ISSN 2302-8491 Jurnal Fisika Unand Vol. 6, No. 2, April 2017 144 Estimasi Porositas Batuan Reservoir Lapangan F3 Laut Utara Belanda Menggunakan Jaringan Syaraf Tiruan Pada Atribut Seismik Afdal Rahman * , Elistia Liza Namigo Laboratorium Fisika Bumi, Jurusan Fisika, FMIPA, Universitas Andalas Kampus Unand, Limau Manis, Padang, 25163 * afdal.rahman78@gmail.com ABSTRAK Telah dilakukan estimasi porositas batuan reservoir dengan mengkombinasikan metode analisis multi- atribut dan jaringan syaraf tiruan (JST) pada data blok F3 sektor laut utara Belanda. Estimasi porositas dilakukan dengan memvariasikan jumlah data masukan pada pelatihan JST untuk menghasilkan porositas sesuai dengan data target menggunakan software OpendTect. Data masukan yang digunakan berupa atribut seismik sedangkan data target berupa data sumur. Atribut seismik yang digunakan terdiri atas atribut Amplitude Average, Math Difference Stack dan Porosity Cube. Data sumur yang digunakan sebagai data target adalah data sumur pada lokasi F02-1, F03-2 dan F03-4. Hasil penelitian memperlihatkan bahwa pelatihan JST dengan menggunakan tiga atribut seismik mampu mengestimasi porositas reservoir dengan rentang porositas yang besar dibanding dengan menggunakan satu atau dua atribut. Nilai rentang porositas dengan tiga atribut adalah 4,67 % sementara dengan satu dan dua atribut berturut-turut adalah 1,18 % - 3,79 % dan 4,25 % - 4,63 %. Semakin besar rentang porositas maka peta sebaran warna porositas yang dihasilkan tampak lebih jelas dan detail. Dengan demikian, kombinasi metode analisis multi-atribut dengan jaringan syaraf tiruan mampu menghasilkan estimasi porositas yang cukup akurat. Kata kunci: analisis multi-atribut, jaringan syaraf tiruan, porositas, software Opendtect. ABSTRACT Estimation of porosity had been conducted by using multi-attribute analysis methods and Artificial Neural Network (ANN) in North Sea F3 area, The Netherlands. It was carried out by varying the amount of data input to obtain porosity in accordance with the target data on ANN training using OpendTect software. The input data consist of seismic attributes and the target data derived from well logs. The seismic attributes used are Amplitude Average, Math Difference Stack, and Porosity Cube. The well data used as target are well data of F02-1, F03-2 and F03-4 locations. The result shows that ANN training using three attributes gives a large porosity ranges than using the one and two attributes. The range of the porosity use three attributes is 4.67 % while the one attributes 1.18 % - 3.79 % and the two attributes 4.25 % - 4.63 %. The greater the range of the porosity then the clearer the color of the distribution maps produced. In conclusion, mapping the distribution porosity using multi-attribute and neural network analysis gives a good result. Keywords: multi-attribute analysis, artificial neural network, porosity, OpendTect software I. PENDAHULUAN Cadangan bahan bakar fosil dalam bentuk minyak dan gas bumi biasanya terakumulasi dalam batuan reservoir di bawah permukaan bumi. Batuan reservoir merupakan batuan berpori yang dapat diisi oleh fluida seperti air, lumpur, minyak dan gas. Jumlah kandungan fluida pada sebuah batuan reservoir dapat diketahui dari sifat fisis batuan tersebut. Dalam hal ini porositas merupakan parameter utama yang menunjukan kemampuan batuan untuk menyimpan fluida (Koesoemadinata, 1980). Koesoemadinata (1980) menyatakan bahwa porositas merupakan ukuran ruang kosong pada sebuah batuan. Nilai porositas batuan reservoir dapat ditentukan dari hasil perbandingan volume pori dengan volume total batuan. Semakin tinggi nilai porositas maka semakin besar rongga batuan. Rongga tersebut akan diisi oleh fluida yang terdiri dari minyak dan gas bumi. Karena keberadaan batuan reservoir yang jauh di bawah permukaan bumi mengakibatkan sulit untuk mengetahui nilai porositas secara pasti sehingga nilai porositas hanya dapat diprediksi. Metode-metode yang dapat digunakan untuk memprediksi nilai porositas batuan reservoir diantaranya: metode logging sumur (well-logging), analisis atribut, dan kombinasi analisis multi-atribut dengan jaringan syaraf tiruan. Menurut Batemen (1985), logging sumur (well-logging) merupakan proses perekaman sifat lapisan batuan di sepanjang sumur uji dengan menggunakan log. Ada empat jenis log yang