribusi frekuensi kumulatif.

Contoh 4: Aplikasi simulasi Monte Carlo dalam perhitungan cadangan

Contoh ini menunjukkan penerapan metode simulasi Monte Carlo untuk menentukan
cadangan. Dengan menggunakan prosedur seperti disebutkan diatas, maka simulasi dilakukan
sebagai berikut:
1. Ambil model perhitungan reserve sebagai:
R = Vb × RF
dimana R = cadangan (STB), Vb = volume bulk reservoir (acre-ft), dan RF = faktor
perolehan (STB/acre-ft). Kedua variabel bebas (independent variable) dalam model
perhitungan di atas, yaitu volume bulk dan faktor perolehan, dapat diperkirakan
berdasarkan kelengkapan data dan informasi yang ada. Volume bulk dapat diperkirakan
dari data seismik dan pemboran explorasi sedangkan faktor perolehan dapat diperkirakan
dengan cara membandingkan dengan formasi sejenis pada lapangan lain yang sudah
berproduksi. Mengingat sifat alamiah dari masing-masing variabel bebas Vb dan RF,
perkiraan tersebut adalah sebagai berikut:
Variabel Min Max Most likely
Vb → Δ 6000 32000 25000
RF → 1000 2150 -

Penentuan Cadangan, hal. 26

2. Berdasarkan distribusi harga seperti di atas, maka hubungan variabel dengan harga
kumulatif dapat dijabarkan sebagai berikut:
Vb → Distribusi Δ, untuk x < b diperoleh:
x = a + [W(x<xi)(c – a)(b – a)]0.5
= 6000 + [W(x<xi)(32000 – 6000)(25000 – 6000)]0.5
= 6000 + 22226 [W(x<xi)]0.5
Sedangkan b = 25000 = xi, sehingga:

(x − a ) 2
W ( x < 25000) =
(c − a )(b − a )

=
(25000 − 6000)2
(32000 − 6000)(25000 − 6000)
= 0.73
Angka ini menunjukkan bahwa bilangan acak yang berharga >73% akan menghasilkan
persamaan untuk x > b, yaitu:
x = c – [(1 – W(x<xi)(c – a)(c – b)]0.5
= 32000 – [(1 – W(x<xi)(32000 – 6000)(32000 – 25000)]0.5
= 32000 – (13491)[(1 – W(x<xi)]0.5

RF → Distribusi
x = a + W(x<xi)(b – a)
= 1000 + (2150 – 1000)W(x<xi)

3. Pilih harga variabel dengan menggunakan bilangan acak. Bilangan acak ini diambil dari
buku telepon dan, sebagai contoh, diperoleh 2 (dua) set bilangan acak. Dengan
menggunakan urutan assignment seperti disebutkan di muka, maka diperoleh harga-harga
Vb dan RF sebagai berikut:
No. telepon 7307628: ambil 28 sebagai Vb
No. telepon 2510811: ambil 11 sebagai RF
No. telepon 7305517: ambil 17 sebagai Vb
No. telepon 7562389: ambil 89 sebagai RF
Angka-angka bilangan acak yang terambil tersebut adalah harga W(x<xi) dalam %.
Selanjutnya, lakukan perhitungan, untuk kedua set bilangan acak tersebut. Berikut ini
diberikan contoh untuk satu set bilangan acak pertama:

Penentuan Cadangan, hal. 27

 Distribusi Δ → Vb
Bilangan acak = 28% < 73%, maka
x = 6000 + (22226)(0.28)0.5
= 17761 acre-ft

Distribusi → RF
Bilangan acak: 11 %
x = 1000 + (2150 – 1000)(0.11)
= 1127 STB/acre-ft

Dengan demikian diperoleh:

Reserve = Vb × RF
= 17761 × 1127 = 20.0 x 106 STB

4. Ulangi Langkah 3 untuk set bilangan acak kedua dan seterusnya untuk bilangan acak
lainnya. Berikut ditampilkan hasil perhitungan untuk 10 set bilangan acak.

# set RN atau Vb RF R
RN W(x<xi) (acre-ft) (STB/acre-ft) (106 STB)
28 17761
1 20.0
11 1127
17 15164
2 30.6
89 2024
32 18573
3 39.1
96 2104
80 25967
4 28.7
09 1104
95 28983
5 30.3
04 1046
58 22927
6 42.2
73 1840
84 26604
7 43.7
56 1644
06 11444
8 19.9
64 1736
15 14608
9 19.8
31 1357
54 22333
10 34.7
48 1552

Penentuan Cadangan, hal. 28

Jika Langkah 4 pada contoh di atas dilanjutkan sampai minimal 1000 kali pengulangan, maka
cadangan proven, probable, dan possible dapat dihitung berdasarkan confidence limit
tertentu. Dalam hal ini digunakan 5% confidence limit yang artinya ada peluang sebesar 90%
agar confidence limit tercapai. Menurut Archer and Wall, cadangan diklasifikasikan menurut
harga W(x<xi) sebagai berikut:
W(x<xi) Klasifikasi Cadangan
10% Proven
50% Proven + Probable
90% Proven + Probable + Possible.

Penentuan Cadangan, hal. 29

Tugas Latihan 1: Perhitungan volumetrik
Diket: Vr = 0.85 x 109 m2 PD = 36.4 MPa
φ = 0.24 Boi = 1.682
k = 150 md Co = 2.6 x 10-3 Mpa-1
Swi = 0.18 μoi = 0.234
-4 -1
Cp = 5 x 10 Mpa Cw = 4.3 x 10-4 Mpa-1
Pi = 45.6 Mpa μoi = 0.234 Tr = 172 °R
Hit : Vol. Oil in Place

Tugas Latihan 2: Perhitungan cadangan menggunakan simulasi Monte Carlo

Dengan menggunakan Excell atau program kecil, lanjutkan perhitungan dengan
menggunakan 1000 set bilangan acak ( cat: Excell dapat menggenerate bilangan ack:
@RAND): Buat histogram & kurva distribusi frekuensi kumulatif serta tentukan:
a) Proven
b) Proven + probable
c) Proven + probable + possible
Misal hasil perhitungan menunjukkan: harga min = 2.107 STB
max = 15.107 STB, dengan N = 1000
Maka jumlah selang:
S = 1 + 3.3 log (1000)
= 11
(15 − 2) x107
Ambil S = 10, maka range = = 1,3.107 STB
10
Maka:
fi wi
# 1 Selang (107) STB fi wi =
N N
w1
1 2 – 3.3 7
N
w1 + w2
2 3.3 – 4.6 7
N
w1 + w2 + w3
3 4.6 – 5.9 9
N
M
10 13.7 – 15 dst

Penentuan Cadangan, hal. 30