PERSEBARAN POTENSI TOTAL ORGANIC CARBON (TOC)

PADA KELOMPOK PEMATANG CEKUNGAN SUMATERA

TENGAH MENGGUNAKAN ANALISIS MULTIATRIBUT

LAPORAN TUGAS AKHIR

Oleh:
ISTIQOMAH
101116060

FAKULTAS TEKNOLOGI EKSPLORASI DAN PRODUKSI

PROGRAM STUDI TEKNIK GEOFISIKA
UNIVERSITAS PERTAMINA
2020
PERSEBARAN POTENSI TOTAL ORGANIC CARBON (TOC)
PADA KELOMPOK PEMATANG CEKUNGAN SUMATERA
TENGAH MENGGUNAKAN ANALISIS MULTIATRIBUT

LAPORAN TUGAS AKHIR

Oleh:
ISTIQOMAH
101116060

FAKULTAS TEKNOLOGI EKSPLORASI DAN PRODUKSI

PROGRAM STUDI TEKNIK GEOFISIKA
UNIVERSITAS PERTAMINA
2020
 LEMBAR PENGESAHAN

Judul Tugas Akhir : Persebaran Potensi Total Organic Carbon (TOC) Pada
Kelompok Pematang Cekungan Sumatera Tengah
Menggunakan Analisis Multiatribut
Nama Mahasiswa : Istiqomah
Nomor Induk Mahasiswa : 101116060
Program Studi : Teknik Geofisika
Fakultas : Teknologi Eksplorasi dan Produksi
Tanggal Lulus Sidang Tugas Akhir : 2 September 2020

Jakarta, 16 September 2020

MENGESAHKAN
Pembimbing I : Nama : M. Husni Mubarak Lubis S.T., M.S
NIP : 116028
Pembimbing II : Nama : Dr. Ida Herawati
NIP : 116126

Pembimbing I, Pembimbing II,

M. Husni Mubarak Lubis S.T., M.S

Dr. Ida Herawati
NIP. 116028
NIP. 116126

MENGETAHUI,
Ketua Program Studi

M. Husni Mubarak Lubis, S.T., M.S.

NIP. 116028

Universitas Pertamina - i
LEMBAR PENGESAHAN

Jakarta, 16 September 2020

Yang membuat pernyataan,

Istiqomah

NIM. 101116060

Universitas Pertamina - ii
 ABSTRAK

Istiqomah. 101116060. Persebaran Potensi Total Organic Carbon (TOC) Pada Kelompok
Pematang Cekungan Sumatera Tengah menggunakan Analisis Multiatribut.
Cekungan Sumatera Tengah merupakan salah satu cekungan penghasil hidrokarbon terbesar
di Indonesia. Salah satu yang menjadi daya tarik yaitu ketersediaannya migas non
konvensional pada Kelompok Pematang. TOC merupakan salah satu parameter dalam migas
non konvensional yang menentukan berpotensi atau tidaknya suatu formasi. Dalam
penelitian ini digunakan data seismik 2D dan data sumur yang akan diintegrasikan
menggunakan metode multiatribut. Penelitian ini bertujuan untuk memprediksi nilai TOC
dan mengidentifikasi persebarannya pada Kelompok Pematang menggunakan analisis
multiatribut. Atribut log digunakan untuk memprediksi nilai log TOC. Sedangkan untuk
persebarannya dilakukan dengan metode multiatribut Probabilistic Neural Network dengan
4 pasangan atribut. Hasil korelasi pada aplikasi metode Probabilistic Neural Network
menunjukkan nilai 0.918. Hasil dari aplikasi metode ini yaitu didapatkannya persebaran nilai
TOC pada Kelompok Pematang dari rentang 0.5 – 5 wt.%. Nilai TOC tertinggi berada pada
Formasi Upper Red Bed dengan rentang 3 – 5 wt.%

Kata Kunci (sentence case): Total Organic Carbon (TOC), Multiatribut Seismik,
Probabilistic Neural Network

Universitas Pertamina - iii

 ABSTRACT

Istiqomah. 101116060. Distribution of Total Organic Carbon (TOC) Potential in Pematang,

Group Central Sumatra Basin, using Multi-attribute Analysis.
Central Sumatra Basin is one of the largest hydrocarbon producing basins in Indonesia. One
of the main attractions is the availability of non-conventional oil and gas in the Pematang
Group. TOC is one of the parameters in non-conventional oil and gas that determines
whether or not a formation is potential. In this study, 2D seismic data and well data were
used to be integrated using the multi-attribute method. This study aims to predict the TOC
value and identify its distribution in the Pematang Group using multi-attribute analysis. The
log attribute is used to predict the log TOC value. Meanwhile, the distribution is using the
multi-attribute Probabilistic Neural Network method with 4 pairs of attributes. The
correlation results in the application of the Probabilistic Neural Network method show a
value of 0.918. The results of the application of this method are the distribution of TOC
values in the Pematang Group are in the range of 0.5 - 5 wt.%. The highest TOC value is in
the Upper Red Bed formation with a range of 3 - 5 wt.%

Keywords (sentence case): Total Organic Carbon (TOC), Seismic Multiattribute,

Probabilistic Neural Network

Universitas Pertamina - iv
 KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah SWT, karena telah memberikan rahmat serta
karunia-Nya yang berlimpah sehingga penulis dapat menyelesaikan kegiatan tugas akhir di
Pusat Penelitian dan Pengembangan Teknologi Minyak dan Gas Bumi “LEMIGAS” serta
penulisan laporan yang berjudul “Persebaran Potensi Total Organic Carbon (TOC) pada
Kelompok Pematang Cekungan Sumatera Tengah Menggunakan Analisis Multiatribut”.
Penelitian yang ditulis dalam laporan ini tidak lepas dari peran pihak-pihak yang turut
membantu baik secara langsung maupun tidak langsung. Oleh karena itu penulis berterima
kasih kepada:
1. Kedua orang tua, Mba Anjani dan Dimas yang selalu memberikan dukungan serta
bantuan dengan tulus dalam hal apapun.
2. Bapak M. Husni Mubarak Lubis dan Ibu Ida Herawati selaku dosen pembimbing
Pertamina atas waktu, motivasi, saran, dan bimbingannya dalam penelitian ini.
3. Bapak M. Budisatya Wiranatanegara dan Bapak Humbang Purba, M.Si selaku
pembimbing Tugas Akhir di PPPTMGB “LEMIGAS” yang telah membantu dalam
memberikan materi, bimbingan, dan pengetahuan bagi penulis selama pelaksanaan
tugas akhir.
4. Mas Avi, Mas Irsyad, Mas Nugraha, Mbak Peni dan seluruh pihak Lemigas
khususnya yang tergabung dalam project CSB yang telah memberikan banyak
masukan dan saran dari proses awal sampai bisa menyelesaikan penelitian ini.
5. Mega, Eka, Alda, Eca, Safira dan seluruh teman teman yang selalu memberi
perhatian, bantuan, dan dukungan serta mendengar keluh kesah penulis selama
pengerhaan Tugas Akhir ini.
6. Dan seluruh pihak yang tidak dapat disebutkan satu persatu.
Penulis menyadari akan keterbatasan dan kelemahan dalam ilmu pengetahuan dan
pengalaman, sehingga penulis mengharapkan kritik dan saran yang membangun demi
penulis yang lebih baik. Akhir kata, penulis berharap hasil penulisan laporan Tugas Akhir
ini dapat berguna bagi pihak yang memerlukan serta perkembangan ilmu pengetahuan
khususnya di bidang geofisika.

Jakarta, 16 September 2020

Istiqomah

Universitas Pertamina - v
 DAFTAR ISI

LEMBAR PENGESAHAN .................................................................................................. i

LEMBAR PENGESAHAN ................................................................................................. ii
ABSTRAK ........................................................................................................................... iii
ABSTRACT ........................................................................................................................ iv
KATA PENGANTAR ......................................................................................................... v
DAFTAR ISI ....................................................................................................................... vi
DAFTAR TABEL ............................................................................................................. viii
DAFTAR GAMBAR .......................................................................................................... ix
DAFTAR SINGKATAN .................................................................................................... xi
BAB I .................................................................................................................................... 1
PENDAHULUAN ................................................................................................................ 1
1.1 Latar Belakang ........................................................................................................... 1
1.2 Rumusan Masalah ..................................................................................................... 2
1.3 Hipotesis ...................................................................................................................... 2
1.4 Batasan Masalah ........................................................................................................ 2
1.5 Tujuan ......................................................................................................................... 2
1.6 Manfaat ....................................................................................................................... 2
1.7 Lokasi Penelitian ........................................................................................................ 3
1.8 Waktu Penelitian........................................................................................................ 3
BAB II ................................................................................................................................... 4
TUNJAUAN PUSTAKA ..................................................................................................... 4
2.1 Geologi Regional Cekungan Sumatera Tengah ...................................................... 4
2.2 Stratigrafi Daerah Penelitian .................................................................................... 6
2.3 Logging ........................................................................................................................ 8
2.3.1 Gamma Ray Log ................................................................................................... 8
2.3.2 Log Densitas ......................................................................................................... 8
2.3.3 Log Neutron ......................................................................................................... 9
2.3.4 Log Sonic .............................................................................................................. 9
2.3.5 Log Resistivity..................................................................................................... 10
2.4 Konsep Dasar Seismik ............................................................................................. 11
2.4.1 Impedansi Akustik dan Koefisien Refleksi ..................................................... 11
2.4.2 Polaritas.............................................................................................................. 12
2.4.3 Fasa ..................................................................................................................... 12

Universitas Pertamina - vi
 2.4.4 Wavelet ................................................................................................................ 13
2.4.5 Sintetik Seismogram ......................................................................................... 13
2.4.6 Well Seismic Tie ................................................................................................. 14
2.4.7 Identifikasi dan Picking Horizon...................................................................... 14
2.5 Inversi Seismik ......................................................................................................... 15
2.6 Analisis Multiatribut ............................................................................................... 16
2.6.1 Atribut Seismik .................................................................................................. 16
2.6.2 Multiatribut Seismik ......................................................................................... 16
2.6 Total Organic Carbon (TOC) .................................................................................. 17
BAB III ............................................................................................................................... 20
METODE PENELITIAN ................................................................................................. 20
3.1 Bentuk Penelitian ..................................................................................................... 20
3.2 Lokasi dan Waktu Penelitian.................................................................................. 20
3.3 Metode Pengumpulan Data..................................................................................... 20
3.4 Metode Analisis Data ............................................................................................... 21
BAB IV ............................................................................................................................... 24
HASIL DAN PEMBAHASAN.......................................................................................... 24
4.1. Well Seismic Tie ....................................................................................................... 24
4.2 Interpretasi Horizon ................................................................................................ 26
4.3 Analisis Prediksi Log TOC ..................................................................................... 26
4.4 Analisis Cross plot .................................................................................................... 29
4.5 Analisis Seismik Inversi ........................................................................................... 30
4.5.1 Low Frequency Model........................................................................................ 30
4.5.2 Analisis Pra-Inversi ........................................................................................... 32
4.5.3 Inversi Model Based .......................................................................................... 33
4.5 Analisis Multiatribut ............................................................................................... 34
BAB V ................................................................................................................................. 39
KESIMPULAN DAN SARAN .......................................................................................... 39
5.1 Kesimpulan ............................................................................................................... 39
5.2 Saran ......................................................................................................................... 39
DAFTAR PUSTAKA ........................................................................................................ 40

Universitas Pertamina - vii

 DAFTAR TABEL

Tabel 3.1 Pelaksanaan Kegiatan Penelitian……………………………………... 20

Tabel 3.2 Kelengkapan Data Log……………………………………………….. 22
Tabel 3.3 Informasi Marker……………………………………………………... 22
Tabel 4.1 Hubungan antara TOC dengan resource potential (Alexander dkk,
2011)…………………………………………………………………... 37

Universitas Pertamina - viii

 DAFTAR GAMBAR

Gambar 2.1 Cekungan Sumatera Tengah (Lingkaran Merah) (Heidrick & Aulia, 1993)… 4
Gambar 2.2 Perkembangan Cekungan Sumatera Tengah (Heidrick & Aulia, 1993)…...... 5
Gambar 2.3 Stratigrafi Cekungan Sumatera Tengah (Eubank & Makki, 1981 dalam
Heidrick & Aulia, 1993)……………………………………………………. 6
Gambar 2.4 Kurva Log Gamma Ray (Rider, 1996)……………………………………… 8
Gambar 2.5 Kurva Log Densitas (Rider, 1996) …………………………………………. 9
Gambar 2.6 Kurva Log Neutron (Rider, 1996)…………………………………………... 9
Gambar 2.7 Kurva Log Sonic (Rider, 1996)……………………………………………... 10
Gambar 2.8 Kurva Log Resistivity (Rider, 1996)………………………………………... 11
Gambar 2.9 Koefisien refleksi (Sukmono, 1999)……………………………………….. 12
Gambar 2.10 Polaritas Normal dan Polaritas Terbalik (Abdullah, 2007)…………………. 12
Gambar 2.11 Macam-macam fasa (Abdullah, 2007)……………………………………… 13
Gambar 2.12 Jenis-jenis Wavelet (Sukmono, 1999)..……………………………………... 13
Gambar 2.13 Seismogram Sintetik (Sukmono, 1999)…………………………………… 14
Gambar 2.14 Well Seismic Tie (Sinulingga, 2017)………………………………………... 15
Gambar 2.15 Pembagian kategori metode inversi seismic (Russel,1991)………………... 15
Gambar 2.16 Alur inversi model based (Russel,1991)…………………………………… 16
Gambar 2.17 Klasifikasi Atribut Seismik (Brown, 2000)…………………………………. 16
Gambar 2.18 Tahapan metode step wise regression (Smith, 1966)………………………. 17
Gambar 2.19 Skema metode neural network (Hampson dkk, 2001)……………………… 18
Gambar 3.1 Basemap Penelitian………………………………………………………… 21
Gambar 3.2 Diagram Alir Penelitian……………………………………………………. 23
Gambar 4.1 Wavelet averaged………………………………………………………………….. 24
Gambar 4.2 Well Seismic Tie K-1 – 6694 ………………………………..……………… 25
Gambar 4.3 Well Seismic Tie J-1 – 6696 ………………………………..……………… 25
Gambar 4.4 Well Seismic Tie S-1 – 6842 ………………………………..……………… 25
Gambar 4.5 Interpretasi Horizon (a) Line 6694 (b) Line 6696 (c) Line 6842…………….. 26
Gambar 4.6 Hubungan antara TOC dengan Log input pada sumur K-1…………………. 27
Gambar 4.7 Hubungan antara TOC dengan Log input pada sumur J-1…………………. 27
Gambar 4.8 Hubungan antara TOC dengan Log input pada sumur S-1…………………. 27
Gambar 4.9 Daftar Kombinasi Atribut pada proses step wise regression……………….. 28
Gambar 4.10 Perbandingan kurva TOC core dengan kurva log TOC model
menggunakan 2 atribut……...……………………………………………… 28
Gambar 4.11 Hasil validasi kurva TOC core dengan kurva log TOC model menggunakan
2 atribut……………………………………………………………………... 28
Gambar 4.12 Cross plot antara TOC aktual dengan log TOC model menggunakan 2
atribut……………………………………………………………………….. 29
Gambar 4.13 Perbandingan antara TOC core dengan hasil log prediksi TOC (a) K-1 (b) J-
1 (c) S-1........................................................................................................ 29
Gambar 4.14 Cross plot antara impedansi akustik dengan TOC hasil prediksi pada 3
sumur............................................................................................................... 30
Gambar 4.15 Amplitude Spectrum dari seluruh seismik…………………………………… 30
Gambar 4.16 Model awal pada line 6694 dengan kontrol sumur K-1……………………… 31

Universitas Pertamina - ix
Gambar 4.17 Model awal pada line 6694 dengan kontrol sumur J-1………………………. 31
Gambar 4.18 Model awal pada line 6694 dengan kontrol sumur S-1……………………… 31
Gambar 4.19 Analisis Inversi pada sumur K-1…………………………………………….. 32
Gambar 4.20 Analisis Inversi pada sumur J-1…………………………………………… 32
Gambar 4.21 Analisis Inversi pada sumur S-1…………………………………………….. 33
Gambar 4.22 Hasil inversi pada line 6694 dengan kontrol sumur K-1…………………… 33
Gambar 4.23 Hasil inversi pada line 6694 dengan kontrol sumur J-1…………………….. 34
Gambar 4.24 Hasil inversi pada line 6694 dengan kontrol sumur S-1…………………….. 34
Gambar 4.25 Daftar kombinasi atribut terbaik pada proses step-wise regression………….. 35
Gambar 4.26 Hasil training (a) dan validasi (b) menggunakan step wise regression………. 35
Gambar 4.27 Hasil cross plot antara TOC asli dengan TOC prediksi menggunakan step
wise regression……………………………………………………………………… 35
Gambar 4.28 Hasil training (a) dan validasi (b) menggunakan PNN……………………… 36
Gambar 4.29 Hasil cross plot antara TOC asli dengan TOC prediksi menggunakan step
wise regression……………………………………………………………………… 36
Gambar 4.30 Persebaran prediksi TOC pada line 6694 dengan kontrol sumur K-1………. 36
Gambar 4.31 Persebaran prediksi TOC pada line 6694 dengan kontrol sumur J-1……….. 37
Gambar 4.32 Persebaran prediksi TOC pada line 6694 dengan kontrol sumur S-1……….. 37

Universitas Pertamina - x
 DAFTAR SINGKATAN

Lambang/Singkatan Arti Keterangan

TOC Total Organic Carbon
PNN Probablilistic Neural Network

Universitas Pertamina - xi
Universitas Pertamina - xii
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Minyak bumi merupakan sumber daya alam yang menghasilkan energi yang paling
dibutuhkan dan ditemukan tersimpan di bawah permukaan bumi. Sebelum akhir tahun 1973,
pentingnya minyak dan gas bumi tidak terlalu terasa, namun dikarenakan adanya penurunan
produksi menyebabkan krisis global dan mempengaruhi sistem politik dan ekonomi dunia.
Minyak bumi memiliki peranan khusus karena sebagai bahan bakar utama, bukan hanya sebagai
bahan galian (Putri, 2014).

Pertumbuhan industri akan energi semakin meningkat, sedangkan cadangan energi yang ada
semakin berkurang, sehingga mendorong perusahaan energi khususnya minyak dan gas bumi
untuk dapat mencari cadangan baru atau mengelola sumur lama untuk menjaga kesetaraan antara
ketersediaan dan permintaan. Saat ini langkah-langkah eksplorasi minyak dan gas bumi menjadi
semakin rumit, dari studi geologi skala regional hingga studi rinci skala mikro.

Cekungan Sumatera Tengah merupakan salah satu cekungan penghasil hidrokarbon terbesar
di Indonesia. Salah satu sumber energi yang saat ini mulai banyak diburu oleh para explorasionist
untuk mendapatkan cadangan migas baru adalah shale hydrocarbon. Pada migas konvensional,
shale merupakan batuan induk, namun dalam konsep migas non konvensional, shale akan
menjadi batuan induk sekaligus reservoir. Cekungan Sumatera Tengah merupakan salah satu
cekungan yang kaya akan batuan serpih yang dapat bertindak sebagai batuan induk dan batuan
reservoar. Sedimen lakustrin yang terdapat pada formasi Brown Shale menjadi target utama dalam
eksplorasi shale hydrocarbon (Widada, S, et al, 2018).

Shale merupakan salah satu contoh reservoir minyak non konvensional. Untuk memahami
keberadaan dari batuan serpih tersebut, perlu dilakukan pendekatan secara geologi, geofisika dan
geokimia. Metode geologi yang dapat dilakukan meliputi studi regional dan lokal, analisis
struktur, dan lain-lain. Sedangkan pada metode fisika dilakukan pemetaan waktu, karakterisasi
dan sebaran karakteristik reservoir.

Salah satu metode dalam pendekatan geofisika yang cukup efektif adalah metode analisis
multiatibut yang merupakan integrasi antara data log dengan data seismik. Multiatribut adalah
proses ekstraksi beberapa atribut yang berkorelasi baik dengan data log dari data seismik.
Multiatribut ini digunakan untuk memprediksi data sumur pada setiap lokasi dalam volume
seismik.

Total Organic Carbon (TOC) merupakan salah satu parameter pada shale gas yang dapat
menentukan berpotensi atau tidaknya suatu formasi. Untuk mendapatkan data TOC, biasanya data
diambil berdasarkan hasil laboratorium analisis geokimia terhadap data core, dimana datanya
adalah diskrit dan hanya didapatkan pada lokasi tertentu saja, sehingga pada penelitian ini akan
dilakukan prediksi log TOC. Untuk mengetahui zona persebaran Total Organic Carbon dan
prospek batuan shale non-konvensional reservoir, akan digunakan metode seismik multiatribut.

Universitas Pertamina - 1
1.2 Rumusan Masalah
Berdasarkan latar belakang diatas, penulis dapat menjabarkan rumusan masalah dalam
penelitian ini antara lain:

1. Bagaimana hasil prediksi log TOC pada setiap sumur?

2. Bagaimana persebaran nilai TOC pada Kelompok Pematang Cekungan Sumatera

Tengah?

1.3 Hipotesis
Dari hasil interpretasi pada data sumur dan data seismik diharapkan dapat menghasilkan zona
persebaran Total Organic Carbon (TOC) dan prospek batuan shale non-konvensional reservoir
pada penampang seismik pada Kelompok Pematang Cekungan Sumatera Tengah berdasarkan
analisis multiatribut.

1.4 Batasan Masalah

Batasan masalah dalam penelitian ini adalah sebagai berikut:

1. Analisis dilakukan pada zona Kelompok Pematang.

2. Tidak tersedia data processing report.

3. Validitas prediksi persebaran TOC terbaik hanya pada batas akhir sumur.

4. Project eksplorasi untuk melihat kembali potensi yang ada di Cekungan Sumatera Tengah
dengan menggunakan data-data eksplorasi terdahulu

1.5 Tujuan
Tujuan dari penelitian ini adalah mengetahui persebaran zona potensi TOC yang tinggi pada
penampang seismik Kelompok Pematang Cekungan Sumatera Tengah dengan menggunakan
analisis multiatribut. Adapun tujuan penelitian ini adalah sebagai berikut:

1. Melakukan prediksi log Total Organic Carbon (TOC)

2. Menentukan persebaran data Total Organic Carbon (TOC) menggunakan analisis

multiatribut.

3. Menentukan lapisan prospek pada Kelompok Pematang Cekungan Sumatera Tengah.

1.6 Manfaat
Manfaat dari penelitian ini adalah untuk mengetahui potensi hidrokarbon pada Cekungan
Sumatera Tengah khususnya pada kelompok Pematang. Diharapkan hasil dari analisis ini dapat
digunakan untuk menentukan lokasi sumur produksi, selain itu dapat meningkatkan produktifitas
dan efisiensi dalam pengambilan minyak dan gas bumi pada sumur – sumur yang akan
dikembangkan selanjutnya.

Universitas Pertamina - 2
1.7 Lokasi Penelitian
Penelitian dilakukan dengan melakukan pengolahan data seismik 2D di Pusat Penelitian dan
Pengembangan Teknologi Minyak dan Gas Bumi “LEMIGAS”, Jl. Ciledug Raya Kavling 109
Cipulir Kebayoran Lama Jakarta Selatan 12230 – Indonesia.

1.8 Waktu Penelitian

Penelitian ini dilaksanakan kurang lebih selama 6 bulan terhitung sejak tanggal 13
Maret 2020 – 13 Agustus 2020.

Universitas Pertamina - 3
Universitas Pertamina - 4
 BAB II

TUNJAUAN PUSTAKA

2.1 Geologi Regional Cekungan Sumatera Tengah

Cekungan Sumatera Tengah adalah cekungan yang termasuk dalam cekungan busur
belakang yang terbentuk akibat Samudera Hindia menunjam ke bawah lempeng Benua Asia. Pada
bagian barat dan barat daya dibatasi oleh Bukit Barisan, pada bagian timur dibatasi Semenanjung
Malaysia, bagian tenggara dibatasi Tinggian Tigapuluh, dan bagian timur laut dibatasi Keraton
Sunda.

Gambar 2.1 Cekungan Sumatera Tengah (Lingkaran Merah) (Heidric & Aulia, 1993)

Perkembangan tektonik pada Cekungan Sumatera Tengah menurut Heidrick & Aulia
(1993) dapat dibedakan menjadi 4 fase (Gambar 2.2), diantaranya:

Universitas Pertamina - 4
 Gambar 2.2 Perkembangan Cekungan Sumatera Tengah (Heidrick & Aulia, 1993)

Episode Tektonik Pra Tersier (F0)

Batuan dasar pada Cekungan Sumatera Tengah yang terbentuk pada awal masa Tersier
terdiri dari lempeng benua dan samudera. Menurut Sapiie & Hadiana (2007) dalam Heidrick &
Aulia (1993), jika ditinjau dari data sumur yang ada, Cekungan Sumatera Tengah tersusun dari
margin kontinen yang stabil selama masa Paleogen hingga Eosen. Jenis pola struktur batuan
dasar pada masa ini yang akan mengontrol perkembangan cekungan di Sumatera Tengah.

Episode Tektonik Eosen – Oligosen (F1)

Pada fase ini Lempeng Samudera Hindia bertumbukan dengan Lempeng Benua Asia
Tenggarayang terjadi sekitar 45 juta tahun yang lalu, dan sesar-sesar mendatar dekstral
berkembang dari Cekungan Sumatera Tengah hingga Malaysia yang berarah Utara – Utara Barat
Laut (Heidrick & Aulia, 1993). Pada masa Eosen – Oligosen ini terjadi fase rifting dan
terbentuklah cekungan semi-graben, yang terisi sedimen dari erosi batuan dasar termasuk batuan
sumber lakustrin yang kaya akan organisme. Pada endapan syn rift ini membentuk batuan
sedimen Kelompok Pematang. Pada akhir Oligosen terjadi transisi dari rekahan menjadi
penurunan, yang ditandai dengan pembalikan struktur, penggundulan dan pembentukan dataran
peneplain. Akibat dari erosi ini adalah bentuk tanah purba yang mengendap di atas Formasi
Upper Red Bed.

Universitas Pertamina - 5
 Episode Tektonik Miosen Bawah – Miosen Tengah (F2)

Pada fase ini Cekungan Sumatera Tengah mengalami saging yang menandakan
berakhirnya proses rifting. Saging ditandai dengan penurunan cekungan secara menyeluruh saat
diendapkan sedimen hasil transgresi Kelompok Sihapas. Formasi Telisa tergolong kedalam
endapan post-rift. Selain itu, pada fase ini juga terbentuk sesar geser menganan (dextral) yang
berarah Utara – Selatan.

Episode Tektonik Miosen Atas – Sekarang (F3)

Pada fase ini lempeng Indo-Australia mengalami pengaturan kembali, yang menyebabkan
terjadinya pengangkatan, pengaktifan kembali sesar mendatar sepanjang sesar besar Sumatera
yang berarah Barat Laut dan busur vulkanik aktif sepanjang Pegunungan Barisan. Struktur ini
berbeda dengan periode sebelumnya. Kerangka struktural yang dihasilkan saling tumpeng tindih
(Heidrick et.al., 1996 dalam Sapiie & Hadiana, 2007). Pada tahap awal, Cekungan Sumatera
Tengah mengalami regresi dan pengendapan sedimen Formasi Petani. Dalam peristiwa ini juga
diendapkan Formasi Minas secara tidak simetris.

2.2 Stratigrafi Daerah Penelitian

Cekungan Sumatera Tengah menurut Heidrick dan Aulia (1993), dibagi kedalam lima
elemen, yaitu :

Gambar 2.3 Stratigrafi Cekungan Sumatera Tengah (Eubank & Makki, 1981 dalam Heidrick & Aulia, 1993)

Basement

Menurut Eubank & Makki (1981) dalam Heidrick & Aulia (1993), batuan ini terbentuk
pada masa pra-Tersier dan memiliki empat satuan litologi :

Universitas Pertamina - 6
 a. Mallaca Terrane, terdiri dari kuarsit, argilit, batugamping kristalin, dan granidiorit
serta pluton-pluton granit yang berumur Jura.

b. Mutus assemblages, terdiri atas baturijang radiolarian, metaargilit, serpih merah,

lapisan tipis batugamping dan batuan beku basalt.

c. Mergui Terrane, terdiri dari greywacke, pebbly-mudstone dari Formasi Bahorok,

dan kuarsit.

d. Kualu Terrane, terdiri dari filit, sabak, tuff, dan batugamping.

Kelompok Pematang

Menurut Heidrick & Aulia (1993) batuan pada elemen ini terbentuk pada masa Eosen
hingga Oligosen dan diendapkan di atas batuan dasar dengan tidak selaras. Terdapat tiga formasi
dalam kelompok ini:

a. Formasi Lower Red Bed, terdiri dari batulempung, batulanau, batupasir, dan sedikit
konglomerat.

b. Formasi Brown Shale, diendapkan di atas Lower Red Bed dengan selaras dan
memiliki kandungan serpih dan endapan kipas alluvial. Formasi inilah yang
merupakan formasi utama di Cekungan Sumatra Tengah.

c. Formasi Upper Red Bed, tersusun atas batulempung berwarna merah-hijau.

batupasir, dan konglomerat.

Kelompok Sihapas

Batuan pada kelompok ini terbentuk pada masa Oligosen Akhir hingga Miosen Awal dan
diendapkan tidak selaras di atas Kelompok Pematang. Terdapat lima formasi dari yang paling
tua sampai paling muda di kelompok ini, yaitu sebagai berikut:

a. Formasi Menggala, memiliki ketebalan lebih dari 9000 kaki.

b. Formasi Bangko, berfungsi sebagai batuan tudung (seal).

c. Formasi Bekasap, berisi sedimen batupasir.

d. Formasi Duri, memiliki ketebalan lebih dari 300 kaki.

e. Formasi Telisa, berfungsi sebagai seal dan memiliki tebal lebih dari 9000 kaki.

Formasi Petani

Formasi ini terbentuk pada masa Miosen Akhir hingga Pliosen Awal. Pada Formasi Petani
bagian bawah tersusun atas batugamping, batupasir glaukonit, dan batulempung, sedangkan di
bagian atas formasi ini ada batubara. Hidrokarbon pada batupasir formasi ini tidak memiliki
nilai ekonomis, di bagian bawahnya terdapat batulempung Telisa yang tebal.

Universitas Pertamina - 7
 Formasi Minas

Formasi Minas terbentuk pada masa Kuarter, terendapkan dengan tidak selaras di atas
Kelompk Petani. Formasi ini terdiri atas kerikil dan pasir, pasir kuarsa halus sampai sedang, dan
limonit kuning.

2.3 Logging
Kegiatan untuk mendapatkan data log disebut logging. Kurva log adalah sekumpulan grafik
kedalaman yang menunjukkan suatu parameter yang diukur secara kontinyu di dalam suatu
sumur. Logging dilakukan untuk memberikan gambaran secara kuantitatif besarnya hidrokarbon
pada suatu lapisan pada situasi dan kondisi yang sesungguhnya. Kurva log memberikan informasi
untuk menentukan sifat-sifat batuan dan fluida (Adi Harsono, 1994).

2.3.1 Gamma Ray Log

Log Gamma Ray digunakan untuk merekam respon radiasi dari sinar gamma alami yang
dihasilkan oleh unsur radioaktif pada suatu batuan. Unsur-unsur radioaktif yang direkam antara
lain, potassium (K), thorium (Th), dan uranium (U). Secara khusus Gamma Ray Log berguna
untuk menentukan kandungan serpih dan mengidentifikasi lapisan permeabel. Selain itu, dapat
juga digunakan untuk mendeteksi dan mengevaluasi mineral radioaktif, serta mengidentifikasi
litologi dan korelasi antar sumur.

Shale atau batu serpih memiliki unsur radioaktif yang lebih tinggi dibandingkan dengan
batu pasir, limestone dan dolomite. Log gamma ray dapat digunakan untuk membedakan litologi
serpih dan non-serpih, maka dari itu, log gamma ray sering disebut sebagai log litologi.

Gambar 2.4 Kurva Log Gamma Ray (Rider, 1996)

2.3.2 Log Densitas

Menurut Rider (1996), log densitas adalah log yang menggambarkan kepadatan akumulasi
batuan. Prinsip dasar dari log densitas adalah menembakkan sinar gamma berkecepatan tinggi
ke dalam formasi, sinar gamma tersebut akan bertabrakan dengan elektron-elektron di dalam
formasi, semakin banyak elektron, maka semakin besar energi gamma yang terbuang dan
menandakan besarnya densitas atau kerapatan batuan pada formasi tersebut.

Universitas Pertamina - 8
 Gambar 2.5 Kurva Log Densitas (Rider, 1996)

2.3.3 Log Neutron

Neutron adalah partikel netral dengan massa yang sama dengan atom hidrogen. Log
neutron mendeteksi kandungan atom hidrogen pada suatu formasi dengan mentransmitterkan
atom neutron ke dalam formasi. Jika atom neutron bertumbukan dengan hidrogen, maka energi
atom neutron akan melemah, sehingga energi yang kembali ke receiver akan lemah. Kandungan
air pada suatu formasi akan memperbesar nilai porositas neutron. Log ini digunakan untuk
menentukan porositas, mengidentifikasi kandungan gas dan menentukan litologi batuan serpih
dan batuan intrusive (Rider, 1996).

Gambar 2.6 Kurva Log Neutron (Rider, 1996)

2.3.4 Log Sonic

Menurut Rider (1996), log sonic merupakan jenis log lain yang digunakan untuk mengukur
porositas selain log densitas dan log neutron, yang dapat dilihat dengan cara mengukur interval
waktu tiba atau transite time (Δt), yaitu waktu yang dibutuhkan oleh gelombang suara untuk
merambat didalam batuan formasi. Gelombang dipancarkan melewati berbagai macam formasi
batuan, sehingga parameter fisis seperti porositas dan fluida yang dikandungnya akan
mempengaruhi cepat rambat gelombang yang dihasilkan. Kecepatan gelombang suara di dalam

Universitas Pertamina - 9
 formasi bergantung pada elastisitas, porositas, kandungan fluida dan tekanan. Log ini digunakan
untuk mengestimasi nilai porositas dan dan mengkalibrasi data seismik.

Gambar 2.7 Kurva Log Sonic (Rider, 1996)

2.3.5 Log Resistivity

Menurut Rider (1996), resistivitas batuan adalah kemampuan suatu batuan untuk
menghambat aliran arus listrik yang mengalir melalui suatu batuan. Jika batuan mudah
dialiri arus listrik maka nilai resistivitasnya akan rendah, sebaliknya jika batuan sulit
untuk dialiri arus listrik maka nilai resistivitasnya tinggi. Log resistivitas digunakan
untuk menentukan lapisan hidrokarbon dan lapisan air, mengidentifikasi lapisan
permeable dengan mendeterminasi resistivitas porositas.

Gambar 2.8 Kurva Log Resistivity (Rider, 1996)

Universitas Pertamina - 10
2.4 Konsep Dasar Seismik
2.4.1 Impedansi Akustik dan Koefisien Refleksi
Kemampuan batuan untuk melewati gelombang suara disebut sebagai impedansi akustik.
Impedansi akustik merupakan hasil perkalian antara kecepatan gelombang kompresional (V)
dengan massa jenis atau densitas batuan (ρ).

𝐼𝐴 = ρ. 𝑉 (2.1)

Kecepatan memegang peranan penting dalam mengontrol nilai Impedansi Akustik.

Menurut Brown (2000), perubahan kecepatan lebih terlihat daripada perubahan kerapatan
batuan atau densitas secara lateral maupun vertikal. Perubahan impedansi akustik dapat
digunakan sebagai indikator perubahan litologi, porositas, densitas, dan kandungan fluida.
Batuan yang keras seperti limestone dan granit memiliki nilai impedansi akustik yang lebih
tinggi daripada batuan lunak seperti shale.

Koefisien refleksi adalah nilai yang merepresentasikan batas antara dua lapisan yang
mempunyai nilai impedansi akustik yang berbeda. Persamaan dibawah ini menunjukkan besar
nilai refleksi yang terjadi:

𝜌 𝑣 −𝜌 𝑣 𝐴𝐼2 − 𝐴𝐼1
𝐾𝑅 = 𝜌2 𝑣2 + 𝜌1 𝑣1 = 𝐴𝐼2 + 𝐴𝐼1
(2.2)
2 2 1 1

Dimana, KR = Koefisien Refleksi

AI₁ = Impedansi Akustik bagian atas,

AI₂ = Impedansi Akustik bagian bawah

Koefisien refleksi akan mempengaruhi amplitudo profil seismik dan polaritas gelombang
seismik. Semakin besar kontras AI, semakin kuat pantulannya, maka semakin besar amplitudo
gelombang seismik. Penggambaran koefisien refleksi dapat dilihat pada gambar 2.9

Gambar 2.9 Koefisien refleksi (Sukmono, 1999)

Universitas Pertamina - 11
2.4.2 Polaritas
Dalam sebuah wavelet terdapat dua properti penting, yaitu polaritas dan fasa. Polaritas
menunjukkan bentuk gelombang yang koefisien pantulannya bernilai positif atau negatif.

Penggunaan istilah polaritas merujuk pada perekaman dan peralihan tampilan dan tidak
memiliki arti khusus. Jika nilai impedansi akustik pada media pertama lebih kecil daripada
media dibawahnya (medium kedua), maka didapatkan bentuk puncak (peak), dan jika
sebaliknya atau AI₂ < AI₁, maka didapatkan bentuk palung (trough). Karena ketidakpastian
bentuk gelombang seismik yang terekam, maka digunakan pendekatan bentuk polaritas yang
berbeda yaitu polaritas normal dan polaritas terbalik (reverse). Terdapat dua jenis standar
polaritas yaitu Standar SEG (Society of Exploration Geophysicist) dan Standar Eropa dan
keduanya saling berkebalikan (Abdullah, 2007).

Gambar 2.10 Polaritas Normal dan Polaritas Terbalik (Abdullah, 2007)

2.4.3 Fasa
Menurut Abdullah (20070, fasa dalam sebuah wavelet dibagi menjadi fasa minimum, fasa
nol, dan fasa maksimum. Berdasarkan gambar 2.11 terlihat pada fasa minimum memiliki energi
yang sebagian besar berada di awal, fasa nol memiliki energi yang simetris di tengah-tengah
dan fasa maksimum memiliki energi yang berada di akhir wavelet.

Universitas Pertamina - 12
 Gambar 2.11 Macam-macam fasa (Abdullah, 2007)

2.4.4 Wavelet
Menurut Sukmono (1999), wavelet merupakan kumpulan dari banyak gelombang
harmonik yang mengandung komponen panjang gelombang, frekuensi, amplitudo, dan fasa
tertentu. Singkatnya, wavelet disebut dengan gelombang yang mewakili satu reflector yang
terekam oleh geophone. Apabila wavelet dikonvolusikan dengan nilai koefisien refleksi akan
menghasilkan seismogram sintetik. Terdapat 4 macam wavelet, diantaranya zero phase,
minimum phase, maximum phase dan mixed phase.

Gambar 2.12 Jenis-jenis Wavelet (Sukmono, 1999)

2.4.5 Sintetik Seismogram

Menurut Sukmono (1999), sintetik seismogram adalah data seismik buatan yang dibuat
dari data sumur yaitu data kecepatan yang berasal dari log sonic, massa jenis yang berasal dari
log densitas, dan wavelet yang diekstrak dari data seismik. Ketika kecepatan dikalikan dengan
densitas akan menghasilkan koefisien refleksi. Selanjutnya koefisien refleksi dikonvolusi
dengan sebuah wavelet sehingga didapatkan sintetik seismogram.

Sintetik seismogram dibuat bertujuan untuk mengkorelasikan informasi sumur dengan

trace seismik. Proses terbentuknya sintetik seismogram dapat dilihat pada Gambar 2.13.

Universitas Pertamina - 13
 Gambar 2.13 Seismogram Sintetik (Sukmono,1999)

2.4.6 Well Seismic Tie

Well Seismic Tie adalah proses pengikatan data sumur yang berada dalam domain
kedalaman dengan data seismik yang berada dalam domain waktu. Tujuan dilakukannya well
seismic tie adalah untuk mempermudah dalam proses picking horizon. Dalam proses ini
diperlukan sintetik seismogram yang dibangun dari hasil konvolusi antara impedansi akustik
dan wavelet, dimana impedansi akustik didapat dari log sonic dan log densitas. Sebelum
melakukan proses well seismic tie, data sumur harus dilakukan koreksi dan mengkonversinya
kedalam domain waktu dengan menggunakan data checkshot. Koreksi pada data sumur
bertujuan untuk menghilangkan efek Washout Zone, cashing shoe, dan artifak lainnya
(Sinulingga, 2017).

Gambar 2.14 Well Seismic Tie (Sinulingga, 2017)

2.4.7 Identifikasi dan Picking Horizon

Picking horizon merupakan suatu proses penelusuran horizon yang digunakan sebagai
control lateral dari data seismik, kemudian digunakan untuk membuat model awal dalam
metode inversi. Salah satu cara untuk mengidentifikasi horizon menurut Coffen (1986) adalah
dengan membandingkan reflector atau horizon seismik satu area dengan area yang lainnya.
Dalam melakukan interpretasi horizon, juga dilakukan interpretasi struktur, diantaranya yaitu

Universitas Pertamina - 14
 keberadaan sesar-sesar yang ada pada penampang seismik. Dengan analisa sesar yang ada dapat
memudahkan dalam mencari kemenerusan refleksi seismik. Keberadaan sesar dapat diketahui
dengan melihat ketidakmenerusan suatu reflector, perubahan kemiringan secara lapisan,
lemahnya amplitudo disekitar zona sesar dan lainnya.

2.5 Inversi Seismik

Inversi seismik merupakan teknik pemodelan geologi bawah permukaan
menggunakan data seismik sebagai data masukan dan data sumur sebagai kontrol
(Sukmono, 2002). Berdasarkan proses stack data seismik, metode inversi seismik dibagi
menjadi dua, yaitu inversi pre-stack dan inversi post-stack, yang dapat dikelompokkan
seperti gambar 2.15.

Gambar 2.15 Pembagian kategori metode inversi seismic (Russel,1991)

Yang dilakukan dalam penelitian ini adalah inversi post stack dengan metode model based.
Inversi model based bertujuan untuk melihat gambaran geologi bawah permukaan dengan data
seismik sebagai data utama dan data sumur sebagai kontrolnya. Pada metode model based, hal
yang pertama dilakukan yaitu membuat model inisial impedansi akustik dengan menggunakan
ukuran blok yang sudah ditentukan. Kemudian koefisien refleksi diturunkan dari impedansi
akustik dan dikonvolusikan dengan wavelet sehingga menghasilkan seismogram sintetik.
Seismogram sintetik tersebut dibandingkan dengan trace seismic sebenarnya dan dihitung
galatnya. Hasil perbandingan ini dilakukan secara iteratif sehingga didapatkan kecocokan terbaik
dengan data seismic (Russel, 1991).

Gambar 2.16 Alur inversi model based (Russel,1991)

Universitas Pertamina - 15
2.6 Analisis Multiatribut
2.6.1 Atribut Seismik
Menurut Brown (2000) atribut seismik merupakan pengolahan data seismik yang dapat
menggambarkan citra seismik yamg lebih baik dan dapat memberikan informasi secara tidak
langsung dari penampang seismik biasa. Selain itu dapat digunakan untuk pengukuran zona
menarik serta untuk menentukan struktur atau lingkungan pengendapan daerah penelitian
(Chopra & Marfurt, 2005). Informasi ini dapat diperoleh dengan menurunkan informasi dasar
seismik seperti waktu, fasa, frekuensi dan amplitudo.

Gambar 2.17 Klasifikasi Atribut Seismik (Brown, 2000)

Pemilihan atribut yang tepat dapat berperan penting dalam menghasilkan citra zona yang
menarik dengan baik. Target dan hasil yang diharapkan menjadi faktor dalam menentukan
atribut yang akan digunakan.

2.6.2 Multiatribut Seismik

Multiatribut seismik merupakan metode statistik yang menggunakan beberapa atribut
seismic yang digunakan untuk memprediksi properti fisik dari batuan dalam interpretasi data
seismik. Pada prosesnya dicari hubungan antara kurva log dengan data seismik pada lokasi
sumur. Kemudian hubungan tersebut digunakan untuk memprediksi atau memperkirakan
volume properti log pada volume seismik.

Terdapat dua metode dalam analisa multiatribut, yaitu:

1. Step-Wise Regression

Menurut Hampson (2001) step-wise regression adalah metode analisis multiatribut

seismik yang konsepnya mencari kombinasi atribut seismik yang memiliki korelasi
tinggi terhadap target secara iteratif. Proses didapatkannya kombinasi atribut terbaik
dapat dilihat pada gambar 2.18.

Universitas Pertamina - 16
 Gambar 2.18 Tahapan metode step-wise regression (Smith, 1966)

2. Probabilistic Neural Networks (PNN)

Menurut Hampson (2001) probabilistic neural networks (PNN) merupakan metode

analisis multiatribut yang menggunakan sistem kerja jaringan syaraf manusia. Pada
proses PNN terdapat tiga tahapan yang terdiri atas input layer, hidden layer, dan output
layer (Gambar 2.19). Input layer adalah jenis atribut yang digunakan, hidden layer
adalah kombinasi dari beberapa atribut seismik dengan nilai bobot optimal, dan output
layer menggambarkan properti fisik yang diestimasi yang berasal dari hidden layer
dengan nilai bobot tertinggi.

Gambar 2.19 Skema metode neural network (Hampson dkk, 2001)

2.6 Total Organic Carbon (TOC)

Kemampuan suatu batuan induk menghasilkan minyak dan gas bumi tergantung pada tiga
buah parameter, yaitu kuantitas kandungan karbon organik atau biasa disebut sebagai Total
Organic Carbon (TOC), kualitas (tinggi atau rendahnya kadar index hydrogen), serta tingkat
kematangan kerogennya (immature, mature, atau postmature). Total Organic Carbon (TOC)
merupakan jumlah dari karbon organik yang terendapkan bersama dengan batuan serpih. Semakin
banyak kandungan organiknya maka semakin banyak pula potensi dihasilkannya hidrokarbon.

TOC dinyatakan sebagai persentase batuan dalam kondisi kering. Nilai TOC digunakan
sebagai salah satu parameter apakah batuan tersebut menarik untuk dianalisis lebih lanjut.
Kuantitas TOC sangat berkaitan dengan ukuran partikel sedimen. Seperti pada sampel batuan

Universitas Pertamina - 17
yang berasal dari Viking Shale, Alberta, Kanada, ketika dianalisis kandungan TOC nya, pada
sedimen ukuran lempung mencapai 5.23 % dan pada sedimen ukuran lanau mencapai 1.47%.
tingginya nilai TOC dikarenakan tingkat preservasinya, bukan karena produktivitas organiknya
(Hunt, 1996).

Dalam penelitian ini, dilakukan prediksi nilai TOC sebagai indikasi kuantitas material
organik pada sumur terhadap kedalaman sumur. Dalam penelitian ini dilakukan pendekatan
matematis. Beberapa data log sumur digunakan dalam analisa penentuan kematangan batuan
induk. Data log sumur yang digunakan untuk melakukan analisa kematangan batuan induk adalah
sebagai berikut:

a. Log Gamma Ray: Menurut Schmocher (1979) keberadaan kandungan organik pada sumur
berasosiasi dengan nilai kandungan uranium, sehingga akan meningkatkan nilai log gamma
ray.

b. Log Resistivitas: Menurut Mayer dan Nederloff (1984) batuan induk yang telah matang
biasanya berada dalam patahan-patahan atau ruang-ruang pori yang dapat terisi, maka besar
resistivitas batuan induk akan meningkat.

c. Log Densitas: Menurut Passey (1990) keberadaan kandungan organik pada batuan shale
akan mengurangi densitas batuan, sedangkan pada batu gamping atau karbonat densitas
mengalami peningkatan yang signifikan.

d. Log Neutron: Keberadaaan kandungan organik yang telah matang akan meningkatkan nilai
neutron log

e. Log Sonic: Pada batuan shale, nilai sonik travel time akan mengalami peningkatan seiring
dengan kehadiran kandungan organik.

f. Log Impedansi Akustik: Pada batuan yang memiliki nilai TOC tinggi akan mengurangi nilai
densitas batuan dan mengurangi kecepatan gelombang P sehingga impedansi akustik yang
didapatkan juga akan kecil.

Pada penelitian ini prediksi log TOC dilakukan dengan menggunakan atribut log. Konsep
yang digunakan pada atribut log sama dengan atribut seismik. Pada atribut seismik, atribut yang
digunakan berasal dari turunan seismik berupa waktu, fasa, frekuensi dan amplitudo, sedangkan
pada atribut log, atribut yang digunakan berasal dari log lain yang berada pada satu sumur yang
sama dan bekerja pada domain depth. Dalam prosesnya, log TOC diprediksi dengan melihat
hubungan yang tercipta dari log input yang selanjutnya disebut sebagai atribut. Atribut tersebut
terdiri atas log Gammaray, log Densitas, log Sonik, log Resistivitas, log Neutron dan log
Impedansi Akustik.

Setelah mengetahui atribut yang memiliki korelasi paling tinggi dengan nilai TOC core,
selanjutnya dilakukan analisa multiatribut dengan mencari pasangan atribut terbaik yang dapat
memprediksi log TOC dengan baik.

Universitas Pertamina - 18
Universitas Pertamina - 19
 BAB III

METODE PENELITIAN

3.1 Bentuk Penelitian

Penelitian yang dilakukan berupa penelitian dengan pendekatan kualitatif dan kuantitatif.
Penelitian kualitatif dilakukan untuk membandingkan berbagai data yang telah dilakukan
pengolahan dengan pendekatan secara visual pada software Hampson Russel, sedangkan
penelitian kuantitatif digunakan untuk menentukan keefektifan dari metode prediksi log TOC,
yang dilakukan pada Microsoft Excel.

3.2 Lokasi dan Waktu Penelitian

Penelitian dilakukan dengan melakukan pengolahan data seismik 2D di Pusat Penelitian dan
Pengembangan Teknologi Minyak dan Gas Bumi “LEMIGAS”, Jl. Ciledug Raya Kavling 109
Cipulir Kebayoran Lama Jakarta Selatan 12230 – Indonesia. Penelitian ini dilaksanakan kurang
lebih selama 6 bulan terhitung sejak tanggal 13 Maret 2020 – 13 Agustus 2020, dengan judul
“Persebaran Potensi Total Organic Carbon (TOC) Pada Kelompok Pematang Cekungan
Sumatera Tengah Menggunakan Analisis Multiatribut”. Berikut table pelaksanaan kegiatan
selama penelitian:

Tabel 3.1 Pelaksanaan Kegiatan Penelitian

No Aktivitas Maret April Mei Juni Juli Agustus

1 Studi Literatur

2 Pengumpulan Data

3 Pengolahan Data

4 Seminar Kemajuan

5 Penulisan Laporan

6 Sidang Tugas Akhir

3.3 Metode Pengumpulan Data

Data yang digunakan dalam penelitian ini adalah data internal milik Lemigas meliputi data
seismik, data sumur, dan data sekunder berupa sampel core TOC. Data yang digunakan diambil
dari Cekungan Sumatera Tengah yang selanjutnya akan dilakukan interpretasi seismik yang
bertujuan untuk mengetahui persebaran zona potensi TOC pada penampang seismik
Kelompok Pematang Cekungan Sumatera Tengah dengan menggunakan analisis
multiatribut.

Universitas Pertamina - 20
3.4 Metode Analisis Data
a. Perangkat Penelitian

Dalam pelaksanaan penelitian, digunakan beberapa perangkat keras dan perangkat lunak
komputer, yaitu sebagai berikut:

1. Laptop Lenovo i5, RAM 12GB

2. Software Hampson Russel ver.10 (Geoview)

3. Software Petrel Schlumberger 2019

4. Microsoft Word 2016

5. Microsoft Excel 2016

b. Data Penelitian

Gambar 3.1 Basemap Penelitian

1. Data Seismik

Data seismik yang digunakan dalam penelitian ini merupakan data seismik 2D Post
Stack Time Migration (PSTM) sebanyak 11 line yang dibuat menjadi satu volume grup
dengan polaritas normal, fase zero phase, dan sample interval 2 ms.

Universitas Pertamina - 21
2. Data Sumur

Pada penelitian ini digunakan 3 data sumur yang memiliki data core TOC yang berada
di dalam satu area “D”. Berikut ini merupakan kelengkapan data sumur yang akan
digunakan.

Tabel 3.2 Kelengkapan Data Log

Well GR RHOB NPHI Resistivity P-wave Checkshot TOC

K-1 √ √ √ √ √ √ √

J-1 √ √ √ √ √ - √

S-1 √ √ √ √ √ √ √

3. Data Marker

Data marker digunakan sebagai acuan atau referensi melakukan picking horizon. Data
marker yang digunakan pada penelitian ini didasarkan pada sequen boundary suati
formasi diendapkan, yang terdiri dari formasi Upper Red Bed (25.5), formasi
Brownshale (32.8), formasi Lower Red Bed (38) dan Top Basement.

Tabel 3.3 Informasi Marker

Kelompok Pematang (ft)

Sumur
25.5 32.8 38 Top Basement

K-1 8165.16 8510.00 9162.50 10550.00

J-1 7947.87 8422.13 9010.00 11000.00

S-1 6976.36 - - 8139.89

4. Data Checkshot

Data checkshot adalah data interval yang terdapat pada sumur, yang digunakan untuk
mendapatkan hubungan waktu dan kedalaman. Data ini digunakan untuk melakukan
pengikatan antara data sumur dan data seismic (Well Seismic Tie). Pada sumur J-1
digunakan data checkshot yang berasal dari sumur K-1, karena jaraknya cukup dekat
yaitu 1640 meter.

5. Data Core TOC

Data Core TOC digunakan untuk melakukan validasi hasil dari prediksi log TOC yang
akan dibuat.

Universitas Pertamina - 22
 Secara umum, tahapan-tahapan yang dilakukan dalam penelitian ini ditunjukkan pada
diagram alir penelitian berikut:

Mulai

Studi Literatur

Data Seismik 2D Data Sumur

Ekstraksi Wavelet Checkshot

Data Conditioning
Correction

Well Seismic Tie

Interpretasi Prediksi Log TOC

Horizon

Data Core TOC

Model Awal

NO
Seismik Inversi FIT?

YES

Training Multiatribut

Persebaran TOC Keterangan:

Data Primer
Data Sekunder
Analisis

Selesai

Gambar 3.2 Diagram Alir Penelitian

Universitas Pertamina - 23
Universitas Pertamina - 24
 BAB IV

HASIL DAN PEMBAHASAN

4.1. Well Seismic Tie

Sebelum melakukan Well Seismic Tie, tahap pertama yang dilakukan adalah pengkondisian
data, biasanya hal ini dilakukan untuk meningkatkan hasil korelasi yang baik. Tujuan
dilakukannya well seismic tie adalah untuk menyamakan domain antara data seismik (ms) dengan
data sumur (feet), dengan cara mengkorelasikan antara data seismik dan data seismogram sintetik
yang dibentuk dari hasil konvolusi antara wavelet dengan nilai reflektivitas. Nilai reflektivitas
didapat dari hasil perkalian antara nilai densitas dan nilai p-wave yang telah dikoreksi dengan data
checkshot. Wavelet didapatkan dari hasil ekstraksi data seismik pada trace yang berada di sekitar
sumur referensi. Pengikatan data sumur dengan data seismik dapat dilakukan setelah
mengekstraksi wavelet. Terdapat beberapa cara dalam ekstraksi wavelet, dalam penelitian ini
menggunakan statistical wavelet, dimana proses ekstraksi wavelet berdasarkan Spectrum
Amplitude dengan perhitungan statistik. Pada penelitian ini digunakan wavelet rata-rata dari hasil
ekstraksi tiga line seismik yang memiliki sumur referensi dan wavelet ekstraksi dari volume grup
seismik. Hal ini dilakukan dengan tujuan agar wavelet yang digunakan untuk semua proses yang
dilakukan dalam penelitian ini menggunakan wavelet yang sama. Selain itu hasil korelasi yang
dapatkan dengan menggunakan wavelet rata-rata ini semakin meningkat. Pada gambar 4.1
merupakan hasil averaged wavelet dari data seismik yang digunakan.

Gambar 4.1 Wavelet averaged

Setelah melakukan ekstraksi wavelet, proses well seismic tie dapat dilakukan, dengan tujuan
mengetahui korelasi antara data seismik dan data sumur. Dalam proses pengikatan data sumur ke
data seismik dilakukan stretch dan squeeze antara seismogram sintetik hasil konvolusi koefisien
refleksi dengan wavelet dengan seismogram seismik. Korelasi yang didapatkan pada sumur K-1
dengan line seismic 6694 adalah 0.628 dengan time shift 0 ms. Pada sumur J-1 dengan seismik

Universitas Pertamina - 24
6696 bernilai 0.569 dengan time shift 0 ms. Sedangkan korelasi yang didapat pada sumur S-1
dengan line seismik 6842 adalah 0.533 dengan time shift 0 ms. Hasil korelasi yang didapat pada
ketiga sumur terbilang cukup baik, walaupun biasanya dalam proses well seismic tie, korelasi
minimum yang dapat diterima adalah 0.6, namun dalam penelitian ini angka minimum tersebut
tidak tercapai karena data yang digunakan merupakan data akuisisi tahun 1980-an, dengan
teknologi akusisi maupun prosesingnya belum secanggih saat ini.

Gambar 4.2 Well Seismic Tie K-1 – 6694

Gambar 4.3 Well Seismic Tie J-1 – 6696

Gambar 4.4 Well Seismic Tie S1 – 6842

Universitas Pertamina - 25
4.2 Interpretasi Horizon
Setelah dilakukan well seismic tie, tahap selanjutnya yaitu pembuatan horizon seismic.
Picking horizon merupakan analisa batas-batas lapisan dengan melihat defleksi seismic yang
dibantu dengan keberadaan data marker pada data sumur. Pada penelitian ini, terdapat 4 horizon
yang digunakan seperti pada gambar 4.5. Horizon berwarna kuning merupakan top Formasi
Upper Red Bed, horizon warna hijau merupakan top Formasi Brown Shale, horizon warna merah
merupakan top Formasi Lower Red Bed dan horizon warna ungu merupakan batas Top Basement.

Gambar 4.5 Interpretasi Horizon (a) Line 6694 (b) Line 6696 (c) Line 6842

4.3 Analisis Prediksi Log TOC

Prediksi log TOC dilakukan dengan menggunakan multiatribut log, yang memiliki konsep
yang sama dengan multiatribut seismik, dimana multiatribut seismik digunakan untuk
memprediksi suatu parameter fisika dengan menggunakan atribut turunan seismik, sedangkan
multiatribut log digunakan untuk memprediksi suatu log dengan melihat hubungannya dengan
log yang lain yang berada dalam satu sumur yang sama. Yang membedakan multiatribut log
dengan multiatribut seismik yaitu atribut yang digunakan pada multiatribut log berasal dari data
log dan bekerja pada domain depth.

Dalam pengerjaannya log TOC diprediksi dengan melihat hubungan dari log input, yang
terdiri dari log Gamma ray, log Densitas, log P-wave, log Resistivitas, log Neutron dan log
Impedansi Akustik. Ke-enam log input ini secara teoritis memiliki hubungan dengan nilai TOC.
Log Gammaray memilki hubungan yang berbanding lurus dengan nilai TOC, karena keberadaan
kandungan organik pada sumur berasosiasi dengan nilai kandungan uranium, sehingga akan
meningkatkan nilai log gamma ray. Log Densitas memiliki hubungan yang berbanding terbalik
dengan nilai TOC, karena keberadaan kandungan organik pada batuan shale akan mengurangi
densitas batuan. Log p-wave juga memiliki hubungan yang berbanding terbalik dengan nilai TOC,
karena keberadaan kandungan organik pada batuan shale akan mengurangi kecepatan batuan. Log
resistivitas memiliki hubungan yang berbanding lurus dengan nilai TOC, karena biasanya batuan
induk yang telah matang dapat meningkatkan nilai resistivitas. Log Neutron memiliki hubungan
yang berbanding lurus dengan nilai TOC, karena keberadaaan kandungan organik yang telah

Universitas Pertamina - 26
matang akan meningkatkan nilai log neutron. Dan pada log impedansi akustik memiliki hubungan
yang berbanding terbalik dengan nilai TOC, karena log impedansi akustik terdiri dari log densitas
dan log p-wave, dimana keduanya memiliki hubungan yang berbanding terbalik juga. Prediksi
log TOC hanya dilakukan pada window Kelompok Pematang. Berikut ini adalah tampilan saat
akan dilakukan training atribut.

Gambar 4.6 Hubungan antara TOC dengan Log input pada sumur K-1

Gambar 4.7 Hubungan antara TOC dengan Log input pada sumur J-1

Gambar 4.8 Hubungan antara TOC dengan Log input pada sumur S-1

Dilakukan analisis multiatribut untuk mendapatkan atribut terbaik yang dapat digunakan
untuk memprediksi log TOC. Pada proses ini dilakukan training terhadap data log input untuk
menentukan atribut yang paling cocok yang dapat digunakan untuk memprediksi log TOC. Proses
pemilihan atribut ini disebut dengan step wise regression Pada proses step wise regression
didapatkan dua atribut terbaik yang memiliki nilai validasi error paling kecil, yang ditunjukkan
pada gambar 4.9

Universitas Pertamina - 27
 Gambar 4.9 Daftar kombinasi atribut pada proses step wise regression

Pada gambar 4.9 kurva berwarna merah adalah kurva validation error yang digunakan
sebagai acuan dalam pemilihan atribut terbaik. Kurva tersebut menunjukkan bahwa pada atribut
kedua menunjukkan nilai validasi error paling minimum. Pada hasil training menunjukkan nilai
korelasi yang didapat sebesar 0.434 dengan error 3.85%. Sedangkan pada saat dilakukan validasi,
didapatkan korelasi sebesar 0.358 dengan error 4.017%. Pada gambar 4.12 merupakan hasil cross
plot pada saat diaplikasikan 2 atribut.

Gambar 4.10 Perbandingan kurva TOC core dengan kurva log TOC model menggunakan 2 atribut

Gambar 4.11 Hasil validasi kurva TOC core dengan kurva log TOC model menggunakan 2 atribut

Universitas Pertamina - 28
 Gambar 4.12 Cross plot antara TOC aktual dengan log TOC model menggunakan 2 atribut

Pada gambar 4.13 terdapat 3 track, kurva dengan warna biru merupakan kurva hasil prediksi
menggunakan multiatribut log, sedangkan kurva warna merah merupakan nilai TOC core hasil
uji lab. Jika diinterpretasi secara kualitatif hasil yang didapatkan sebenernya kurang mewakili
data TOC core hasil uji lab. Hal ini berkaitan dengan adanya ambiguitas nilai pada saat
pengambilan data core. Diketahui bahwa data core diambil pada interval kedalaman yang tidak
regular, sehingga kemungkinan adanya kesalahan dalam penempatan kedalaman sangat tinggi.
Selain itu hasil korelasi yang didapat dengan menggunakan metode ini juga memiliki hasil yang
paling tinggi dibanding dengan menggunakan metode yang lain.

Gambar 4.13 Perbandingan antara TOC core dengan hasil log prediksi TOC

4.4 Analisis Cross plot

Analisis cross plot pada penelitian ini digunakan untuk melihat seberapa sensitif akustik
impedansi terhadap parameter log yang akan di prediksi, yaitu TOC. Hal ini penting dilakukan
untuk mengetahui apakah volum impedansi akustik dapat digunakan sebagai external atribut
dalam proses multiatribut. Cross plot dilakukan dengan kedua data tersebut pada interval
Kelompok Pematang.

Universitas Pertamina - 29
 Gambar 4.14 Cross plot antara impedansi akustik dengan TOC hasil prediksi pada 3 sumur

Dari hasil cross plot ini, dapat disimpulkan bahwa dari ketiga sumur ini memiliki hubungan
yang berbanding terbalik dengan parameter impedansi akustik. Terlihat bahwa semakin rendah
nilai impedansi akustik, maka semakin tinggi nilai TOC. Sehingga pada penelitian ini dilakukan
analisa inversi seismik yang kemudian digunakan sebagai atribut eksternal untuk melakukan
persebaran data TOC pada penampang seismik.

4.5 Analisis Seismik Inversi

4.5.1 Low Frequency Model
Inversi seismik dilakukan dengan menggunakan metode model based. Sebelum melakukan
proses inversi, dibutuhkan pembuatan low frequency model, yang bertujuan untuk mendapatkan
informasi low frequency dari data sumur untuk selanjutnya disebarkan ke data seismik dengan
memperhitungkan trend AI dari data sumur yang diguide dengan horizon yang ada. Dalam
pembuatan low frequency model ini digunakan high cut frequency sebesar 3/13 Hz, yang didapat
berdasarkan analisa amplitude spectrum.

3-13 Hz

Gambar 4.15 Amplitude Spectrum dari seluruh seismik

Universitas Pertamina - 30
Gambar 4.16 Model awal pada line 6694 dengan kontrol sumur K-1

Gambar 4.17 Model awal pada line 6696 dengan kontrol sumur J-1

Gambar 4.18 Model awal pada line 6842 dengan kontrol sumur S-1

Universitas Pertamina - 31
 Pada hasil low frequency model didapatkan nilai impedansi akustik pada sumur K-1 dan J-
1 sebesar 25000-35000 (ft/s)*(g/cc), sedangkan pada sumur S-1 memiliki rentang yang lebih
tinggi yaitu 30000-48000 (ft/s)*(g/cc). Hal itu berkaitan dengan area dimana sumur S-1
memiliki jarak yang jauh dengan sumur K-1 dan J-1, sehingga terjadi perbedaan litologi yang
terbentuk.

4.5.2 Analisis Pra-Inversi

Analisis pra-inversi dilakukan pada window Kelompok Pematang dengan menggunakan
wavelet statistical rata-rata yang sebelumnya juga digunakan untuk melakukan well seismic tie.
Digunakan parameter hard constrain 100%, dengan average block 4ms, prewhitening 1% dan
jumlah iterasi 10. Dari hasil analisa inversi ini nilai impedansi akustik pada sumur memiliki
bentuk yang spike sehingga sulit untuk mendapatkan nilai error yang minimum. Selain nilai
error pada hasil impedansi akustik, nilai korelasi antara seismik dengan seismogram sintetik
juga dijadikan bahan pertimbangan.

Gambar 4.19 Analisis Inversi pada sumur K-1

Gambar 4.20 Analisis Inversi pada sumur J-1

Universitas Pertamina - 32
 Gambar 4.21 Analisis Inversi pada sumur S-1

4.5.3 Inversi Model Based

Pada inversi model based, hasil impedansi akustik yang didapatkan seharusnya tidak
berbeda jauh dengan nilai impedansi akustik pada model awal yang dibuat. Hal itu terjadi karena
inversi dengan menggunakan model based sangat dipengaruhi oleh pembuatan model awal.
Dibawah ini merupakan hasil inversi pada line yang memiliki sumur referensi.

Gambar 4.22 Hasil inversi pada line 6694 dengan kontrol sumur K-1

Gambar 4.23 Hasil inversi pada line 6696 dengan kontrol sumur J-1

Universitas Pertamina - 33
 Gambar 4.24 Hasil inversi pada line 6842 dengan kontrol sumur S-1

Hasil inversi yang didapat dinilai cukup baik karena nilai impedansi akustik hasil inversi
sudah mendekati nilai impedansi akustik dari sumur. Dari hasil inversi ini dapat diinterpretasi
bahwa pada formasi Brown Shale memiliki nilai impedansi akustik yang relatif lebih tinggi
dibandingkan dengan nilai impedansi akustik pada formasi Upper Red Bed. Jika dilihat dari
kandungan organiknya pada formasi Upper Red Bed memiliki kandungan TOC yang relatif
lebih tinggi sehingga nilai impedansi yang didapatkan rendah. Sedangkan pada sumur S-1
formasi Brown Shale memiliki nilai impedansi yang sangat tinggi yang disebabkan oleh
kandungan organic yang rendah.

4.5 Analisis Multiatribut

Analisis multiatribut dilakukan untuk memprediksi persebaran log TOC dengan
menggunakan atribut turunan dari data seismik. Selain itu digunakan juga atribut eksternal berupa
volum akustik impedansi. Proses ini menggunakan proses training terhadap data log untuk
menentukan atribut yang akan digunakan untuk memprediksi. Proses pemilihan atribut ini disebut
sebagai step-wise regression. Pada proses ini digunakan 3 buah sumur untuk dilakukan training.
Dari gambar 4.25 terlihat pada jumlah atribut 4 memiliki nilai validasi error yang paling
minimum, maka dipilih 4 atribut tersebut untuk memprediksi log target

Gambar 4.25 Daftar kombinasi atribut terbaik pada proses step-wise regression

Universitas Pertamina - 34
 Dilakukan training pada data sumur menggunakan kombinasi dari 4 atribut, didapatkan nilai
korelasi sebesar 0.907 dengan error 0.87%, sedangkan hasil validasi memiliki nilai korelasi 0.709
dengan error 2.24%, yang ditunjukkan pada gambar 4.26. Kurva merah adalah nilai log prediksi
TOC, sedangkan kurva hitam merupakan nilai TOC pada sumur.

b
a
Gambar 4.26 Hasil training (a) dan validasi (b) menggunakan step wise regression

Gambar 4.27 Hasil cross plot antara TOC asli dengan TOC prediksi menggunakan step wise regression

Untuk mendapatkan nilai korelasi yang lebih baik, hasil kombinasi atribut pada proses step
wise regression ini dianalisis kembali dengan menggunakan metode PNN. Hasil dari
menggunakan metode PNN, terbukti meningkatkan korelasi yang didapat yaitu sebesar 0.918
dengan error 0.83% sedangkan ketika dilakukan validasi didapatkan korelasi sebesar 0.739
dengan error 1.54%.

a b

Gambar 4.28 Hasil training (a) dan validasi (b) menggunakan PNN

Universitas Pertamina - 35
Gambar 4.29 Hasil cross plot antara TOC asli dengan TOC prediksi menggunakan step wise regression

Hasil pada analisis multiatribut, didapatkan nilai korelasi dan validasi terbesar menggunakan
metode PNN, sehingga hasil analisa PNN ini yang nantinya akan di aplikasikan pada data seismik.
Hasil analisis multiatribut ini terbilamg cukup baik, terlihat bahwa hasil prediksi TOC pada data
seismik sudah mendekati nilai TOC pada data sumur.

Gambar 4.30 Persebaran prediksi TOC pada line 6694 dengan kontrol sumur K-1

Gambar 4.31 Persebaran prediksi TOC pada line 6696 dengan kontrol sumur J-1

Universitas Pertamina - 36
 Gambar 4.32 Persebaran prediksi TOC pada line 6842 dengan kontrol sumur S-1

Hasil penampang seismic pada penelitian ini menunjukkan zona Kelompok Pematang
memiliki nilai TOC yang baik dengan rentang nilai 0.5 sampai 5 wt.%. Berdasarkan Alexander
dkk (2011) hubungan antara kuantitas dengan TOC yang berpotensi menghasilkan hidrokarbon
adalah nilai TOC ≥ 1 wt.% (Tabel 4.4), sehingga lebih berpotensi untuk menjadikannya sebagai
reservoir shale.

Tabel 4.1 Hubungan antara TOC dengan resource potential (Alexander dkk, 2011)

Potensial (Kuantitas) TOC (wt.%)

Poor <0.5

Fair 0.5 – 1

Good 1–2

Very Good 2–4

Excellent >4

Pada sumur K-1 dan J-1 Formasi Upper Red Bed memiliki nilai TOC yang tinggi dengan
rentang 3 – 5 wt.%, yang menandakan bahwa potensi TOC pada formasi ini sangat baik.
Sedangkan pada Formasi Brown Shale nilai TOC yang dihasilkan yaitu 2 – 4 wt.% yang
mendakan potensi TOC pada formasi ini juga sangat baik.

Pada sumur S-1 terlihat trend yang dihasilkan pada formasi Brown Shale memiliki nilai
TOC yang sangat kecil, hal itu dikarenakan hubungan TOC yang berbanding terbalik dengan
impedansi akustik. Dimana pada log sumur terlihat bahwa log densitas dan log p-wave
menunjukkan nilai yang tinggi, sehingga nilai impedansi akustik yang dihasilkan juga tinggi.
Dari data report sumur S-1 menunjukkan bahwa sumur ini tidak berpotensi untuk
dikembangkan, seandainya terdapat hidrokarbon pada sumur ini juga jumlah yang dihasilkan
sangat sedikit sehingga tidak potensial.

Universitas Pertamina - 37
 Dari keseluruhan penampang yang memiliki sumur referensi dapat disimpulkan bahwa
zona persebaran potensi TOC tertinggi terdapat pada Formasi Upper Red Bed. Selain karena
nilai impedansi akustik yang rendah, nilai TOC yang tinggi pada Formasi Upper Red Bed juga
dapat dikarenakan adanya kehadiran coal yang menyebabkan densitas pada kedalaman tertentu
sangat kecil. Sehingga menyebabkan nilai impedansi akustik rendah. Dikarenakan keterbatasan
data sumur yang tidak dapat meng-cover seluruh zona Kelompok Pematang, maka nilai
persebaran TOC yang dapat dipercaya hanya sampai top Formasi Lower Red Bed.

Universitas Pertamina - 38
Universitas Pertamina - 39
 BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan
Berdasarkan pengolahan data yang telah dilakukan, kesimpulan yang diperoleh dari penelitian
ini adalah:

1. Hasil analisis cross plot menunjukkan nilai impedansi akustik memiliki hubungan yang
berbanding terbalik dengan nilai TOC.

2. Analisis seismik inversi dapat mencerminkan Formasi Upper Red Bed yang memiliki nilai
impedansi akustik rendah dan Formasi Brown Shale memiliki nilai impedansi akustik tinggi.

3. Hasil analisis multiatribut menggunakan PNN mendapatkan korelasi yang lebih besar yaitu
0.918 dibandingkan dengan menggunakan step wise regression yang mendapatkan korelasi
sebesar 0.907.

4. Formasi Upper Red Bed memiliki nilai TOC rata-rata yang lebih tinggi dengan rentang 3 –
5 wt.%, sedangkan Formasi Brown Shale memiliki nilai TOC rata-rata yang lebih rendah
dengan rentang 0.5 – 4 wt.%.

5. Zona potensi TOC yang tinggi pada penampang seismik Kelompok Pematang Cekungan
Sumatera Tengah berada pada Formasi Upper Red Bed.

5.2 Saran
1. Menggunakan lebih banyak data sumur untuk lebih mengoptimalkan metode
multiatribut.

2. Mengintegrasikan data hasil prediksi dengan pengukuran core yang tersedia di sumur
lainnya.

Universitas Pertamina - 39
Universitas Pertamina - 40
 DAFTAR PUSTAKA

Abdullah. (2007, 21). Polaritas Normal Polaritas ‘Reverse’. Diambil dari

http://ensiklopediseismik.blogspot.com/2007/06/polaritas-normal-polaritas-
reverse.html Diakses pada 23 Agustus 2020

Alexander, T ., Baihly, J ., Boyer, C., Waters, B.C.G., Calvez, J.L., Miller,

R.I.,C.K., Thaeler, J.,and Toelle, B.E. (2011). Shale Gas Revolution,
Schlumerger.
Brown, R.A. (2000). Interpretation of ThreeDimensional Seismic Data Fifth Edition

Chopra, S., and K. J. Marfurt. (2005). Seismic attributes – a historical perspective:

Geophysics, 70, 3SO–28SO.

Coffeen, J.A. (1986). Seismic Exploration Fundamentals Second Edition. Penn

Well Publishing Company . Tulsa, Oklahoma.
Draper, N.R. and Smith, H. (1966). Applied regression analysis: John Wiley & Sons, Inc.

Harsono, Adi. (1997). Evaluasi Formasi dan Aplikasi Log. Edisi (revisi) ke 8,
SchlumbergerOil Field Services, Jakarta

Hampson, D.P., Schuelke, J.S. and Quirein, J.A. (2001). Use of Multiattribute Transforms
to Predict Log Properties from Seismik Data. Geophysics, Vol. 66, NO. 1, P. 220 – 226.
Heidrick, T. L., & Aulia, K. (1993). A Structural And Tectonic Model Of The Coastal Plains
Block, Central Sumatra Basin, Indonesia. Indonesian Petroleum Association , (pp.
285-317). Jakarta.
Hunt. (1996). Petroleum Geochemistry and Geology. New York
Meyer, B.L., Nederlof, M.H. (1984). Identification of source rocks on wireline
logs by density/resistivity and sonic transit time/resistivity cross plots.
AAPG Bulletin 68, 121– 129
Passey, Q.R., Moretti, F.U., Stroud, J.D., 1990. A practical modal for organic
richness from porosity and resistivity logs. AAPG Bulletin 74, 1777–
1794. logs II: Geol. Soc. London, Spec. Publ., 65, pp. 369– 376.

Putri, Feby. (2014). Krisis Minyak Tahun 1973-1974 Di Negara-Negara

Industri Sebagai Penggerak Tata Ekonomi Dunia Baru. e-Journal
Pendidikan Sejarah : AVATARA. Vol.2 No.1

Rider, M. (1996). The Geological Interpretation of Well Logs (2nd edition). Malta:Whittles
Publishing.

Universitas Pertamina - 40
Russell, B. (1991). Introduction to Seismic Inversion Methods, third edition, Volume 2,
S.N. Domenico, Editor Course Notes Series.

Sinulingga, M., (2017). Analisis Persebaran Potensi Total Organic

Carbon (TOC) Lapangan “Lingga” Dengan
Menggunakan Metode Inversi Seismik Dan
Neural Network. Fakultas Teknik, Universitas Lampung.

Schmoker JW. (1981). Determination of organic-matter content of Appalachian

Devonian shales from gamma-ray logs. AAPG Bull;65(7):1285e98

Sukmono, S. (1999). Interpretasi Seismik Refleksi, Geophysical Engineering.

Bandung Institute of Technology, Bandung.

Sukmono, S. (2002). Seismic Attributes for Reservoir Characterization.

Departement of Geophysical Engineering, FIKTM, InstitutTeknologi
Bandung.

Widada, S, et al., (2018). Potensi Shale Hydrocarbon Formasi Brown Shale, Cekungan
Sumatra Tengah Berdasarkan Data Log Mekanik. Jurnal Offshore. Vol.2 No.1. ISSN
:2549-8681

Universitas Pertamina - 41
Universitas Pertamina - 42
 Formulir Bimbingan Tugas Akhir
FAKULTAS TEKNOLOGI EKSPLORASI DAN PRODUKSI
PROGRAM STUDI TEKNIK GEOFISIKA

Nama Mahasiswa : Istiqomah NIM : 101116060

Nama Pembimbing : M Husni M. Lubis S.T., M.S NIP : 116028

No. 1 Hari/Tanggal: Jumat, 20 Januari 2020

Hal yang menjadi perhatian:

1. Diskusi awal mengenai gambaran umum penelitian tugas akhir interpretasi seismik.
2. Menentukan judul dan tujuan yang ingin dicapai dalam penelitian tugas akhir.
3. Revisi proposal peneltian tugas akhir.

Paraf Pembimbing:

No.2 Hari/Tanggal: Senin, 3 Februari 2020

Hal yang menjadi perhatian:

1. Langkah yang harus dilakukan dalam melakukan interpretasi seismik meliputi data
yang digunakan, QC data, well seismic tie, picking horizon, dan lain-lain.
2. Miss Tie Analysis
3. Pengumpulan data

Paraf Pembimbing:

Universitas Pertamina - 42
 Formulir Bimbingan Tugas Akhir
FAKULTAS TEKNOLOGI EKSPLORASI DAN PRODUKSI
PROGRAM STUDI TEKNIK GEOFISIKA

Nama Mahasiswa : Istiqomah NIM : 101116060

Nama Pembimbing : M Husni M. Lubis S.T., M.S NIP : 116028

No. 3 Hari/Tanggal: Kamis, 13 Februari 2020

Hal yang menjadi perhatian:

1. Cek kelengkapan data penelitian : data seismik, data well, checkshot, dan report.
2. Melakukan digitasi data checkshot dan bit size pada well report.
3. Mulai well tie.

Paraf Pembimbing:

No.4 Hari/Tanggal: Kamis, 7 Mei 2020

Hal yang menjadi perhatian:

1. Data Conditioning (koreksi washout dengan metode Multi Linear Regression.

2. Membandingkan hasil well seismic tie sebelum dan sesudah dilakukan koreksi
washout.
3. Menghitung parameter petrophysics.
4. Cari tau prediksi log TOC.

Paraf Pembimbing

Universitas Pertamina - 43
 Formulir Bimbingan Tugas Akhir
FAKULTAS TEKNOLOGI EKSPLORASI DAN PRODUKSI
PROGRAM STUDI TEKNIK GEOFISIKA

Nama Mahasiswa : Istiqomah NIM : 101116060

Nama Pembimbing : M Husni M. Lubis S.T., M.S NIP : 116028

No. 5 Hari/Tanggal: Jumat, 26 Juni 2020

Hal yang menjadi perhatian:

1. Penentuan Metode Prediksi log TOC.

2. Menambahkan data well.
3. Analisa cross plot

Paraf Pembimbing:

No.2 Hari/Tanggal: Minggu, 12 Juli 2020

Hal yang menjadi perhatian:

1. Persiapan Seminar Kemajuan.

2. Perhatikan persamaan dalam prediksi log TOC.
3. Metode untuk persebaran TOC pada data seismik (analisa crossplot TOC vs AI atau
Multiatribut).

Paraf Pembimbing:

Universitas Pertamina - 44
 Formulir Bimbingan Tugas Akhir
FAKULTAS TEKNOLOGI EKSPLORASI DAN PRODUKSI
PROGRAM STUDI TEKNIK GEOFISIKA

Nama Mahasiswa : Istiqomah NIM : 101116060

Nama Pembimbing : M Husni M. Lubis S.T., M.S NIP : 116028

No. 7 Hari/Tanggal: Kamis, 30 Juli 2020

Hal yang menjadi perhatian:

1. Hasil Prediksi TOC.

2. Konsep pemilihan log untuk prediksi log TOC.
3. Analisa crossplot antara TOC dengan log prediksi.
4. Hubungan antara AI dan TOC.
5. Cari nilai Standar Deviasi antara hasil prediksi dengan nilai TOC core.

Paraf Pembimbing:

No.8 Hari/Tanggal: Senin, 10 Agustus 2020

Hal yang menjadi perhatian:

1. Inversi tidak jadi dilakukan karena AI tidak memiliki hubungan dengan TOC.
2. Analisa Multiatribut.
3. Penentuan blind well pada analisa multiatribut.

Paraf Pembimbing:

Universitas Pertamina - 45
 Formulir Bimbingan Tugas Akhir
FAKULTAS TEKNOLOGI EKSPLORASI DAN PRODUKSI
PROGRAM STUDI TEKNIK GEOFISIKA

Nama Mahasiswa : Istiqomah NIM : 101116060

Nama Pembimbing : M Husni M. Lubis S.T., M.S NIP : 116028

No. 9 Hari/Tanggal: Selasa, 25 Agustus 2020

Hal yang menjadi perhatian:

1. Analisa crossplot (log apa yg sensitive terhadap p-impedance

2. Cari tau konsep multiatribut
3. Konsep pemilihan blind well.

Paraf Pembimbing:

No.10 Hari/Tanggal: Rabu, 26 Agustus 2020

Hal yang menjadi perhatian:

1. Tambahkan Peta Isochore

2. Mengetahui konsep dasar seismic dan pembuatan Multiatribut
3. Pendaftaran Sidang Tugas Akhir

Paraf Pembimbing:

Universitas Pertamina - 46
 Formulir Bimbingan Tugas Akhir
FAKULTAS TEKNOLOGI EKSPLORASI DAN PRODUKSI
PROGRAM STUDI TEKNIK GEOFISIKA

Universitas Pertamina - 47