6 I Penentuan Cadangan
6 I Penentuan Cadangan
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.
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
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%.
Ditemukan/Discovered Belum/tidak
ditemukan
Undiscovered
Non Recoverable
Recoverable
Reserve Produksi
kumulatif
Proved Unproved
Probable Possible
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.
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
Water-Oil Contact
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
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
OWC
An+1
An
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:
19.64 450 -
0 0 0 5 Piramid 99
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.
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
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
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:
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
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
VH
G pa = E R,g
Bg
n
∑ pi Ai h i
3. Tekanan rata–rata volumetrik = 0 ; h = ketebalan lapisan pada lokasi sumur
n
∑ Ai hi
0
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:
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.
a b c
a x b
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
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 )
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
w(x)
a b c
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.
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
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.
(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:
Distribusi → RF
Bilangan acak: 11 %
x = 1000 + (2150 – 1000)(0.11)
= 1127 STB/acre-ft
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