UNIVERSITAS BINA NUSANTARA PERANCANGAN PROGRAM APLIKASI AUTOMATIC FUZZY RULES EXTRACTOR UNTUK MENGESTIMASI VARIABEL RESERVOIR ABSTRAK

Transkripsi

1 UNIVERSITAS BINA NUSANTARA Program Ganda Teknik Informatika Matematika Skripsi Sarjana Program Ganda Semester Genap 2004/2005 PERANCANGAN PROGRAM APLIKASI AUTOMATIC FUZZY RULES EXTRACTOR UNTUK MENGESTIMASI VARIABEL RESERVOIR Nanang Kunaivi NIM : ABSTRAK Pengambilan suatu keputusan merupakan persoalan yang sering dan akan dihadapi oleh setiap orang. Seperti seorang penganalisis log dalam menentukan perkiraan kandungan minyak dari sebuah lapangan sumur minyak. Log adalah suatu set kurva yang menggambarkan karakteristik batuan reservoir dari suatu lapangan minyak. Log dihasilkan oleh pencatatan suatu alat log. Dalam menentukan perkiraan kandungan minyak, seorang penganalisis log membutuhkan variabel-variabel log agar perkiraan yang dihasilkan merupakan perkiraan yang lebih mendekati kebenaran. Namun apa yang terjadi jika ada variabel log yang hilang atau tidak ada. Antara lain disebabkan karena memang alat log nya tidak ada, atau karena alasan ekonomis. Ketidaklengkapan data log akan menimbulkan misinterpretasi yang akan dialami oleh penganalisis log. Masalah seperti ini terjadi pada lembaga pemerintahan yang bertugas melakukan penelitian dan pengembangan teknologi minyak bumi dan gas lebih dikenal dengan LEMIGAS (Lembaga Minyak Bumi dan Gas). Salah satu tugas LEMIGAS adalah menentukan besarnya cadangan minyak bumi dan gas dari sebuah sumur. Dalam skripsi ini dirancang sebuah program aplikasi yang dapat menggambarkan hubungan antar variabel-variabel log, dengan adanya hubungan ini estimasi variabel yang hilang mungkin dilakukan. Teknik dalam menggambarkan hubungan antar variabel tersebut adalah dengan membuatkan Fuzzy Rules. Fuzzy Rules dapat dibuat secara manual, namun dalam aplikasi yang dirancang menghasilkan Fuzzy Rules secara otomatis. Berdasarkan hasil evaluasi yang dilakukan, Fuzzy Rules yang terbentuk dapat menggambarkan hubungan antar variabel-variabel log dengan baik. Hal ini dibuktikan dengan grafik perbandingan nilai asli log dengan nilai hasil estimasi yang mempunyai pergerakan yang sama. Kata kunci : Fuzzy Logic, Automatic Fuzzy Rules, Estimasi Variabel, Reservoir iii

2 PRAKATA Puji dan syukur sudah selayaknya penulis persembahkan kepada Allah SWT, yang telah melimpahkan berkat dan rahmat-nya sehingga dapat menyelesaikan skripsi ini. Penulis persembahkan skripsi ini untuk almarhum kedua orangtua, dan juga adikadik. Karena mereka lah penulis mempunyai dorongan semangat yang tinggi untuk menyelesaikan skripsi ini. Tak lupa penulis ingin mengucapkan terimakasih yang sebesar-besarnya kepada beberapa pihak berikut ini yang telah memberi dukungan dan bantuan baik moral maupun pemikiran yang sangat bermanfaat selama proses penulisan skripsi ini : 1. Bapak Envermyvem,M.Sc. selaku pejabat sementara rektor Universitas Bina Nusantara. 2. Bapak Haryono Soeparno, Ir. M.Sc., DR, selaku dosen pembimbing. 3. Bapak Don Tasman, S.Mia, SE., MM, selaku dosen pengajar dan dosen pembimbing. 4. Bapak Bambang Widarsono, Ir., DR, selaku pembimbing di LEMIGAS. 5. Para Dosen di Universitas Bina Nusantara yang telah memberikan bekal ilmu selama masa kuliah, yang menjadi modal dasar bagi penulis untuk menyusun skripsi ini. 6. Keluarga dan teman-teman yang telah memberikan dukungan dan bantuan baik moril maupun materil. 7. Seluruh pihak yang telah membantu proses penulisan ini baik langsung maupun tidak langsung. Penulis menyadari bahwa skripsi ini masih belum sempurna karena itu kritik dan saran dari berbagai pihak akan mampu memperbaiki penulisan skripsi ini. Semoga skripsi ini bermanfaat bagi pihak-pihak yang membacanya. Jakarta, Juli 2005 Nanang Kunaivi iv

3 DAFTAR ISI HALAMAN JUDUL LUAR. i HALAMAN JUDUL DALAM.ii ABSTRAK iii PRAKATA iv DAFTAR ISI. v DAFTAR TABEL. vii DAFTAR GAMBAR... viii DAFTAR LAMPIRAN ix BAB 1 PENDAHULUAN 1.1 Latar Belakang Ruang Lingkup Tujuan dan Manfaat Metodologi 5 BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Himpunan Fuzzy (Fuzzy Sets) Fungsi Keanggotaan (Membership Function) Derajat Keanggotaan (Degree of Membership) Variabel Numerik dan Variabel Linguistik (Fuzzy Terms) Representrasi Membership Function Pengertian Fuzzy Logic Mengapa Menggunakan Fuzzy Logic Operator-operator Fuzzy Logic Fuzzy Rules Defuzzifikasi Reservoar Log 24 BAB 3 ANALISIS DAN PERANCANGAN 3.1 Gambaran Umum Kasus dan Permasalahan Alternatif Pemecahan Masalah Penerapan Sistem Fuzzy Logic Pemetaan / Normalisasi Angka Penentuan Fuzzy Region, Fuzzy Terms, dan Membership Function Menentukan Derajat Keanggotaan Membentuk if-then rule Perancangan Program Aplikasi Modul-modul yang digunakan Penjelasan Rancangan Modul.. 32 v

4 BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Pengoperasian Program Aplikasi Evaluasi 40 BAB 5 KESIMPULAN DAN SARAN 5.1 Kesimpulan Saran. 47 DAFTAR PUSTAKA DAFTAR RIWAYAT HIDUP. 50 LAMPIRAN. 1 vi

5 DAFTAR TABEL Tabel 3.1 Contoh normalisasi data log GR.. 28 Tabel 3.2 Proses perubahan variabel numerik menjadi variabel linguistik.. 30 Tabel 4.1 Kisaran nilai standard dari tiap-tiap log 40 Tabel 4.2 Hasil jumlah rule yang dihasilkan untuk tiap-tiap Region tanpa mengubah kisaran nilai 41 Tabel 4.3 Hasil jumlah rule yang dihasilkan dengan mengubah kisaran nilai vii

6 DAFTAR GAMBAR Gambar 2.1 Kurva Membership Function secara tegas 8 Gambar 2.2 Membershio Function menggunakan konsep fuzzy. 9 Gambar 2.3 Contoh himpunan fuzzy : kelompok umur 10 Gambar 2.4 Representasi Linier Naik.. 11 Gambar 2.5 Representasi Linier Turun 11 Gambar 2.6 Kurva Segitiga...12 Gambar 2.7 Kurva Trapesium.. 13 Gambar 2.8 Daerah bahu pada variabel TEMPERATUR. 14 Gambar 2.9 Himpunan fuzzy dengan kurva-s : PERTUMBUHAN. 14 Gambar 2.10 Himpunan fuzzy dengan kurva-s : PENYUSUTAN Gambar 2.11 Karakteristik fungsi kurva-s Gambar 2.12 Karakteristik fungsional kurva PI Gambar 2.13 Karakteristik fungsional kurva BETA 17 Gambar 2.14 Karakteristik fungsional kurva GAUSS. 18 Gambar 2.15 Proses defuzzifikasi : Metode Control 22 Gambar 4.1 Hasil plot perbandingan nilai yang dihasilkan dari rule terbentuk (menggunakan fuzzy-region 5) dengan nilai hasil log.. 43 Gambar 4.2 Hasil plot perbandingan nilai yang dihasilkan dari rule terbentuk (menggunakan fuzzy-region 5, dan kisaran nilai log LLD dan MSF di customasi nilai maksimumnya menjadi 100) dengan nilai hasil log. 44 Gambar 4.1 Hasil plot perbandingan nilai yang dihasilkan dari rule terbentuk (menggunakan fuzzy-region 11) dengan nilai hasil log 45 Gambar 4.2 Hasil plot perbandingan nilai yang dihasilkan dari rule terbentuk (menggunakan fuzzy-region 11, dan kisaran nilai log LLD dan MSF di customasi nilai maksimumnya menjadi 100) dengan nilai hasil log. 46 viii

7 DAFTAR LAMPIRAN Lampiran 1: Contoh Format file fuzzy rules hasil generate program.. L1 Lampiran 2: Source Code Program.. L2 ix