MEKANIKA RESERVOIR

Pertemuan Ke-13
Analisis Statistik Data Reservoir

Dr. Ir. Diah Rini Ratnaningsih, MT.

Dr. Ir. Yos. Sumantri, MT.
Dr. Suranto, ST., MT.
Ratna Widyaningsih, ST, MSc.

1
Jurusan Teknik Perminyakan UPNVY
 Mengapa diperlukan analisis statistik data?
• Hampir tidak mungkin untuk mengukur sifat-sifat dari
batuan reservoir (populasi data) secara keseluruhan.
• Tidaklah mungkin melakukan pemboran pengintian di
seluruh bagian reservoir dan memotong inti-bor menjadi
ratusan atau ribuan plug dan mengukur sifat setiap plug.
o Oleh sebab itu, umumnya diambil sejumlah sampel batuan
reservoir (berdasarkan teknik sampling yang benar) dan
menggunakan sifat-sifat sampel tsb. untuk mewakili sifat-
sifat batuan reservoir secara keseluruhan (populasi data).
• Sering kali dalam perhitungan-perhitungan tek. reservoir
diperlukan suatu harga tunggal sifat fisik bat. reservoir,
(spt: porositas, permeabilitas dan saturasi air) yang
mewakili bat. reservoir secara keseluruhan.
• Apabila sampel-sampel yang diambil telah dapat mewakili
bat. reservoir secara keseluruhan maka analisis statistik
dapat dilakukan untuk memperkirakan sifat-sifat bat.
reservoir yang bersangkutan.
Frekuensi Kelas, Distribusi Frekuensi,
dan Frekuensi Relatif

• Dalam analisis statistik sifat fisik batuan, biasanya data

dibagi ke dalam kelas-kelas dengan harga interval kelas
yang sama.
• Jumlah anggota yang termasuk dalam masing-masing
kelas disebut “frekuensi kelas”.

• Tabel yang merupakan susunan data menurut kelas

disebut “distribusi frekuensi” atau “tabel frekuensi”.
• Frekuensi relatif suatu kelas adalah frekuensi kelas ybs.
dibagi frekuensi total dari semua kelas.
• Harga tengah dari masing-masing kelas disebut class-
mark.
 Contoh Tabel Frekuensi

Porosity Range Number of Samples Relative Fequency Rel. Frequency

(%) of Porosity (%)
< 10 161 0,0603 6,03
10 - 12 257 0,0963 9,63
12 – 14 398 0,1491 14,91
14 - 16 493 0,1846 18,46
11 - 18 608 0,2277 22,77
18 - 20 636 0,2382 23,82
> 20 117 0,0438 4,38
2670 1,0000 100
Aturan-aturan dalam pembentukan
distribusi frekuensi:

1. Tentukan harga terbesar dan terkecil dari data mentah

(raw data).

2. Bagi kisaran dari harga tsb. kedalam kelas-kelas harga

dengan ukuran interval yang sama. Jumlah kelas
tergantung pada data, tetapi biasanya diambil jumlah
antara 5 sampai 20.

3. Jumlah observasi pada masing-masing kelas adalah

“frekuensi kelas”.

4. Frekuensi relatif suatu kelas adalah frekuensi kelas dibagi

dengan frekuensi total dari semua kelas.
 Contoh penentuan kelas, frekuensi kelas,
dan frekuensi relatif kelas

Data ketebalan bersih (net pay thickness) dari 20 sumur

dinyatakan dalam bentuk data frekuensi relatif sbb:

Frequency Relative Frequency

Range of thickness (No. of wells having thickness (No. of wells having thickness Relative Frequency
(ft) value in the range) value in each range) (percentage)
(fraction of total wells)
50 - 80 4 0,20 20%
81 - 110 7 0,35 35%
111 - 140 5 0,25 25%
141 - 170 3 0,15 15%
171 - 200 1 0,05 5%
20 1,00 100%
Histogram

• Histogram adalah suatu

grafik yang
menggambarkan
distribusi frekuensi.

• Skala vertikal
merupakan jumlah data
(frekuensi) dari setiap
kelas.

• Lebar empat persegi

panjang
menggambarkan interval
kelas.
Distribusi Frekuensi Kumulatif

Bila frekuensi relatif dijumlahkan dan diplot pada

batas tertinggi dari masing-masing interval kelas
maka diperoleh suatu distribusi frekuensi
kumulatif lebih kecil dari atau sama dengan (less
then or equal to).
 Frequency Relative Frequency
Range of thickness (No. of wells having thickness (No. of wells having thickness Cum. Frequency
(ft) value in the range) value in each range) (percentage)
(fraction of total wells)
50 - 80 4 0,20 20%
81 - 110 7 0,35 55%
111 - 140 5 0,25 80%
141 - 170 3 0,15 95%
171 - 200 1 0,05 100%
20 1,00
Kadang-kadang dibuat distribusi frekuensi
kumulatif lebih besar dari atau sama
dengan (greater then or equal to).

Frekuensi relatif dijumlahkan mulai dari

interval kelas paling tinggi dan diplot pada
batas terendah dari masing-masing
interval kelas.
 Frequency Relative Frequency
Range of thickness (No. of wells having thickness (No. of wells having thickness Cum. Frequency
(ft) value in the range) value in each range) (percentage)
(fraction of total wells)
50 - 80 4 0,20 100%
81 - 110 7 0,35 80%
111 - 140 5 0,25 45%
141 – 170 3 0,15 20%
171 - 200 1 0,05 5%
20 1,00
 Kurva Distribusi Frekuensi
• Utk keperluan analisis matematik maka histogram digantikan
dengan grafik kontinyu, yang disebut kurva distribusi frekuensi.
Distribusi Normal
◼ Disebut juga distribusi
Gaussian.
◼ Contoh:
◼ porositas dari pengukuran
core atau log.
◼ Memiliki dua parameter:
◼ mean (rerata)
◼ standard deviation
(standar deviasi).
◼ Ciri-cirinya:
◼ simetris
◼ mean, median dan mode
terletak pada harga yang
sama.
Median: nilai tengah dari data.
Mode: nilai dimana terjadi frekuensi terbesar.
 Distribusi Log Normal
◼ Disebut juga Distribusi
Eksponensial.
◼ Contoh:
◼ Permeabilitas dari core atau
log.
◼ Ada dua parameter:
◼ mean (dari log(x))
◼ standard deviation (dari
log(x)).
◼ Ciri-ciri:
◼ Asimetris
◼ Memiliki “ekor (tail)” yang
mengarah ke harga x besar.
◼ mean, median dan mode
tidak terletak pada harga
yang sama.
◼ Harga log(x) mempunyai
distribusi normal.
Central Tendency
Suatu rerata adalah harga yang merupakan tipikal atau yang
mewakili set data.
Apabila suatu set data disusun menurut besarnya harga, maka
harga rerata cenderung terletak dalam pusat dari data tsb.
Rerata ini disebut “Central Tendency”.
Arithmetic mean atau harga rerata aritmatik dari data yang tak
dibagi dalam kelas-kelas (unclassified) adalah:

x i
ma = i =1
n
dimana :
ma = harga central tendency
xi = harga data ke-i (i=1, 2, 3, …….n)
n = jumlah data.
Apabila data disusun dalam kelas-kelas (classified) maka harga
rerata aritmatik (arithmetic mean) dari data adalah:

n
m a =  (xi f i )
i =1

dimana :
xi = harga tengah kelas ke-i (i=1, 2, 3, …….n)
n = jumlah kelas
fi = frekuensi kelas ke-i.
Geometric mean:
Merupakan akar pangkat n dari hasil perkalian seluruh (n) data.
Untuk data yang unclassified maka:

m g = ( x1.x2 .x3 .........xn )1/ n

dimana :
xi = harga data ke-i (i=1, 2, 3, …….n)
n = jumlah data.

Untuk data yang dibagi dalam kelas-kelas (classified) maka:

dimana :
xi = harga tengah kelas ke-i (i=1, 2, 3, …….n)
n = jumlah kelas
fi = frekuensi kelas ke-i.
Weighted Average:

Dalam evaluasi tentang data porositas dan permeabilitas

batuan pada suatu sumur ada cara perataan data lain yaitu
weighted average (rerata dengan pemberatan).
n

 (h x ) i i
mw = i =1
n

h i =1
i

dimana :
mw = weighted average
xi = harga data (porositas atau permeabilitas) ke-i (i=1, 2, 3, ….n)
hi = ketebalan yang diwakili oleh data ke-i (i=1, 2, 3, …….n)
n = jumlah data.
Contoh Soal
Pengukuran di laboratorium terhadap conto batuan dari suatu sumur
pada kedalaman 3690 sd. 3700 ft adalah seperti tabel di bawah.
Tentukan harga arithmatic average (mean) dan weighted average
data porositas dan permeabilitas batuan dari sumur tersebut.
Kedalaman h Porositas fh Permeabilitas kh
(ft) (ft) (%) (mD)
3690 - 3691 1 20 20 10 10
3691 – 3693 2 23 46 100 200
3693 – 3694 1 21 21 50 50
3694 – 3697 3 26 78 200 600
3697 – 3698 1 18 18 70 70
3698 – 3700 2 22 44 120 240

10 130 227 550 1170

• Aritmatic average f = 130/6 = 21,7 %
• Aritmatic average k = 550/6 = 91,7 mD
• Weighted average f = 227/10 = 22,7 %
• Weighted average k = 1170/10 = 117 mD.
Bila ketebalan (h) seragam maka harga arithmatic avg = weighted avg.
Ukuran Variability (Dispersion)

Central tendency atau nilai rerata dari set data tidak menunjukkan
sebaran atau variability data.

A. Standard deviasi (akar dari Variance)

Variance adalah besaran yang dirumuskan sebagai berikut:

dimana :
xi = harga data ke-i (i=1, 2, 3, …….n)
m = rerata aritmatik.
n = jumlah data.
B. Mean deviation adalah ukuran lain dari dispersion tentang
central tendency:

Untuk data yang dikelompokkan (classified), Variance

dirumuskan sebagai:

dimana :
fi = frekuensi klas-i.
m = rerata aritmatik.

Tugas:
Terjemahkan buku: Amyx et.al., “Petroleum Reservoir
Engineering: Physical Properties”, 1960, hal. 537-542.
SELAMAT BELAJAR