Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Seni ITS
Windia Cinde Prameswari
Institut Teknologi Sepuluh Nopember Surabaya
Arts Humanities

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pemodelan Produksi Minyak dan Gas Bumi Pada Platform “MK” di PT “X” Menggunakan Metode ARIMA, Neural Network, dan Hibrida ARIMA-Neural Network Windia Cinde Prameswari; Destri Susilaningrum; Suhartono Suhartono
Jurnal Sains dan Seni ITS Vol 5, No 2 (2016)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (696.304 KB) | DOI: 10.12962/j23373520.v5i2.16893

Abstract

Minyak dan gas bumi dapat diambil secara langsung melalui sumur-sumur yang dibuat, namun sumur-sumur tersebut tidak akan menghasilkan jumlah minyak dan gas bumi yang konstan setiap hari. Ketika kandungan minyak dan gas mulai turun maka yang harus dilakukan adalah memberikan treatment terhadap sumur tersebut, sehingga minyak dan gas yang masih terkandung di dasar bumi bisa naik dengan jumlah yang lebih banyak. Tujuan dilakukannya penelitian ini adalah untuk membantu perusahaan dalam menganalisis jumlah produksi minyak dan gas bumi selama periode 14 hari selanjutnya, sehingga dapat diketahui apakah selama periode 14 hari selanjutnya diperlukan treatment terhadap sumur. Data yang digunakan adalah jumlah produksi minyak dan gas bumi pada platform “MK” pada tahun 2015. Pemodelan jumlah produksi minyak dan gas bumi dilakukan menggunakan tiga metode, yaitu ARIMA, neural network, dan Hibrida ARIMA-neural network. Hasil yang diperoleh berdasarkan analisis ketiga metode tersebut adalah pada jumlah produksi minyak bumi model terbaik diperoleh dari metode hibrida ARIMA-neural network, dengan hasil ramalan yang cenderung sama selama 14 hari yaitu 1961 barel. Sedangkan jumlah produksi gas bumi model terbaik diperoleh dari metode neural network, dengan ramalan produksi untuk 14 hari selanjutnya cenderung meningkat.
Co-Authors Destri Susilaningrum Suhartono Suhartono