SISTEM PREDIKSI ZONA POTENSIAL HIDROKARBON BERDASARKAN DATA WELL-LOG MENGGUNAKAN METODE RANDOM FOREST

Abstract

Kegiatan interpretasi data geofisika merupakan aktivitas analisis yang dilakukan oleh ahli geofisika dalam menginterpretasikan data hasil akuisisi. Pendugaan awal dilakukan untuk menjelaskan keadaan bawah permukaan. Penelitian ini dilakukan untuk membuat prediksi yang dapat membantu mempercepat dugaan awal kandungan hidrokarbon yang dilakukan oleh seorang ahli geofisika sebagai kegiatan interpretasi. Penerapan konsep Data Mining digunakan untuk mengklasifikasikan kandungan hidrokarbon pada lapisan tanah dilakukan dengan menerapkan Algoritma Random Forest yang digunakan untuk mengklasifikasikan kandungan hidrokarbon. Penerapan Data Mining dilakukan dengan konsep CRISP-DM dalam pengolahan dataset hingga pengembangan sistem prediksi yang dapat digunakan. Pada penelitian ini digunakan dataset yang didapatkan dari situs resmi NOPIMS dengan dataset awal berjumlah 28.378 data dan data yang digunakan berjumlah 4.556 data. Dengan perbandingan rasio 80-20 nilai akurasi yang didapatkan sebesar 0,9923 atau 99,23%, nilai presisi 0,97, nilai recall 0,98, nilai f1-measure 0,97, dan nilai AUC Score 0,9919.