Hasil Pencarian  ::  Simpan CSV :: Kembali

"Cekungan Banggai memiliki potensi hidrokarbon yang terakumulasi pada reservoir karbonat dengan porositas ganda – porositas primer dan sekunder akibat diagenesis. Hal tersebut menyebabkan variasi nilai porositas secara vertikal maupun lateral sehingga menyulitkan identifikasi zona hidrokarbon yang potensial. Untuk mengidentifikasi zona reservoir karbonat dengan porositas ganda, penelitian ini mengintegrasikan metode inversi seismik, multiatribut seismik, dan Probabilistic Neural Network (PNN), yang bertujuan untuk meningkatkan akurasi dalam pemodelan karakteristik reservoir. Hasil penelitian menunjukkan bahwa karbonat build-up Formasi Mantawa memiliki impedansi akustik rendah (6200–10000 m/s*g/cc), porositas tinggi (21%–28%), dan saturasi air rendah (30%–47%), yang mengindikasikan adanya batuan berpori yang mengandung hidrokarbon. Diharapkan dengan penerapan integrasi metode tersebut, distribusi reservoir, porositas, dan saturasi air dapat dipetakan dengan lebih akurat berdasarkan hasil dari prediksi Probabilistic Neural Network (PNN) dan membuka peluang eksplorasi lebih lanjut di zona prospektif Lapangan ZENA.

---

The Banggai Basin has hydrocarbon potential accumulated in carbonate reservoirs with dual porosity – primary and secondary porosity due to diagenesis. This causes variations in porosity values both vertically and laterally, making it difficult to identify potential hydrocarbon zones. To identify carbonate reservoir zones with dual porosity, this study integrates seismic inversion methods, multi-attribute seismic analysis, and Probabilistic Neural Network (PNN), aimed at improving the accuracy of reservoir characteristic modeling. The results show that the carbonate build-up of the Mantawa Formation has low acoustic impedance (6200–10000 m/s*g/cc), high porosity (21%–28%), and low water saturation (30%–47%), indicating the presence of porous rocks containing hydrocarbons. It is expected that with the application of the integration of these methods, the distribution of the reservoir, porosity, and water saturation can be mapped more accurately based on the results from the predictions of the Probabilistic Neural Network (PNN), thus opening up further exploration opportunities in the prospective zones of the ZENA Field."

"Cekungan Banggai memiliki potensi hidrokarbon yang terakumulasi pada reservoir karbonat dengan porositas ganda – porositas primer dan sekunder akibat diagenesis. Hal tersebut menyebabkan variasi nilai porositas secara vertikal maupun lateral sehingga menyulitkan identifikasi zona hidrokarbon yang potensial. Untuk mengidentifikasi zona reservoir karbonat dengan porositas ganda, penelitian ini mengintegrasikan metode inversi seismik, multiatribut seismik, dan Probabilistic Neural Network (PNN), yang bertujuan untuk meningkatkan akurasi dalam pemodelan karakteristik reservoir. Hasil penelitian menunjukkan bahwa karbonat build-up Formasi Mantawa memiliki impedansi akustik rendah (6200–10000 m/s*g/cc), porositas tinggi (21%–28%), dan saturasi air rendah (30%–47%), yang mengindikasikan adanya batuan berpori yang mengandung hidrokarbon. Diharapkan dengan penerapan integrasi metode tersebut, distribusi reservoir, porositas, dan saturasi air dapat dipetakan dengan lebih akurat berdasarkan hasil dari prediksi Probabilistic Neural Network (PNN) dan membuka peluang eksplorasi lebih lanjut di zona prospektif Lapangan ZENA.

---

The Banggai Basin has hydrocarbon potential accumulated in carbonate reservoirs with dual porosity – primary and secondary porosity due to diagenesis. This causes variations in porosity values both vertically and laterally, making it difficult to identify potential hydrocarbon zones. To identify carbonate reservoir zones with dual porosity, this study integrates seismic inversion methods, multi-attribute seismic analysis, and Probabilistic Neural Network (PNN), aimed at improving the accuracy of reservoir characteristic modeling. The results show that the carbonate build-up of the Mantawa Formation has low acoustic impedance (6200–10000 m/s*g/cc), high porosity (21%–28%), and low water saturation (30%–47%), indicating the presence of porous rocks containing hydrocarbons. It is expected that with the application of the integration of these methods, the distribution of the reservoir, porosity, and water saturation can be mapped more accurately based on the results from the predictions of the Probabilistic Neural Network (PNN), thus opening up further exploration opportunities in the prospective zones of the ZENA Field."

"Lapangan ‘B’ merupakan lapangan prospek hidrokarbon yang berlokasi di offshorecekungan Kutai, Kalimantan Timur. Untuk mengetahui karakterisasi reservoir lapangan‘B’, dilakukan pemodelan porositas dan saturasi air menggunakan inversi AI, multiatributseismik dan probabilistic neural network. Penelitian ini menggunakan data seismik 3DPSTM dan data sumur (AND-1, AND-2, AND-3 dan AND-4). Pada data seismik dan datasumur dilakukan inversi AI untuk mengetahui sifat litologi area penelitian. Kemudian,hasil AI ditransformasikan untuk mendapatkan model porositas. Metode multiatributseismik menggunakan beberapa atribut untuk memprediksi model porositas dan saturasiair. Setelah itu, diaplikasikan sifat non-linear dari probabilistic neural network sehinggamenghasilkan model porositas dan saturasi air hasil probabilistic neural network (PNN).Model porositas dan saturasi air transformasi AI, multiatribut seismik dan PNN divalidasidengan nilai porositas dan saturasi air data sumur untuk mengetahui apakah modelporositas dan saturasi air tersebut merepresentatifkan nilai data sumur. Validasi dilakukanpada sumur AND-1 dan AND-2. Nilai porositas dan saturasi air data sumur untuk AND-1 adalah 25.3 – 35.9% dan 45 – 60%, dan nilai porositas dan saturasi air AND-2 adalah11 – 35% dan 15 – 82%. Nilai porositas AND-1 hasil transformasi AI sekitar 16 – 67%,multiatribut seismik sekitar 11.5 – 27% dan PNN sekitar 11.5 – 27%. Nilai saturasi airAND-1 hasil multiatribut seismik sekitar 4 – 63% dan PNN sekitar 18 – 63%. Nilaiporositas AND-2 hasil transformasi AI sekitar 52 – 72%, multiatribut seismik sekitar 11– 21.5% dan PNN sekitar 11 – 21.5%. Nilai saturasi air AND-2 hasil multiatribut seismiksekitar 63 – 85% dan PNN sekitar 63 – 85%. Kemudian, metode multiatribut seismik danPNN didapatkan nilai korelasi antara parameter target dengan parameter prediksi. Modelporositas multiatribut seismik memiliki korelasi 0.840836 dan PNN memiliki korelasi0.936868. Model saturasi air multiatribut seismik memiliki korelasi 0.915254 dan PNNmemiliki korelasi 0.994566. Model porositas transformasi AI memiliki rentang yanglebih tinggi dibandingkan dengan data sumur. Model porositas dan saturasi air metodePNN memiliki rentang nilai yang cukup dekat dengan data sumur dan memiliki korelasiyang lebih tinggi dibandingkan dengan metode multiatribut seismik. Oleh sebab itu,model porositas dan saturasi air metode PNN merupakan model prediksi terbaik.Berdasarkan model PNN, reservoir zona target lapangan ‘B’ memiliki nilai impedansiakustik 25384 – 26133 ((ft/s)*(g/cc)), porositas sekitar 15 – 27% dan nilai saturasi airsekitar 11 – 63%.

---

The 'B' field is a hydrocarbon prospect field located in the offshore Kutai Basin, East

Kalimantan. To determine the characterization of the ‘B’ field reservoir, porosity and

water saturation modeling was carried out using AI inversion, seismic multiattribute and

probabilistic neural network. This study uses 3D PSTM seismic data and wells data

(AND-1, AND-2, AND-3 and AND-4). In seismic data and wells data, AI inversion was

carried out to determine the lithological characteristics of the research area. Then, the AI

results were transformed to obtain a porosity model. The seismic multiattribute method

uses several attributes to predict the porosity and water saturation model. After that, the

non-linear properties of the probabilistic neural network were applied to produce the

porosity and water saturation model of the probabilistic neural network (PNN). The

porosity and water saturation model of AI transformation, seismic multiattribute and PNN

were validated with the porosity and water saturation values of the wells data to determine

whether the porosity and water saturation models represent the wells data values.

Validation was carried out on AND-1 and AND-2 wells. The porosity and water

saturation value of the well data for AND-1 around 25.3 - 35.9% and 45 - 60%, and the

porosity and water saturation value of AND-2 around 11 - 35% and 15 - 82%. The

porosity value of AND-1 as a result of AI transformation is around 16 - 67%, the seismic

multiattribute about 11.5 - 27% and the PNN about 11.5 - 27%. The water saturation value

of AND-1 resulted from seismic multiattribute around 4 - 63% and PNN around 18 - 63%.

The porosity value of AND-2 transformed by AI around 52 - 72%, the seismic

multiattribute around 11 - 21.5% and the PNN around 11 - 21.5%. The water saturation

value of AND-2 result from the seismic multiattribute around 63 - 85% and PNN around

63 - 85%. Then, the multiattribute seismic and PNN methods obtained the correlation

value between the target parameter and the predicted parameter. The seismic

multiattribute porosity model has a correlation of 0.840836 and PNN has a correlation of

0.936868. The multiattribute seismic water saturation model has a correlation of 0.915254

and PNN has a correlation of 0.994566. The AI transformation porosity model has a

higher range than the wells data. The PNN method of porosity and water saturation model

has a fairly close range of values to wells data and has a higher correlation than the

multiattribute seismic method. Therefore, the porosity and water saturation model of the

PNN method is the best prediction model. Based on the PNN model, the field target zone

reservoir 'B' has an acoustic impedance value about 25384 – 26133 ((ft/s) * (g/cc)), a

porosity of 15 - 27% and a water saturation of 11 - 63%."

"Lapangan “X” merupakan salah satu lapangan yang terletak di Cekungan Sunda. Lapangan ini merupakan salah satu zona potensi hidrokarbon di Indonesia, dengan salah satu zona potensi hidrokarbon terletak pada batuan reservoir karbonat build-up yang berada di Formasi Upper Baturaja. Studi ini akan menghasilkan volume petrofisika semu untuk properti petrofisika volume shale, porositas, dan saturasi air menggunakan lima kombinasi atribut seismik yang ditentukan melalui analisis multi-atribut, yang kemudian nilai korelasi dan errornya akan ditingkatkan probabilistic neural network (PNN). Integrasi dari ketiga metode ini bertujuan untuk memberikan gambaran dan pemahaman baru terhadap karakterisasi daerah yang berpotensi hidrokarbon di Lapangan ”X”.

---

”X” Field is one of the fields located in Sunda Basin. “X” Field is one of the hydrocarbon potential zones in Indonesia, with one of its hydrocarbons potential zones located in the carbonate build up reservoir in the Upper Baturaja Formation. This study will produce pseudo petrophysical volumes for petrophysical properties such as shale volume, porosity, and water saturation using five seismic attributes combination from the seismic multi-attributes method. Probabilistic neural network (PNN) is used to improve the correlation and error value from the log. The integration of these three methods aims to provide new insights and understanding of the characterization of hydrocarbon potential areas in “X” Field."

"Pada area Cekungan Tarakan terdapat beberapa titik lokasi yang dapat diindikasikan sebagai zona prospek, akan tetapi lingkungan batu klastik membuat zona prospek tersebut sulit untuk ditentukan batas-batasnya. Penelitian ini bertujuan untuk melakukan karakterisasi reservoir di Lapangan "X" Cekungan Tarakan Kalimantan Utara dengan menggunakan pendekatan Probabilistik Neural Network (PNN) dan analisis seismik multi-atribut. Metode seismic multi-atribut digunakan untuk mencari atribut apa yang paling sensitif, lalu metode probabilistic neural network ini digunakan untuk memprediksi distribusi properti petrofisika, termasuk porositas, volume shale, dan saturasi air pada reservoir. Data yang digunakan meliputi data seismik post-stack, data well log, serta parameter petrofisika dari sumur yang relevan. Hasil penelitian menunjukkan bahwa kombinasi atribut seismik yang paling sensitif untuk karakterisasi reservoir di Lapangan "X" melibatkan atribut seperti amplitudo seismik, frekuensi dominan, dan fase instan. Penerapan PNN berhasil meningkatkan akurasi prediksi distribusi porositas, volume shale, dan saturasi air dengan tingkat korelasi yang memadai, di mana porositas mencapai korelasi 0.646, volume shale 0.403, dan saturasi air 0.695. Berdasarkan analisis ini, dapat dikatakan bahwa metode PNN juga dapat menurunkan nilai error yang dimana memberikan gambaran yang lebih detail mengenai karakteristik reservoir berdasarkan parameter yang ada, yang berguna untuk perencanaan eksplorasi dan produksi hidrokarbon di masa depan di Cekungan Tarakan.

---

In the Tarakan Basin area, there are several locations that can be indicated as prospect zones, but the clastic rock environment makes it difficult to determine the boundaries of these zones. This study aims to characterize the reservoir in the "X" Field, Tarakan Basin, North Kalimantan, using a Probabilistic Neural Network (PNN) approach and multi-attribute seismic analysis. The multi-attribute seismic method is used to identify the most sensitive attributes, while the probabilistic neural network method is employed to predict the distribution of petrophysical properties, including porosity, shale volume, and water saturation in the reservoir. The data used in this study includes post-stack seismic data, well log data, and petrophysical parameters from relevant wells. The results show that the combination of seismic attributes most sensitive for reservoir characterization in the "X" Field involves attributes such as seismic amplitude, dominant frequency, and instant phase. The application of PNN successfully improved the accuracy of predicting the distribution of porosity, shale volume, and water saturation with adequate correlation levels, where porosity achieved a correlation of 0.646, shale volume 0.403, and water saturation 0.695. Based on this analysis, it can be concluded that the PNN method also reduces error values, providing a more detailed picture of the reservoir characteristics based on available parameters, which is useful for future hydrocarbon exploration and production planning in the Tarakan Basin."

"Lapangan “DEWI”, yang berlokasi di Cekungan Bonaparte Maluku Tenggara merupakan lapangan gas dengan reservoir utama yang terletak pada Formasi Plover, yang didominasi oleh batu pasir. Berdasarkan analisa struktur didapatkan bahwa lapangan ini memiliki satu sesar utama yang membagi blok utara dan blok selatan. Berdasarkan analisis petrofisika didapatkan bahwa zona prospek hidrokarbon dari lapangan ini terletak di formasi Plover dan Zona A. Penelitian ini bertujuan untuk menganalisis distribusi parameter petrofisika seperti porositas, volume shale, dan saturasi air yang penting dalam karakterisasi reservoir. Penelitian ini menggunakan analisis seismik multiatribut dan probabilistic neural network untuk memprediksi parameter petrofisika berdasarkan atribut dari data seismik. Hasil menunjukkan bahwa pada penelitian ini probabilistic neural network memiliki keunggulan dalam memprediksi parameter petrofisika untuk karakterisasi reservoir dibanding multiatribut konvensional. Berdasarkan hasil dari pemetaannya ditemukan variasi yang menarik dalam persebaran parameter petrofisika pada formasi Plover dan Zona A. Hasil dari penelitian ini dapat digunakan untuk menyediakan pemahaman baru dalam karakterisasi daerah berpotensi hidrokarbon di Lapangan “DEWI”.

---

The “DEWI” field, which is located in the Bonaparte Basin, Southeast Maluku, is a gas field with the main reservoir located in the Plover Formation, which is dominated by sandstone. Based on structural analysis, it was found that this field has one main fault that divides the northern block and the southern block. Based on petrophysical analysis, it was found that the hydrocarbon prospect zone of this field is located in The Plover Formation and Zone A. This research aims to analyze the distribution of petrophysical parameters such as porosity, shale volume, and water saturation which are important in reservoir characterization. This research uses multi-attribute seismic analysis and probabilistic neural networks to predict petrophysical parameters based on attributes from seismic data. The results show that in this study the probabilistic neural network has advantages in predicting petrophysical parameters for reservoir characterization compared to conventional multi-attributes. Based on the results of the mapping, enticing variations were found in the distribution of petrophysical parameters in The Plover Formation and Zone A. The results of this research can be used to provide new insights into the characterization of potential hydrocarbon areas in the "DEWI" Field."

"Lapangan “Kefa” terletak di Cekungan Banggai, Sulawesi Tengah memiliki struktur berupa kumpulan dari beberapa build-up yang terletak pada Formasi Mantawa. Fluktuasi muka air laut ketika terbentuknya build-up dapat memicu munculnya porositas sekunder, yang berdampak pada distribusi porositas tidak merata di Lapangan “Kefa”. Penelitian ini berfokus untuk memodelkan porositas pada Formasi Mantawa menggunakan metode inversi stokastik. Metode inversi tersebut dapat menghasilkan persebaran nilai impedansi akustik yang lebih tegas dibanding inversi deterministik, sehingga mampu memetakan porositas pada build-up dengan resolusi vertikal yang lebih baik. Hasil inversi stokastik menunjukkan nilai impedansi akustik pada rentang 13.000-28.500 (ft/s)(g/cc) yang diperkirakan sebagai pay zone dan rentang 28.500-40.000 (ft/s)(g/cc) sebagai zona tight carbonate. Dengan memanfaatkan metode collocated co-kriging, log porositas sebagai variabel utama digunakan untuk mendistribusikan porositas yang akan mengikuti tren persebaran impedansi akustik sebagai variabel sekunder. Nilai porositas pada pay zone diperkirakan berkisar di rentang 15-35%, sedangkan nilai porositas pada zona tight carbonate berada di bawah 15%. Zona dengan nilai porositas lebih tinggi tersebut dapat dipertimbangkan sebagai target eksplorasi.

---

“Kefa” Field is located in Banggai Basin, Central Sulawesi, and characterized by a group of carbonate build-ups within the Mantawa Formation. These build-up structures contribute to the development of secondary porosity, which affects the distribution of porosity across the field. This study focuses on porosity modeling in the Mantawa Formation using a stochastic inversion method. Compared to deterministic inversion, this approach produces a clearer distribution of acoustic impedance, allowing for better vertical resolution in mapping porosity within the build-ups. The stochastic inversion results show acoustic impedance values ranging from 13,000 to 28,500 (ft/s)(g/cc), interpreted as pay zones, and from 28,500 to 40,000 (ft/s)(g/cc), interpreted as tight carbonate zones. Using the collocated co-kriging method, the porosity log is used as the primary variable to distribute porosity, guided by the trend of acoustic impedance as a secondary variable. Porosity values in the pay zone are estimated to range between 15–35%, while those in the tight carbonate zone are generally below 15%. The zone with higher porosity values can be considered as a potential exploration target."

"Cekungan Sumatera Tengah merupakan salah satu daerah penghasil minyak dan gas bumi terbesar di Indonesia dengan salah satu reservoir yang potensial berada di formasi tualang dan lakat. Penelitian ini menggunakan metode multiatribut seismik dan analisis petrofisika untuk melakukan karakterisasi reservoir pada daerah penelitian. Analisis petrofisika bertujuan untuk mendapatkan parameter petrofisika yaitu volume shale, porositas, dan saturasi air. Batuan reservoir potensial pada penelitian ini memiliki nilai volume shale dengan rentang 0.1 hingga 0.3, nilai porositas efektif dengan rentang 0.144 hingga 0.253, dan nilai saturasi air dengan rentang 0.45 hingga 0.79. Analisis multiatribut bertujuan untuk melakukan penyebaran parameter petrofisika pada area penelitian. Berdasarkan analisis multiatribut seismik didapatkan persebaran zona reservoir sandstone potensial formasi tualang dan lakat terkonsentrasi di daerah tinggian antiklin di tengah dan tenggara area penelitian dengan rentang nilai volume shale dari 0.05 hingga 0.65 dan nilai porositas efektif dengan rentang 0.1 hingga 0.25. Zona tersebut berada pada daerah tinggian yang dikontrol oleh antiklin sesar yang berarah NW-SE sehingga zona tersebut memiliki potensi menjadi jebakan struktural hidrokarbon. Struktur antiklin ini juga mengendalikan proses migrasi sekunder dari formasi kelesa yang dikembangkan di graben yang terletak sekitar 15 km south east (tenggara) dari area penelitian.

---

The Central Sumatra Basin is one of the largest oil and gas-producing regions in Indonesia, with one of its potential reservoirs located in the Tualang and Lakat formations. This study uses seismic multi-attribute method and petrophysical analysis to characterize the reservoir in the study area. The petrophysical analysis aims to obtain petrophysical parameters, namely shale volume, porosity, and water saturation. The potential reservoir rock in this study has a shale volume ranging from 0.1 to 0.3, effective porosity ranging from 0.144 to 0.253, and water saturation ranging from 0.45 to 0.79. The multi-attribute analysis aims to map the distribution of petrophysical parameters across the study area. Based on the seismic multi-attribute analysis, the distribution of potential sandstone reservoir zones in the Tualang and Lakat formations is concentrated in the anticline highs in the central and southeastern parts of the study area, with shale volume values ranging from 0.05 to 0.65 and effective porosity values ranging from 0.1 to 0.25. These zones are located in high areas controlled by NW-SE trending fault anticlines, suggesting that these zones have the potential to become hydrocarbon structural traps. This anticline structure also controls the secondary migration process from the Kelesa formation, which is developed in the Binio Trough, located approximately 15 kilometers southeast of the study area."

"Lapangan "X" berlokasi di provinsi Sumatra, termasuk dalam Cekungan Sumatra Tengah, dan memiliki potensi hidrokarbon yang tersimpan dalam reservoir batupasir dari Formasi Menggala. Formasi ini, yang didominasi oleh litologi batupasir dan berasal dari Miosen Awal, berpeluang menjadi reservoir utama di lapangan tersebut. Untuk memahaminya lebih dalam, karakterisasi reservoir dilakukan guna mengidentifikasi sifat fisik batupasir dan parameter terkaitnya. Salah satu teknik yang dapat diterapkan adalah penggunaan multiatribut seismik. Studi ini memanfaatkan data seismik 3D - Post Stack Time Migration dengan empat sumur sebagai data kontrol. Metode inversi berbasis model berperan sebagai atribut eksternal dalam analisis multiatribut dan dilakukan interpretasi dengan nilai p-impedance sebesar ±22.000 hingga ±31.000 menunjukkan dengan nilai yang cukup rendah. Melalui analisis ini, sebaran sifat fisik seperti nilai porositas, densitas, dan P-wave dari Formasi Menggala dapat diidentifikasi. Hasilnya menunjukkan bahwa porositas efektif di Formasi Menggala berkisar antara 10% hingga 30%, densitas berkisar antara 2,3 g/cm³ hingga 2,4 g/cm³, dan nilai P-wave berkisar antara 9.700 ft/s hingga 13.791 ft/s. Berdasarkan sifat-sifat fisik batuan yang dianalisis melalui multiatribut, zona yang berpotensi mengandung hidrokarbon terletak di sekitar sumur AM-1 lapangan "X". Untuk memastikan zona tersebut sebagai prospek, diperlukan analisis lebih lanjut, yaitu analisis terhadap peta sayatan inversi, peta sayatan struktur waktu, peta sayatan porositas, peta sayatan densitas, dan peta sayatan p-wave.

---

Field "X" is located in the province of Sumatra, within the Central Sumatra Basin, and holds hydrocarbon potential stored in sandstone reservoirs of the Menggala Formation. This formation, predominantly consisting of sandstone lithology and dating back to the Early Miocene, has the potential to be the primary reservoir in the field. To gain deeper insights, reservoir characterization is conducted to identify the physical properties of the sandstone and its related parameters. One technique that can be applied is the use of multi-attribute seismic analysis. This study utilizes 3D seismic data - Post Stack Time Migration with four wells as control data. The Model-based inversion methods serve as external attributes in the multi-attribute analysis and is interpreted with a p-impedance value of ±22.000 to ±31.000 indicating a fairly low value. Through this analysis, the distribution of physical properties such as porosity, density, and P-wave velocity of the Menggala Formation can be identified. The results show that the effective porosity in the Menggala Formation ranges from 10% to 30%, density ranges from 2.3 g/cm³ to 2.4 g/cm³, and P-wave velocity ranges from 9,700 ft/s to 13,791 ft/s. Based on the physical properties of the rock analyzed through multi-attribute analysis, a potential hydrocarbon zones are located around well AM-1 of field "X". To confirm these zones as prospects, further analysis is needed, namely analysis of inversion incision maps, time structure incision maps, porosity incision maps, density incision maps, and p-wave incision maps."

"Cadangan migas semakin sulit ditemukan, hal ini dikarenakan kondisi geologi yang lebih kompleks. Kondisi yang kompleks ini menyebabkan kesulitan dalam menentukan persebaran reservoir. Maka dari itu diperlukan metode yang lebih bagus untuk mengatasi kondisi geologi yang kompleks tersebut. Penelitian ini menggunakan metode multiatribut dan Probabilistic Neural Network (PNN) yang dapat mencari hubungan antara atribut seismik dengan data yang dicari, untuk prediksi nilai properti dari batuan sekitarnya. Dari metode ini dihasilkan persebaran pada data porositas dengan nilai korelasi 0,52, saturasi air dengan nilai korelasi 0,73, dan shale content dengan nilai korelasi 0,58. Dimana gabungan dari data porositas, saturasi air, shale content, dan data impedansi akustik (AI) hasil inversi dapat menjadi petunjuk untuk identifikasi persebaran reservoir. Dari nilai porositas dan saturasi dapat dibuat persebaran hidrokarbon, dimana pada penelitian ini didapatkan nilai antara 0,01 – 0,03. Lapangan FA ini memiliki reservoir yang berada di antara sumur F-06, FA-05, FA-15, dan FA-18 dan menyebar ke arah barat dari sumur FA-05, FA-15 & FA-18.

---

Oil and gas reserves are increasingly difficult to find due to more complex geological conditions. This complex condition causes difficulties in determining reservoir distribution. Therefore a better method is needed to overcome these complex geological conditions. This study uses a multi-attribute method and Probabilistic Neural Network (PNN) that can search for correlation between seismic attributes and the data sought, for the prediction of property values ​​from surrounding rocks. From this method the distribution of porosity data with a correlation value of 0.52 was generated, water saturation with a correlation value of 0.73, and shale content with a correlation value of 0.58. Where the combination of porosity data, water saturation, shale content, and acoustic impedance (AI) data of inversion results can be a clue to identify reservoir distribution. From the porosity and saturation values, hydrocarbon dispersion can be made, where in this study values ​​were obtained between 0.01 - 0.03. This FA field has a reservoir between wells F-06, FA-05, FA-15, and FA-18 and spreads westward from wells FA-05, FA-15 & FA-18."