SISTEM PREDIKSI NILAI-B SEBAGAI PREKURSOR GEMPA BUMI MENGGUNAKAN METODE EXTREME LEARNING MACHINE
| Main Author: | Fandenza, Angga Dwi Lucas |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.upnjatim.ac.id/839/1/Cover.pdf http://repository.upnjatim.ac.id/839/2/Bab%201.pdf http://repository.upnjatim.ac.id/839/3/Bab%202.pdf http://repository.upnjatim.ac.id/839/4/Bab%203.pdf http://repository.upnjatim.ac.id/839/5/Bab%204.pdf http://repository.upnjatim.ac.id/839/6/Bab%205.pdf http://repository.upnjatim.ac.id/839/7/Daftar%20pustaka.pdf http://repository.upnjatim.ac.id/839/ |
Daftar Isi:
- Indonesia yang terletak pada Alpine Belt atau Sabuk Alpine dan gempa bumi terbesar atau antara lima hingga enam persen gempa bumi yang terjadi di dunia terjadi di daerah Sabuk Alpine. Baik cincin api pasifik maupun Sabuk Alpine, Dimana indonesia termasuk dikedua jalur ini. Dan wilayah Indonesia yang termasuk dalam Sabuk Alpine adalah Jawa dan Sumatera. Pengetahuan tentang prediksi gempa menjadi hal yang sangat penting, terlebih untuk mengetahui pola-pola kejadian terjadinya gempa berdasarkan data-data yang didapatkan dari Badan Meteorologi dan Geofisika (BMKG). Wilayah Sumatera menjadi objek yang diperhatikan pada penelitian ini dan dibatasi pada wilayah dari 92 ° -106 ° Bujur Timur (BT) dan 6,5 ° Lintang Selatan (LS) - 8 ° Lintang Utara (LU) sumatera. Bentuk prediksi nilai-b sebagai parameter yang menunjukkan prekursor gempa bumi ini menjadi bahan penelitian yang disarankan berupa sistem prediksi gempa bumi. Prekursor gempa sendiri merupakan sesuatu yang mendahului atau diperkirakan menunjukkan kemunculan sesuatu terjadinya gempa. Extreme Learning Machine sebagai metode yang digunakan dalam penelitian ini beserta pemrograman yang menggunakan Bahasa Pemrograman Python dan menggunakan platform Anaconda. Sistem prediksi ini menunjukkan bahwa hasil dari proses pelatihan Extreme Learning Machine untuk sistem prediksi nilai-b sebagai prekursor gempa, diperoleh hasil Mean Square Error (MSE), Root Mean Square Error (RMSE), Mean Absolute Percentage Error (MAPE) dan juga presentase keberhasilan prediksi masing-masing sebesar 0.00042; 0.02042; 1.83176 dan 98.17 %. Untuk hasil proses pengujian Extreme Learning Machine dalam sistem prediksi nilai-b sebagai prekursor gempa yang dilakukan selama lima kali uji coba diperoleh rata-rata MSE, RMSE, MAPE dan prosentase keberhasilan prediksi masing-masing sebesar 0.01358, 0.10220, 14.08239, dan 85.92 %. Kata Kunci : Extreme Learning Machine, prediksi, nilai-b, prekursor, gempa bumi, BMKG