Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini terletak di lapangan X, tepatnya di Jambi. Reservoar gas pada lapangan ini merupakan bagian dari sub cekungan Jambi, dimana litologinya berupa sandstone pada Formasi Air Benakat. Metoda Atribut Dekomposisi Spektral sangat baik untuk mengidentifikasi lapisan tipis berdasarkan parameter frekuensi. Pada penelitian ini menggunakan CWT (Continuous Wavelet Transform) dengan menggunakan wavelet Mexican Hat sebagai wavelet input. Frekuensi dominan dari reservoar gas ditunjukan pada 30 Hz. Metode lain yang digunakan adalah Spectral Ratio yang berfungsi untuk menghitung besar Q Factor. Berdasarkan hasil perhitungan, analisis nilai Q Factor menunjukan nilai yang kecil yaitu 140,75 , pada zona M, 184,89 pada zona N, dan 89,10 pada zona O relatif terhadap zona referensi. Nilai Q Factor yang kecil pada zona reservoar menunjukan koefisien atenuasi yang besar.

---

This research is located in Field X, the South side of Sumatra. Gas Reservoirs in the field were formed at Air Benakat Formation. The spectral decomposition method is very good tool to identify the thin layers based on frequency parameters. In this research, the author using CWT (Continuous Wavelet Transform) with respect to Mexican Hat wavelet type as wavelet. From gas reservoir, it was found the frequency dominant around 30 Hz. Spectral Ratio method is used to estimate Q Factor value. Based on calculation, Q Factor values is 140,75 for M zone, 184,89 for N zone, and 89,10 for O zone, relative to reference zone. Q factor that is small in reservoir, represent a large attenuation."

"Pulau Kalimantan merupakan pulau yang memiliki aktivitas tektonik yang cenderung stabil. Hal ini mengakibatkan pulau ini dapat menjadi reservoar hidrokarbon yang baik. Lapangan 'B' terletak di Kalimantan timur dan berada pada cekungan Tarakan yang merupakan salah satu cekungan intrakraton di Indonesia. Pada lapangan 'B' telah ditemukan hidrokarbon berupa gas di sumur 'M'. Gas ditemukan pada interval kedalaman 1800 - 1900 m. Hasil ini merupakan dasar untuk tahapan pengembangan suatu lapangan gas 'B' guna mengoptimalkan produksi. Dalam upaya mengoptimalkan produksi gas dibutuhkan pengeboran sumur tambahan di lapangan 'B'. Akan tetapi pengeboran sumur memakan biaya yang sangat mahal sehingga pengeboran harus tepat sasaran. Agar pengeboran tepat sasaran perlu dilakukan pendekatan tehadap persebaran hidrokarbon gas pada reservoar. Hidrokarbon gas lebih mudah teridentifikasi dengan metode dekomposisi spektral karena sifat dari gas yang akan mengatenuasi gelombang dengan frekuensi tinggi. Penelitian ini mengunakan dekomposisi spektral untuk menentukan persebaran gas dengan mengamati pola dari respon frekuensi. Berdasarkan hasil analisa dekomposisi spektral diperoleh persebaran hidrokarbon gas pada reservoar batu pasir formasi Tarakan berada pada bagian barat laut dan selatan yang memiliki potensi yang menjanjikan.

---

Kalimantan is an island with stable tectonic activity. So this island has high potential to be good hydrocarbon reservoir. 'B' field is located in the Tarakan basin eastern Kalimantan. In 'B' field hydrocarbon gas was found at 'M' well. Gas was found in the depth between 1800-1900 m. These results are the basis for the development of 'B' gas field in order to optimize production. To optimize production we must drilling another wells in this field. Because of drilling cost are very expensive, so drilling should be right on target. to make drilling precise we need representation of distribution hydrocarbon gas in the reservoir. Hydrocarbon gas more easily identified by spectral decomposition method because gas will atenuated with increasing frequency. This study uses spectral decomposition to determine the distribution of gas by observing the pattern of the frequency response. Based on spectral decomposition result, distribution of hydrocarbon gas detected in Northwest and Southern field on sandstone reservoir Tarakan formation."

"This book provides a modern introduction to harmonic analysis and synthesis on topological groups. It serves as a guide to the abstract theory of Fourier transformation. For the first time, it presents a detailed account of the theory of classical harmonic analysis together with the recent developments in spectral analysis and synthesis."

"This is the only book on spectral methods built around MATLAB programs. Along with finite differences and finite elements, spectral methods are one of the three main technologies for solving partial differential equations on computers. Since spectral methods involve significant linear algebra and graphics they are very suitable for the high level programming of MATLAB. This hands-on introduction is built around forty short and powerful MATLAB programs, which the reader can download from the World Wide Web. This book presents the key ideas along with many figures, examples, and short, elegant MATLAB programs for readers to adapt to their own needs. It covers ODE and PDE boundary value problems, eigenvalues and pseudospectra, linear and nonlinear waves, and numerical quadrature."

" ABSTRAKClustering adalah salah satu topik penting pada bidang Data Mining. Teori graf dapat digunakan untuk membantu clustering dengan cara membuat graf yang mewakili data-data yang akan di-cluster. Salah satu metode graf clustering adalah k-way spectral clustering yang memanfaatkan sebanyak k nilai eigen dan vektor eigen pertama dari matriks Laplacian suatu graf untuk melakukan clustering dengan k adalah banyaknya cluster yang diinginkan. Pada skripsi ini dibahas mengenai algoritma k-way spectral clustering merujuk kepada Ng, Jordan, dan Weiss (2002) dan von Luxburg (2007).

---

ABSTRACT

Clustering is one of the most important topic in Data Mining. Graph can be used to do clustering by forming a representation graph data which is needed to be clustered. K-way spectral clustering is one of many methods of graph clustering. This method uses first-k eigen values and eigen vectors of a Laplacian matrix to cluster with k is the number of desired clusters. In this skripsi, it will be discussed a k-way spectral clustering algorithm by Ng, Jordan, and Weiss (2002) and von Luxburg (2007)."