📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 101,300 dokumenPENINGKATAN PERFORMA MODEL VOICE SPOOFING DETECTION BERBASIS RAWNET2 PADA AUDIO DURASI PANJANG MENGGUNAKAN WAV2VEC 2.0
Sistem voice spoofing detection adalah sistem yang digunakan untuk membedakan audio suara asli manusia dengan suara palsu. Suara palsu di antaranya adalah suara yang dihasilkan oleh TTS. Penelitian oleh Xuechen, dkk. (2024) menunjukkan bahwa model voice spoofing detection yang dilatih menggunakan data audio jangka pendek mengalami penurunan kinerja yang signifikan ketika dievaluasi pada data audio jangka panjang. Salah satu model yang biasa digunakan pada model voice spoofing detection adalah RawNet2. Namun, RawNet2 memiliki kelemahan adanya informasi yang hilang terutama pada data audio panjang karena penggunaan max pooling pada sinc filter dan residual block yang memperkuat visibilitas informasi penting, namun secara tidak langsung menurunkan visibilitas informasi yang dipandang tidak penting. Pada data audio panjang terutama yang heterogen, informasi penting tersebar diseluruh bagian audio. Oleh sebab itu, penelitian ini melakukan pembuatan model voice spoofing detection untuk audio jangka panjang dengan memanfaatkan wav2vec 2.0 sebagai freeze feature extractor dan menggantikan layer sinc filter dan residual block pada arsitektur RawNet2. Model yang diusulkan menghasilkan kinerja model yang lebih baik daripada model baseline RawNet2 pada semua dataset yang dibuat. Pada dataset audio jangka pendek dengan absolut margin EER 0.97%, pada dataset audio jangka panjang dengan absolut margin 7.62%, dan pada dataset audio jangka panjang skala 10 kali lipat dengan absolut margin 7.93%
TEKNIK PEREDAMAN SWELL NOISE PADA DATA SEISMIK LAUT 2D
Data mentah rekaman seismik laut sering terkontaminasi oleh berbagai jenis noise, salah satunya yang paling dominan adalah swell noise. Swell noise merupakan gangguan inkoheren dengan amplitudo tinggi dan frekuensi rendah, yang terbentuk akibat pergerakan angin pada permukaan laut. Keberadaan swell noise menyebabkan penurunan kualitas data seismik karena dapat menutupi sinyal refleksi dengan amplitudo lebih kecil, terutama pada frekuensi rendah yang sangat penting dalam interpretasi geologi bawah permukaan. Oleh karena itu, diperlukan teknik peredaman yang mampu meningkatkan rasio sinyal terhadap noise tanpa menghilangkan informasi refleksi yang dibutuhkan. Penelitian ini bertujuan untuk mempelajari dan menguji penggunaan tiga metode peredaman, yaitu wiener prediction filter, median filter, dan bandpass filter, serta membandingkan efektivitas masing-masing metode. Data yang digunakan berasal dari satu line hasil akuisisi seismik laut 3D yang diproses sebagai data 2D. Pengolahan dilakukan menggunakan MATLAB R2024b melalui tahapan fast fourier transform, inverse filtering, konstruksi matriks Toeplitz, inverse FFT, serta konvolusi data dengan operator filter. Model noise diperoleh melalui lowpass filter dan digunakan sebagai output yang diinginkan pada perhitungan wiener prediction filter. Bandpass filter dan median filter diaplikasikan secara terpisah sebagai pembanding. Evaluasi dilakukan untuk mengamati efektivitas peredaman serta dampaknya terhadap kontinuitas dan kelengkapan sinyal refleksi. Hasil penelitian menunjukkan bahwa bandpass filter mampu meredam swell noise secara agresif, namun menghilangkan sinyal refleksi frekuensi rendah yang penting. Median filter cukup efektif dalam mereduksi noise berbentuk spike, tetapi masih menyisakan swell noise pada data. Sebaliknya, wiener prediction filter menunjukkan kemampuan yang lebih selektif dengan mempertahankan sinyal refleksi frekuensi rendah secara lebih baik. Oleh karena itu, wiener prediction filter dinilai sebagai metode yang paling efektif dan selektif dalam peredaman swell noise pada data seismik laut 2D.
PERBANDINGAN KINERJA ORKESTRASI KUBERNETES SINGLE-NODE DAN MULTI-NODE UNTUK DEPLOYMENT TESTBED JARINGAN SRV6 DENGAN CLABERNETES
Kebutuhan akan lingkungan pengujian (testbed) jaringan yang dinamis dan scalable mendorong adopsi platform orkestrasi kontainer seperti Kubernetes. Pemanfaatan Clabernetes memungkinkan deployment topologi jaringan kompleks, seperti untuk pengujian Segment Routing over IPv6 (SRv6), di dalam sebuah klaster. Namun, pilihan antara arsitektur klaster Kubernetes single-node dan multi-node memiliki implikasi kinerja yang krusial. Penelitian ini melakukan analisis komparatif kuantitatif terhadap kinerja kedua konfigurasi arsitektur tersebut, dengan melakukan deployment dua kasus topologi dengan kompleksitas berbeda (ring 4 router dan mesh 20 router). Metrik kinerja utama yang diukur meliputi waktu deployment, utilisasi sumber daya (CPU & softirq), dan throughput data plane. Hasil pengujian menunjukkan bahwa konfigurasi single-node secara konsisten lebih unggul dalam hal efisiensi waktu deployment (11.30 detik vs 17.10 detik untuk topologi mesh). Sebaliknya, konfigurasi multi-node menunjukkan kemampuan skalabilitas sumber daya yang superior, di mana utilisasi CPU per worker node tetap rendah (<10%) bahkan saat konfigurasi single-node telah mencapai titik saturasi (88%). Temuan paling signifikan, yang berlawanan dengan hipotesis awal, terletak pada kinerja data plane: konfigurasi single-node secara tak terduga menghasilkan throughput yang jauh lebih tinggi (sekitar 3 Gbps). Sebaliknya, kinerja multi-node sangat rendah (turun hingga 0.285 Gbps pada topologi mesh), yang diatribusikan pada overhead jaringan overlay antar-host. Kontribusi utama penelitian ini adalah pembuktian empiris mengenai adanya trade-off fundamental dalam perancangan testbed jaringan berbasis Kubernetes. Konfigurasi single-node menawarkan kinerja data plane yang sangat efisien karena komunikasi kernel-internal, namun dengan mengorbankan skalabilitas sumber daya. Sebaliknya, konfigurasi multi-node menawarkan skalabilitas sumber daya yang superior, namun dengan penalti kinerja data plane yang signifikan. Temuan ini memberikan panduan esensial bahwa pemilihan arsitektur harus disesuaikan dengan prioritas utama testbed, apakah untuk mencapai kinerja data plane maksimum atau untuk memastikan skalabilitas beban kerja.
KARAKTERISASI RESERVOIR BATUPASIR PADA LAPANGAN
Lapangan “NCA” di Cekungan Sumatra Selatan merupakan salah satu lapangan hidrokarbon yang masih aktif berproduksi dan terus dikembangkan sampai saat ini. Target utama dalam penelitian ini adalah Formasi Talang Akar, yang tersusun atas batupasir dengan sisipan shale serta menunjukkan kompleksitas lateral dan vertikal akibat pengaruh lingkungan pengendapan serta sejarah tektonik. Kompleksitas tersebut menimbulkan tantangan dalam pemetaan reservoir, sehingga diperlukan pendekatan integratif antara data seismik dan data sumur untuk memperoleh gambaran yang lebih akurat. Penelitian ini menggunakan data seismik 3D pre stack offset gather yang ditingkatkan kualitasnya melalui tahapan seismic conditioning dan spectral balancing guna memperbaiki signal to noise ratio pada data seismik. Evaluasi dilakukan terhadap hasil inversi dari tiga kondisi data, yaitu raw volume, conditioning volume, dan spectral balancing volume. Hasil inversi menunjukkan bahwa data conditioning volume menghasilkan korelasi tertinggi dengan data log sumur, sehingga lebih representatif untuk proses karakterisasi. Metode inversi yang digunakan meliputi acoustic impedance (AI), shear impedance (SI), dan extended elastic impedance (EEI). Analisis crossplot terhadap sand shale ratio dan net pay menunjukkan bahwa kombinasi acoustic impedace/shear impedance memberikan interpretasi distribusi reservoir yang lebih baik dibandingkan extended elastic impedance. Lebih lanjut, hasil inversi mengindikasikan bahwa zona prospek hidrokarbon memiliki karakteristik nilai Vp/Vs ratio yang rendah serta secara spasial membentuk pola chanel. Pola tersebut mencerminkan sistem pengendapan coastal plain dalam kerangka transgressive system tract (TST). Hasil dari interpretasi terintegrasi antara data seismik dan data sumur memberikan pemahaman yang komprehensif terhadap distribusi pada zona target reservoir, hal ini menjadi dasar penting dalam melakukan perencanaan pengembangan lapangan secara tepat dan berkelanjutan.
KARAKTERISASI RESERVOIR MENGGUNAKAN INVERSI IMPEDANSI AKUSTIK SERTA ANALISIS SEISMIK STRATIGRAFI PADA LAPANGAN
Cekungan Sumatra Selatan merupakan salah satu cekungan migas utama di Indonesia. Cekungan ini telah menjadi pusat kegiatan eksplorasi dan produksi hidrokarbon. Salah satu reservoir penting pada cekungan ini terdapat pada Formasi Baturaja yang merupakan reservoir karbonat. Salah satu lapangan aktif yang terdapat pada Formasi Baturaja yaitu Lapangan ”SDA”. Penelitian yang dilakukan pada Lapangan ”SDA” ini memiliki tujuan identifikasi persebaran hidrokarbon di Formasi Baturaja yang merupakan reservoir rock dengan litologi batu karbonat. Data yang digunakan yaitu data seismik 3D angle gather dengan empat sumur. Dilakukan peningkatan resolusi data seismik untuk peningkatan kualitas data dengan menggunakan metode conditioning seismic data yang terdiri dari bandpass filter, angle mute, super gather dan trim static. Serta enhancing seismic data yaitu spectral balancing dan loop reconvolution yang terdiri dari proses trace resample, first derivative, sparsepike, dan reconvoluted. Selanjutnya dilakukan analisis parameter elastis pada data log sumur yang sensitif untuk mendeteksi keberadaan fluida gas, didapatkan bahwa parameter yang elastis yaitu P-impedance. Dilakukan analisis inversi linear programming sparse spike (LPSS) yang dilakukan dengan parameter setiap sumur yang kemudian dirata-ratakan. Hasil dari inversi menunjukkan bahwa zona yang berasosiasi dengan gas memiliki nilai acoustic impedance yang rendah, sedangkan untuk zona yang tidak berasosiasi dengan gas akan menghasilkan nilai acoustic impedance yang tinggi. Berdasarkan peta atribut RMS zona target hidrokarbon pada Lapangan ”SDA” memiliki nilai RMS yang rendah. Zona target reservoir Formasi Baturaja pada Lapangan ”SDA” ini terbentuk pada lingkungan pengendapan patch reef pada sisi barat dan shelf margin reef pada sisi timur. Formasi Baturaja pada lapangan ini terbentuk pada saat muka air mengalami kenaikan atau transgresi yang kemudian diikuti oleh susut air laut yang kemudian menyebabkan patch reef dan shelf margin reef pada lapangan ini tersingkap dan mengalami diagenesis.
PENGARUH KOMPOSISI LI TERHADAP SIFAT MEKANIS PADUAN MGLI MENGGUNAKAN SIMULASI MOLECULAR DYNAMICS
Dunia sedang melakukan transisi energi fosil menjadi energi terbarukan. Namun, selama transisi ini, energi fosil tidak bisa serta merta ditinggalkan, sehingga upaya yang bisa dilakukan adalah dengan mengurangi penggunaan energi fosil ini. Salah satu cara menurunkan konsumsi energi fosil adalah dengan mengurangi berat kendaraan bermotor dan pesawat. Salah satu material ultraringan dengan sifat mekanis yang baik adalah paduan magnesium-lithium (MgLi). MgLi memiliki densitas berkisar antara 1,35-1,74 g/cm3. Paduan ini juga memiliki sifat mekanis yang bervariasi bergantung dari komposisi Li. Dalam penelitian ini, efek penambahan komposisi Li pada paduan MgLi terhadap sifat mekanisnya akan dipelajari dengan metode simulasi molecular dynamics (MD). Beberapa rangkaian simulasi telah dilakukan untuk variasi komposisi Li (at%) tertentu pada temperatur konstan 300 K untuk mempelajari efeknya terhadap sifat mekanis paduan MgLi. Dilakukan optimasi struktur untuk menghitung nilai parameter kisi equilibrium dengan perangkat lunak Large-scale Atomic/Molecular Massively Parallel Simulator (LAMMPS). Uniaxial tensile dan compressive test ditinjau di arah x dan z serta dilakukan perhitungan stacking-fault energy (SFE). Kemudian dilakukan analisis evolusi mikrostruktur menggunakan common neighbour analysis (CNA) dan perilaku dislokasi pada paduan dengan dislocation analysis (DXA) untuk melihat pengaruh penambahan Li terhadap sifat mekanik paduan dengan OVITO. Berdasarkan hasil simulasi, ditemukan struktur paduan MgLi dengan konsentrasi Li 0-20% stabil dalam fasa HCP dengan nilai parameter kisi c/a sebesar 1,624. Nilai UTS, UCS, yield strength, dan modulus Young mengalami peningkatan pada komposisi Li 1% dari Mg murni secara berurutan yaitu 2,004 menjadi 5,311 GPa; 2,109 menjadi 9,293 GPa; 1,37 menjadi 5,02 GPa; dan 17,115 dan 48,797 GPa. Kemudian nilai-nilai ini mengalami penurunan pada komposisi Li 10% secara berurutan sebesar 4,439; 6,590; 4,26; dan 42,562 GPa. Pemaduan Mg dengan Li meningkatkan nilai UTS, UCS, yield strength, dan modulus Young secara signifikan, namun penambahan komposisi Li lebih lanjut akan menurunkan nilai-nilai ini. Paduan MgLi mengalami perubahan struktur dari HCP menjadi amorf dan mengalami tipe dislokasi dominan berupa ?<11?00>. Penambahan komposisi Li pada paduan MgLi menunjukkan tren penurunan nilai SFE dimana pada komposisi Li 0% (Mg murni) bernilai 328 mJ/m2 turun hingga 284 mJ/m2 pada komposisi Li 15%.
PENGARUH VARIASI UNSUR ND TERHADAP SIFAT MEKANIK MAGNESIUM-NEODYMIUM (MG-ND) DENGAN SIMULASI MOLECULAR DYNAMIC UNTUK APLIKASI BIOMEDIS
Magnesium memiliki densitas 1,74 g/cm³ dan modulus elastisitas yang mendekati tulang manusia. Mg dipilih sebagai matriks biokompatibel dan terdegradasi secara hayati. Selain itu, penambahan Nd dapat menghaluskan mikro struktur dan meningkatkan kekuatan mekanik. Kedekatan nilai elastisitas dan ultimate strength membuat paduan magnesium menjadi paduan yang paling cocok untuk mengatasi masalah stress shielding pada implan tulang. Oleh karena itu, penelitian ini bertujuan untuk mengeksplorasi potensi paduan MgNd. Harapannya studi ini akan memberikan wawasan atomistik terhadap perubahan parameter kisi, kekuatan tarik maksimum, modulus elastisitas, kekuatan luluh, dan energi salah tumpuk, sekaligus mendukung pengembangan implan ortopedi berbasis Mg–Nd. Simulasi dinamika molekuler digunakan untuk dapat mengevaluasi efek variasi komposisi Nd pada paduan Mg–Nd. Pertama, struktur sel tunggal HCP Mg–Nd dibuat dengan variasi fraksi Nd sebagai random solid solution pada Atomsk, kemudian disimulasikan pada LAMMPS yang dikondisikan dengan batasan periodik pada suhu 300 K. Setelah itu dilakukan penstabilan energi untuk memperoleh konstanta kisi optimal, diikuti relaksasi termal pada suhu 300 K dan tekanan 1 bar yang konstan. Uji mekanik uniaxial tensile dan compressive dijalankan pada laju regangan konstan untuk mendapatkan kurva tegangan–regangan yang akan menghasilkan ultimate tensile strength, yield strength, dan modulus Young. Evolusi struktur kristal dan dislokasi dapat dilihat melalui common neighbor analysis (CNA) dan dislocation extraction analysis (DXA). Terakhir, energi salah tumpuk (?sf) dihitung dengan membandingkan energi struktur sempurna dan struktur mengandung salah tumpuk melalui CNA di OVITO per area kesalahan tumpuk. Penambahan unsur Nd pada paduan Mg-xNd (x = 0; 0,17; 0,34; 0,52; 1,25; 2,5; 3,75 at%) akan menaikkan nilai parameter kisi serta menurunkan nilai kekuatan dan modulus Young. Hasil simulasi menunjukkan penurunan signifikan pada UTS (5,02 GPa menjadi 4,45 GPa), yield strength (3,51 GPa menjadi 3,37 GPa), modulus Young (48,14 GPa menjadi 47,52 GPa), dan energi salah tumpuk (411 mJ/m² menjadi 385 mJ/m²) seiring dengan peningkatan kandungan Nd. Perubahan struktur kristal dari struktur kristal HCP menjadi amorf juga diamati, yang mengindikasikan bahwa penambahan Nd mengubah kestabilan dislo
INTERPRETATION OF CONVENTIONAL WELL LOG DATA AND FORMATION MICRO IMAGE (FMI) DATA TO IDENTIFY FACIES AT EACH DEPTH AND DETERMINE THE NUMBER OF FACIES CLUSTERS IN WELLS FCB-01 AND FCB-02
Facies classification is a crucial component in petrophysical evaluation and reservoir characterization, as it directly relates to variations in rock properties and hydrocarbon distribution. This study aims to interpret conventional well log data and Formation Micro Image (FMI) data to identify facies at each depth and determine the number of facies clusters in two wells, FCB-01 and FCB-02, located in the Jatibarang Field, West Java. The methodology combines supervised learning using the Random Forest algorithm for facies classification and unsupervised learning with the Gaussian Mixture Model (GMM) to objectively determine the number of facies clusters. Conventional well log data from both wells and FMI data (available only in FCB-02) were analyzed using Python in Google Colab. The workflow includes data preprocessing, interpolation, normalization, model training, accuracy evaluation, and visualization of classification and clustering results. The results demonstrate that machine learning approaches can enhance the objectivity of facies interpretation and offer an efficient alternative in the absence of core data. This study recommends the acquisition of FMI data in more wells and the development of the classification model into a broadly applicable system for exploration and field development stages.
STUDI PARAMETRIK MINERALISASI CO? PADA RESERVOIR BASALTIK GEOTERMAL: STUDI KASUS LAPANGAN GEOTERMAL UNGARAN, INDONESIA
Facies classification is a crucial component in petrophysical evaluation and reservoir characterization, as it directly relates to variations in rock properties and hydrocarbon distribution. This study aims to interpret conventional well log data and Formation Micro Image (FMI) data to identify facies at each depth and determine the number of facies clusters in two wells, FCB-01 and FCB-02, located in the Jatibarang Field, West Java. The methodology combines supervised learning using the Random Forest algorithm for facies classification and unsupervised learning with the Gaussian Mixture Model (GMM) to objectively determine the number of facies clusters. Conventional well log data from both wells and FMI data (available only in FCB-02) were analyzed using Python in Google Colab. The workflow includes data preprocessing, interpolation, normalization, model training, accuracy evaluation, and visualization of classification and clustering results. The results demonstrate that machine learning approaches can enhance the objectivity of facies interpretation and offer an efficient alternative in the absence of core data. This study recommends the acquisition of FMI data in more wells and the development of the classification model into a broadly applicable system for exploration and field development stages.
STUDI PARAMETRIK MINERALISASI CO? PADA RESERVOIR BASALTIK GEOTERMAL: STUDI KASUS LAPANGAN GEOTERMAL UNGARAN, INDONESIA
This study investigates the potential for CO? mineral trapping in basaltic formations using geochemical equilibrium modeling. The simulation involves five main stages: initial brine characterization, surface CO? injection and mixing, temperature-pressure adjustment to reservoir conditions, and two sequential rock-fluid interactions. PHREEQC is utilized to track ion molality and saturation indices (SI) of potential secondary minerals. Results show that temperature significantly influences ion behavior and mineral formation, while pressure has negligible effects. Notably, Ca²? concentrations continue to increase at elevated temperatures, suggesting ongoing dissolution of calcium-bearing minerals. In contrast, Mg²? concentrations decrease, likely due to partial precipitation at intermediate temperatures. Among the carbonate minerals, calcite consistently shows positive SI values across all conditions, indicating it is the main carbonate phase contributing to CO? trapping. In addition, iron-bearing and sulfate minerals such as hematite, magnetite, and anhydrite also exhibit high SI values and may play a complementary role in long-term mineral sequestration. The findings highlight the viability of basaltic systems for geologically secure CO? storage via mineralization.
INTEGRASI FOTOGRAMETRI UAV DAN CONVOLUTIONAL NEURAL NETWORK UNTUK PEMETAAN ORIENTASI KEKAR
Diskontinuitas pada massa batuan merupakan elemen penting dalam analisis kestabilan lereng. Identifikasi dan klasifikasi bidang diskontinuitas umumnya dilakukan secara manual di lapangan dengan survey scanline. Namun, pendekatan ini memiliki keterbatasan dari segi cakupan area dan risiko keselamatan kerja. Salah satu cara untuk meminimalkan keterbatasan tersebut adalah dengan pemetaan fotogrametri menggunakan UAV (Unmanned Aerial Vehicle). Dalam penelitian ini, dilakukan akuisisi data berupa citra udara dengan menggunakan UAV DJI Mini 3 untuk menghasilkan point cloud dari permukaan lereng. Point cloud yang dihasilkan akan diproses menggunakan perangkat lunak open source, CloudCompare. Pengolahan ini bertujuan untuk mendapatkan parameter diskontinuitas seperti orientasi kekar secara digital. Dalam pengolahannya, akan menggunakan ekstensi dari CloudCompare yang disebut FACETS. Ekstensi ini memungkinkan untuk mengidentifikasi bidang diskontinuitas secara otomatis dari model permukaan point cloud. Selain memetakan diskontinuitas secara digital, point cloud yang sudah dimodelkan akan diolah dengan menggunakan convolutional neural network yang dikembangkan oleh Mehrishal dkk. (2024). Hasil dari diskontinuitas yang didapatkan dengan menggunakan kecerdasan buatan, digital, dan manual akan saling dibandingkan untuk melihat tingkat keakuratannya. Penelitian ini menunjukkan bahwa integrasi UAV, fotogrametri, dan CNN dapat menjadi alternatif untuk pemetaan diskontinuitas pada lereng massa batuan. Namun, hasil perbandingan menunjukkan bahwa meskipun CNN mampu mengidentifikasi orientasi dan set kekar, terdapat perbedaan hasil yang berbeda dibandingkan metode konvensional. Oleh karena itu, penerapan metode ini memerlukan evaluasi lebih lanjut agar dapat menghasilkan interpretasi geologi yang lebih akurat.
KARAKTERISASI RESEVOIR BATUPASIR GAS MENGGUNAKAN PARAMETER ELASTIS LAMBDA-MU-RHO PADA FORMASI GREEN, LAPANGAN MC109, CEKUNGAN MISSISSIPPI CANYON
Lapangan MC109 di wilayah Mississippi Canyon, Teluk Meksiko, merupakan area eksplorasi laut dalam yang memiliki potensi signifikan berupa akumulasi gas pada sistem batupasir saluran berumur Pliosen. Namun, karakterisasi reservoir di zona Green masih menghadapi tantangan berupa heterogenitas lateral fasies dan keterbatasan resolusi data seismik konvensional dalam membedakan litologi dan saturasi fluida. Penelitian ini bertujuan untuk menentukan parameter elastis yang sensitif dalam pemisahan litologi dan fluida saturasi, memperoleh volume Acoustic Impedance (AI) dan Shear Impedance (SI) menggunakan metode pre-stack simultaneous inversion, serta menurunkan volume Lambda-Rho dan Lambda/Mu dari transformasi volume AI dan SI guna mendukung pemetaan sebaran reservoir batupasir gas tersaturasi. Analisis dilakukan melalui integrasi data log dari lima sumur dan data seismik partial angle stack, dengan proses pre-stack simultaneous inversion. Hasil analisis sensitivitas parameter fisis pada Formasi Green menunjukkan bahwa P-impedance dengan nilai kurang dari 14000 ft/s·g/cc dan densitas kurang dari 2,16 g/cc merupakan parameter yang sensitif terhadap litologi, sedangkan Lambda-Rho kurang dari 13,5 GPa·g/cc dan rasio Lambda-Mu kurang dari 2,4 menjadi indikator paling sensitif terhadap fluida tersaturasi. Volume AI dan SI yang diperoleh melalui metode pre-stack simultaneous inversion memperlihatkan hasil yang baik dengan nilai korelasi seismik tinggi di empat sumur, yaitu 0,92525 (Well 1), 0,97382 (Well 3), 0,96218 (Well 4), dan 0,96337 (Well 5), serta error seismik yang relatif rendah, mengindikasikan kesesuaian yang tinggi antara hasil inversi dan data log sumur. Transformasi volume elastik menjadi Lambda-Rho dan Lambda/Mu menunjukkan distribusi nilai rendah yang tersebar di sekitar zona patahan, yang mengindikasikan potensi zona tersebut sebagai reservoir batupasir gas tersaturasi, dengan peran patahan sebagai jalur migrasi maupun perangkap hidrokarbon. Penelitian ini memberikan kontribusi penting dalam pemahaman karakteristik reservoir dan pemetaan sebaran hidrokarbon di wilayah studi
MODEL PENILAIAN RISIKO KREDIT MENGGUNAKAN MACHINE LEARNING
Penelitian ini bertujuan mengembangkan sistem penilaian risiko kredit berbasis machine learning untuk meningkatkan akurasi dan efisiensi analisis kelayakan kredit di Bank Perkreditan Rakyat (BPR) dalam menghadapi persaingan fintech. Data penelitian diperoleh dari BPR Perdana dengan 451 entri nasabah dan 25 variabel yang mencakup aspek demografis, finansial, dan riwayat kredit. Proses meliputi pembersihan data, seleksi fitur menggunakan korelasi Spearman, ANOVA, Chi-Square, dan Mutual Information, serta pembentukan label risiko baru melalui klasterisasi dengan Gaussian Mixture Model. Untuk mengatasi ketidakseimbangan kelas, digunakan Random Oversampling dan SMOTE-NC. Model klasifikasi diuji dengan algoritma Random Forest, LightGBM, dan XGBoost, dievaluasi menggunakan metrik akurasi, presisi, nilai f, serta validasi silang. Hasilnya menunjukkan bahwa penerapan penyeimbangan data secara signifikan meningkatkan kinerja model, dengan LightGBM dan Random Oversampling memberikan akurasi dan kestabilan prediksi terbaik, sehingga metode ini layak diterapkan pada BPR untuk mempercepat proses kredit tanpa mengorbankan prinsip kehati-hatian.
PEMETAAN LUBANG BEKAS TAMBANG BATUBARA DENGAN METODE ANALISIS SPEKTRAL DAN OBJECT BASED IMAGE ANALYSIS (OBIA) SERTA GEOLOGICAL LINEAMENT MENGGUNAKAN CITRA SENTINEL-2 DI SAMARINDA BAGIAN SELATAN, PROVINSI KALIMANTAN TIMUR
Aktivitas penambangan batubara dengan metode tambang terbuka banyak dilakukan di Indonesia, khususnya wilayah Samarinda, Kalimantan Timur. Ketidakcukupan material overburden untuk backfilling mengakibatkan terbentuknya lubang bekas tambang (void) di akhir umur penambangan (LOM). Pengelolaan yang tidak tepat pada void berpotensi mengakibatkan dampak negatif. Kelengkapan data menjadi hal yang penting untuk penentuan kebijakan terhadap void. Namun, batasan spasial mengakibatkan sulitnya proses inventarisasi data. Sehingga, analisis menggunakan citra satelit dianggap menjadi solusi untuk dapat memetakan void. Citra satelit yang digunakan adalah Sentinel-2 Level 2A. Metode yang digunakan adalah Indeks Spektral dan Object Based Image Analysis (OBIA) untuk memperoleh klasifikasi tutupan lahan berdasarkan nilai confusion matrix terbaik. Metode OBIA memiliki akurasi yang paling baik dengan nilai koefisien Kappa sebesar 0,82. Hasil klasifikasi tutupan lahan menggunakan metode OBIA dinalisis lebih lanjut menggunakan shape index (circularity dan elongation) dan geological lineament untuk memperoleh pemetaan void yang lebih akurat. Pemetaan void dilakukan berdasarkan badan air yang memiliki luas minimum 1 Ha, circularity 0,1 – 0,8, elongation 0,2 – 1, dan deviasi geological lineament sebesar ±30°. Hasil pemetaan diperoleh 101 objek badan air teridentifikasi sebagai void dengan 77 objek void di dalam WIUP dan 24 objek void di luar WIUP, lalu wilayah dengan pit lakes density paling tinggi berada di Desa Sari Jaya dengan nilai 0.01152 Void/Ha.
PETA KUALITAS RESERVOIR DENGAN PENDEKATAN TOP-DOWN MENGGUNAKAN POLA PENGENALAN FUZZY: STUDI KASUS LAPANGAN
This study proposes an AI-driven approach for reservoir quality mapping, integrating Fuzzy Logic and Fuzzy Pattern Recognition (FPR) within the Top-Down Reservoir Modelling (TDRM) framework. The goal is to identify the most effective method for defining reservoir boundaries and representing quality variations over time. Three methods 4x4 uniform grid, fuzzy boundaries, and gradient-based (linear regression) segmentation are compared for accuracy and consistency. Cumulative production data from 70 wells in the Northwest Java Basin (1970-2025) were processed using Fuzzy C-Means clustering into four quality classes: “poor,” “average,” “good,” and “excellent.” Reservoir segmentation was performed using spatial attributes and tested across multiple time intervals, with blind testing to evaluate robustness. Findings show that the uniform grid method cannot capture actual reservoir complexity, while fuzzy boundaries yield dynamic but overly broad, literature-inconsistent results. The gradient-based method, using slope variations in production curves, provides the most accurate and consistent boundaries, aligning with fuzzy clustering outcomes. Observed quality shifts, such as between “poor” and “average,” were effectively represented, supporting better field development decisions. The study concludes that gradient-based segmentation is the most reliable for boundary delineation, while fuzzy clustering effectively classifies reservoir quality in complex, uncertain conditions.