SIMULASI PERUBAHAN KARAKTERISTIK RESERVOIR MENGGUNAKAN ALGORITMA BAYESIAN MARKOV CHAIN MONTE CARLO & CONVOLUTIONAL NEURAL NETWORK : APLIKASI PADA TEKNOLOGI CARBON CAPTURE STORAGE (CCS) DI LAPANGAN “LHC” CEKUNGAN ASRI

UMAMAH, AYU ISMIATUL (2025) SIMULASI PERUBAHAN KARAKTERISTIK RESERVOIR MENGGUNAKAN ALGORITMA BAYESIAN MARKOV CHAIN MONTE CARLO & CONVOLUTIONAL NEURAL NETWORK : APLIKASI PADA TEKNOLOGI CARBON CAPTURE STORAGE (CCS) DI LAPANGAN “LHC” CEKUNGAN ASRI. Skripsi thesis, UPN "Veteran" Yogyakarta.

	Text 1_Skripsi Full_115210041_Ayu Ismiatul Umamah.pdf Restricted to Repository staff only Download (8MB)
	Text 2_Cover_115210041_Ayu Ismiatul Umamah.pdf Download (134kB)
	Text 3_Abstrak_115210041_Ayu Ismiatul Umamah.pdf Download (653kB)
	Text 4_Halaman Pengesahan_115210041_Ayu Ismiatul Umamah.pdf Download (343kB)
	Text 5_Daftar Isi_115210041_Ayu Ismiatul Umamah.pdf Download (201kB)
	Text 6_Daftar Pustaka_115210041_Ayu Ismiatul Umamah.pdf Download (412kB)

Abstract

Penangkapan dan Penyimpanan CO2 merupakan salah satu solusi yang
dikembangkan untuk mengurangi emisi karbon dioksida (CO₂) ke atmosfer, dengan
cara menyimpan gas tersebut secara permanen di dalam formasi geologi bawah
permukaan. Salah satu tantangan utama dalam implementasi CCS adalah memantau
perubahan sifat fisik reservoir akibat injeksi CO₂ secara akurat dan efisien. Oleh
karena itu, diperlukan pendekatan simulasi yang mampu merepresentasikan
dinamika reservoir secara kuantitatif, dengan waktu yang cepat dan biaya
operasional yang lebih rendah. Penelitian ini dilakukan untuk mensimulasikan
perubahan reservoir akibat injeksi CO₂ menggunakan pendekatan algoritma
Bayesian Markov Chain Monte Carlo (MCMC) dan Convolutional Neural Network
(CNN) sebagai metode prediksi berbasis data. Dalam penelitian ini, algoritma
Bayesian MCMC dan CNN digunakan untuk mensimulasikan dan memprediksi
perubahan kondisi reservoir sebelum dan sesudah proses injeksi CO₂. Hasil
penelitian menunjukkan bahwa injeksi CO₂ menyebabkan perubahan signifikan
pada sifat fisik reservoir, yang ditunjukkan oleh perubahan nilai densitas sebesar
0,0004 pada sumur LHC A13 dan 0,001 pada sumur LHC B01, kecepatan
gelombang P yang tidak menunjukkan perubahan signifikan, nilai porositas yang
mengalami perubahan sebesar 0,0005 pada sumur LHC A13 dan pada sumur LHC
B01 sebesar 0,0006, serta nilai saturasi air yang mengalami perubahan sebesar
0,0004 pada sumur LHC A13 dan 0,001 pada sumur LHC B01. Perubahanperubahan tersebut berhasil diidentifikasi melalui pendekatan algoritma MCMC
dan CNN. Oleh karena itu, hasil simulasi ini berpotensi digunakan sebagai dasar
dalam pengambilan keputusan yang lebih akurat terkait pengelolaan penyimpanan
CO₂ di bawah permukaan.
Kata kunci : Bayesian MCMC, CCS, CNN, Cekungan Asri, Reservoir

Item Type:	Tugas Akhir (Skripsi)
Uncontrolled Keywords:	Bayesian MCMC, CCS, CNN, Cekungan Asri, Reservoir
Subjek:	Q Science > QC Physics
Divisions:	Fakultas Teknologi Mineral dan Energi > (S1) Teknik Geofisika
Depositing User:	Eny Suparny
Date Deposited:	07 Oct 2025 06:02
Last Modified:	07 Oct 2025 06:02
URI:	http://eprints.upnyk.ac.id/id/eprint/44112

Actions (login required)

View Item