Ini Karier Paling Menjanjikan Buat Milenial dan Gen Z Masa Depan
Kamis, 19 Mei 2022 - 21:02 WIB
loading...
A
A
A
“Di ajang tersebut, seluruh peserta ditantang untuk dapat memberikan inovasi di industri energi. Karena ketertarikan kami di bidang data science, kami menawarkan solusi penggunaan Machine Learning untuk memprediksi nilai cadangan minyak atau Estimated Ultimated Recovery (EUR) di lapangan shale,” ungkap Firman dalam keterangan pers, Kamis (19/5/2022).
Baca juga: Daftar Beasiswa ke Swedia yang Bisa Jadi Pilihan Studi S2
Lapangan minyak jenis ini, lanjut Firman, terdiri atas batuan serpihan. Umunya, memiliki nilai permebilitas dan porositas yang rendah. Dibutuhkan proses perekahan untuk mendapatkan minyak yang terkandung di dalamnya. “Sehingga, perhitungan EURnya sangat rumit karena melibatkan proses numerik yang kompleks. Dengan inovasi kami, perhitungan EUR di lapangan shale bisa dilakukan dengan lebih efisien,” tutur Firman.
Untuk memprediksi nilai cadangan minyak di lapangan shale secara presisi, Firman dan Naufal mengolah lebih dari 500 data sumur minyak untuk selanjutnya diolah menggunakan algoritma pada machine learning. “Dari hasil studi yang kami lakukan, kami berhasil memprediksi nilai EUR dengan akurasi hingga 87.516 persen,” terang Firman.
Menurut mahasiswa yang gemar melakukan coding tersebut, di industri migas, eksplorasi adalah tahap yang paling banyak memakan biaya. “Sehingga, dengan efisiensi pengolahan data yang dilakukan, perusahaan akan menghemat waktu yang pastinya juga akan berdampak pada penghematan biaya. Target pencarian cadangan minyak juga dapat dicapai dengan lebih efisien,” jelas Firman.
Baca juga: Daftar Beasiswa ke Swedia yang Bisa Jadi Pilihan Studi S2
Lapangan minyak jenis ini, lanjut Firman, terdiri atas batuan serpihan. Umunya, memiliki nilai permebilitas dan porositas yang rendah. Dibutuhkan proses perekahan untuk mendapatkan minyak yang terkandung di dalamnya. “Sehingga, perhitungan EURnya sangat rumit karena melibatkan proses numerik yang kompleks. Dengan inovasi kami, perhitungan EUR di lapangan shale bisa dilakukan dengan lebih efisien,” tutur Firman.
Untuk memprediksi nilai cadangan minyak di lapangan shale secara presisi, Firman dan Naufal mengolah lebih dari 500 data sumur minyak untuk selanjutnya diolah menggunakan algoritma pada machine learning. “Dari hasil studi yang kami lakukan, kami berhasil memprediksi nilai EUR dengan akurasi hingga 87.516 persen,” terang Firman.
Menurut mahasiswa yang gemar melakukan coding tersebut, di industri migas, eksplorasi adalah tahap yang paling banyak memakan biaya. “Sehingga, dengan efisiensi pengolahan data yang dilakukan, perusahaan akan menghemat waktu yang pastinya juga akan berdampak pada penghematan biaya. Target pencarian cadangan minyak juga dapat dicapai dengan lebih efisien,” jelas Firman.
Lihat Juga :
