Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Lapangan Z yang berlokasi di Sub-cekungan Cipunegara merupakan salah satu lapangan penghasil gas dengan reservoir berlitologi karbonat platform dan karbonat reef. Berdasarkan 7 data sumur dan data seismik 3D PSTM, sumur A1, A3, G1, W1, C18, C19, dan C26 menunjukan bahwa zona interest dalam penelitian ini yaitu layer F menunjukan kedalaman dan karakteristik yang berbeda. Selanjutnya, berdasarkan data sumur yang tersedia akan dilaksanakan analisa petrofisika yang bertujuan untuk mengkarakterisasi reservoir berdasarkan properti batuan, seperti porositas, densitas, saturasi air, kecepatan batuan (Vp dan Vs) dan sebagainya. Dalam ketiadaan data Vs, nilai Vs tersebut akan didapat dengan dilakukannya proses deep learning. Setelah data Vs didapatkan, dilaksanakan analisa sensitivitas melalui crossplot yang bertujuan untuk mencari parameter yang sensitive terhadap perubahan litologi. Hasil didapat parameter AI cukup sensitive sehingga dipakai untuk proses inversi. Inversi dalam penelitian ini adalah jenis model based. Berdasarkan peta persebaran AI hasil inversi, lapisan F dengan litologi karbonat ditandai dengan warna hijau sampai kuning-jingga dengan nilai cut-off 6800 ((m*s)/(g/cc)). Selanjutnya akan dilaksanakan proses validasi hasil inversi AI menggunakan deep learning sebagai pendekatan yang berbeda. Hasil deep learning menunjukan nilai validasi yang cukup baik. Hal ini dapat disimpulkan bahwa inversi AI dan deep learning dapat dipakai sebagai inovasi yang baik untuk proses karakterisasi reservoir.

---

Field Z, located in the Cipunegara Sub-basin, is one of the gas-producing fields with carbonate platform and carbonate reef reservoirs. Based on 7 wells data and 3D PSTM seismic data, A1, A3, G1, W1, C18, C19, and C26 wells show that the zone of interest in this study named the F layer shows different depths and characteristics. Furthermore, based on available well data, will be carried out a petrophysical analysis that aims to characterize the reservoir based on rock properties, such as porosity, density, water saturation, rock velocity (Vp and Vs), and so on. In the absence of data Vs, the value of Vs will be obtained by doing a deep learning process. After the Vs data is obtained, a sensitivity analysis is carried out through a cross plot that aims to find parameters that are sensitive to changes in lithology. The result shows that the AI parameter is quite sensitive, so that Acoustic Impedance or AI is used for the inversion process. Inversion in this research is a model-based type. Based on the AI distribution map of inversion results, the F layer with carbonate lithology is marked in green to yellow-orange with a cut-off value of 6800 ((m*s)/(g/cc)). Furthermore, the AI inversion result will be validated using deep learning as a different approach than usual. The deep learning results shows a good validation score. It can be concluded that AI inversion and deep learning can be used as good innovations for reservoir characterization processes.

Abstrak :
Topik stimulus fiskal berbasis uang saat ini menjadi semakin penting dalam diskur- sus akademik akibat relevansi kebijakan topik tersebut yang semakin signifikan. Studi-studi lampau yang menggunakan model DSGE New Keynesian menemukan bahwa stimulus fiskal berbasis uang lebih efektif (fiscal multiplier lebih besar) jika dibandingkan dengan stimulus fiskal berbasis utang. Namun, literatur yang ada saat ini belum menganalisis dampak stimulus fiskal berbasis uang dalam konteks negara berkembang, di mana resesi yang disebabkan okeh pandemi COVID-19 se- makin meningkatkan signifikansi stimulus fiskal berbasis uang sebagai alat untuk menaikkan kapasitas fiskal. Studi-studi sebelumnya juga belum menambahkan pe- ran intermediasi keuangan dalam model, yang mungkin memiliki pengaruh besar terhadap dampak stimulus fiskal dalam rezim fiskal yang berbeda. Dengan men- gacu pada Gali (2019) dan Kirchner & van Wijnbergen (2016), saya memban- gun sebuah model DSGE New Keynesian dengan perekonomian tertutup dan pe- nambahan peran intermediasi keuangan. Model tersebut dipakai untuk memband- ingkan dampak makroekonomi dari kebijakan stimulus berbasis uang dan dampak makroekonomi dari kebijakan stimulus berbasis utang. Saya menganalisis efek ter- hadap berbagai variabel makroekonomi dalam kedua rezim fiskal yang berbeda tersebut ketika terjadi COVID-19 shock. Parameter dalam model disesuaikan de- ngan konteks COVID-19 dan Indonesia. Hasil dari skripsi ini menunjukkan bahwa stimulus fiskal berbasis uang lebih efektif dibandingkan stimulus fiskal berbasis utang. Inflasi yang dihasilkan juga tidak jauh lebih tinggi dengan signifikan. Hasil dari skripsi ini juga memiliki relevansi dalam persoalan terkait kesesuaian penggu- naan stimulus fiskal berbasis uang sebagai alat kebijakan di negara berkembang. ......The topic of money-financed fiscal stimulus (MFFS) has become increasingly salient in academic discourse given its increasing policy relevance. Previous studies utilizing the New Keynesian DSGE framework generally find that MFFS is indeed more effective (i.e has a higher fiscal multiplier) than debt-financed fiscal stimu- lus (DFFS). However, the literature has yet to analyze the impact of MFFS in the context of an emerging country, where the recession caused by the COVID-19 pan- demic has increased the significance of MFFS as a tool to increase fiscal capacity. Additionally, previous models have yet to include the role of financial intermedi- ation, which may have significant influence on the effects of fiscal stimulus un- der different regimes. Building upon Gali (2019) and Kirchner & van Wijnbergen (2016), I construct a closed economy New Keynesian DSGE model with financial intermediation to compare the macroeconomic effects of MFFS with the effects of debt-financed fiscal stimulus DFFS. I analyze the path of various macroeconomic variables under the two different fiscal regimes when a COVID-19 shock is imposed on the economy. Parameters are set in line with the Indonesian and COVID-19 con- text. The results of this thesis indicate that MFFS is indeed more effective than DFFS with a marginal trade-off of only moderately higher inflation. The results also shed light into the viability of MFFS as a policy tool in emerging countries.