OPTIMISASI INJEKSI LUMPUR PADA PENGEBORAN MINYAK DI PT. TRANSOCEAN INDONESIA

Transkripsi

1 HALAMAN JUDUL TUGAS AKHIR - TF OPTIMISASI INJEKSI LUMPUR PADA PENGEBORAN MINYAK DI PT. TRANSOCEAN INDONESIA KUKUH GHARYTA NRP Dosen Pembimbing Hendra Cordova, ST, MT Ir. Matradji, MKom DEPARTEMEN TEKNIK FISIKA Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya 2017 i

2 Halaman ini sengaja dikosongkan ii

3 FINAL PROJECT - TF OPTIMIZATION OF MUD INJECTION IN OIL DRILLING IN PT. TRANSOCEAN INDONESIA KUKUH GHARYTA NRP Supervisor Hendra Cordova, ST, MT Ir. Matradji, MKom DEPARTMENT OF ENGINEERING PHYSICS Faculty of Industrial Technology Institut Teknologi Sepuluh Nopember Surabaya 2017 iii

4 Halaman ini sengaja dikosongkan iv

5 LEMBAR PENGESAHAN OPTIMISASI INJEKSI LUMPUR PADA PENGEBORAN MINYAK DI PT. TRANSOCEAN INDONESIA TUGAS AKHIR Oleh : Kukuh Gharyta NRP : Surabaya, 24 Januari 2017 Mengetahui/Menyetujui, Pembimbing I Pembimbing II Hendra Cordova, ST, MT Ir. Matradji, MKom NIP NIP Ketua Jurusan Teknik Fisika FTI-ITS Agus Muhamad Hatta, ST, MSi, Ph.D NIPN v

6 Halaman ini sengaja dikosongkan vi

7 LEMBAR PENGESAHAN OPTIMISASI INJEKSI LUMPUR PADA PENGEBORAN MINYAK DI PT. TRANSOCEAN INDONESIA TUGAS AKHIR Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Teknik pada Bidang Studi Rekayasa Instrumentasi Program Studi S-1 Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Oleh : KUKUH GHARYTA NRP Disetujui oleh Tim Penguji Tugas Akhir : 1. Hendra Cordova, ST, MT... (Pembimbing 1) 2. Ir. Matradji, MKom... (Pembimbing 2) 3. Dr. Ir. Totok Soehartanto, DEA... (Ketua Penguji) 4. Arief Abdurrakhman, ST, MT... (Penguji 1) Arief Abdurrahman, S.T.,M.T SURABAYA Januari, 2017 vii

8 Halaman ini sengaja dikosongkan viii

9 OPTIMISASI INJEKSI LUMPUR PADA PENGEBORAN MINYAK DI PT. TRANSOCEAN INDONESIA Nama Mahasiswa : Kukuh Gharyta NRP : Jurusan : Teknik Fisika FTI-ITS Dosen Pembimbing : 1. Hendra Cordova, S.T.,M.T 2. Ir. Matradji, M.Kom Abstrak Drilling fluid atau yang biasa disebut dengan lumpur digunakan untuk mengangkat cutting ke permukaan, mendinginkan dan melumasi bit dan drill string, memberi dinding pada lubang bor dengan mud cake, dan mengontrol tekanan formasi. Tekanan pada saat injeksi merupakan hal yang sangat penting karena apabila tekanan injeksi lumpurnya tidak tepat akan menimbulkan berbagai dampak, seperti timbulnya gesekan pada wellbore, menimbulkan panas pada bit dan drill string, dinding tidak kuat karena mud cake yang terbentuk tidak akan kuat, dan bisa menimbulkan kick ataupun stuckpipe. Oleh karena dampak tekanan injeksi lumpur yang begitu besar terhadap performansi pengeboran, maka tekanan pada saat injeksi lumpur pada pengeboran minyak di rig- 136 Transocean perlu dioptimisasi menggunakan metode genetic algorithm untuk menurunkan besarnya pressure drop pada setiap ukuran lubang dan kedalaman,, yaitu pada lubang 17 di kedalaman 1269,68 feet dan pada lubang 12,25 di kedalaman 2132,55 feet. Sebelum dioptimisasi, besarnya tekanan dimodelkan terlebih dahulu dengan metode bingham-plastic untuk menghitung besarnya pressure drop pada surface equipment, drill pipe, drill collar, bit, anulus sekitar drill collar, dan anulus sekitar drill pipe yang kemudian dihitung pressure drop total pada masing-masing kedalaman. Besarnya pressure drop total pada kedalaman 1269,68 feet dengan diameter lubang sebesar 17 adalah sebesar 978 psi dan pada kedalaman 2132,55 feet dengan diameter lubang sebesar 12,25 adalah 1875 psi. Besarnya pressure drop paling besar adalah pada bagian bit, dan paling kecil adalah pada anulus. Agar besarnya pressure drop dapat berkurang, maka diperlukan optimisasi dengan menggunakan metode genetic algorithm. Variabel yang dioptimisasi adalah density dan laju aliran. Constrain dari density dan ix

10 laju aliran didapat dari analisa sensitivitas dengan mempertimbangkan juga project report-nya. Optimisasi akan dilakukan dengan populasi sebesar 200, iterasi sebanyak 200, 10 bit setiap variabel yang dioptimisasi, crossover probability sebesar 80%, mutation probability sebesar 1%, dan elatism sebesar 95%. Setelah dioptimisasi dengan menggunakan metode genetic algorithm, pada kedalaman 1269,68 feet, density dari lumpur menjadi 9 ppg dan laju alirannya menjadi 505 gpm. Sehingga, besarnya pressure drop menjadi 695 psi. Sedangkan pada kedalaman 2132,55 feet, density menjadi 9,18 ppg dan laju alirannya menjadi 603 gpm. Sehingga pressure drop-nya menjadi 1145 psi. Pengurangan pressure drop pada injeksi lumpur ini akan memberikan dampak yang baik terhadap kinerja pengeboran. Kata Kunci : lumpur, pressure drop, density, laju aliran, optimisasi genetic algorithm x

11 OPTIMIZATION OF MUD INJECTION IN DRILLING OF OIL IN PT. TRANSOCEAN INDONESIA Name : Kukuh Gharyta NRP : Department : Department of Engineering Physics Supervisor : 1. Hendra Cordova, S.T.,M.T 2. Ir. Matradji, M.Kom CT Abstract Drilling fluid or mud is used to bring cutting up to the surface, cool down and grease the bit and drill string, give wall to the borehole with mud cake, and control formation pressure. Injection pressure is a really important thing because if mud injection pressure is not correct, it will cause a lot of bad effects, such as causing fracture in the wellbore, causing heat in the bit and drill string, weak wall because of weak mud cake formed in the well, and being able to cause kick or stuckpipe. Therefore, mud injection pressure in oil drilling in rig-136 Transocean need to be optimized by using genetic algorithm to decrease pressure drop in each hole size and depth, which are at 17 hole section in 1269,68 feet and at 12,25 hole section in 2132,55 feet. Before being optimized, pressures are modelled first by bingham plastic modelling to calculate pressure drop at surface equipment, pressure drop in drill pipe, pressure drop in drill collar, pressure drop at bit, pressure drop in annulus around drill collar, and pressure drop in annulus around drill pipe which are calculated in each different depths. Pressure drop in 1269,68 feet depth and 17 hole size is 978 psi while pressure drop in 2132,55 feet depth and 12,25 hole size is 1875 psi. The biggest pressure drop is at the bit, while the lowest pressure drop is in annulus. In order that the pressure drop decreases, genetic algorithm methode needs to be done. Variables to be optimized are density and flow rate. Constrains of density and the flow rate are obtained from analysis of sensitivity by also considering its project report. Optimization is done with 200 populations, 200 iterations, 80% cross over probabilities, 1% mutation probability, and 95% elatism. After being optimized with genetic algorithm methode by using software MatLab, in 1269,68 feet depth, density of the mud becomes 9 ppg and its flow rate becomes 505 gpm. Therefore, the pressure drop becomes 695 psi. While in 2132,55 xi

12 feet depth, density becomes 9,18 ppg and flow rate becomes 603 gpm. Therefore, the pressure drop becomes 1145 psi. The decreasing of pressure drop in mud injection will give good impact toward drilling performance. Keyword : mud, pressure drop, density, flow rate, genetic algorithm optimization xii

13 KATA PENGANTAR Puji syukur penulis panjatkan kepada Allah S.W.T, karena rahmat dan hikmat-nya sehingga penulis diberikan kesehatan, kemudahan, dan kelancaran dalam menyusun laporan tugas akhir ini.tidak lupa juga penulis menyampaikan ucapan terima kasih kepada keluarga dan para sahabat. Oleh karena dukungan mereka, penulis mampu menyusun laporan tugas akhir yang berjudul: OPTIMISASI INJEKSI LUMPUR PADA PENGEBORAN MINYAK DI PT. TRANSOCEAN INDONESIA Tugas akhir ini merupakan salah satu persyaratan akademik yang harus dipenuhi dalam Program Studi S-1 Teknik Fisika FTI- ITS. Penulis menyampaikan terima kasih yang sebesar-besarnya kepada: 1. Segenap keluarga penulis yang telah memberikan dukungan penuh terhadap penyelesaian tugas akhir ini. 2. Hendra Cordova, S.T.,M.T, Ir. Matradji, M.Kom, dan Totok Ruki Biyanto, Ph.D selaku dosen pembimbing tugas akhir ini, yang selalu memberikan semangat dan ide-ide baru. 3. Agus Muhamad Hatta, ST, MSi, Ph.D. selaku ketua jurusan Teknik Fisika ITS. 4. Segenap Bapak/Ibu dosen pengajar di jurusan Teknik Fisika - ITS. 5. Mas Arif, Mbak Rini, dan Pak Fredy Jakarsih yang telah membantu penulis untuk peminjaman data di PT. Transocean Indonesia 6. Rekan-rekan Teknik Fisika - ITS, yang senantiasa memberikan motivasi dan perhatian. 7. Rekan-rekan dan laboran dari Laboratorium Rekayasa Instrumentasi Teknik Fisika - ITS. 8. Teman-teman seperjuangan TA yang telah memotivasi dan memberikan bantuan dalam penyelesaian laporan tugas akhir ini. 9. Mas Candra, Laras, Neni, Faw, Della, Surti, dan segenap teman-teman AIESEC Surabaya yang telah memberikan xiii

14 semangat, kegaulan, dan kehitsan selama dua tahun bergabung di organisasi ini. Penulis menyadari bahwa mungkin masih ada kekurangan dalam laporan ini, sehingga kritik dan saran penulis terima. Semoga laporan ini dapat berguna dan bermanfaat bagi penulis dan pihak yang membacanya. Surabaya, Januari 2017 Penulis xiv

15 DAFTAR ISI Halaman Judul... i Halaman Pengesahan... v Abstrak... ix Abstrack... xi Kata Pengantar... xiii Daftar Isi... xv Daftar Gambar... xvii Daftar Tabel... xix BAB I. PENDAHULUAN 1.1 Latar Belakang Rumusan Masalah Tujuan Lingkup Kerja... 3 BAB II. DASAR TEORI 2.1 Drilling Fluid Mud Logging Pemodelan Tekanan Injeksi Lumpur Menggunakan Pemodelan Bingham Plastic Optimisasi dengan Metode Genetic Algorithm BAB III. METODOLOGI PENELITIAN 3.1 Penentuan Parameter Input Sistem dari Data Rig-136 PT. Transocean Indonesia Penentuan Fungsi Objektif Pemodelan Tekanan Injeksi Lumpur Analisa Sensitivitas Optimisasi Pressure Drop dengan Metode Genetic Algorithm xv

16 BAB IV. HASIL DAN PEMBAHASAN 4.1 Pemodelan Tekanan Injeksi Lumpur Menggunakan Pemodelan Bingham Plastic Analisa Sensitivitas Optimisasi Tekanan Injeksi Lumpur dengan Metode Genetic Algorithm BAB V. PENUTUP 5.1 Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN Coding-an MatLab yang Digunakan xvi

17 DAFTAR GAMBAR Gambar 2.1 Proses Rotary Drill Rig... 5 Gambar 2.2 Contoh Mud Logging... 7 Gambar 2.3 Drilling Bit Gambar 2.4 Friction Factor Gambar 2.5 Diagram Blok Optimisasi Menggunakan Genetic Algorithm Gambar 2.6 Mekanisme Crossover Gambar 2.7 Mekanisme Mutasi Gambar 3.1 Diagram Alir Penelitian Gambar 3.2 Rig-36 PT.Transocean Indonesia Gambar 3.3 Fitness pada Saat 50 Populasi Gambar 3.4 Fitness pada Saat 100 Populasi Gambar 3.5 Fitness pada Saat 200 Populasi Gambar 3.6 Flowchart Optimisasi Pressure Drop Menggunakan Metode Genetic Algorithm Gambar 3.7 Contoh Proses Crossover Gambar 3.8 Contoh Proses Mutasi Gambar 4.1 Kurva Analisa Sensitivitas Density terhadap Pressure Drop pada Kedalaman 1269,68 feet Gambar 4.2 Kurva Analisa Sensitivitas Laju Aliran terhadap Pressure Drop pada Kedalaman 1269,68 feet Gambar 4.3 Kurva Analisa Sensitivitas Density terhadap Pressure Drop pada Kedalaman 2132,55 feet Gambar 4.4 Kurva Analisa Sensitivitas Laju Aliran terhadap Pressure Drop pada Kedalaman 2132,55 feet Gambar 4.5 Perbandingan Hasil Optimisasi GA pada 1269,68 feet Gambar 4.6 Perbandingan Hasil Optimisasi GA pada 2132,55 feet xvii

18 Halaman ini sengaja dikosongkan xviii

19 DAFTAR TABEL Tabel 2.1 Minimum GPM vs Hole Angle... 9 Tabel 2.2 Friction Factor Tabel 3.1 Parameter Pemodelan pada Kedalaman 1269,68 ft pada Lubang Tabel 3.2 Parameter Pemodelan pada Kedalaman 2132,55 ft pada Lubang 12, Tabel 3.3 Struktur Inisiasi Awal Kromosom Tabel 3.4 Pengkodean Kromosom Bilangan Biner pada 200 Populasi Tabel 3.5 Proses Seleksi Setiap Iterasi Tabel 4.1 Hasil Perhitungan Pressure Drop Masing-masing Ukuran Lubang Tabel 4.2 Perbandingan Besarnya Fitness pada 200 Populasi Tabel 4.3 Hasil Optimisasi Besarnya Pressure Drop dengan Metode Genetic Algorithm Tabel 4.4 Besarnya Variabel Sesudah Dioptimisasi Tabel 4.5 Perbandingan Pressure Drop pada Setiap Bagian Sebelum dan Sesudah Dioptimisasi pada 1269,68 ft Tabel 4.6 Perbandingan Pressure Drop pada Setiap Bagian Sebelum dan Sesudah Dioptimisasi pada 2132,55 ft xix

20 Halaman ini sengaja dikosongkan xx

21 BAB I PENDAHULUAN 1.1. Latar Belakang Dewasa ini, pengeboran minyak (drilling) merupakan hal yang sangat diperhatikan mengingat kebutuhan orang akan minyak semakin meningkat. Pengeboran minyak sendiri melibatkan berbagai proses dalam menentukan tempat yang tepat untuk pengeboran. Komponen penting pada pengeboran adalah performansi dari drilling fluid. Biaya pencarian sumber hidrokarbon menjadi lebih mahal ketika pengeboran terjadi di offshore dengan kedalaman yang besar, dan juga di lingkungan yang tidak mendukung. Besarnya biaya drilling fluid mencapai seperlima (15-18 %) dari total biaya pengeboran (ADCO, 2010). Lingkungan pengeboran ini memerlukan fluida yang bagus dalam performansinya. Mengukur performansi drilling fluid memerlukan evaluasi dari semua parameter kunci dari pengeboran dan biaya yang dihabiskannya. Oleh karena itu, keefektifan drilling fluid dinilai dari pengaruh drilling fluid itu sendiri terhadap overall well cost. Drilling fluid atau yang selanjutnya akan disebut lumpur (mud) ini memiliki beberapa fungsi [1]. Fungsi pertama adalah untuk mengangkat cutting ke permukaan (hole cleaning). Proses hole cleaning bergantung pada laju aliran. Semakin besar laju aliran, maka semakin besar tekanannya, semakin besar pula gesekannya. Fungsi kedua adalah mendinginkan dan melumasi bit dan drill string. Bit dan drill string harus dijaga agar tetap dingin. Apabila tekanannya tidak cukup, maka akan menimbulkan panas pada bit dan drill string. Fungsi ketiga adalah memberi dinding pada lubang bor dengan mud cake. Jika tekanannya terlalu rendah, maka mud cake tidak akan terbentuk yang akan menyebabkan dinding pengeboran tidak kuat. Fungsi keempat 1

22 2 adalah mengontrol tekanan formasi. Tekanan formasi bergantung pada density. Apabila density terlalu besar akan menyebabkan timbulnya beban yang berlebihan pada drill string, sehingga akan menyebabkan peristiwa stuck pipe. Oleh karena dampaknya tekanan pada performansi lumpur, maka diperlukan pengendalian besarnya tekanan dengan menjaga besarnya pressure drop sekecil mungkin agar kinerja pengeboran dapat menjadi lebih baik. Sehingga, berdasarkan parameter yang mempengaruhi tekanan injeksi lumpur perlu diadakan optimisasi agar tidak menimbulkan pressure drop yang tidak terlalu besar agar kinerja pengeboran dapat dilakukan dengan lebih optimal Rumusan Masalah Berdasarkan latar belakang di atas, maka permasalahan yang diambil dalam tugas akhir ini yaitu: a. Bagaimana memodelkan tekanan pada injeksi lumpur di pengeboran minyak untuk mencari pressure drop-nya? b. Bagaimana mengoptimalkan injeksi lumpur pada pengeboran minyak di rig 136 PT. Transocean Indonesia dengan menggunakan metode genetic algorithm? 1.3. Tujuan Tujuan dilakukan tugas akhir ini adalah sebagai berikut : a. Memodelkan tekanan pada injeksi lumpur di pengeboran minyak untuk mencari pressure drop-nya. b. Mengoptimalkan injeksi lumpur pada pengeboran minyak di rig 136 PT. Transocean Indonesia dengan menggunakan metode genetic algorithm.

23 1.4 Lingkup Kerja Adapun lingkup kerja yang digunakan pada tugas akhir ini adalah : a. Data pengeboran didapat dari rig-136 PT. Transocean Indonesia yang berada di offshore dengan jarak 65 kilometer dari Balikpapan. b. Pemodelan dilakukan dengan menggunakan metode bingham plastic pada dua kedalaman yang berbeda (1269,68 feet dan 2132,55 feet) untuk menghitung besarnya pressure drop pada enam bagian, yaitu surface equipment (standpipe, swivel, kelly, dan rotary hose), pressure drop di dalam drill pipe, pressure drop di dalam drill collar, pressure drop pada bit, pressure drop pada anulus sekitar drill collar, dan pressure drop pada anulus sekitar drill pipe. c. Analisa sensitivitas dilakukan dengan mengubah berbagai variabel yang mempengaruhi besarnya pressure drop. d. Optimisasi dengan menggunakan metode genetic algorithm dengan software MatLab pada masing-masing kedalaman. 3

24 4 Halaman ini sengaja dikosongkan

25 BAB II DASAR TEORI 2.1 Drilling Fluid Drilling fluid atau yang selanjutnya disebut dengan lumpur, memiliki beberapa hal yang harus diperhatikan dalam proses pemilihannya dan juga performansinya, yaitu mudah digunakan, tidak terlalu mahal, dan ramah lingkungan. Lumpur ini berfungsi untuk (Transocean Singapore Training Centre, 2009) : Membersihkan sumur (hole cleaning). Mendinginkan dan melumasi bit dan drill string. Memberi dinding pada lubang bor dengan mud cake. Mengontrol tekanan formasi. Masuk dan keluarnya lumpur dari pengeboran biasa disebut dengan mud drilling recycle. Adapun proses injeksi lumpur sampai keluarnya lumpur dapat dilihat dari gambar berikut : Gambar 2.1 Proses Rotary Drill Rig 5

26 6 Dari Gambar 2.1 dapat dilihat sistem sirkulasi lumpur pada saat pengeboran. Fluida dipompa agar masuk ke drill rig. Lumpur pengeboran tersebut masuk menuruni drill pipe, drill collar, dan menuju bit (mata bor). Ketika lumpur keluar dari bit nozzles, lumpur tersebut akan membawa drill cutting yang disebabkan oleh pergesekan bit. Fluida yang menyusun cutting akan melewati anulus yang terletak di antara drill pipe, drill collar, dan dinding borehole. Kemudian fluida masuk ke dalam fluid cleaning system yang terletak di possum belly dan mengalir melewati shaker. Shaker inilah yang akan membuang cutting dari lumpur yang masuk. Lumpur yang sudah dibersihkan kemudian dikembalikan ke mud pit. Terdapat berbagai macam lumpur yang tersedia yang bisa digunakan di setiap rig. Lumpur di rig-136 PT. Transocean Indonesia sendiri yang digunakan dalam penelitian ini adalah guar gam sweeps dan KCL polymer. Dari kedalaman rig yang sebesar 1033 meter MD, guar gum weeps digunakan pada kedalaman meter MD. Sedangkan KCL polymer digunakan pada kedalaman meter MD (Transocean Singapore Training Centre, 2009). 2.2 Mud Logging Mud logging merupakan informasi geologi yang menguji dan menganalisa formasi dari cutting dan drilling mud untuk menentukan apakah oil dan gas ditemukan selama pengeboran sumur. Mud logging menyediakan berbagai informasi, seperti laju penetrasi, mud level, pump speed, viskositas, yield point, dan mud weight (density). Berikut contoh dari data mud logging :

27 7 Gambar 2.2 Contoh Mud Logging Setiap hari para mud engineer melakukan full check terhadap beberapa parameter yang dianggap penting. Parameter-parameter tersebut harus dijaga sesuai dengan range yang sudah direncanakan. Parameter-parameter yang dimaksud adalah sebagai berikut : a. Density Density atau yang selanjutnya juga bisa disebut mud weight, dapat ditingkatkan besarnya dengan menambahkan berbagai macam jenis solid atau material yang dapat larut. Agar menghasilkan formasi drilling yang bagus dan terjaga besar density-nya, diperlukan shale shaker dengan kecepatan yang besar. Semakin tinggi density, maka semakin besar usaha yang diperlukan untuk memindahkan mud. Density diukur dalam satuan. Besarnya density juga bergantung pada kedalamannya. Semakin dalam lumpur dimasukkan, maka semakin besar pula density lumpurnya. Density berfungsi untuk (Transocean : Singapore Training Centre. 2009) :

28 8 Menghasilkan tekanan hidrostatik untuk mencegah formasi fluida masuk ke dalam wellbore. Mud weight yang lebih besar membantu untuk membawa cutting akibat dari efek daya apung. Mud weight yang semakin besar memperlambat cutting slip ketika pompa dihentikan yang akan memberikan waktu bagi lumpur untuk menjadi gel. Menstabilkan wellbore jika dinding memiliki kecenderungan untuk runtuh. b. Viskositas Viskositas adalah tekstur atau kekentalan dari drilling fluid. Viskositas sendiri memberikan efek terhadap carrying capacity dari lumpur. Viskositas dari lumpur biasa diukur di rig site dengan menggunakan marsh funnel viscometer. Viskositas diukur dalam satuan centipoises (cp). Viskositas berguna untuk (Transocean : Singapore Training Centre. 2009) : Membantu membawa cutting. Jika terlalu tebal, maka tidak akan membuat cutting terlepas dengan mudah. c. Laju Aliran Laju aliran atau flow rate pada saat injeksi lumpur harus memperhatikan beberapa hal, yaitu semakin besar jumlah lumpur yang dipompa, maka semakin cepat lumpur tersebut harus mengalir, serta semakin cepat aliran lumpur, maka semakin besar pergesekannya (Transocean : Singapore Training Centre, 2009). Maka dari itu, laju aliran sangat bergantung dengan tekanan dari pompa. Apabila laju aliran

29 9 diperbesar menjadi dua kalinya, maka besarnya tekanan pompa menjadi empat kalinya. Laju aliran sendiri merupakan faktor yang paling berpengaruh pada hole cleaning. Semakin cepat laju aliran, maka semakin bagus hole cleaning-nya. Akan tetapi, tingginya laju aliran harus diimbangi dengan besarnya aliran maksimal yang bisa ditahan oleh pompa. Laju aliran memiliki satuan galon per menit (gpm). Dari buku training Transocean terdapat standar laju aliran yang bagus berdasarkan diameter lubang pengeboran, yaitu : Tabel 2.1 Minimum GPM vs Hole Angle (Transocean : Singapore Training Centre. 2009) Sudut Hole Size Lubang /2 12.1/4 8.1/ gpm 500 gpm 400 gpm 300 gpm gpm 950 gpm 650 gpm 450 gpm gpm 750 gpm 500 gpm d. Jet Nozzle Pemilihan ukuran nozzle untuk pengeboran merupakan hal yang sangat penting. Apabila nozzle terlalu kecil memang akan lebih efektif dan lebih ekonomis, tetapi jika memakai ukuran nozzle ini harus memperhatikan keamanan. Sedangkan jika nozzle yang berukuran besar, harganya lebih mahal, tetapi tekanan yang dihasilkan tidak sebaik nozzle yang berukuran kecil. Pemilihan ukuran nozzle untuk kinerja pengeboran yang optimum harus memperhatikan beberapa hal, yaitu kecepatan nozzle, horsepower, dan juga jet impact force (Hydraulic, 2010). Contoh gambar bit dengan jet nozzle-nya dapat dilihat pada Gambar 2.3 berikut :

30 10 Nozzle pada Bit Gambar 2.3 Drilling Bit e. Mud Rheology Mud rheology merupakan karakteristik spesifik dari drilling fluid. Rheology diukur dengan menggunakan fann viskometer di rig. Mud rheology terdiri dari : Plastic Viscosity (PV) Plastic viscosity mengukur tenaga yang diperlukan untuk menjaga drilling fluid bergerak setelah drilling fluid tersebut mulai mengalir. PV mewakili sifat-sifat dari lumpur pada share area yang tinggi, seperti di dalam drill pipe dan bit nozzle. PV sendiri bergantung pada ukuran, bentuk, dan jumlah solid dalam lumpur. PV diekspresikan dalam centipoises (cp). Yield Point (YP) Yield Point mengukur tenaga yang diperlukan untuk membuat drilling fluid mulai mengalir. YP merepresentasikan sifat dari lumpur di area anulus. YP mengindikasikan gaya fisika dan kimia di antara partikel dalam drilling fluid. YP yang tinggi akan memberikan

31 11 pump pressure yang tinggi, tetapi YP yang rendah akan membuat drilling fluid tidak membersihkan hole. Semakin tinggi YP akan meningkatkan kinerja hole cleaning yang memberikan kesempatan untuk mengurangi flow rate, sehingga tekanan yang tersisa dapat digunakan pada bit dengan menyesuaikan ukuran nozzle. Yield point memiliki satuan. Gel Strength Gel strength merupakan kemampuan mud untuk menjadi gel ketika tidak dipompa. Gel strength diperlukan untuk menjaga cutting dalam suspensi ketika pompa dimatikan. Masalah yang biasa dihadapi dari gel adalah tingginya tekanan yang diperlukan untuk membuat lumpur mengalir. Besarnya gel strength diukur tiga kali. Pengukuran pertama dilakukan sepuluh detik setelah lumpur berada dalam keadaan steady. Sedangkan pengukuran kedua dan ketiga dilakukan 10 menit dan 30 menit kemudian. 2.3 Pemodelan Tekanan Injeksi Lumpur Menggunakan Metode Bingham Plastic Pemodelan dilakukan dengan menghitung masing- masing besarnya pressure drop. Pressure drop merupakan usaha yang tidak berguna karena adanya gesekan pada dinding lubang (Transocean : Singapore Training Centre. 2009). Pressure drop dihitung pada enam bagian yang berbeda, yaitu surface equipment, drill pipe, drill collar, bit, daerah di anulus sekitar drill collar, dan daerah di anulus sekitar drill pipe. Berikut persamaan-persamaannya (Razak, 2013) :

32 12 a. Pressure Drop pada Surface Equipment Surface equipment terdiri dari standpipe, rotary hose, swivel, dan kelly. Persamaan pressure drop ( )-nya adalah sebagai berikut : (2.1) dengan : (psi) = pressure drop pada surface equipment; (ppg) = density dari lumpur ; (gpm) = laju aliran ; (cp) = plastic viscosity ; = konstanta yang bergantung pada tipe surface equipment yang besarnya dapat dilihat pada Tabel 2.2 : Tabel 2.2 Konstanta Surface Equipment b. Pressure Drop dalam Drill Pipe Pressure drop dalam drill pipe ( ) dihitung dengan beberapa langkah. Langkah pertama adalah menghitung kecepatan aliran dengan persamaan berikut: (2.2) Kemudian, dihitung critical velocity dengan persamaan berikut : (2.3)

33 13 Setelah itu, besarnya kecepatan aliran dan critical velocity dibandingkan untuk mengetahui jenis alirannya. Apabila berarti alirannya adalah laminar, sedangkan apabila berarti alirannya adalah turbulen. Setelah itu besarnya pressure drop bisa dihitung berdasarkan jenis alirannya. i. Aliran Laminar ( ) (2.4) ii. Aliran Turbulen Dihitung dulu reynold number-nya dengan persamaan berikut : (2.5) Besarnya friction factor ( ) ditentukan berdasarkan reynold number berdasarkan grafik berikut : Gambar 2.4 Friction Factor

34 14 Pressure drop dapat dihitung dengan menggunakan persamaan berikut : (2.6) dengan : (psi) = pressure drop pada drill flow ; (ft/s) = kecepatan aliran; (ft/s) = critical velocity ; (in) = internal diameter dari drill pipe; = yield point; (ft) = kedalaman; = reynold number; = friction factor. c. Pressure Drop dalam Drill Collar Perhitungan pressure drop pada drill collar ( ) dilakukan dengan langkah-langkah yang sama seperti pada perhitungan pressure drop pada drill pipe, yaitu dengan persamaan (2.2), (2.3), (2.4), (2.5), dan (2.6). Hanya saja, yang berbeda adalah pada internal diameter-nya. Internal diameter yang dimaksud adalah internal diameter dari drill collar. d. Pressure Drop pada Bit Perhitungan pressure drop pada bit ( ) dilakukan dengan menghitung diameter terlebih dahulu berdasarkan jumlah dan diameter nozzle-nya dengan persamaan berikut : (2.7)

35 15 dengan adalah diameter nozzle, sedangkan adalah jumlah nozzle. Kemudian pressure drop dihitung dengan menggunakan persamaan berikut : (2.8) dengan : (psi) = pressure drop pada bit ; = discharge coefficient yang biasanya sebesar 0,95; (in) = diameter nozzle. e. Pressure Drop pada Anulus Sekitar Drill Collar Pressure drop pada anulus sekitar drill collar ( ) dapat dihitung dengan beberapa langkah. Langkah pertama adalah menghitung kecepatan aliran dengan persamaan berikut : (2.9) Kemudian dihitung diameter dari anulus sekitar drill collar dengan persamaan berikut : (2.10) Lalu, dihitunglah critical velocity dengan persamaan berikut : (2.11) Setelah itu, besarnya kecepatan aliran dan critical velocity dibandingkan untuk mengetahui jenis alirannya. Apabila berarti alirannya adalah laminar, sedangkan apabila

36 16 berarti alirannya adalah turbulen. Setelah itu besarnya pressure drop bisa dihitung berdasarkan jenis alirannya. i. Aliran Laminar ( ) (2.12) ii. Aliran Turbulen Dihitung dulu reynold number-nya dengan persamaan berikut : (2.13) Besarnya friction factor ( ) ditentukan berdasarkan reynold number berdasarkan Gambar 2.4. Pressure drop dapat dihitung dengan menggunakan persamaan berikut : (2.14) dengan adalah diameter anulus sekitar drill collar dan adalah besarnya density pada bagian anulus yang besarnya adalah 12 ppg lebih besar dari pada density awalnya. f. Pressure Drop pada Anulus Sekitar Drill Pipe Perhitungan pressure drop pada anulus sekitar drill pipe ( ) dilakukan dengan langkah-langkah yang sama seperti pada perhitungan pressure drop pada anulus sekitar drill collar, yaitu dengan persamaan (2.9), (2.11), (2.12), (2.13), dan (2.14) dengan terlebih dahulu menghitung diameter anulus sekitar drill pipe dengan persamaan (2.10).

37 17 Setelah besarnya pressure drop pada setiap bagian dihitung, maka total pressure drop pada sistem dapat dihitung dengan menggunakan persamaan berikut : (2.15) dengan : (psi) = pressure drop total sistem ; (psi) = pressure drop pada surface equipment ; (psi) = pressure drop pada drill pipe ; (psi) = pressure drop pada drill collar ; (psi) = pressure drop pada bit ; (psi) = pressure drop pada anulus sekitar drill collar ; (psi) = pressure drop pada anulus sekitar drill pipe. 2.4 Optimisasi dengan Metode Genetic Algorithm Secara umum genetic algorithm (GA) (Ce sar, 2013) merupakan teknik pencarian yang digunakan dalam komputasi untuk mencari solusi yang tepat atau perkiraan solusi untuk optimisasi dan masalah pencarian. Suatu genetic algorithm standar membutuhkan dua hal untuk didefinisikan, yaitu : 1. sebuah genetic representation dari sebuah solution domain (domain solusi), 2. sebuah fitness function untuk mengevaluasi sebuah domain solusi. Representasi standar dari solusinya adalah sebuah array of bits (larik bit). Properti utama yang membuat representasi genetik ini baik adalah bagian-bagiannya yang bisa diakses dengan mudah karena ukuran yang pasti (fixed), yang memudahkan suatu operasi persilangan yang sederhana. Representasi panjang

38 18 variabel juga digunakan disini, tetapi implementasi persilangan jauh lebih sulit pada kasus ini. Fungsi penghitung nilai kecocokan (fitness) didefinisikan pada representasi genetic dan digunakan untuk mengukur kualitas (quality) pada solusi yang direpresentasikan. Fungsi penghitung ini selalu tergantung pada masalah yang ada (problem dependent). Setelah memiliki representasi genetik dan sebuat fungsi untuk mencari nilai kecocokan (fitness) terdefinisi, maka genetic algorithm akan melanjutkan untuk membentuk suatu populasi acak, kemudian meningkatkannya melalui aplikasi yang berulangulang dari mutasi, persilangan, dan operator seleksi. Genetic algorithm dapat dituliskan dalam berbagai bahasa pemrograman. Namun tahapan logika yang digunakan dalam GA adalah sama. Diagram alir optimisasi menggunakan GA dapat dilihat pada Gambar 2.5. Mulai A Inisiasi Seleksi Evaluasi Rekombinasi Optimum? Tidak A Mutasi Ya Ya Selesai Gambar 2.5 Diagram Blok Optimisasi Genetic Algorithm

39 19 Tahapan-tahapan genetic algorithm diantaranya yaitu: 1. Inisiasi Populasi awal dari kandidat solusi biasanya dicari secara acak dalam seluruh ruang pencarian. 2. Pengkodean Kromosom Kromoson pada GA merupakan solusi dari satu variabel. Jenis kode yang digunakan adalah biner, yaitu 0 atau 1. Kromoson diwakili oleh beberapa gen. Kromosom dalam bentuk biner merupakan kromosom genotip dan yang berupa solusi adalah kromosom fenotip. 3. Evaluasi Ketika populasi yang telah diinisiasi atau populasi keturunan terbentuk, nilai fitness dari tiap individu dievaluasi. Nilai fitness merupakan nilai dari kemampuan solusi untuk bertahan. 4. Seleksi Seleksi mengalokasikan lebih banyak salinan dari solusi dengan fitness yang lebih tinggi dan memberlakukan mekanisme survival dari tiap fitness pada tiap kandidat solusi. Gagasan utama dari tahapan seleksi adalah untuk mendapatkan solusi terbaik dari generasi terburuk, dan banyak prosedur seleksi telah ditemukan, seperti roulettewheel, selection stochastic universal, seleksi ranking, seleksi turnamen, dan lain sebagainya. 5. Rekombinasi Tahap rekombinasi mengkombinasi bagian dari dua atau lebih solusi induk untuk membentuk individu baru dengan kemungkinan menjadi solusi yang lebih baik. Biasanya rekombinasi menggunakan mekanisme crossover. Pada Gambar 2.6 merupakan mekanisme crossover dimana pada kromosom induk dipotong oleh crossover point sehingga

40 20 gen-gen pada tiap kromosom bertukar silang dan menghasilkan anak. Gambar 2.6 Mekanisme Crossover 6. Mutasi Ketika rekombinasi beroperasi terhadap dua atau lebih kromosom, mutasi lokal tetapi acak memodifikasi sebuah solusi. Dan juga akan terjadi bermacam-macam mutasi, tetapi biasanya melibatkan satu atau lebih perubahan sifat individu. Mekanisme mutasi dapat dilihat pada Gambar 2.7, salah satu gen pada kromosom awal dimutasi sehingga menghasilkan kromosom baru. Gambar 2.7 Mekanisme Mutasi 7. Penggantian Keturunan hasil dari seleksi, rekombinasi, dan mutasi akan menggantikan populasi induk. Banyak metode penggantian seperti penggantian elitism, penggantian generation-wise, dan penggantian steady-state.

41 BAB III METODOLOGI PENELITIAN 3.1. Diagram alir dari penelitian ini ditunjukkan pada Gambar Gambar 3.1 Diagram Alir Penelitian 21

42 Penentuan Parameter Input Sistem dari Data Rig-136 PT. Transocean Indonesia Rig-136 PT. Transocean Indonesia terletak di laut Jawa yang berjarak 165 km dari Balikpapan.Rig-136 termasuk ke dalam jenis jack-up rig. Rig-136 termasuk ke dalam golongan rig vertikal. Dalam rig nya, terdapat empat macam lubang dengan diameter yang berbeda. Berikut gambar rig-136: Gambar 3.2 Rig-136 PT.Transocean Indonesia

43 23 Seperti yang terlihat pada Gambar 3.2, pada kedalaman 139 meter, lumpur yang digunakan adalah guar gum sweep dan masih berada di perairan lautnya. Sedangkan sisanya menggunakan lumpur KCl Polymer dan sudah berada di wellbore. Menurut project report dari rig-136 Transocean, pada kedalaman 139 meter masih tidak ada masalah, sehingga tidak perlu dioptimisasi. Serta, pada kedalaman meter terdapat sumbatan atau plug untuk memasang casing. Sehingga pada kedalaman meter tidak perlu dioptimisasi. Yang perlu dioptimisasi adalah pada kedalaman 386 meter (1269,68 feet) dan juga pada kedalaman 645 meter (2132,55 feet). Parameter input dari rig-136 untuk dimodelkan dan dioptimisasi injeksi lumpurnya adalah sebagai berikut : a. Pada kedalaman (D) = 1269,68 feet Tabel 3.1 Parameter Pemodelan pada Kedalaman 1269,68 ft pada Lubang 17 Parameter Nilai Satuan Drill Pipe Kedalaman 184,42 feet Diameter Luar (OD) 5 in Diameter Dalam (ID) 3 in Drill Collar Kedalaman 277,92 feet Diameter Luar (OD) 6,5 in Diameter Dalam (ID) 2,81 in Density Lumpur 9,26 ppg Laju Aliran (q) 592 gpm Plastic Viscosity (PV) 14 cp Yield Point (YP) 20 lb/100ft 2 Nozzle pada Bit 3x20 1/32 Tekanan 2500 psi

44 24 b. Pada kedalaman (D) = 2132,55 feet Tabel 3.2 Parameter Pemodelan pada Kedalaman 2132,55 ft pada Lubang 12,25 Parameter Nilai Satuan Drill Pipe Kedalaman 430,45 feet Diameter Luar (OD) 5 in Diameter Dalam (ID) 3 in Drill Collar Kedalaman 91,5 feet Diameter Luar (OD) 8 in Diameter Dalam (ID) 2,81 in Density Lumpur 9,52 ppg Laju Aliran (q) 761 gpm Plastic Viscosity (PV) 15 cp Yield Point (YP) 18 lb/100ft 2 Nozzle pada Bit 3x20 1/32 Tekanan 3000 psi 3.2 Penentuan Fungsi Objektif Fungsi objektif ditujukan untuk menentukan kearah mana sistem injeksi lumpur akan dioptimisasi. Tujuan dari optimisasi adalah membuat pressure drop lebih kecil dari pada sebelumnya dengan mengubah variabel yang dioptimisasi agar kinerja dari injeksi lumpur dapat berjalan dengan lebih baik. Besarnya pressure drop yang baik akan bergantung dengan besarnya minimal variabel yang dioptimisasi berdasarkan analisa sensitivitas yang dilakukan.

45 Pemodelan Tekanan Injeksi Lumpur Tekanan injeksi lumpur akan dimodelkan terlebih dahulu dengan menghitung besarnya pressure drop pada enam bagian rig, yaitu pada surface equipment, drill pipe, drill collar, bit, anulus sekitar drill collar, dan anulus sekitar drill pipe dengan menggunakan persamaan (2.1) sampai dengan persamaan (2.14). Setelah itu, total pressure drop sistemnya dihitung dengan menggunakan persamaan (2.15). 3.4 Analisa Sensitivitas Sensitivitas dianalisa dengan melihat grafik perbandingan parameter yang dicurigai mempengaruhi besarnya pressure drop pada keenam bagian pada rig. Selain itu, sensitivitas juga mampu membuktikan besarnya nilai parameter minimal dan maksimal pada sistem agar bisa dioptimisasi. Pada perhitungan ini, parameter yang mempengaruhi besarnya pressure drop atau variabel yang dioptimisasi adalah density dan laju aliran dari lumpur. 3.5 Optimisasi Pressure Drop dengan Metode Genetic Algorithm Untuk menentukan besarnya pressure drop yang optimal, digunakan optimisasi dengan menggunakan metode genetic algorithm dengan software MatLab. Variabel yang dioptimisasi adalah density dan laju aliran. Constrain masing-masing variabel akan ditentukan berdasarkan analisa sensitivitas masing-masing variabel dengan mempertimbangkan juga project report-nya. Untuk menentukan banyaknya populasi yang digunakan untuk optimisasi, dicoba dahulu beberapa jumlah populasi, yaitu 50 populasi, 100 populasi, dan 200 populasi pada optimisasi

46 26 kedalaman 1269,68 feet. Hasilnya dapat dilihat pada gambar berikut : Gambar 3.3 Fitness pada Saat 50 Populasi

47 27 Gambar 3.4 Fitness pada Saat 100 Populasi Gambar 3.5 Fitness pada Saat 200 Populasi

48 28 Sumbu pada Gambar 3.3, Gambar 3.4, dan Gambar 3.5 adalah besarnya iterasi, sedangkan sumbu -nya adalah fitness atau pressure drop. Gambar 3.3 adalah pada saat menggunakan 50 populasi. Hasilnya masih tidak konvergen. Sedangkan pada Gambar 3.4, populasi yang digunakan ditingkatkan lagi menjadi 100 dengan iterasi 100. Hasilnya masih sama seperti pada populasinya 50, yaitu tidak konvergen. Oleh karena itu, populasi perlu ditingkatkan lagi agar hasil dari grafik bisa konvergen. Besarnya populasi ditingkatkan menjadi 200. Hasilnya bisa dilihat pada Gambar 3.5. Besarnya fitness pada 200 populasi adalah konvergen atau sudah stabil, berbeda dibandingkan dengan fitness pada jumlah populasi lain. Oleh karena itu, untuk optimisasi penelitian ini digunakan populasi sebanyak 200 dan iterasi sebanyak 200. Jumlah populasi dan iterasi pada kedalaman 2132,55 feet akan sama dengan jumlah populasi dan iterasi pada kedalaman 1269,68 feet, yaitu 200 populasi dan 200 iterasi. Optimisasi untuk menurunkan pressure drop menggunakan metode genetic algorithm dimulai dengan langkah awal, yaitu inisiasi. Inisiasi berarti menentukan secara acak besarnya density awal dan laju aliran awal berdasarkan constrain atau ruang pencarian untuk memenuhi 200 populasi. Berikut susunan inisiasi awal kromosom pada 200 populasi pada kedalaman 1269,68 feet dan 2132,55 feet: Tabel 3.3 Struktur Inisiasi Awal Kromosom Populasi ke- D = 1269,68 ft D = 2132,55 ft 1 9, , , , , , , , , , , , , , , ,1906

49 29 Populasi ke- D = 1269,68 ft D = 2132,55 ft 5 11, , , , , , , , , , , , , ,6364 9, , , , , , , , , , , , , , , , , , , , , , , ,3578 9, , , ,956 10, , , , , , , , , , , ,478 10, , , ,654 9, , , , , , , ,9677 9, , , ,4663 9, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,5953 9, ,1466

50 30 Populasi ke- D = 1269,68 ft D = 2132,55 ft 32 11, , , , , , , , , , , , , ,6364 9, , , , , , , , ,12 715, , , , , , ,9941 9, , , , , , , ,1848 9, , , ,39 9, , , , , , , ,6686 9, , , ,6481 9, , , ,217 11, , , , , , , ,1994 9, , , ,2375 9, , , , , , , ,0587 9, , , , , , , ,0381 9, , , ,1114 9, , , , , , , , , , , , , , , ,129 10, ,1065

51 31 Populasi ke- D = 1269,68 ft D = 2132,55 ft 59 10, ,1144 9, , , ,217 9, , , ,8622 9, , , , , , , , , , , , , , , ,5865 9, , , ,0938 9, , , , , , , , , , , ,434 9, , , , , , , ,4868 9, , , ,9912 9, , , , , , , ,2434 9, , , , , , , ,0147 9, , , , , , , , , , , ,9501 9,18 635, , , , , , , , , , , , , , , , , , ,61 10, , , , , ,7722

52 32 Populasi ke- D = 1269,68 ft D = 2132,55 ft 86 11, ,1877 9, , , ,4604 9, , , , , , , , , , , ,2375 9, , , ,3402 9, , , , , , , ,7537 9, , , , , , , ,7889 9, , , ,7801 9, , , ,4487 9, , , , , , , , , , , , , , , , , , , , , , , ,9883 9, , , , , , , , , , , ,3109 9, , , ,654 9, , , ,0821 9, , , , , , , ,956 10, , , , , , , ,261 9, ,4194

53 33 Populasi ke- D = 1269,68 ft D = 2132,55 ft , , , , , , , , , , , , , ,7537 9, , , , , , , , , , , , , , , ,6364 9, , , , , , , , , , , ,522 11, , , , , , , ,129 11, , , , , , , , , , , ,6598 9, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,958

54 34 Populasi ke- D = 1269,68 ft D = 2132,55 ft 140 9, , , , , ,8651 9, , , , , , , , , , , , , , , , , , , ,6276 9, , , ,217 11, , , , , , , , , , , ,349 11, , , ,8035 9, , , , , , , ,8065 9, , , , , , , , , , , ,1789 9, , , , , , , , , , , , , , , ,563 11, , , , , , , ,8065 9, , , , , , , , , , , ,0968 9, , , , , ,5112

55 35 Populasi ke- D = 1269,68 ft D = 2132,55 ft , , , , , , , , , , , , , , , , , , , , , ,2933 9, , , ,349 10, , , , , , , ,4194 9, , , ,9912 9, , , ,8182 9, , , , , , , , , , , ,0528 9, , , , , , , ,2287 9, , , , , , , , , , , , , , , ,5953 9, , , ,783 10, , , , , , , ,8211 9, , , , , , , , , , , , , , , , , ,8563

56 36 Populasi ke- D = 1269,68 ft D = 2132,55 ft 194 9, , , , , , , , , ,0557 9, , , ,6217 9, , , , , , , , , , , , , ,8759 Langkah berikutnya adalah pengkodean kromosom dari inisiasi awal. Pada pengkodean kromosom, 10 bit setiap variabel yang akan dioptimisasi dikodekan dalam bilangan biner secara acak, yaitu : Tabel 3.4 Pengkodean Kromosom Bilangan Biner pada 200 Populasi

57

58

59

60

61

62

63 Dari 200 populasi awal yang menghasilkan turunan yang bagus, akan diambil untuk proses seleksi. Setiap generasi dilakukan proses seleksi, yaitu memilih kromosom untuk reproduksi berdasarkan pada tingkat kelayakan kromosom atau menggunakan metode roulette wheel. Dari setiap iterasi akan dipilih individu yang unggul. Berikut hasil seleksi individu yang unggul dari 200 iterasi pada dua kedalaman yang berbeda : Iterasi ke- Tabel 3.5 Proses Seleksi Setiap Iterasi D = 1269,68 ft D = 2132,55 ft 1 9, ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , ,8094 9, ,8074

64 44 Iterasi ke- D = 1269,68 ft D = 2132,55 ft 6 9, ,8094 9, , , ,8094 9, , ,8094 9, , ,8094 9, , ,8094 9, , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, ,8074

65 45 Iterasi ke- D = 1269,68 ft D = 2132,55 ft 33 8, ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, ,8074

66 46 Iterasi ke- D = 1269,68 ft D = 2132,55 ft 60 8, ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, ,8074

67 47 Iterasi ke- D = 1269,68 ft D = 2132,55 ft 87 8, ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, ,8074

68 48 Iterasi ke- D = 1269,68 ft D = 2132,55 ft 114 8, ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, ,8074

69 49 Iterasi ke- D = 1269,68 ft D = 2132,55 ft 141 8, ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, ,8074

70 50 Iterasi ke- D = 1269,68 ft D = 2132,55 ft 168 8, ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, ,8074

71 51 Iterasi ke- D = 1269,68 ft D = 2132,55 ft 195 8, ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, , , ,8094 9, ,8074 Dari Tabel 3.5 dapat dilihat bahwa pada kedalaman 1269,68 feet, bit yang unggul adalah density-nya sebesar 8, ppg dan laju alirannya sebesar 504,8094 gpm. Sedangkan pada kedalaman 2132,55 feet, bit yang unggul adalah density-nya sebesar 9, ppg dan laju alirannya sebesar 602,8074 gpm. Sehingga, bit yang unggul tersebut akan digunakan untuk perkawinan selanjutnya sampai 200 kali iterasi. Setelah itu, dilakukan proses selanjutnya berdasarkan Gambar 3.6 berikut: Mulai A Inisiasi : 10 bit Density 10 bit Laju Aliran Seleksi Roulette Wheel Pressure Drop sudah minimal? Tidak A Rekombinasi Crossover Probablity = 80% Ya Mutasi Mutation Probability = 1% Selesai Ya (Elatism 95%) Gambar 3.6 Flowchart Optimisasi Pressure Drop Menggunakan Metode Genetic Algorithm

72 52 Berdasarkan Gambar 3.6, proses selanjutnya adalah rekombinasi dengan cross over dengan probabilitasnya sebesar 80%. Hal ini berarti bahwa 80 % dari kromosom yang memiliki keturunan yang baik akan digabungkan untuk dikawinkan lagi agar menghasilkan keturunan yang lebih baik. Pada iterasi pertama seperti yang dapat dilihat di Tabel 3.3, salah satu keturunan yang paling bagus adalah pada kromosom 199 dan kromosom 200. Proses cross over-nya dapat dilihat pada Gambar 3.7 berikut : Gambar 3.7 Contoh Proses Crossover Populasi ke- D = 1269,68 ft D = 2132,55 ft , , , , , , , ,8759 Setelah rekombinasi, dilakukan proses mutasi dengan besar probabilitasnya adalah 1%. Hal ini berarti bahwa 1% dari kromosom secara acak akan dibalik nilainya (mutasi) untuk mencegah terjadinya keseragaman, seperti contoh di bawah ini: Gambar 3.8 Contoh Proses Mutasi

73 53 Setelah mutasi dilakukan, maka digunakan elitism sebesar 95%, yang berarti bahwa 95% dari kromosom yang menghasilkan keturunan yang paling baik akan dibawa ke generasi selanjutnya sebagai generasi induk. Begitu seterusnya sampai 200 iterasi untuk menghasilkan nilai yang terbaik.

74 54 Halaman ini sengaja dikosongkan

75 BAB IV HASIL DAN PEMBAHASAN 4.1 Pemodelan Tekanan Injeksi Lumpur Menggunakan Pemodelan Bingham-Plastic Pemodelan tekanan pada injeksi lumpur menggunakan persamaan-persamaan (2.1) sampai dengan (2.15) untuk mencari pressure drop total pada dua lubang yang berbeda, yaitu pada lubang 17 dengan kedalaman 1269,68 feet dan pada lubang 12,25 pada kedalaman 2132,55 feet. Parameter input dapat dilihat pada Tabel 3.1 dan Tabel 3.2. Hasil perhitungan besarnya pressure drop adalah sebagai berikut : Tabel 4.1 Hasil Perhitungan Pressure Drop Masing-masing Ukuran Lubang Pressure Drop (psi) Bagian Kedalaman Lubang (ft) Rig 1269, ,55 Surface Equipment Drill Pipe Drill Collar Bit Anulus sekitar drill collar 25 4 Anulus sekitar drill pipe Total Pressure Drop (psi) Dari Tabel 4.1 dapat dilihat bahwa pressure drop yang paling besar adalah pada bagian bit. Jenis aliran pada drill pipe, drill collar, anulus sekitar drill collar dan anulus sekitar dril pipe pada masing-masing kedalaman adalah turbulen yang besarnya pressure drop-nya masih relatif besar. 55

76 Pressure Drop (psi) 56 Besarnya pressure drop masih termasuk tinggi. Oleh karena itu, agar kinerja dari injeksi lumpur dapat berjalan dengan lebih baik, diperlukan optimisasi untuk menurunkan besarnya pressure drop pada masing-masing kedalaman. 4.2 Analisa Sensitivitas Analisis sensitivitas berfungsi untuk mengetahui pengaruh perubahan salah satu variabel yang dioptimisasi (density dan laju aliran) terhadap nilai objective function (pressure drop) total dan juga pada masing-masing kedalaman. Analisa sensitivitas dilakukan dengan menghitung pressure drop dari setiap kedalaman dengan membandingkannya dengan perubahan masing-masing variabel yang akan dioptimisasi. Berikut grafik analisa sensitivitas pressure drop pada setiap kedalaman: a. D = 1269,68 feet Sensitivitas Density pada D = 1269,68 ft Density (ppg) Gambar 4.1 Kurva Analisa Sensitivitas Density terhadap Pressure Drop pada Kedalaman 1269,68 feet

77 Pressure Drop (psi) Pressure Drop (psi) 57 Sensitivitas Laju Aliran pada D = 1269,68 ft Laju Aliran (gpm) Gambar 4.2 Kurva Analisa Sensitivitas Laju Aliran terhadap Pressure Drop pada Kedalaman 1269,68 feet b. D = 2132,55 feet Sensitivitas Density pada D = 2132,55 ft Density (ppg) Gambar 4.3 Kurva Analisa Sensitivitas Density terhadap Pressure Drop pada Kedalaman 2132,55 feet

78 Pressure Drop (psi) 58 Sensitivitas Laju Aliran pada D = 2132,55 ft Laju Aliran (gpm) Gambar 4.4 Kurva Analisa Sensitivitas Laju Aliran terhadap Pressure Drop pada Kedalaman 2132,55 feet Dari keempat grafik di atas, dapat dilihat bahwa kenaikan density akan memberikan dampak yang sangat kuat terhadap besarnya pressure drop. Begitu pula dengan laju aliran. Laju aliran ini sebaiknya tidak terlalu rendah dan tidak terlalu tinggi agar pressure drop yang dihasilkan masih sesuai batas dan juga hasil dari hole cleaning masih tetap baik. 4.3 Optimisasi Tekanan Injeksi Lumpur dengan Metode Genetic Algorithm Fungsi objektif dari optimisasi ini adalah menurunkan besarnya pressure drop agar kinerja lebih optimal dengan mengubah besarnya variabel yang dioptimisasi. Variabel yang dioptimisasi adalah density dan laju aliran pada dua lubang yang memiliki diameter yang berbeda. Constrain dapat dilihat dari analisa sensitivitas dan juga project report dari rig ini. Constrain

79 59 yang digunakan pada optimisasi kedalaman 1269,68 feet adalah density di antara 9-12 ppg dan laju aliran di antara gpm. Sedangkan constrain pada kedalaman 2132,55 feet, density-nya di antara 9,18-12 ppg dan laju alirannya di antara gpm. Pada inisiasi awal, besarnya pressure drop dapat dilihat pada Tabel 4.2 berikut : Tabel 4.2 Perbandingan Besarnya Fitness pada 200 Populasi Populasi ke- D = 1269,68 ft D = 2132,55 ft , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,515496

80 60 Populasi ke- D = 1269,68 ft D = 2132,55 ft , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,374955

81 61 Populasi ke- D = 1269,68 ft D = 2132,55 ft , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,248428

82 62 Populasi ke- D = 1269,68 ft D = 2132,55 ft , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,167888

83 63 Populasi ke- D = 1269,68 ft D = 2132,55 ft , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,413209

84 64 Populasi ke- D = 1269,68 ft D = 2132,55 ft , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,832949

85 65 Populasi ke- D = 1269,68 ft D = 2132,55 ft , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,679558

86 66 Populasi ke- D = 1269,68 ft D = 2132,55 ft , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Dari Tabel 4.2 di atas dapat dilihat bahwa fitness masih kurang stabil. Oleh karena itu perlu dilakukan iterasi sebanyak 200 kali untuk memperoleh hasil fitness atau pressure drop yang paling minimal bergantung pada constrain variabel yang dioptimisasi pada masing-masing kedalaman, hasil seleksi dengan roulette wheel untuk mendapatkan solusi terbaik dari setiap generasi, rekombinasi dengan crossover probability sebesar 80%, mutasi sebesar 1%, dan juga elatism sebesar 95%.

87 67 Sehingga, hasil optimisasi dengan besarnya turunan yang terbaik dapat dilihat pada Tabel 4.3 berikut : Tabel 4.3 Hasil Optimisasi Besarnya Pressure Drop dengan Metode Genetic Algorithm Pressure Drop (psi) Kedalaman Lubang (ft) Bagian Rig 1269, ,55 Surface Equipment Drill Pipe Drill Collar Bit Anulus sekitar drill collar 18 2 Anulus sekitar drill pipe Total Pressure Drop Dengan mengubah besarnya variabel setelah dioptimisasi sebagai berikut : Tabel 4.4 Besarnya Variabel Setelah Dioptimisasi Parameter Nilai Satuan Pada kedalaman 1269,68 feet Density 9 ppg Laju Aliran 505 gpm Pada kedalaman 2132,55 feet Density 9,18 ppg Laju Aliran 603 gpm Dari hasil optimisasi, terdapat berbagai macam perubahan besarnya pressure drop pada setiap bagian. Untuk melihat perbandingan sebelum dan sesudah dioptimisasi pada setiap kedalaman, dapat dilihat pada Tabel 4.5 dan Tabel 4.6 berikut :

88 68 Tabel 4.5 Perbandingan Pressure Drop pada Setiap Bagian Sebelum dan Sesudah Dioptimisasi pada 1269,68 ft Bagian Rig Pressure Drop (psi) Sebelum Optimisasi Sesudah Optimisasi Surface Equipment Drill Pipe Drill Collar Bit Anulus sekitar Drill Collar Anulus sekitar Drill Pipe Total Tabel 4.6 Perbandingan Pressure Drop pada Setiap Bagian Sebelum dan Sesudah Dioptimisasi pada 2132,55 ft Bagian Rig Pressure Drop (psi) Sebelum Optimisasi Sesudah Optimisasi Surface Equipment Drill Pipe Drill Collar Bit Anulus sekitar Drill 4 2 Collar Anulus sekitar Drill Pipe Total

89 Fitness 69 Sesudah dioptimisasi dengan menggunakan metode genetic algorithm pada kedalaman 1269,68 feet, density lumpur menjadi 9 ppg dan laju alirannya menjadi 505 gpm. Sehingga, besarnya pressure drop yang semula sebesar 896 psi berkurang menjadi 695 psi. Sedangkan pada kedalaman 2132,55 feet, density menjadi 9,18 ppg dan laju alirannya menjadi 603 gpm. Sehingga pressure drop-nya yang semula 1875 psi berkurang menjadi 1145 psi. Untuk melihat perbandingan dari hasil optimisasi menggunakan MatLab, dilakukan optimisasi GA sebanyak lima kali pada setiap kedalaman untuk meyakinkan hasilnya karena optimisasi genetic algorithm dilakukan dengan acak. Berikut adalah hasil perbandingan hasil optimisasinya : Perbandingan Hasil Optimisasi GA pada 1269,68 feet Optimisasi 1 Optimisasi 2 Optimisasi 3 Optimisasi 4 Optimisasi 5 Iterasi Gambar 4.5 Perbandingan Hasil Optimisasi GA pada 1269,68 feet

90 Fitness 70 Perbandingan Hasil Optimisasi GA pada 2132,55 feet Optimisasi 1 Optimisasi 2 Optimisasi 3 Optimisasi 4 Optimisasi 5 Iterasi Gambar 4.6 Perbandingan Hasil Optimisasi GA pada 2132,55 feet Dari Gambar 4.5 dan Gambar 4.6 terlihat bahwa kelima garis dengan warna yang berbeda pada akhirnya bertemu di titik fitness yang sama. Hal ini menunjukkan bahwa optimisasi genetic algorithm (GA) yang mengolah data secara acak dengan besar kromosom yang berbeda akan mengarah untuk menghasilkan nilai fitness yang sama. Sehingga, hasil optimisasinya bisa dinyatakan sudah benar.

91 BAB V PENUTUP 5.1 Kesimpulan Adapun kesimpulan dari hasil tugas akhir mengenai optimisasi injeksi lumpur pada pengeboran minyak di PT. Transocean Indonesia adalah sebagai berikut : Besarnya pressure drop dipengaruhi oleh density dan laju aliran dari lumpur. Pemodelan menggunakan metode bingham plastic menghasilkan pressure drop pada kedalaman 1269,68 feet adalah sebesar 978 psi dan pada kedalaman 2132,55 feet adalah 1875 psi. Optimisasi genetic algorithm dilakukan dengan 200 populasi, 200 iterasi, cross over probability sebesar 80%, mutasi sebesar 1%, dan elitism sebesar 95%. Setelah dioptimisasi dengan menggunakan genetic algorithm, besarnya pressure drop pada kedalaman 1269,68 feet adalah sebesar 695 psi dengan mengubah density menjadi 9 ppg dan laju aliran menjadi 505 gpm, sedangkan pada kedalaman 2132,55 feet, besarnya pressure drop adalah sebesar 1145 psi dengan mengubah density menjadi 9,18 ppg dan laju aliran menjadi 603 gpm. 5.2 Saran Hal yang dapat disarankan untuk penelitian selanjutnya adalah sebagai berikut : Penentuan constrain masing-masing variabel yang dioptimasi harus dilakukan dengan tepat. 71

92 72 Penelitian bisa mencegah terjadinya blowout, sehingga perlu dikembangkan lagi dengan mencari pemodelan yang lebih tepat.

93 DAFTAR PUSTAKA Abu Dhabi Company for Onshore Oil Operations (ADCO ADCO Drilling Manual. Hal Ce sar, e. a. (2013). Multi-objective optimization of steam powerplants for sustainable. Clean Techn Environ Policy, Durlofsky, Luois J Optimization of Oil Field Operations. United Kingdom : Department of Energy Resources Engineering, Stanford University. Ebrahim, Nuha Hussein, etc Optimization of Cutting Transport in Vertical, Inclined, and Horizontal Segments of The Well. Hal 1-5. Emanuela, dkk Penelitian Desain Lumpur untuk Mengatasi Terjadinya Pengendapan oleh Material Lumpur maupun Formasi Akibat Pengaruh Temperatur Tinggi dan Kontaminan Fluida Formasi. Pengkaju Teknologi pada Pusat Penelitian dan Pengembangan Teknologi Minyak dan Gas Bumi LEMIGAS. Kelager, Micky Lagrangian Fluid Dynamic. Denmark : Department of Computer Science, University of Copenhagen. Khodja, Mohamed, etc Drilling fluid Technology : Performances and Environment Considerations. Sonatrach/Division Technologies et Innovation. NN.-. Hydraulics : An Overview. - Oil Quest International LTD. -. Operational Manual for Mud Logging Engineers. Port Harcourt Owerri Road, Igwuruta, Port Harcourt, River State. Prassl, Wolfgang. -. Drilling Engineering. Curtin University : Department of Petroleum Engineering. Razak, Prof. Abdul Drilling Hydraulics. Malaysia : Universiti Teknologi Malaysia.

94 Transocean : Singapore Training Centre Drilling Practices Workshop : Student Reference Material & Workbook. Buku Panduan Training PT. Transocean. WDC. -. Drilling fluid Fundamentals. Hal. 2-4.

95 LAMPIRAN Coding-an MatLab yang Digunakan Berikut codingan yang digunakan untuk pemodelan dan optimisasi genetic algorithm dalam software MatLab : Fungsi Pressure Drop pada D = 1269,68 ft function Ptot=f_pemodelan2(x) %pemodelan dm=x(1); q=x(2); %surface equipment Pse= *(dm.^0.8).*(q.^1.8).*(14.^0.2); %drill pipe v1=q./(2.448*(3^2)); Pp=(0.0066*dm*184.42*(v1.^2))/(25.8*3); %drill collar v2=q./(2.448*(2.81^2)); Pc=(0.0066*dm*277.92*(v2.^2))/(25.8*2.81); %bit Pb=((q.^2).*dm)/(7430*( ^2)*(0.95^2)); %anulus sekitar drill collar dma=dm+12; v3=q./(2.448*((6.5^2)-(2.81^2))); Padc= (0.008*dma*277.92*(v3^2))/(25.8*3.69); %anulus sekitar drill pipe v4=q./(2.448*((5^2)-(3^2))); Padp=(0.007*dma*184.42*(v4^2))/(25.8*2); end %Sehingga Ptot=Pse+Pp+Pc+Pb+Padc+Padp; Optimisasi Genetic Algorithm pada D=1269,68 ft clear all close all Npop = 200; %populasi

96 Maxit = 200; %iterasi el = 0.95; %elatism Pc = 0.8; %probabilitas crossover Pm = 0.001; %probabilitas mutasi rb = [9 505] %batas bawah ra = [12 700]; %batas atas Psilang = 0.8; %yang mengalami crossover Nvar = 2; %jumlah variabel yang dioptimasi Nbit = 10; %jumlah bit ebangkit = []; Individu = []; eindividu = []; david = []; Dadatfit = []; Datfit = []; summary = []; edadatfit = []; efitnessmax = []; eindividumax = []; Bangkit = round(rand(npop,nbit*nvar)); popsize = size(bangkit,1); for i = 1:Nvar batas(i) = ra(i)-rb(i); end for i =1:Npop for j = 1:Nvar Desimal(i,j) = bi2de(bangkit(i,((j*nbit)-(nbit- 1)):(j*Nbit)),'left-msb'); Individu(i,j) = (Desimal(i,j)*batas(:,j)- batas(:,j)+rb(:,j)*(2^nbit-1))/(2^nbit-1); end end Datfit = [];

97 variabel = []; for i = 1:size(Individu,1) fitness = -f_pemodelan2(individu(i,:)); Datfit = [Datfit;fitness]; [fitemax,nmax]=max(datfit); end Dadatfit = []; for generasi=1:maxit disp('ga processing') clear commandwindows clear commandhistory clear memory if generasi > 1 sort_fit = sortrows(sort,nbit*nvar+1); Individu1 = sort_fit(round((1- el)*npop+1):npop,:); remain = sort_fit(round(el*npop)+1:npop,:); X = Individu1; M = size(x,1); sumfitness = sum(datfit); for i=1:m Prob(i) = Datfit(i)/sumfitness; end for i=2:m Prob(i) = Prob(i)+Prob(i-1); end for i=1:m n=rand; k=1; for j=1:m-1 if (n>prob(j)) k=j+1; end end

98 end Xparents(i,:) = X(k,:); %=============Crossover======== [M,d] = size(xparents); Xcrossed = Xparents; for i=1:2:m-1 c=rand; if (c<=pc) p=ceil((d-1)*rand); Xcrossed(i,:) = [Xparents(i,1:p) Xparents(i+1,p+1:d)]; Xcrossed(i+1,:) = [Xparents(i+1,1:p) Xparents(i,p+1:d)]; end end if (M/2~=floor(M/2)) c=rand; if (c<=pc) p=ceil((d-1)*rand); str=ceil((m-1)*rand); Xcrossed(M,:) = [Xparents(M,1:p) Xparents(str,p+1:d)]; %the first child is chosen end end %============Mutation============== [M,d] = size(xcrossed); Xnew=Xcrossed; for i=1:m for j=1:d p=rand; if (p<=pm) Xnew(i,j)=1-Xcrossed(i,j); end end end disp('new fitness calculation');

99 Bangkit = [Xnew(:,1:Nbit*Nvar);remain(:,1:Nbit*Nvar)]; end ebangkit = [ebangkit; Bangkit]; for i =1:Npop for j = 1:Nvar; Desimal(i,j) = bi2de(bangkit(i,((j*nbit)-(nbit- 1)):(j*Nbit)),'left-msb'); Individu(i,j) = (Desimal(i,j)*batas(:,j)- batas(:,j)+rb(:,j)*(2^nbit-1))/(2^nbit-1); end end Datfit = []; for i = 1:Npop fitness = -f_pemodelan2(individu(i,:)); Datfit = [Datfit;fitness]; [fitemax,nmax] = max(datfit); end end Dadatfit = Datfit; edadatfit = [edadatfit;dadatfit]; eindividu = [eindividu;individu]; [fitnessmax,nmax] = max(edadatfit); efitnessmax = [efitnessmax;fitnessmax]; BangkitMax = ebangkit(nmax,:); IndividuMax = eindividu(nmax,:); eindividumax = [eindividumax;individumax]; BangkitMaxlast = BangkitMax; schedmax = BangkitMax; sort = [Bangkit Dadatfit]; summary = [summary; sort]; david = [david; Dadatfit];

100 Fungsi Pressure Drop pada D = 2132,55 ft function Ptot=f_pemodelan3(x) %pemodelan dm=x(1); q=x(2); %surface equipment Pse= *(dm.^0.8).*(q.^1.8).*(15.^0.2); %drill pipe v1=q./(2.448*(3^2)); Pp=(0.0066*dm*430.45*(v1.^2))/(25.8*3); %drill collar v2=q./(2.448*(2.81^2)); Pc=(0.0067*dm*91.5*(v2.^2))/(25.8*2.81); %bit Pb=((q.^2).*dm)/(7430*( ^2)*(0.95^2)); %anulus sekitar drill collar dma=dm+12; v3=q./(2.448*((8^2)-(2.81^2))); Padc= (0.008*dma*91.5*(v3^2))/(25.8*5.19); %anulus sekitar drill pipe v4=q./(2.448*((5^2)-(3^2))); Padp=(0.007*dma*430.45*(v4^2))/(25.8*2); end %Sehingga Ptot=Pse+Pp+Pc+Pb+Padc+Padp; Optimisasi Genetic Algorithm pada D=1269,68 ft clear all close all Npop = 200; %populasi Maxit = 200; %iterasi el = 0.95; %elatism Pc = 0.8; %probabilitas crossover Pm = 0.001; %probabilitas mutasi

101 rb = [ ]; %batas bawah ra = [12 800]; %batas atas Psilang = 0.8; %yang mengalami crossover Nvar = 2; %jumlah variabel yang dioptimasi Nbit = 10; %jumlah bit ebangkit = []; Individu = []; eindividu = []; david = []; Dadatfit = []; Datfit = []; summary = []; edadatfit = []; efitnessmax = []; eindividumax = []; Bangkit = round(rand(npop,nbit*nvar)); popsize = size(bangkit,1); for i = 1:Nvar batas(i) = ra(i)-rb(i); end for i =1:Npop for j = 1:Nvar Desimal(i,j) = bi2de(bangkit(i,((j*nbit)-(nbit- 1)):(j*Nbit)),'left-msb'); Individu(i,j) = (Desimal(i,j)*batas(:,j)- batas(:,j)+rb(:,j)*(2^nbit-1))/(2^nbit-1); end end Datfit = []; variabel = []; for i = 1:size(Individu,1) fitness = -f_pemodelan3(individu(i,:)); Datfit = [Datfit;fitness];

102 end [fitemax,nmax]=max(datfit); Dadatfit = []; for generasi=1:maxit disp('ga processing') clear commandwindows clear commandhistory clear memory if generasi > 1 sort_fit = sortrows(sort,nbit*nvar+1); Individu1 = sort_fit(round((1- el)*npop+1):npop,:); remain = sort_fit(round(el*npop)+1:npop,:); X = Individu1; M = size(x,1); sumfitness = sum(datfit); for i=1:m Prob(i) = Datfit(i)/sumfitness; end for i=2:m Prob(i) = Prob(i)+Prob(i-1); end for i=1:m n=rand; k=1; for j=1:m-1 if (n>prob(j)) k=j+1; end end Xparents(i,:) = X(k,:); end

103 %=============Crossover======== [M,d] = size(xparents); Xcrossed = Xparents; for i=1:2:m-1 c=rand; if (c<=pc) p=ceil((d-1)*rand); Xcrossed(i,:) = [Xparents(i,1:p) Xparents(i+1,p+1:d)]; Xcrossed(i+1,:) = [Xparents(i+1,1:p) Xparents(i,p+1:d)]; end end if (M/2~=floor(M/2)) c=rand; if (c<=pc) p=ceil((d-1)*rand); str=ceil((m-1)*rand); Xcrossed(M,:) = [Xparents(M,1:p) Xparents(str,p+1:d)]; %the first child is chosen end end %============Mutation============== [M,d] = size(xcrossed); Xnew=Xcrossed; for i=1:m for j=1:d p=rand; if (p<=pm) Xnew(i,j)=1-Xcrossed(i,j); end end end disp('new fitness calculation');

104 Bangkit = [Xnew(:,1:Nbit*Nvar);remain(:,1:Nbit*Nvar)]; end ebangkit = [ebangkit; Bangkit]; for i =1:Npop for j = 1:Nvar; Desimal(i,j) = bi2de(bangkit(i,((j*nbit)-(nbit- 1)):(j*Nbit)),'left-msb'); Individu(i,j) = (Desimal(i,j)*batas(:,j)- batas(:,j)+rb(:,j)*(2^nbit-1))/(2^nbit-1); end end Datfit = []; for i = 1:Npop fitness = -f_pemodelan3(individu(i,:)); Datfit = [Datfit;fitness]; [fitemax,nmax] = max(datfit); end end Dadatfit = Datfit; edadatfit = [edadatfit;dadatfit]; eindividu = [eindividu;individu]; [fitnessmax,nmax] = max(edadatfit); efitnessmax = [efitnessmax;fitnessmax]; BangkitMax = ebangkit(nmax,:); IndividuMax = eindividu(nmax,:); eindividumax = [eindividumax;individumax]; BangkitMaxlast = BangkitMax; schedmax = BangkitMax; sort = [Bangkit Dadatfit]; summary = [summary; sort]; david = [david; Dadatfit];

105 BIODATA PENULIS Nama lengkap penulis adalah Kukuh Gharyta, lahir di Kota Pekalongan pada tanggal 14 Juli 1994 dari ayah bernama Drs. Edy Budiono dan ibu bernama Dina Andayani. Penulis merupakan anak kedua dari tiga bersaudara. Pada tahun 2006, penulis menyelesaikan pendidikan SD di SD Muhammadiyah 3 Desa Pekajangan, Kabupaten Pekalongan. Pada tahun 2009, penulis menyelesaikan pendidikan SMP di SMP Negeri 2 Kota Pekalongan, dan pada tahun 2012, penulis menyelesaikan pendidikan SMA di SMA Negeri 1 Kota Pekalongan, serta pada tahun 2017, penulis berhasil menyelesaikan pendidikan sarjana di Teknik Fisika, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Surabaya melalui tugas akhir ini yang berjudul Optimisasi Injeksi Lumpur pada Pengeboran Minyak di PT. Transocean Indonesia. Selama perkuliahan, mahasiswa aktif dalam organisasi di luar ITS, yaitu AIESEC Surabaya. Penulis pernah menjadi Quality Coordinatoor Outgoing Exchange Global Committe Development Program (OGX-GCDP) pada tahun Penulis juga pernah menjadi Ketua Panitia dari acara AIESEC Indonesia, yaitu Youth Speak Forum East Java 2015 yang memimpin para panitia dari AIESEC Surabaya, AIESEC Universitas Brawijaya, dan AIESEC Universitas Muhammadiyah Malang. Apabila ada kritik, saran, maupun pertanyaan, dapat menghubungi penulis melalui nomor HP/Line atau melalui gharyta.kukuh@gmail.com.