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

Aditya Nur'ahya, Ati Zaidiah

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.

Keywords


Prediksi, Hidrokarbon, Random Forest

References


Ipek, G., Bassiouni, Z., Kurniawan, B., dan Smith, J.R. 2007. I-B Shaly Sand Model: Application To Hydrocarbon Detection. Jurnal Of Canadian Petroleum Technology 46 (7), hlm. 55-61.

Davies, dan Beynon, P., 2004. "Database Systems Third Edition", Palgrave Macmillan, New York.

Etriyanti, E., Syamsuar, D., dan Kunang, Y.N., 2020. Implementasi Data Mining Menggunakan Algoritme Naïve Bayes Classifier dan C4.5 untuk Memprediksi Kelulusan Mahasiswa. Telematika. 13 (1). hlm. 56-67.

Dwihusna, Nadima, 2020. Seismic And Well Log Based Machine Learning Facies Classification In The Panoma-Hugoton Field, Kansas And Raudhatain Field, North Kuwait. 2020 - Mines Theses & Dissertations.

Agustyaningrum, C., Gata, W., Nurfalah, R., Radiyah, U. dan Maulidah, M., 2020. Komparasi Algoritma Naive Bayes, Random Forest dan SVM Untuk Memprediksi Niat Pembelanja Online. Jurnal Informatika, 20(2), hlm. 164-173.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 Prosiding Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.