ESTIMASI FASIES BERDASARKAN DATA WELL-LOG MENGGUNAKAN k-NEAREST NEIGHBOR FACIES ESTIMATION BASED ON WELL-LOG USING kNEAREST NEIGHBOR

NAIBAHO, BISMAR NATANAEL (2024) ESTIMASI FASIES BERDASARKAN DATA WELL-LOG MENGGUNAKAN k-NEAREST NEIGHBOR FACIES ESTIMATION BASED ON WELL-LOG USING kNEAREST NEIGHBOR. Diploma thesis, UPN Veteran Yogyakarta.

	Text COVER_115200064_BISMAR NATANAEL NAIBAHO.pdf Download (90kB)
	Text ABSTRAK_115200064_BISMAR NATANAEL NAIBAHO.pdf Download (13kB)
	Text LEMBAR PENGESAHAN_115200064_BISMAR NATANAEL NAIBAHO.pdf Download (410kB)
	Text DAFTAR ISI_115200064_BISMAR NATANAEL NAIBAHO.pdf Download (53kB)
	Text DAFTAR PUSTAKA_115200064_BISMAR NATANAEL NAIBAHO.pdf Download (76kB)
	Text SKRIPSI FULLTEXT_115200064_BISMAR NATANAEL NAIBAHO.pdf Restricted to Repository staff only Download (2MB)

Abstract

Pengeboran merupakan salah satu metode yang paling akurat dalam
menentukan suatu litologi/fasies secara vertikal. Pada umumnya, seorang geosaintis
dapat melakukan analisis data bor secara kualitatif dan kuantitatif dengan
mengombinasikan nilai yang diperoleh dari hasil log sumur untuk menentukan
litologi/fasies. Untuk mempermudah dan mempercepat interpretasi, diperlukan
suatu metode yang dapat membantu pengolahan data sumur lebih efektif dan
efisien, salah satunya adalah dengan menerapkan machine learning.
Tujuan penelitian ini adalah untuk memvisualisasikan litologi di bawah
permukaan berdasarkan data log yang digunakan dengan menggunakan machine
learning. Penelitian ini menggunakan 8 data sumur dengan 5 parameter log sumur,
yaitu Gamma ray, Resistivity, photoelectric effect, Neutron-density porosity
difference, Average neutron-density porosity. Lokasi penelitian berada di Council
Grove, Barat Daya Kansas, Amerika Serikat. Metode yang digunakan adalah KFold
dan
k-NN.

Metode
K-Fold
digunakan
untuk
melihat
kualitas
data,
sedangkan
k-NN
untuk

melatih

data. Hasil penelitian menunjukkan bahwa nilai K-Fold pada data latih
diperoleh akurasi senilai 61%, sedangkan k-NN diperoleh akurasi sebesar 64%
untuk k = 5. Kemudian dilakukan pengujian ke data tes, dan diperoleh akurasi
senilai 43% untuk fasies sebenarnya, dan 73% untuk fasies terdekat.
Kata kunci: Fasies, k-Nearest Neighbor, nilai k, skor akurasi.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Fasies, k-Nearest Neighbor, nilai k, skor akurasi.
Subjects:	G Geography. Anthropology. Recreation > G Geography (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Geography
Depositing User:	Bayu Setya Pambudi
Date Deposited:	02 Aug 2024 07:04
Last Modified:	02 Aug 2024 07:04
URI:	http://eprints.upnyk.ac.id/id/eprint/40571

Actions (login required)

View Item