P Pemboran merupakan kegiatan yang menghabiskan biaya besar dengan resiko yang tinggi. Waktu menjadi variabel kunci untuk meminimalisir biaya danresiko serta meningkatkan efisiensi keseluruhan kegiatan pemboran. Faktor penting yang berhubungan dengan waktu pemboran adalah rate of penetration (ROP) atau yang dikenal sebagai laju penembusan.Aktivitas pemboran melibatkan variabel yang beragam, baik yang bisa dikendalikan maupun yang tidak bisa dikendalikan. Usaha untuk memperkirakan laju penembusan menjadi kian sulit karena parameter yang terintegrasi satu samalain dengan tingkat ketidakpastian yang tinggi. Korelasi yang ada tidak cukup baik ketika diaplikasikan dalam memprediksi laju penembusan. Oleh karena itu,pendekatan matematis yang tepat dalam memperkirakan laju penembusan sangat dibutuhkan namun sulit untuk dilakukan.‘T’ adalah sebuah lapangan yang berada pada daerah offshore SoutheastSumatra. Pengembangan lapangan di daerah ini sudah dimulai sejak tahun 1990 dengan lebih dari 300 sumur yang dibor. Dengan besarnya tingkat cadangan akumulasi minyak yang masih ada, daerah ini membutuhkan pengembangan lebihlanjut untuk menguras seluruh minyak yang ada secara ekonomis. Karena itu,beberapa sumur pengembangan akan dibuat dalam waktu dekat.Laju penembusan sangat beragam dan dipengaruhi oleh banyak faktor.Persamaan yang dibuat untuk menghitung laju penembusan tidak cukup akurat karena mengabaikan beberapa faktor. Pada akhirnya, selama ini prediksi lajupenembusan pada Lapangan ‘T’ dilakukan dengan mengadaptasi data laju penembusan sumur terdekat. Metode ini tidak memberikan hasil yang akurat danmemuaskan serta tidak memiliki justifikasi yang benar dalam perencanaan pemboran. Dalam penelitian ini akan diturunkan korelasi untuk memprediksi laju penembusan dengan mempertimbangkan 12 parameter meliputi kondisi formasi,pahat bor, fluida pemboran, dan operasional pemboran untuk memvalidasi data laju penembusan yang didapat dari sumur sekitar.Prediksi dilakukan dengan membuat 2 model artificial neural network (ANN)untuk pahat bor roller cone bit dan PDC. ANN adalah sebuah metode yang memanfaatkan machine learning untuk mendapatkan solusi spesifik terhadap masalah yang diberikan. Mengadaptasi dari kemampuan manusia dalam berpikir dan mengambil keputusan, ANN mampu memberikan solusi non-linear sehingga cocok diterapkan pada aplikasi dengan tingkat ketidakpastian dan kompleksitasyang tinggi.Penentuan struktur neural network dilakukan untuk mendapatkan model ANN terbaik. Model ini menghasilkan persamaan yang dapat memprediksi laju penembusan pada Lapangan ‘T’ dengan persentase eror ± 20%, nilai yang jauhlebih rendah dibandingkan dengan korelasi lainnya. Pengolahan data secara cepat dan presisi menunjukkan bahwa penerapan metode ini menarik untuk dibahas dan dikembangkan.