9-Nov-16

TEKNIK PERMINYAKAN – UNIVERSITAS TRISAKTI

SKENARIO PENGEMBANGAN LAPANGAN MIGAS (MPU-242)

Risiko & Ketidakpastian

Dr. Ir. Hayu S. Prabowo
[email protected]
1

Risiko & Ketidakpastian

Kerangka Kerja pengembangan
lapangan migas yang kompleks Economic
indicators:
EMV,NPV,IRR,
, , , etc.

Project cash flow

Prospect(s) Tax

Producing Inflation &

Discovery? Market
Reserves Discount
considerations
rate
Nr. & type of production/ Well CAPEX &
OPEX Process capacity
Injection wells
Process & Transport Oil/gas price
EPCI time forecast
D ill rate
Drill t Well
W ll CAPEX Well/Process Production
P d ti
schedule Capacities profiles
Production
build up CAPEX & OPEX
Production & OPEX
Market prognosis
Transport Facilities
CAPEX Well uptime Process
CO2 fee uptime
CAPEX
Revenue,
schedule Tariffs Gas price Oil price
oil & gas

1
 9-Nov-16

Analisis Pengambilan Keputusan

Kita sering harus membuat keputusan dalam keadaan yang
penuh dengan ketidakpastian.

Contoh apakah kita akan mengebor minyak di lokasi tertentu.

− Berapa besar kemungkinan ditemukannya minyak di lokasi itu?
− Berapa biaya sumur ?
− Berapa banyak serta berapa dalam sumur perlu di bor?
− Perlukah ahli geologi menyelidiki area tersebut lebih lanjut sebelum
pemboran?
− Bagaimana pengembangan lapangannya?
− Bagaimana pemasarannya?

Memperhitungkan Risiko &

Ketidakpastian
• Selalu ada ketidakpastian dalam analisis
i
investasii karena
k proyeksi
k i pendapatan
d masa
depan tidak dapat dipastikan pada saat
pengambilan keputusan investasi.
• Kita cenderung untuk menghindari resiko
(risk averse) karena ketidkpastian masa
depan, sehingga kita lebih memilih uang
hari ini bukan besok.
4

2
 9-Nov-16

Kriteria Profitabilitas
NPV & IRR merupakan parameter yang digunakan
dalam menilai investasi. Namun, ketika ketidakpastian
data tinggi,
tinggi kriteria ini tidak dapat dijadikan ukuran
untuk menilai investasi karena keduanya tidak
memberikan perkiraan kuantitatif atas probabilitas atau
kemungkinan untuk memperoleh nilai keekonomian
tertentu.
Oleh karenanya y dalam mengevaluasi
g investasi yyang
g
memiliki tingkat ketidakpastian yang tinggi diperlukan
teknik statistik dalam evaluasi penilaian investasinya.

Analisis Pengambilan Keputusan

• Kepastian
− Pengambil Keputusan tahu dengan pasti kejadian yang
akan
k terjadi
t j di - hanya
h ada
d satu
t kkemungkinan
ki k j di
kejadian.
• Ketidaktahuan
− Pengambil Keputusan tahu semua kemungkinan yang
akan terjadi, tetapi tidak tahu probabilitasnya.
• Risiko
− Pengambil Keputusan tahu semua kemungkinan yang
akan terjadi, dan dapat menentukan probabilitasnya.

3
 9-Nov-16

Analisa dan Evaluasi Risiko

Secara Kuantitatif
Analisa risiko kuantitatif diawali dengan
g p proses
kualitatif yang berpotensi berdampak terhadap
kinerja proyek.
Analisa risiko kuantitatif adalah proses penilaian
terhadap dampak dari risk events dari sejumlah
risiko.
risiko

Analisa dan Evaluasi Risiko

Secara Kuantitatif
Proses ini menggunakan beberapa teknik pemodelan dengan
tujuan:
1. Kuantifikasi dampak terhadap proyek dan kemungkinannya.
2. Uji kemungkinan terhadap pencapaian kinerja proyek secara
spesifik
3. Identifikasi risiko yang perlu mendapatkan perhatian segera.
4. Identifikasi secara realistis risiko-risiko proyek dalam hal
bi
biaya, waktu,
kt keuntungan,
k t dll
dll.

4
 9-Nov-16

Pengambilan Keputusan Dalam

Kepastian
Variabel yang diputuskan
Unit yang dibangun
i dib                  150
Parameter yang diperkirakan
Biaya/unit                6,000
Pendapatan/unit              14,000
Permintaan                    250
Variable Konsekuensi
Total Pendapatan        3,500,000
Total Biaya            900,000
Kinerja
Pendapatan Bersih        2,600,000 9

Pengambilan Keputusan Dalam

Ketidaktahuan
Sebuah PSC akan mengembangkan suatu lapangan dimana perlu diputuskan besarnya
kapasitas fasilitas produksi yang akan dibangun. Namun ada ketidakpastian atas besarnya
produksi rata-rata dari sumur-sumur baru yang akan dibor.
Berikut adalah analisis NPV terhadap beberapa alternatif kapasitas fasilitas produksi yang
akan dibangun terhadap ketidakpastian estimasi produksi rata-rata lapangan.
Berapa besar kapasitas fasilitas produksi yang akan kita bangun?

NET PRESENT VALUE (NPV)

Rencana Estimasi Produksi rata-rata, bopd
Fasilitas
p ) Rendah (50) Medium (100) Tinggi (150)
Produksi ((bopd)

Kapasitas 50 $400,000 $400,000 $400,000

Kapasitas 100 $100,000 $800,000 $800,000

Kapasitas 150 ($200,000) $500,000 $1,200,000

10

5
 9-Nov-16

Pengambilan Keputusan Dalam

Ketidaktahuan
• Maximax
−Pilih strategi dengan kemungkinan hasil tertinggi
• Maximin
−Pilih strategi dengan sekecil mungkin kerugian
• LaPlace-Bayes
−Semua kejadian berpeluang sama untuk terjadi.
−Pilih alternatif dengan hasil rata-rata terbaik

11

Maximax: Optimistik
• Pilih strategi "terbaik dari yang terbaik“
− Mengevaluasi setiap keputusan dengan melihat hasil yang
maksimum.
k i
(jika biaya yang dilihat, maka minimal adalah "terbaik").
− Keputusan yang dipilih adalah nilai maksimum dari hasil
maksimum (maximax).
• Pilihan "pengambil risiko"
− Tidak mempertimbangkan risiko "rugi“.
rugi .
− Mengabaikan kemungkinan rugi dari pilihan yang diambil.

12

6
 9-Nov-16

Contoh Maximax

NET PRESENT VALUE ((NPV))

Rencana Estimasi Produksi rata-rata, bopd
Fasilitas
Produksi (bopd) Rendah (50) Medium (100) Tinggi (150)
Kapasitas 50 400,000 400,000 400,000

Kapasitas 100 100,000 800,000 800,000

Kapasitas 150 (200,000) 500,000 1,200,000

13

Maximin: Pesimistik
• Pilih strategi "terbaik dari yang terburuk"
−Mengevaluasi
Mengevaluasi setiap keputusan memilih dengan
hasil minimum
−Keputusan yang dipilih adalah nilai maksimum
dari hasil minimum (maximin)
• Pengambil keputusan yang “tidak mau
mengambil i ik “ (risk
bil risiko“ i k averse)
−Strategi untuk "melindungi"
−Skenario yang melihat hasil terburuk
14

7
 12-Nov-16

Contoh Maximin

NET PRESENT VALUE

Rencana Estimasi Produksi rata-rata, bopd
Fasilitas
Produksi (bopd) Rendah (50) Medium (100) Tinggi (150)
Kapasitas 50 400,000 400,000 400,000

Kapasitas 100 100,000 800,000 800,000

Kapasitas 150 (200,000) 500,000 1,200,000

15

Pengambilan Keputusan
Dengan Risiko
Expected
p d Monetary
o y Value
u ((EMV)) *
EMV adalah nilai rata-rata tertimbang (weighted
average) dari hasil yang diharapkan untuk setiap
alternatif, sesuai dengan bobot probabilitasnya.

*)) Disebut juga sebagai Expected Value (EV) atau Expected

Return (ER)

16

1
 9-Nov-16

Expected Monetary Value

Teknik ini merupakan konsep statistik yang
menghitung rata-rata keluaran atas skenario
kejadian masa mendatang yang mungkin terjadi
atau tidak.
EMV dihitung dengan cara mengalikan nilai
masing-masing kemungkinan keluaran dengan
peluang kejadian,
kejadian dan menjumlahkannya secara
bersamaan.

17

Expected Monetary Value

EMV =(NPV x SP) - [Capital x (1-SP)]
where
EMV = Expected monetary value
capital = Biaya dry hole costs, G&G, etc.
SP = Probabilititas Sukses
NPV = Net Present Value dari proyeksi arus kas
yang didiskontokan sesuai dengan cost of
capital perusahaan.

18

9
 9-Nov-16

Expected Monetary Value

• Pilihan: Ketika memilih beberapa
alternatif p
proyek
y yang
y g saling g berkaitan,,
pilih alternatif dengan nilai EMV
tertinggi; Tolak semua alternatif bila EMV
negatif.
p
• Interpretasi: EMV adalah keuntungang
rata-rata untuk tiap alternatif yang
dipilih.
19

Expected Monetary Value

Jika NPV dari sebuah prospek adalah $120 juta dan
biaya dry hole adalah $15 juta. Jika perusahaan
percaya prospekk ini memiliki
l k probabilitas
b bl sukses
k 20%,
Berapakah EMV?

EMV = (NPV x SP) - [Capital x (1-SP)]

= ($
($120 MM x 20%)) - [$
[$15 MM X (1-20%)]
( )]
= $12MM

20

10
 9-Nov-16

Expected Monetary Value

Potential
Expected Sebuah prospek memiliki informasi berikut: Reward
Value Value
($MM) • NPV $120 juta ($MM)

• Biaya dry hole $15 juta

150 150
140
Jik perusahaan
Jika h percaya prospek
k iinii memiliki
iliki 140
130 probability of success 20%. Berapa EMV? 130
120 120
110 EMV= (NPV x SP) - [Capital x (1-SP)] 110
100 100
90
= ($120 MM x 20%) - [$15 MM X (1-20%)] 90
80 =$12MM 80
70 70
WORK COMMITMENT
60 60
Signature Bonus
50Seismic Program FISCAL TERMS
50
40Pilot Programs R
Royalties
lti 40
Drilling Cost Recovery
30 Profit Splits 30
20 Taxes 20
Gvt. Part
10 10
0 0
- 10 Exploration - 10
- 20 Risk Capital - 20

0% 20% 40% 60% 80% 100%

SUCCESS PROBABILITY 21

Expected Monetary Value

NET PRESENT VALUE Expected
Monetary
Rencana Estimasi Produksi rata
rata-rata,
rata bopd Value
Fasilitas
Produksi (bopd) Rendah (50) Medium (100) Tinggi (150) EMV

Kapasitas 50 400,000 400,000 400,000 400,000

Kapasitas 100 100,000 800,000 800,000 660,000

Kapasitas 150 (200,000) 500,000 1,200,000 570,000

Probabilitas 20% 50% 30% 100%

22

11
 9-Nov-16

Dasar-Dasar Statistik

Society of Petroleum Evaluation Engineers

23

• Statistika adalah ilmu yang mempelajari

bagaimana merencanakan, mengumpulkan,
menganalisis, menginterpretasi, dan
mempresentasikan data
data.
• Statistika deskriptif adalah metode-metode
yang berkaitan dengan pengumpulan dan
penyajian suatu gugus data sehingga
memberikan informasi yyang
g berguna.
g
Informasi yang dapat diperoleh antara lain
ukuran pemusatan data, ukuran penyebaran
data, serta kecenderungan suatu gugus data.
24

12
 9-Nov-16

Penentuan Dependensi (ketergantungan)

Satu Variabel dengan lainnya

25

Pengukuran Statistik
Mode
P50
Mean

Mean Sama seperti

p nilai yyang
g diharapkan.
p Rata-rata aritmatika dari semua
nilai dalam distribusi.
Mode Nilai yang paling mungkin. Puncak dari distribusi frekuensi.
P50 Probabilitas yang memiliki nilai yang lebih tinggi atau lebih rendah
dari nilai P50. Sering disebut sebagai Median.
26

13
 9-Nov-16

Empat Distribusi Umum

27

Kumulatif Distribusi 1 Dadu

Kesempatan keluar
angka 1 atau 2 atau Kesempatan keluar
3, dst adalah 17% angka 2 atau lebih
besar adalah 83%

Nilai dadu

28

14
 9-Nov-16

Distribusi Independen
Dadu 1

uang
Pelu
Dadu 2
ang
Pelua

Hasil

29

Lemparan 2 Dadu: Hasil Ditambahkan

Distribusi Normal

30

15
 9-Nov-16

Lemparan 2 Dadu: Hasil Dikalikan

Distribusi cenderung menjadi

Asimetris (lognormal)

31

Distribusi Independen –
4 Dikalikan

Distribusi cenderung menjadi

Asimetris (lognormal)

32

16
 9-Nov-16

Central Limit Theorem

PENJUMLAHAN dari beberapa
kelompok variable independen yang
random akan cenderung
menghasilkan distribusi NORMAL

PERKALIAN dari beberapa kelompok variable

independen yang random akan cenderung
menghasilkan distribusi LOGNORMAL

33

Plotting Convention
In “Greater than” Convention:
• P10 the larger number
• P90 is the lower number
P90

P50

P10

34

17
 9-Nov-16

Probabilitas Kumulatif dari Perkalian

2 Dadu

Bagaimana skala
Probit bekerja?

35

Bagaimana skala Probit bekerja?

36

18
 9-Nov-16

Histogram Using Excel

Aggregation of 2 Dices
7 120 00%
120.00%
Frequency
6 100.00%
Cumulative %
5
80.00%
Frequency

Axis Title
4
60.00%
3
40.00%
2
1 20.00%

0 0.00%

More
More
10
11
12
2
3
4
5
6
7
8
9

Bin

37

Add-Ins Analysis Toolpak & Solver

38

19
 9-Nov-16

39

Konvensi
• Definisi probabilitas (P10, P50, P90) :
“P% >=“ (‘GE’ - lebih besar atau sama dengan) atau
“
“P% <=““ (‘LE’
(‘ ’ - lebih
l b h kecil
k l atau sama dengan)
d )
• Pilihan konvensi adalah GE
− Explorasionis berpikir pada penemuan besar
− Konsisten dengan pedoman SEC/SPE/WPC/AAPG
− Batas ambang Komersial mudah diterapkan
− Lebih mudah bagi pengambil keputusan

Dalam Konvensi GE
• P10 adalah angka yang lebih besar
• P90 adalah angka yang lebih kecil
40

20
 9-Nov-16

Plotting Convention
In “Greater than” Convention:
• P10 the larger number
• P90 is the lower number
P90

P50

P10

41

Penilaian Risiko Investasi

Risiko adalah kejadian masa depan, semakin
besar penyimpangannya dari keadaan yang
diharapkan maka semakin besar risikonya.
diharapkan, risikonya

PSC X memiliki varian investasi yang rendah

PSC Y memiliki varian investasi tinggi

gg

IRR(%)
-70 0 15 100

IRR yang diharapkan

42

21
 9-Nov-16

Ploting Convention
0
Project “A”
Project “B”
0.2

0.4

0.6

0.8

43

Latihan: Distribusi Laju Produksi

Laju produksi awal dalam suatu lapangan (Bopd):
850, 2350, 570, 1100, 160, 333, 1333. Tentukan P10, P50 & P90
Menggunakan
gg pendekatan mid-point
p p , buat distribusi p
pada kertas log-probability
gp y
a. Susun data berdasarkan besarannya, dari besar ke kecil
b. Hitung nilai Percentile  Percentile = 100/n x (rank – 0,5), dimana n= 7
c. Hitung P10, P50 dan P90 secara interpolasi
d. Hitung Swanson’s mean = 0,3(P90) + 0,4(P50) + 0,3(P10)
e. Plot data
BOPD Rank %tile Interpolasi:
2350 1 7.1 BOPD
1333 2 21.4 P10 2147
1100 3 35.7 P50 850
850 4 50.0 P90 195
570 5 64.3
333 6 78.6 Mean 1042
160 7 92.9
44
957 Arith Mean

22
 9-Nov-16

Probit dengan Excel

1. Buka “Probit Plot Template.xlsx”.
2. Pada kolom yang disediakan masukan data yang sudah urut
dari besar ke kecil, berikan ranking dan hitung percentile
3. Klik chart dan buka “Chart Tools” untuk mengganti data
range.
4. Klik titik chart dan klik kanan, pilih “Add
Trendline”  “Polynomial”  “Display
equation on chart”.
5 Revisi rumus pada P10,
5. P10 P50 & P90
sesuai dengan persamaan regresi
polynomial.
6. Lakukan Trial & Error untuk mendapatkan angka P10, P50 &
P10. Select Data  What-if Analysis  Goal Seek
45

Goal Seek dengan Excel

• Fungsi ini digunakan untuk melakukan analisis sensitivitas melalui sebuah
model perhitungan yang output nya akan berubah ketika input dirubah.
• Fungsi ini membantu menentekunmemberikan output yang telah
ditentukanmenghilangkan proses input dengan menebak atau coba-coba
coba coba
atau trial and error dalam suatu model perhitungan sehingga.

Goal Seek

46

23
 9-Nov-16

Latihan Probit Plot

Berikut adalah data porositas dari 15 sumur.

B l h plot
Buatlah l dalam
d l skala
k l log-probability
l b bili dan
d
tentukan nilai P90, P50 & P10.
Porositas dari 15 sumur
0.161
0 161 0.207
0 207 0.161
0 161
0.112 0.146 0.197
0.149 0.131 0.196
0.169 0.121 0.149
0.110 0.179 0.082 47

Jawab
Porosity Distribution
P0 Por Rank %tile
P10 Porosity 0.207 1 3.3
P10 19 %
19.7% 0 197
0.197 2 10.0
10 0
P20
P50 14.9% 0.196 3 16.7
P30
y = -1572.2x2 - 356.52x + 141.83 P90 11.0% 0.179 4 23.3
P40
0.169 5 30.0
P50
Mean 15.2% 0.161 6 36.7
P60 0.161 7 43.3
0.149 8 50.0
P70
0.149 9 56.7
P80 0.146 10 63.3
P90
0.131 11 70.0
0.121 12 76.7
P100 0.112 13 83.3
0.01 0.1 1
Porosity, %
0.110 14 90.0
0.082 15 96.7

48

24
 9-Nov-16

Menentukan P90, P50 & P10

dengan Excel

P90 P50 P10

49

Scenario Perhitungan Cadangan

50

25
 9-Nov-16

ESTIMASI PROSPECT RESERVES

(P1 = 1500)

AREA P10

P90
P99=25
P10 = 600 A
Ac P 0 = 200 A
P50 Ac P90 = 60 A
Ac
10 100 1000

RATA-RATA NET PAY (NP) (P1 = 75)

P10
P90 = 10’
P50 = 20’
P90
P99=6
P10 = 40’
1 10 100

RESERVOIR YIELD (RY) (P1 = 700)

P10
400 BAF = P10
200 BAF = P50
100 BAF = P90 P99= 60
P90
BAF:Barrel per Acre Foot
10 100 1000

DISTRIBUSI PENGALIAN AREA, NP, & RY

AREA, ACRES AVE. NET PAY, FT. RESERVOIR YIELD, BAF
(P1 = 1500) (P1 = 75) (P1 = 700)

P10
x x P50 =
P99=25 P99=6 P99= 60 P90

10 100 1000 1 10 100 10 100 1000

9.6

DISTRIBUSI RESERVES P1

DARI PROSPEK… 3.3 P10

1.37
P50
0.80
0.20
P90

0.06
P99
0.01 0.1 1 10
RESERVES, MMBO

26
 9-Nov-16

Monte Carlo Simulation

Por, % Sw, % Vb, Ac‐ft Boi,  STB/bbl 1.68 Reserves = 7758 Ф(1‐sw)/Boi ‐ STB/ac‐ft
Min              8          45 1177 Vb = Area x thickness, ac‐ft
Most Likely           10          50 1308
Max           12          55 1439

Reserves, MMSTB Reserves Cum Frequency

Trials 1000 10 MMSTB Frequency AscendingDescending Reserves, MMSTB
Mean 303 Less Than 226 0 0.0% 0.0% 100.0% 30% 100%
Frequency
Median 303 > 226 to 243 7 0.7% 0.7% 99.3% 25%

mualtive Frequency
Mode #N/A > 243 to 260 37 3.7% 4.4% 95.6% Cumulative % 80%

Std Dev 25 > 260 to 277 98 9.8% 14.2% 85.8% 20%

Frequency
60%
Variance 613 > 277 to 294 211 21.1% 35.3% 64.7%
15%
Min 226 > 294 to 311 268 26.8% 62.1% 37.9% 40%
Max 390 > 311 to 328 215 21.5% 83.6% 16.4% 10%

Cum
Range 164 > 328 to 345 121 12.1% 95.7% 4.3% 20%
5%
P90 270 > 345 to 362 38 3.8% 99.5% 0.5%
P50 304 > 362 to 379 4 0.4% 99.9% 0.1% 0% 0%
P10 342 > 379 and Up 1 0.1% 100.0% 0.0% > 226 > 243 > 260 > 277 > 294 > 311 > 328 > 345 > 362 > 379
1000

53

Monte Carlo Simulation

Exploration Drilling Economic

ONWJ MRAX-1
Explo

54

27
 9-Nov-16

Pg, Probability of Geological Success

Lima faktor yang menentukan kesuksesan geologis:

- Hydrocarbon Source Rocks (0.9)
- Migration and Timing (0 9)
(0.9)
- Reservoir Rocks (0.6)
- Closure (Structural or Stratigraphic) (0.8)
- Containment (Seal, Preservation) (0.7)

Probabilitas kesuksesan geologis adalah perkalian dari

seluruh probabilitas faktor-faktor geologis.

0.9 x 0.9 x 0.6 x 0.8 x 0.7 = 0.27 = Pg

PROBABILITAS KESUKSESAN GEOLOGIS

Pg = 0.27

P1
P10

P50

P90
“Pg terdapat di
P99
satu titik kurva”

28
 9-Nov-16

THANK YOU

57

29