Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam Penelitian ini bertujuan untuk mengevaluasi perbandingan insentif keekonomian dari aspek production sharing contract gross split dan perpajakan, khususnya untuk mengetahui besaran keseimbangan insentif yang dapat diberikan oleh pemerintah baik dalam perpajakan atau diskresi tambahan split kepada kontraktor wilayah kerja Alfa yang merupakan wilayah kerja operasional migas yang berada di Kalimantan. Metode yang digunakan dalam penelitian ini adalah metode kuantitatif, dengan melakukan perhitungan menggunakan skema bagi hasil gross split untuk melihat perbandingan keekonomian wilayah kerja Alfa tanpa diskresi, dengan tambahan diskresi dan kombinasi persentase pajaknya, dengan berbagai kombinasi tersebut, maka didapatkan 25 (dua puluh lima) skenario untuk perhitungan keekonomian terhadap wilayah kerja Alfa.  Berdasarkan perhitungan keekonomian pada wilayah kerja Alfa diperoleh nilai profitability index (PI) sebesar 1,09, nilai ini menunjukan nilai minimum keekonomian dari kontraktor. Berdasarkan skenario tersebut diperoleh analisa keekonomian dengan kombinasi besaran indirect tax 0-100% dan diskresi tambahan split 0-100%. Hasil penelitian menunjukkan nilai NPV kontraktor negatif jika insentif tambahan diskresi kurang dari (<) 50%, diskresi 75% dengan indirect tax 75% dan 100%. Sedangkan untuk nilai PI > 1 diskresi yang diberikan 75% dengan indirect tax 0-50% dan juga diskresi 100%. Perhitungan simulasi skenario dengan target PI sebesar 1,09 diperoleh hasil optimum besaran insentif yang seimbang pada indirect tax 50% dan diskresi tambahan split 92%.

---

The objective of this study is to evaluate the comparison of economic incentives from the aspect of production sharing contract gross split and taxation, especially to determine the balance of incentives that can be provided by the government either in taxation or additional discretion splits to contractors Alfa working area which is an oil and gas operational work area located in Kalimantan. The method used in this study is a quantitative method, by performing calculations using a gross split profit sharing scheme to observe the economic comparison of Alfa working area without discretion, with additional discretion and a combination of tax percentages, with various combinations, it provide 25 (twenty-five) scenarios for economic calculations to Alfa working area. Based on the economic calculation in Alfa's work area, the profitability index (PI) value is 1,09, this value shows the minimum economic value of the contractor. Based on these scenarios an economic analysis was obtained with a combination of the number of indirect tax 0-100% and additional discretionary split 0-100%. The results showed that the contractor's NPV value was negative if the additional discretionary incentive was less than 50%, 75% discretion is given with indirect tax 0-50% and 100% discretion. The scenario simulation calculation with a PI target of 1,09 obtained the optimum result of a balanced incentive amount at 50% indirect tax and an additional 92% split discretion."

"Waterflood berperan penting sebagai strategi pemberdayaan sumur minyak tua guna mencegah penurunan tekanan dan meningkatkan produksi minyak. Teknik streamline serta teknik tracer test adalah metode umum untuk mengevaluasi performa waterflood. Namun, kedua metode tersebut memiliki kekurangan akibat kebutuhan data geologis dengan ketidakpastian yang tinggi. Capacitance Resistence Model (CRM) diusulkan sebagai alternatif karena hanya memerlukan data historis debit sumur untuk memetakan kekuatan interkonektivitas antar sumur. Penelitian ini menggunakan data sintesis dan data lapangan X. Pada data sintesis, model CRMP dan CRMIP tervalidasi melalui history matching dengan R-square>0,9 dan MAPE<10%. Pada data lapangan X, ketidaklengkapan metode matematis menyebabkan hasil history matching menjadi belum optimal dengan nilai R-square 0,79-0,88 dan MAPE 127-185%. Analisis ketidakpastian dari model CRMP dan CRMIP dilakukan melalui metode Bayesian dengan luaran berupa prediction interval pada parameter hasil model CRM dan prediction band profil produksi fluida. Data sintesis memiliki prediction interval yang sedikit berbeda, dengan rata-rata coefficient of variations model CRMP yang lebih rendah dari model CRMIP. Data lapangan X memiliki nilai ketidakpastian pada model CRMP dan CRMIP yang lebih tinggi dibandingkan dengan dataset sintesis. Profil produksi fluida pada semua data yang digunakan menunjukkan hasil yang konsisten, dimana overall relative precision (%) model CRMP lebih rendah daripada model CRMIP.

---

Waterflood plays an important role as a strategy for empowering old oil wells to prevent pressure drops and increase oil production. The streamline technique as well as the tracer test technique are common methods for evaluating waterflood performance. However, both methods have drawbacks due to the need for geological data with high uncertainty. The Capacitance Resistance Model (CRM) is proposed as an alternative because it only requires historical well discharge data to map the strength of interconnectivity between wells. This study uses synthesis data and X field data. In the synthesis data, the CRMP and CRMIP models are validated through history matching with R-square>0.9 and MAPE<10%. In field data X, the incompleteness of the mathematical method causes the results of history matching to be not optimal with R-square values of 0.79-0.88 and MAPE 127-185%. Uncertainty analysis of the CRMP and CRMIP models was carried out using the Bayesian method with outputs in the form of prediction intervals on the results parameters of the CRM model and prediction bands of fluid production profiles. The synthesis data has slightly different prediction intervals, with an average coefficient of variation for the CRMP model which is lower than the CRMIP model. Field X data has a higher uncertainty value in the CRMP and CRMIP models compared to the synthesis dataset. The fluid production profile for all data used shows consistent results, where the overall relative precision (%) of the CRMP model is lower than the CRMIP model."

"ABSTRAKData bawah permukaan merupakan data yang sangat dibutuhkan dalam menentukan besar cadangan hidrokarbon di Indonesia. Selain itu, kualitas dari cadangan itu sendiri menentukan perkembangan industri migas kedepannya. Pemerintah telah secara agresif mendorong penggunaan gas alam dan saat ini pemerintah belum memiliki data mengenai cadangan gas secara efisien. Oleh karena itu, diperlukan penyusunan dalam manajemen data reservoir, khususnya reservoir gas. Penelitian ini menyajikan konsep sehingga pemerintah dapat dengan mudah melihat kualitas cadangan gas yang berasal dari data bawah permukaan. Dalam penelitian ini, manajemen data dilakukan dengan cara mengelompokkan data mentah sesuai parameter dari sistem evaluasi Sumber Daya Cadangan (eSDC). Salah satu sistem pengolahan data untuk analisa kualitas berproduksi suatu reservoir gas, menggunakan Bayesian Hierarchical Softmax Regression dengan perhitungan Markov Chain Monte Carlo untuk penyelesaian integral multi dimensi dari Bayesian. Penelitian ini menunjukkan bahwa dengan metode yang digunakan, dapat memprediksi keyakinan kualitas reservoir untuk berproduksi dan memberikan informasi ketidakpastian atas prediksi tersebut. Pada eSDC, terdapat lima klasifikasi status lapangan di Indonesia yaitu, on production, production on hold, production justified, production pending, dan recently discovered. Pada klasifikasi status On Production dengan 100 data lapangan gas, menghasilkan nilai precision 81%, recall 98%, dan f-measured sebesar 89%. Dengan demikian, dapat dikatakan bahwa lapangan gas dengan klasifikasi on production, keyakinan reservoir dalam berproduksi secara komersil tinggi.

---

ABSTRACTSubsurface data is data that is needed to determine the amount of hydrocarbon reserves in Indonesia. In addition, the quality of the reserves itself determines the future development of the oil and gas industry. The government has aggressively encouraged the use of natural gas and currently the government does not have data on gas reserves efficiently. Therefore, it is necessary to arrange in the management of reservoir data, especially gas reservoirs. This research presents a concept so that the government can easily see the quality of gas reserves from subsurface data. In this study, data management is done by grouping raw data according to parameters of the Reserve Resources evaluation system (eSDC). One of the data processing systems for analyzing the quality of producing a gas reservoir, using Bayesian Hierarchical Softmax Regression with Markov Chain Monte Carlo calculations for solving multi-dimensional integrals from Bayesian. This study shows that with the method used, it can predict reservoir quality beliefs for production and provide uncertainty information on these predictions. In eSDC, there are five classifications of field status in Indonesia, namely, on production, production on hold, production justified, production pending, and recently discovered. In the On Production status classification with 100 gas field data, it produces a precision value of 81%, recall 98%, and f-measured of 89%. Thus, it can be said that the gas field with the classification of on production, reservoir confidence in commercial production is high."