S Salah satu tantangan pada pengembangan oil and gas field adalah diperlukannya karakteristik reservoir yang representatif yang dapat menggambarkan sifat reservoir untuk merencanakan serangkaian rencanapengembangan lapangan. Dengan semakin representatifnya suatu data-data reservoir maka berbagai ketidakpastian dan risiko dalam merencanakan dan dalam pengambilan keputusan dapat dicegah. Kunci dari perencanaan pengembangan lapangan yang efektif dan ekonomis terletak pada pengenalan awal atas karakteristik reservoir yang mengendalikan mekanisme pendorong, efisiensi penyapuan, dan well spacing. Variabel utama yang mempengaruhi sweep efisiensi adalah nilai permeabilitas.Penelitian ini dimaksudkan untuk mempelajari petrofisika reservoir dengan melakukan penilaian formasi. Salah satu sifat petrofisika batuan yang penting adalah permeabilitas, nilai ini representatif terhadap kemampuan suatu lapisanuntuk diproduksikan, sehingga penting untuk dapat memprediksi nilaipermeabilitas dengan suatu metode yang memanfaatkan data yang ada sehinggasuatu proyek tetap dapat ekonomis tanpa memgeluarkan biaya lebih untukmelakukan coring berlebih untuk mengetahui nilai permeabilitas pada lapisantertentu. Selain itu didapatkan distribusi properties reservoir, permeabilitas, Vclay,dan Hydraulic Unit. Distribusi nilai ini sangat diperlukan untuk memperolehakumulasi nilai yang akurat dari reservoir, sebab pada titik tertentu di reservoirmungkin saja suatu lapisan baik yang dianggap menerus ternyata terpotong olehbatuan impermeabel yang seharusnya mengurangi kualitas reservoir tersebut.Data-data yang mendukung studi ini antara lain porositas, permeabilitas daridata 300 data core dan data logging, data analisa petrofisika, spesific surface area,data tekanan kapiler, dan data informasi dari kedalaman top dan bottom darimasing-masing lapisan di lapangan X.Hubungan antar porositas dan permeabilitas dapat dimanfaatkan untukmelihat ciri khusus tubuh batuan yang membedakannya dengan tubuh batuan yanglain. Memahami kompleks variasi sifat pada geomotri pori dalam lithofasies yang berbeda-beda adalah kunci utama untuk meninngkatkan deksripsi dan ekploitasireservoir. Data core memberikan informasi mengenai berbagai jenis kontroldiagenesis dan lingkungan pengendapan pada batuan. Variasi pada atribut geometriinilah yang dapat digunakan untuk membedakan zona-zona (hydraulic units)dengan pola liran yang sama.Penentuan rock type pada masa awal hanya dilakukan dengan observasisubjektif dari sudut pandak geologi dan hubungan empiris antara log permeabilitasdan porositas. Akan tetapi, untuk nilai porositas pada suatu rock type tertentu, nilaipermeabilitas dapat bervariasi beberapa kali lipat yang menandakan bagwa adanyalapisan-lapisan dengan beberapa flow unit.Pada studi kali ini, suatu studi yang praktikal dan secara teori dapat diterimadilakukan untuk mengidentifikasikan dan mengkarakteristikkan hydraulic units.Teknik ini didasarkan pada persamaan Kozeny-Carmen dan konsep mean hydraulicradius. Nilai FZI menjadi titik berat hubungan antara data porositas danpermeabilitas yang diukur pada sampel core. FZI kemudian dikorelasikan dengankombinasi respon alat log tertentu untuk membentuk model regresi untuk prediksipada sumur dan interval yang tidak dilakukan pengambilan core. Hasil prediksimenunjukkan ada hubungan yang sangat kuat antara nilai permeabilitas yangdiprediksi dengan nilai permeabilitas yang sebenarnya.Dari studi yang sudah dilakukan, maka diperoleh kesimpulan bahwaterdapat setidaknya 8 flow unit yang teridentifikasi dari data core di 3 sumur yangada. Prediksi permeabilitas yang dilakukan menunjukkan angka permeabilitasdengan rentang yang luas hingga 4000 mD. Keakuratan hasil prediksi permeabilitasditandai dengan nilai koefisien regresi hingga 80%.Dalam kondisi informasi yang terbatas, karakteristik resevoir manapun akanmelibatkan penggunaan statistik. Keterbatasan data dan penyebaran prediksi nilaiterutama pada studi ini, permeabilitas, dilakukan dengan menggunakan ArtificialNeural Network. ANN adalah sebuah metode pemodelan data statistik non-linier.ANN dapat digunakan untuk memodelkan hubungan yang kompleks antara inputdan output untuk menemukan pola-pola pada data.