Bab IV Hasil dan Diskusi

Transkripsi

1 Bab IV Hasil dan Diskusi IV.1 Hasil Studi Kelayakan Hasil plot silang antara data sifat reservoir dan data sifat batuan sintetik menunjukkan adanya korelasi yang bagus pada sebagian parameter, dengan koefisien korelasi diatas 0,5 bahkan diatas 0,75 (Tabel III.1). Sedangkan pada plot silang antara data sifat reservoir dan data sifat batuan nyata berdasarkan koefisien korelasinya yang dibawah 0,5 menunjukan korelasi yang tidak baik (Tabel III.2 dan Tabel III.3). Namun merujuk pada Doyen (1995) maka penelitian ini dilanjutkan dengan menggunakan dasar korelasi antara data sifat reservoir dan data sifat batuan sintetik, serta keyakinan bahwa secara teori terdapat korelasi antara data sifat batuan nyata yang diwakili oleh data seismik atau turunannya dengan data sifat reservoir yang diwakili oleh data log sumur. Asnul Bahar, ahli geostatistik dari Kelkar and Associates, Inc. juga menyatakan dalam interaksinya dengan penulis melalui surat elektronik bahwa somehow terdapat hubungan antara seismik dengan data sifat reservoir. Dalam studi kelayakan ini juga dilakukan pencarian sifat batuan yang bisa secara jelas membedakan rock type. Rock type sendiri merupakan fasies litologi dengan variabel pembeda log sumur GRN dan RHOBE. Fasies litologi dipilih karena secara empirik lebih sesuai untuk pengelompokan kualitas batuan dalam pekerjaan sehari-hari, juga mengingat bahwa resolusi vertikal seismik masih terlalu kasar untuk dapat membedakan fasies lingkungan pengendapan. Data sifat batuan yang dapat digunakan untuk memisahkan rock type adalah data Vp/Vs (Gambar III.5 bagian bawah). Meskipun Vp/Vs mampu memisahkan top dan bottom lapisan batupasir A, juga mampu memisahkan tiga rock type dengan baik, namun untuk keperluan integrasi seismik seawal mungkin modul yang tersedia hanya mengijinkan data indikator biner. Jadi rock type yang semula ada tiga macam terpaksa dimodifikasi menjadi dua macam saja yaitu fasies litologi batupasir dan serpih. Fasies batupasir 28

2 merupakan gabungan rock type_1 dan rock type_3 sedangkan fasies serpih adalah rock type_2. Selanjutnya simulasi sifat reservoir akan dilakukan dalam wadah fasies litologi batupasir dan serpih, tidak lagi dalam wadah rock type. IV.2 Hasil Pembuatan SGRID GRID dibuat dengan dimensi 30m x 30m x 2ft. Hal ini dengan mempertimbangkan kerapatan data seismik (dimensi lateral), kerapatan data log sumur (dimensi vertikal) dan juga kemampuan perangkat keras di tempat peneliti bekerja. Hasil inversi data seismik memperlihatkan bahwa resolusi vertikal seismik dapat ditingkatkan sehingga masalah top dan bottom lapisan batupasir A dapat dipisahkan dengan baik, dengan sendirinya SGRID yang dihasilkan menjadi lebih sesuai dengan data seismik yang diyakini memberikan informasi bawah permukaan yang lebih baik. IV.3 Variogram Variogram dibuat untuk masing-masing indikator fasies litologi batupasir dan serpih yang nantinya berfungsi sebagai wadah bagi sifat reservoir seperti porositas. Hal ini untuk mengetahui trend dan distribusi masing-masing fasies. Selanjutnya variogram untuk sifat reservoir yang akan dimodelkan dibuat dalam wadah fasies litologi tersebut. Dapat dilihat pada Tabel IV.1 bahwa semua parameter mengarah pada suatu trend yang sama yaitu pada arah azimut deg., hal ini tidak lepas dari geometri lapangan Kotabatak yang mengarah Baratlaut Tenggara, sehingga keberadaan sumur-sumur yang ada berada pada trend yang sama. Dengan teknik collocated cokriging nantinya trend ini akan dipadukan dengan distribusi data sekundernya secara lebih proporsional. IV.4 Hasil Simulasi dan Validasi Simulasi data sifat reservoir menggunakan teknik collocated cokriging dengan data sekunder sifat batuan nyata, dilakukan berdasarkan koefisien korelasi dengan 29

3 data sifat batuan sintetik mengacu pada Doyen (1996). Pembahasan secara lebih terperinci adalah sebagai berikut: Tabel IV.1 Parameter variogram masing-masing sifat modeling. Indikator biner Sifat Azimuth R1 R1 R2 R3 reservoir (deg) m m ft Fasies batupasir (1) PHIE 118, ,3 PERM 125, ,8 SWIRR 143, ,5 Fasies serpih (0) PHIE 111, ,5 PERM 132, ,2 SWIRR 134, IV.4.1 Hasil Simulasi Secara Vertikal Terdapat sesuatu yang jarang dilakukan oleh peneliti sebelumnya, yaitu menggunakan data sekunder untuk membantu simulasi parameter indikator biner. Didalam GOCAD terdapat modul SIS Binary with Soft Trend dimana simulasi indikator biner dibantu oleh data sekunder (soft data). Maka dalam penelitian ini integrasi data seismik telah dimulai sejak awal simulasi. Modul yang biasa dipakai oleh para peneliti sebelumnya untuk mensimulasikan parameter indikator adalah SIS Multi Binary. Dengan modul ini data masukannya berupa parameter indikator rock type data sumur dan variogramnya, sehingga untuk daerah di luar sumur sepenuhnya merupakan interpolasi atau ekstrapolasi berdasarkan variogram. Dengan menggunakan modul yang berbeda maka penentuan parameter indikator biner di luar sumur dipandu dengan trend data sekunder. Trend yang dimaksud dalam modul ini adalah perbandingan jumlah masing-masing data biner terhadap jumlah totalnya. Dari Gambar III.5 dapat diperkirakan bahwa jumlah fasies litologi 1 (batupasir) kira-kira 2/3 dari seluruh populasi, sedangkan sisanya merupakan jumlah dari fasies litologi 0 (serpih). Maka dalam melakukan simulasi 30

4 pada lokasi di luar sumur, perbandingan 2/3:1/3 untuk batupasir:serpih akan selalu dijaga. Dapat dilihat pada Gambar IV.1 bahwa secara vertikal hasil simulasi fasies litologi menunjukan hasil yang lebih dapat diterima dibandingkan dengan hasil simulasi rock type dengan validasi data aktual hasil pemboran. Pembahasan hasil simulasi secara vertikal dibatasi hanya pada simulasi fasies litologi, karena hasil studi kelayakan menunjukan bahwa resolusi vertikal data seismik bisa diharapkan hanya untuk men-simulasi fasies litologi dan belum mampu secara baik memetakan sifat reservoir dengan skala yang bisa dibandingkan dengan log sumur untuk validasi. Gambar IV.1 Perbandingan dan validasi hasil simulasi menggunakan data sumur: a) indikator rock type dengan modul SIS Multi Binary; b) indikator biner fasies litologi dengan modul SIS Binary with Soft Trend. Meskipun demikian bukan berarti bahwa penggunaan layer SGRID hanya terbatas pada keberadaan batupasir atau serpih. Pada saat penentuan titik pemboran pertimbangannya tidak boleh hanya melihat dari penyebaran nilai rata-rata secara lateral, namun harus juga mempertimbangkan penyebaran kualitas litofasies secara vertikal. Sebab nilai rata-rata tidak hanya dipengaruhi oleh nilai data itu sendiri namun juga oleh jumlah datanya. Pada kasus batupasir kualitas bagus 31

5 namun tipis dan batupasir kualitas kurang bagus namun tebal akan memberikan nilai rata-rata PHIE yang kira-kira sama. IV.4.2 Hasil simulasi secara lateral Implikasi dari resolusi vertikal data seimik adalah pada cara validasi penyebaran hasil simulasi secara lateral. Validasi hasil simulasi secara lateral dilakukan dalam bentuk data rata-rata, dengan pertimbangan bahwa resolusi vertikal seismik tidak memungkinkan divalidasinya data pada setiap layer SGRID. Meskipun setiap layer SGRID memiliki data namun tidak dapat dibandingkan dengan data log sumur yang cuplikan datanya setiap 0,5 ft. Tom Tran, ahli geostatistik di PT. CPI pada saat diskusi proposal penelitian ini juga menyarankan agar menggunakan data rata-rata bila memanfaatkan data seismik untuk membantu modeling. Cara validasi dalam bentuk rata-rata ini diimbangi dengan jumlah sumur yang cukup banyak untuk validasi. Terdapat 21 sumur untuk validasi, selain untuk keperluan diatas juga untuk memberi efek tingkat kepercayaan yang tinggi pada teknik geostatistik ini karena integrasi seismik dalam pemodelan geostatistik sifat reservoir merupakan yang pertama kali dilakukan di lapangan PT CPI. Selain itu validasi dengan banyak sumur juga dimaksudkan untuk menunjukkan bahwa model ini memiliki fungsi prediksi yang cukup handal. Telah dilakukan simulasi data sifat reservoir menggunakan teknik collocated cokriging dengan data sekunder sifat batuan nyata berdasarkan hasil plot silang dengan data sifat batuan sintetik. Untuk menjembatani perbedaan data sekunder maka koefisein korelasi yang diterapkan pada simulasi bukan murni hasil plot silangnya namun terlebih dahulu dikenakan penyesuaian. Untuk mencari seberapa besar penyesuaian yang diperlukan maka dilakukan cara coba-coba. Untuk melakukan validasi terhadap hasil simulasi secara lateral, tahapan-tahapan yang dilalui adalah: - Membandingkan sifat hasil simulasi dengan wadahnya, yaitu hasil simulasi fasies litologi biner. - Membandingkan sifat hasil simulasi dengan informasi variogram. 32

6 - Membandingkan sifat hasil simulasi dengan trend data sekunder. - Membandingkan sifat hasil simulasi dengan data log sumur validasi. Pada Gambar IV.2, validasi peta fasies litologi menggunakan data log hasil pemboran sumur baru pada dua lokasi yang berbeda menunjukan hasil yang baik. Warna merah yang menunjukan prediksi lapisan batuan dengan dominasi batupasir sesuai dengan data log sumur KB314. Data log sumur KB304 menunjukan keberadaan batupasir yang lebih tipis atau dengan kata lain serpih yang lebih tebal dari pada sumur KB314, hal ini sesuai dengan prediksinya pada peta facies litologi yang jatuh pada warna hijau. Gambar IV.2 Validasi peta fasies litologi menggunakan data log hasil pemboran sumur baru pada dua lokasi yang berbeda. Pada Gambar IV.3 dan Gambar IV.4 dapat disaksikan bahwa geometri peta PHIE maupun peta SWIRR mengikuti wadahnya yaitu peta fasies litologi, sedangkan distribusinya mengakomodasi peta data sekunder LamdhaRho dan Poisson s Ratio dengan tetap mempertahankan variogram. 33

7 Gambar IV.3 Perbandingan peta distribusi PHIE hasil simulasi dengan peta parameter yang mempengaruhinya dalam simulasi, untuk validasi. Pada Tabel IV.1 dapat dilihat bahwa untuk simulasi PHIE, koefisien korelasi -0,6 dengan LamdhaRho memberikan tingkat kesalahan paling optimum pada 21 sumur validasi. Penyesuaian koefisien korelasi sebesar 0,17 memberikan penurunan rata-rata kesalahan dari 21% menjadi 14%. Penyesuaian lebih besar justru memberikan tingkat kesalahan makin besar karena pengaruh data sekunder semakin terabaikan. Untuk validasi hasil simulasi SWIRR dapat diihat pada Tabel IV.2. Belajar dari simulasi PHIE, untuk SWIRR kofisien korelasi yang optimum setelah penyesuaian adalah 0,5. Penyesuaian koefisien korelasi sebesar 0,25 memberikan penurunan rata-rata kesalahan dari 28% menjadi 12%. Pada keadaan original (sebelum injeksi air), satu dikurangi SWIRR di atas batas minyak air (OWC) adalah saturasi minyak. Pada kondisi dengan injeksi air, perlu kehati-hatian saat 34

8 menggunakan model SWIRR ini, karena SWIRR adalah air yang tidak terambil (irreducable) sehingga satu dikurangi SWIRR masih berupa minyak dan air terambil. Maka keberadaan minyak tidak dapat langsung dibaca pada model ini, perlu bantuan variabel lain seperti misalnya OWC, produksi fluida sumur dan lain-lain untuk memastikan dimana minyak dan air. Gambar IV.4 Perbandingan peta distribusi SWIRR hasil simulasi dengan peta parameter yang mempengaruhinya dalam simulasi, untuk validasi. Untuk simulasi PERM tidak terdapat hasil yang memuaskan, baik menggunakan sifat batuan seperti LamdhaRho maupun menggunakan sifat reservoir yang lain seperti PHIE. Diduga distribusi variasi data PERM sendiri yang sangat beragam dibandingkan distribusi variasi data sekundernya menjadikannya secara aktual sulit berkorelasi. 35 yang lebih seragam

9 Tabel IV.2 Validasi data sumur terhadap hasil simulasi PHIE. Rata-rata PHIE hasil simulasi dengan koefisien korelasi: Rata-rata PHIE sumur Persen kesalahan hasil simulasi terhadap sumur validasi: No Well -0,78-0,6-0,3 0 aktual -0,78-0,6-0,3 0 1 KB287 0,14 0,14 0,11 0,13 0, KB289 0,16 0,15 0,18 0,02 0, KB290 0,12 0,13 0,09 0,10 0, KB291 0,14 0,13 0,10 0,11 0, KB292 0,15 0,14 0,06 0,07 0, KB298 0,14 0,16 0,09 0,10 0, KB300 0,15 0,15 0,11 0,12 0, KB301 0,16 0,16 0,17 0,18 0, KB302 0,14 0,13 0,04 0,04 0, KB303 0,14 0,14 0,11 0,14 0, KB304 0,12 0,10 0,10 0,09 0, KB305 0,16 0,13 0,06 0,08 0, KB306 0,14 0,14 0,10 0,12 0, KB307 0,12 0,11 0,02 0,02 0, KB308 0,11 0,12 0,11 0,12 0, KB309 0,11 0,11 0,06 0,06 0, KB310 0,13 0,14 0,04 0,06 0, KB311 0,14 0,14 0,11 0,12 0, KB312 0,08 0,10 0,16 0,18 0, KB313 0,12 0,10 0,01 0,01 0, KB314 0,14 0,14 0,10 0,13 0, Rata-rata persen kesalahan:

10 Tabel IV.3 Validasi data sumur terhadap hasil simulasi SWIRR. Rata-rata SWIRR hasil simulasi dengan koefisien korelasi: Rata-rata SWIRR sumur Persen kesalahan hasil simulasi terhadap data sumur aktual: No Well 0,75 0,5 aktual 0,75 0,5 1 KB287 0,40 0,59 0, KB289 0,30 0,56 0, KB290 0,42 0,56 0, KB291 0,55 0,67 0, KB292 0,28 0,48 0, KB298 0,27 0,42 0, KB300 0,30 0,49 0, KB301 0,34 0,61 0, KB302 0,73 0,66 0, KB303 0,32 0,52 0, KB304 0,80 0,75 0, KB305 0,38 0,50 0, KB306 0,39 0,55 0, KB307 0,55 0,47 0, KB308 0,68 0,66 0, KB309 0,74 0,74 0, KB310 0,48 0,42 0, KB311 0,41 0,59 0, KB312 0,79 0, KB313 0,64 0,76 0, KB314 0,40 0,62 0, Rata-rata persen kesalahan: