Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kualitas dari peta kedalaman yang didapat dari time to depth convertion, tergantung dari model kecepatan yang di gunakan. Beberapa model kecepatan diperoleh dari pendekatan yang berbeda digunakan untuk penilaian kuantitatif ketidakpastian dalam pemodelan kecepatan. Studi ini menggunakan 3 jenis pendekatan kecepatan yang berbeda dan pengukuran dari data Lapangan Jambi Merang yaitu kecepatan konstan, kecepatan stack dan sonik. Fokus dari studi ini pada reservoar karbonat pada formasi Baturaja dengan kedalaman 6500 ? 7500 feet pada area sumur S-1,S-3, dan S-5 serta kedalaman 5500 ? 6000 feet pada sumur P-1, P-1ST1, dan P-3. Hasil pemodelan kecepatan dengan menggunakan kecepatan sonic menunjukan error yang kecil pada peta kedalaman hasil prediksi.The accuracy of depth structure, which is calculated by using time to depth conversion, is depent on velocity model. Several velocity model, which is approached from different model, is applied to asses the uncertainty in velocity modeling. In this study, we use 3 velocity model i.e constant, stacking, and sonic velocity to estimate the depth structure in the interest area of Baturaja Formation in Jambimerang field. Our analysis shows that the sonic velocity result is less error than the two other velocities."

"Formasi Talang Akar, merupakan source kitchen pada Sub Cekungan Ardjuna Talang Akar merupakan salah satu zona reservoir yang ditemukan di Lapangan Z cekungan Ardjuna hingga saat ini. Keberadaan build up Parigi mempengaruhi nilai kecepatan yang akan digunakan untuk konversi kedalaman. Hal ini akan mempengaruhi peta kedalaman pada target reservoir. Permasalahan yang timbul dari hasil konversi dari domain waktu ke kedalaman adalah tidak tepatnya menginterpretasi struktur, dimana terdapat adanya efek pull-up yang diakibatkan oleh faktor kecepatan pada lapisan karbonat. Efek pull-up merupakan terangkatnya suatu litologi pada pencitraan seismik akibat pengaruh perambatan kecepatan build-up diatasnya. Penelitian ini berfokus pada perbandingan metode kecepatan yang efektif dalam melakukan konversi peta struktur seismik yang sebelumnya berdomain waktu akan diubah menjadi domain kedalaman, hal ini penting karena perhitungan bulk rock volume dilakukan dalam domain kedalaman. Metode V0-K lebih efektif dalam meminimalkan efek pull-up yang diakibatkan oleh formasi parigi untuk proses konversi ke kedalaman dibandingkan dengan single function. Metode V0+KZ menghasilkan bulk rock volume (BRV) 94968 acre-feet, metode Single function dengan menggunakan fungsi 1 sumur menghasilkan 80784.4 acre-feet. Metode Single function dengan menggunakan fungsi dari hasil plotting semua sumur menghasilkan BRV 77654.9 acre-feet.

---

The Talang Akar Formation serves as the source kitchen in the Ardjuna Sub-Basin, and it represents one of the reservoir zones discovered in the Ardjuna Basin's Z Field to date. The presence of the Parigi build-up influences the velocity values used for depth conversion, thereby impacting the depth maps of the reservoir target. Challenges arising from the conversion of seismic data from the time domain to depth involve the potential inaccuracies in interpreting the structure, particularly due to the pull-up effect caused by velocity variations in carbonate layers. The pull-up effect refers to the uplifting of lithology in seismic imaging due to the influence of velocity propagation in the overlying build-up. This study focuses on comparing effective velocity methods for converting seismic structure maps from the time domain to the depth domain. This is crucial because bulk rock volume calculations are performed in the depth domain. The V0-K method proves to be more effective in minimizing the pull-up effect caused by the Parigi formation during the depth conversion process compared to the single function method. The results of the bulk rock volume (BRV) calculations in talang akar formation with the V0+KZ method are 94968 acre-feet. The Single Function method, using one well function, yields 80784.4 acre-feet. The Single Function method, utilizing functions derived from plotting all wells, produces a BRV of 77654.9 acre-feet."

"Konversi waktu menjadi kedalaman merupakan salah satu bagian terpenting dalam interpretasi seismik. Domain seismik adalah waktu dan kita membutuhkan data kedalaman pada akhir proses salah satunya untuk melakkukan pengeboran. Metode regression, ordinary kriging dan kriginng with external drif adalah salah satu cara untuk melakukan konversi kedalaman. Metode ordinary kriging dan kriging with external drift merupakan teknik geostatistika. Metode ini membutuhkan variogram dalam melakukan prosessnya. Pada prinsipnya metode ini menggunakan Best Linear Unbiased Estimation. Salah satu keuntungan dari geostatistik memberikan error variance yang dapat digunakan sabagai acuan untuk menentukan model variogram terbaik.

---

Time-depth conversion is to be one of the most important part in the seismic interpretation. Domain seismic is time and the we need depth at the end of the process e.g. drilling. Regression method, ordinary kriging and kriginng with external drif is one way to do the conversion depth. Method of ordinary kriging and kriging with external drift is a technique of geostatistics. This method requires variogram in the prosess. In principle, this method using the Best Linear Unbiased estimation. One of the advantages of geostatistics is given error variance that can be used for reference to determine the best variogram model."

"Analisis regresi linier berganda adalah suatu teknik statistik untuk memodelkan dan menganalisis hubungan antara variabel respon dan variabel-variabel regresor. Pada umumnya, penaksiran parameter pada model regresi linier berganda menggunakan metode OLS (Ordinary Least squares) yang menghasilkan taksiran least squares. Pada model regresi linier berganda dimungkinkan kondisi multikolinieritas yang menyebabkan variansi taksiran least squares menjadi besar sehingga taksiran least squares tidak stabil. Salah satu metode alternatif penaksiran parameter model regresi linier berganda untuk kasus multikolinieritas adalah metode ridge yang menghasilkan taksiran ridge. Taksiran ridge bergantung pada sebuah konstanta bias k yang disebut konstanta bias ridge. Metode generalized ridge merupakan pengembangan dari metode ridge, dengan menerapkan Dekomposisi Spektral untuk memperoleh bentuk kanonik, kemudian ditambahkan beberapa konstanta bias sebanyak jumlah variabel regresor yang diperoleh dari proses iterasi. Taksiran generalized ridge menghasilkan mean square error yang lebih kecil dari mean square error taksiran least squares.

---

Analysis of regression is a statistical technique for modeling and analizing the relationship between the response variable and regressor variables. This skripsi is modeling the relationship between one response variable and several regressor variables when there is no linear relationship among the regressors variable. The ordinary least squares method is used to estimate regression coefficient. Multicollinearity result in large variance for the least squares estimators of the regression coefficient, and the estimators also will be unstable. Ridge method is the most common method to overcome this problem. Ridge estimator depends on biasing parameter k called constant of ridge. Generalized ridge is an extension of the ordinary ridge method by applying spectral decompotition to obtain the canonical form, then adding biasing parameters as many as number of regressor variables that specified by iteration. The advantage of generalized ridge estimator over the least squares estimator is generalized ridge estimator has less scalar mean square error (mse) than mse of least squaress estimator."

"Analisis regresi linier adalah suatu teknik dalam statistika untuk memodelkan dan menganalisis hubungan linier antara variabel respon dengan variabel regresor. Metode penaksiran parameter regresi yang umum digunakan adalah metode ordinary least square (OLS) yang menghasilkan taksiran yang dinamakan taksiran least square. Dalam analisis regresi linier berganda, masalah yang sering terjadi adalah multikolinieritas. Multikolinieritas membuat penaksiran dengan menggunakan metode OLS menghasilkan taksiran least square yang tidak stabil, sehingga pada skripsi ini akan dibahas metode lain untuk mengatasi permasalahan ini. Metode yang diperkenalkan untuk mengatasi multikolinieritas diantaranya adalah metode GRR yang menghasilkan taksiran generalized ridge. Taksiran ini merupakan taksiran yang bias. Metode ini masih memiliki kekurangan, yaitu bias yang dihasilkan tidak dijamin akan selalu bernilai kecil. Untuk itu, Singh, Chaubey, dan Dwivedi (1986) memperkenalkan metode Jackknife Ridge Regression (JRR) yang menghasilkan taksiran Jackknife Ridge Regression. Taksiran ini akan mereduksi bias yang dihasilkan oleh taksiran generalized ridge sehingga terkait dengan data yang digunakan, nilai mean square error taksiran ini lebih kecil dibanding taksiran generalized ridge maupun taksiran least square.

---

Regression linear analysis is a statistical technique for modeling and investigating the linear relationship between the response variable and regressor variable. Ordinary least square (OLS) method is commonly used to estimate parameters and yields an estimator named least square estimator. Most frequently occurring problem in multiple linear regression analysis is the presence of multicollinearity. Estimation using OLS method in multicolinearity caused an unstable least square estimator, therefore this undergraduate thesis will explain other method which can solve this problem such as GRR method that yields a bias estimator, named generalized ridge estimator. Unfortunately, this method still has a shortcoming because the bias in resulting estimator is not always guaranteed to be small. To solve this problems, Singh, Chaubey, and Dwivedi (1986) introduced Jackknife Ridge Regression (JRR) method that yields Jackknife Ridge Regression estimator. This estimator will reduce the bias of generalized ridge estimator, thus related to the data used, the resulting mean square error value of this estimator is smaller than the two methods."

"Analisis regresi merupakan salah satu teknik dalam statistika yang digunakan untuk mengetahui hubungan antar variabel respon dan satuatau lebih variabel regressor. Metode penaksiran parameter regresi yang umum digunakan adalah metode least square. Dalam penaksiran parameter regresi, banyak permasalahan yang muncul salah satunya adalah multikolinearitas. Multikolinearitas menghasilkan taksiran yang tidak stabil, sehingga diperlukan metode lain untuk mengatasi multikolinearitas yang diperkenalkan oleh Hoerl dan Kennard 1970 yaitu metode ridge regression dengan cara kerjanya adalah menambahkan konstanta bias ridge pada matriks X 39;X. Sarkar 1992 dan Grob 2003 mengembangkan metode tersebut dengan memanfaatkan informasi prior dari parameter - dan memperkenalkan metode restricted ridge regression. Berger 1980 mendefinisikan informasi prior untuk parameter - adalah suatu informasi non sampel yang muncul dari pengalaman masa lalu dan keputusan dari ahli dengan situasi yang hampir sama dan memuat parameter ? yang sama. Dalam skripsi ini penggunaan metode restricted ridge regression diaplikasikan untuk mengatasi multikolinearitas pada data Portland Cement dan menghasilkan MSE yang lebih kecil dibandingkan metode least square dan ridge regression.

---

Regression analysis is a technique in stastisticsto analyse the relationship between a response variable and one or more regressor variable's. Ordinary Least Square method is commonly used to estimate parameter's. Most frequently occurring problem in multiple linier regression analysis is the presence of multicolinearity. Multicollinearityin least square estimation produces estimation with large variance, so another method is needed to overcome the multicollinearity. Hoerl and Kennard 1970 introduced a new method called ridge regression by addingaconstant bias ridge to matrix X 39 X. Sarkar 1992 and Gro 2003 developed a method usingthe prior information of the parameter and introduced the restricted ridge regression method. Berger 1980 defined prior information of the parameter as a non sample information arising from past experiences and based on the opinions of an expertice with similar situations and containing the same parameters. This thesis will explain the use of restricted ridge regression method to overcome the presence of multicolinearity in regression model for Portland Cement dataset and produce smaller MSE than least square and ridge regression estimator."