PENGEMBANGAN MACHINE LEARNING UNTUK PREDIKSI LOST PRODUCTION OPPORTUNITY DAN OPTIMASI PRODUKSI DENGAN PENJADWALAN WORKOVER PADA LAPANGAN MINYAK DAN GAS “X”

YUDHA, ADINSYA (2026) PENGEMBANGAN MACHINE LEARNING UNTUK PREDIKSI LOST PRODUCTION OPPORTUNITY DAN OPTIMASI PRODUKSI DENGAN PENJADWALAN WORKOVER PADA LAPANGAN MINYAK DAN GAS “X”. Tesis thesis, UPN "Veteran" Yogyakarta.

	Text 213241016_Cover - ADINSYA YUDHA.pdf Download (295kB)
	Text 213241016_Abstrak - ADINSYA YUDHA.pdf Download (500kB)
	Text 213241016_Halaman Pengesahan - ADINSYA YUDHA.pdf Download (346kB)
	Text 213241016_Daftar Isi - ADINSYA YUDHA.pdf Download (760kB)
	Text 213241016_Daftar Pustaka - ADINSYA YUDHA.pdf Download (229kB)
	Text 213241016_Fulltext - ADINSYA YUDHA.pdf Restricted to Repository staff only Download (4MB)

Abstract

Lost production opportunity (LPO) merupakan salah satu faktor utama yang
mempengaruhi kinerja produksi pada operasi hulu migas. Pada praktik
konvensional, perencanaan produksi dan penjadwalan Workover dilakukan secara
deterministik berbasis rata-rata historis dan asumsi Uplift per pekerjaan, sehingga
belum mampu menangkap dinamika operasional yang kompleks dan tidak linear.
Pendekatan tersebut berpotensi menimbulkan ketidakpastian perencanaan tahunan
dan kehilangan nilai produksi akibat penjadwalan yang kurang optimal. Oleh karena
itu, diperlukan pendekatan berbasis data yang mampu memprediksi LPO secara
lebih akurat serta mengintegrasikannya ke dalam sistem pendukung keputusan
untuk optimasi penjadwalan Workover.
Penelitian ini menggunakan data historis produksi, LPO Planned downtime
(PDT) dan Unplanned downtime (UPDT), serta parameter operasional terkait untuk
membangun model Machine learning dalam melakukan peramalan LPO UPDT
bulanan. Tahapan penelitian meliputi preprocessing data, pembagian data latih dan
uji, pelatihan model, serta evaluasi kinerja melalui proses tuning parameter secara
iteratif. Hasil prediksi berupa Forecast LPO, identifikasi faktor dominan, dan
pembentukan indeks risiko operasional kemudian diintegrasikan ke dalam Decision
support system (DSS) yang mempertimbangkan harga komoditas, jumlah workover
tahunan, uplift produksi per pekerjaan, serta biaya pekerjaan untuk menghasilkan
rekomendasi jumlah workover per bulan untuk optimasi produksi minyak dan gas.
Penelitian ini menghasilkan sistem prediksi LPO yang akurat dan adaptif
dengan tingkat kesalahan sMAPE tidak melebihi 20%. Selain itu, sistem yang
dikembangkan mampu memberikan rekomendasi penjadwalan Workover yang
lebih optimal serta meningkatkan efektivitas perencanaan produksi dan
meningkatkan nilai produksi operasi hulu migas.
Kata Kunci: Lost production opportunity (LPO); Unplanned Down Time (UPDT);
Machine learning; Workover Rigless; Production Planning

Item Type:	Tugas Akhir (Tesis)
Additional Information:	ADINSYA YUDHA (Penulis-213241016) ; Suranto (Pembimbing 1) , Frans Richard Kodong (Pembimbing 2)
Uncontrolled Keywords:	Lost production opportunity (LPO); Unplanned Down Time (UPDT); Machine learning; Workover Rigless; Production Planning
Subjek:	Q Science > Q Science (General)
Divisions:	Fakultas Teknologi Mineral dan Energi > (S2) Magister Teknik Perminyakan
Depositing User:	A.Md Eko Suprapti
Date Deposited:	09 Sep 2026 06:29
Last Modified:	09 Sep 2026 06:29
URI:	http://eprints.upnyk.ac.id/id/eprint/49316

Actions (login required)

View Item