🔬Modul Praktikum 01

Data Wrangling & Exploratory Data Analysis

Hands-on preprocessing dan eksplorasi data drilling menggunakan Python. Pelajari teknik pembersihan data, transformasi, dan visualisasi untuk analisis geofisika.

⏱️2 × 50 menit

📊Dataset: Drilling/MWD Data

🐍Python, Pandas, Matplotlib

🎯Tujuan Pembelajaran

Melakukan loading dan inspeksi data drilling dengan Python
Mengidentifikasi dan menangani missing values & duplikat
Melakukan transformasi dan feature engineering pada data geofisika
Membuat visualisasi data geofisika (well log style plot)
Menganalisis korelasi antar parameter drilling
Menginterpretasikan hasil EDA dalam konteks geofisika

📊

Dataset Praktikum

Well Drilling Dataset - 2,060 records dengan 14 variabel drilling parameters

📁 CSV Format 💾 ~150 KB 🔢 2,060 rows × 14 cols

⬇️ Download Dataset

Pendahuluan & Dataset

Pada praktikum ini, kita akan bekerja dengan data drilling/MWD (Measurement While Drilling) dari operasi pengeboran sumur minyak dan gas. Data MWD sangat penting dalam industri migas karena memberikan informasi real-time tentang kondisi pengeboran dan karakteristik formasi batuan.

2,060

Data Points

Parameter

Formasi

2,057 m

Interval Kedalaman

📋 Deskripsi Parameter

📏

TMD / TVD (m)

True Measured Depth / True Vertical Depth

⚡

ROP (m/hr)

Rate of Penetration - Kecepatan pengeboran

⚖️

WOB (ton)

Weight on Bit - Beban pada mata bor

💧

FR (gpm)

Flow Rate - Laju alir lumpur pemboran

🔴

SPP (psi)

Standpipe Pressure - Tekanan pipa tegak

🔄

RPM (rpm)

Rotation per Minute - Kecepatan putaran

🔧

TQ (lb.ft)

Torque - Momen putar

🧪

MW IN/OUT (ppg)

Mud Weight - Densitas lumpur masuk/keluar

Loading & Inspeksi Data

Langkah pertama adalah memuat data dan memahami strukturnya menggunakan Pandas.

Python

[1]

# Import library yang diperlukan
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

plt.style.use('dark_background')
print("✅ Library berhasil di-import!")

✅ Library berhasil di-import!

Python

[2]

# Membaca dataset
df = pd.read_csv('Well_Dataset.csv')
print(f"Dimensi Data: {df.shape[0]:,} baris × {df.shape[1]} kolom")

Dimensi Data: 2,060 baris × 14 kolom

Python

[3]

# Melihat 5 baris pertama
df.head()

	Formation	TMD	TVD	ROP	WOB	FR	SPP	RPM	TQ	MW IN	MW OUT
0	Seno	428	428.01	33.3	3	514.3	818	70.0	1915.0	10.4	10.401
1	Seno	428	428.01	33.3	3	514.3	818	70.0	1915.0	10.4	10.401
2	Seno	429	429.01	39.3	4	428.8	554	79.0	2383.0	10.4	10.403

Python

[4]

# Melihat formasi unik
print("🏷️ Formasi yang Ditembus:")
for f in df['Formation'].unique():
    print(f"  • {f}: {len(df[df['Formation']==f]):,} pts")

🏷️ Formasi yang Ditembus:
  • Seno: 342 pts
  • Turo: 89 pts
  • Ceno: 203 pts
  • Albi: 213 pts
  • Apti: 36 pts
  • Barre: 411 pts
  • Neo: 265 pts
  • Malcolm: 205 pts
  • Eren Shale: 252 pts
  • Mikasa Anhydrite: 44 pts

💡Insight

Dataset memiliki 2,060 data points dengan 14 kolom.

Handling Missing Values

Python

[5]

# Identifikasi missing values
missing = df.isnull().sum()
print("❓ Missing Values:")
for col in df.columns:
    if missing[col] > 0:
        print(f"  ⚠️ {col}: {missing[col]}")

❓ Missing Values:
  ⚠️ RPM (rpm): 1
  ⚠️ TQ (lb.ft): 1

Gambar 1. Visualisasi Missing Values per Kolom

Python

[6]

# Interpolasi linear untuk mengisi missing values
df['RPM (rpm)'] = df['RPM (rpm)'].interpolate(method='linear')
df['TQ (lb.ft)'] = df['TQ (lb.ft)'].interpolate(method='linear')

print("✅ Missing values setelah interpolasi: 0")

✅ Missing values setelah interpolasi: 0

✅Best Practice

Untuk data time-series, interpolasi linear adalah pilihan yang baik karena mempertahankan kontinuitas data.

Handling Duplicates

Python

[7]

# Menghitung dan menghapus duplikat
duplicates = df.duplicated().sum()
print(f"🔍 Jumlah baris duplikat: {duplicates}")

df = df.drop_duplicates(keep='first').reset_index(drop=True)
print(f"📊 Jumlah baris setelah cleaning: {len(df):,}")

🔍 Jumlah baris duplikat: 2
📊 Jumlah baris setelah cleaning: 2,058

Gambar 2. Visualisasi Duplicated Values

Data Transformation & Feature Engineering

Python

[8]

# Konversi datetime
df['DATE TIME'] = pd.to_datetime(df['DATE TIME'], format='%d/%m/%Y %H.%M.%S')

print("📅 Rentang Waktu:")
print(f"   Mulai  : {df['DATE TIME'].min()}")
print(f"   Selesai: {df['DATE TIME'].max()}")

📅 Rentang Waktu:
   Mulai  : 2010-06-19 07:12:15
   Selesai: 2010-06-23 01:37:16

Python

[9]

# Feature Engineering
df['MW_DIFF'] = df['MW OUT (ppg)'] - df['MW IN (ppg)']

df['DEPTH_CAT'] = pd.cut(df['TVD (m)'],
    bins=[0, 1000, 1500, 2000, 3000],
    labels=['Shallow', 'Medium', 'Deep', 'Very Deep'])

df['FORMATION_CODE'] = df['Formation'].astype('category').cat.codes

print("✅ Feature baru: MW_DIFF, DEPTH_CAT, FORMATION_CODE")

✅ Feature baru: MW_DIFF, DEPTH_CAT, FORMATION_CODE

Statistik Deskriptif

Python

[10]

# Statistik deskriptif
df[['ROP (m/hr)', 'WOB (ton)', 'RPM (rpm)', 'TQ (lb.ft)']].describe().round(2)

	ROP (m/hr)	WOB (ton)	RPM (rpm)	TQ (lb.ft)
count	2058.00	2058.00	2058.00	2058.00
mean	72.53	8.74	156.32	9212.15
std	32.63	3.59	23.92	3172.58
min	3.10	0.00	70.00	784.00
50%	67.20	9.00	158.00	9148.00
max	203.20	22.00	199.00	19822.00

Python

[11]

# Rata-rata ROP per formasi
rop_by_formation = df.groupby('Formation')['ROP (m/hr)'].mean().sort_values(ascending=False)
print(rop_by_formation.round(2))

Formation
Neo                  93.17
Albi                 88.93
Ceno                 84.38
Turo                 82.47
Seno                 67.63
Barre                66.43
Malcolm              54.48
Eren Shale           41.16
Apti                 35.44
Mikasa Anhydrite     21.73

🔍Interpretasi

Formasi Neo memiliki ROP tertinggi (93.17 m/hr) = formasi lunak. Mikasa Anhydrite ROP terendah (21.73 m/hr) = batuan sangat keras.

Visualisasi Data

📊 7.1 Distribusi Parameter

Python

[12]

# Histogram distribusi parameter drilling
fig, axes = plt.subplots(2, 3, figsize=(14, 8))
params = ['ROP (m/hr)', 'WOB (ton)', 'RPM (rpm)', 'TQ (lb.ft)', 'SPP (psi)', 'FR (gpm)']
for ax, param in zip(axes.flatten(), params):
    ax.hist(df[param], bins=30, color='#e94560')
plt.tight_layout(); plt.show()

📦 7.2 Boxplot per Formasi

Python

[13]

# Boxplot per formasi
fig, axes = plt.subplots(2, 2, figsize=(14, 10))
for ax, param in zip(axes.flatten(), ['ROP (m/hr)', 'WOB (ton)', 'RPM (rpm)', 'TQ (lb.ft)']):
    df.boxplot(column=param, by='Formation', ax=ax)
plt.show()

📈 7.3 Well Log Style Plot

Python

[14]

# Well Log Style Plot - Parameter vs Kedalaman
fig, axes = plt.subplots(1, 5, figsize=(16, 12), sharey=True)
params = ['ROP (m/hr)', 'WOB (ton)', 'RPM (rpm)', 'TQ (lb.ft)', 'SPP (psi)']
for ax, param in zip(axes, params):
    ax.plot(df[param], df['TVD (m)'])
    ax.fill_betweenx(df['TVD (m)'], 0, df[param], alpha=0.3)
axes[0].invert_yaxis()
plt.show()

📊Membaca Well Log Plot

Well log plot menampilkan parameter vs kedalaman (sumbu Y terbalik). Perubahan mendadak sering mengindikasikan batas formasi.

🥧 7.4 Distribusi Formasi

Python

[15]

# Distribusi dan rata-rata ROP per formasi
fig, axes = plt.subplots(1, 2, figsize=(14, 6))
df['Formation'].value_counts().plot.pie(ax=axes[0], autopct='%1.1f%%')
df.groupby('Formation')['ROP (m/hr)'].mean().sort_values().plot.barh(ax=axes[1])
plt.show()

📅 7.5 Time Series

Python

[16]

# Time series plot
fig, axes = plt.subplots(3, 1, figsize=(14, 10), sharex=True)
axes[0].plot(df['DATE TIME'], df['ROP (m/hr)'], color='#e94560')
axes[1].plot(df['DATE TIME'], df['WOB (ton)'], color='#00d9ff')
axes[2].plot(df['DATE TIME'], df['TQ (lb.ft)'], color='#4ecdc4')
plt.tight_layout(); plt.show()

Analisis Korelasi

Python

[17]

# Correlation heatmap
cols = ['ROP (m/hr)', 'WOB (ton)', 'FR (gpm)', 'SPP (psi)', 'RPM (rpm)', 'TQ (lb.ft)', 'TVD (m)']
corr = df[cols].corr()
plt.figure(figsize=(12, 10))
sns.heatmap(corr, annot=True, cmap='RdBu_r', center=0)
plt.show()

Python

[18]

# Scatter plots
fig, axes = plt.subplots(1, 3, figsize=(15, 5))
axes[0].scatter(df['WOB (ton)'], df['ROP (m/hr)'], c=df['TVD (m)'], cmap='plasma', s=10)
axes[1].scatter(df['RPM (rpm)'], df['ROP (m/hr)'], c=df['TVD (m)'], cmap='plasma', s=10)
axes[2].scatter(df['WOB (ton)'], df['TQ (lb.ft)'], c=df['TVD (m)'], cmap='plasma', s=10)
plt.tight_layout(); plt.show()

🔍Interpretasi Korelasi

• SPP vs TVD (+0.81): Tekanan meningkat dengan kedalaman
• TQ vs WOB (+0.36): Torsi meningkat dengan beban
• ROP vs TVD (-0.43): ROP menurun dengan kedalaman (formasi makin keras)

Insight & Kesimpulan

📊Ringkasan Temuan

1. Kualitas Data
Dataset relatif bersih dengan hanya 2 missing values (0.05%) dan 2 duplikat. Setelah cleaning: 2,058 baris.

2. Karakteristik Formasi
• Formasi Lunak: Neo, Albi, Ceno, Turo (ROP > 80 m/hr)
• Formasi Sedang: Seno, Barre (ROP 60-70 m/hr)
• Formasi Keras: Malcolm, Eren Shale, Apti, Mikasa Anhydrite (ROP < 55 m/hr)

3. Hubungan Parameter
SPP berkorelasi kuat dengan kedalaman (+0.81). ROP menurun seiring kedalaman. Torsi berkorelasi positif dengan WOB.

4. Rekomendasi untuk ML
Dataset cocok untuk: klasifikasi formasi, prediksi ROP, dan segmentasi zona drilling.

Python

[19]

# Simpan dataset yang sudah dibersihkan
df.to_csv('Well_Dataset_Clean.csv', index=False)
print("✅ Dataset disimpan: Well_Dataset_Clean.csv")
print(f"   Baris: {len(df):,} | Kolom: {len(df.columns)}")

✅ Dataset disimpan: Well_Dataset_Clean.csv
   Baris: 2,058 | Kolom: 17

Latihan Mandiri

📝Soal Latihan

Missing Values Analysis
Jika dataset memiliki 10% missing values pada kolom ROP, strategi apa yang paling tepat? Jelaskan dan implementasikan dengan kode.
Feature Engineering
Buat fitur baru "DRILLING_EFFICIENCY" = ROP / (WOB × RPM). Analisis distribusinya per formasi.
Outlier Detection
Identifikasi outlier pada kolom TQ menggunakan metode IQR. Berapa persen data yang termasuk outlier?
Analisis Zona
Filter data hanya untuk kedalaman 1000-1500m. Bandingkan statistiknya dengan keseluruhan data.
Cross-plot Analysis
Buat cross-plot WOB vs ROP dengan warna berbeda untuk setiap formasi. Interpretasikan pola yang terlihat.

⚠️Tugas Praktikum

Kerjakan soal latihan dalam format Jupyter Notebook (.ipynb). Sertakan kode, output, dan interpretasi untuk setiap soal. Submit melalui e-learning sebelum pertemuan berikutnya.