TY  - GEN
CY  - FAKULTAS TEKNIK
ID  - eprints29545
UR  - http://digilib.unila.ac.id/29545/
A1  - M.KEVIN P.B SINULINGGA, 1215051035
Y1  - 2017/11/17/
N2  - Lapangan ?LINGGA? terletak di provinsi Sumatera Utara dengan target penelitian
Formasi Belumai, Cekungan Sumatera Utara. Tujuan penelitian ini adalah untuk
menentukan zona prospek shale hidrokarbon pada lapangan ?LINGGA? dengan
menggunakan analisis seismik multi-atribut neural networks berdasarkan data
petrofisika Total Organic Carbon (TOC) serta seismik inversi Acoustic Impedance.
Seismik multi-atribut neural networks digunakan untuk mengetahui sebaran property
shale hidrokarbon berdasarkan data petrofisika berupa TOC yang digunakan untuk
mengetahui kandungan hidrokarbon pada lapisan shale. Data seismik Acoustic
Impedance memperoleh nilai 5865 ? 10295((m/s)*(g/cc)) untuk mengkarakterisasi
lapisan shale pada Formasi Belumai. Sedangkan untuk seismik AI digunakan sebagai
external attribute dan data 2D seismik sebagai internal attribute pada seismik multiatribut
neural networks. Hasil seismik multi-atribut neural networks diperoleh nilai
penyebaran TOC yang dikategorikan baik pada target Formasi Belumai dengan nilai
TOC 0,79 ? 1,10%.
Kata Kunci : Multi-atribut Neural Networks, Acoustic Impedance, Total Organic
Carbon, Shale hidrokarbon


abstract

?LINGGA? field is located in North Sumatra Province with research objective
Belumai Formation, North Sumatra Basin. The purpose of this research is to
determine shale hydrocarbon prospect zone on ?LINGGA? field using neural
networks multi-atribut seismic analysis, based on Total Organic Carbon (TOC)
petrophysical data and seismic Acoustic Impedance inversion. Neural networks
multi-atribut seismic is used to discover shale hydrocarbon property based on TOC
petrophysical data, that is being used to find out hydrocarbon content on shale layer.
Seismic Acoustic Impedance data has obtained value 5865 ? 10295 ((m/s)*(g/cc)) to
characterize shale layer on Belumai Formation. While seismic AI is used as external
attribute and seismic 2D data as internal attribute for neural networks multi-atribut
seismic. The result of neural networks multi-atribut seismic has obtained TOC
distribution value which categorize as good on the target Belumai Formation with
TOC value 0,79 ? 1,10%.
Keyword : Multi-atribut Neural Networks, Acoustic Impedance, Total Organic
Carbon, Shale hydrocarbon
PB  - UNIVERSITAS LAMPUNG
TI  - ANALISIS PERSEBARAN POTENSI TOTAL ORGANIC
CARBON (TOC) LAPANGAN ?LINGGA? DENGAN
MENGGUNAKAN METODE INVERSI SEISMIK DAN
NEURAL NETWORK
AV  - restricted
ER  -