Uji performa prediksi gempa bumi di Jawa Timur dengan artificial neural network

Permana, Muhammad Aji and Faisal, Muhammad ORCID: https://orcid.org/0000-0003-4884-7254 (2023) Uji performa prediksi gempa bumi di Jawa Timur dengan artificial neural network. Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi, 11 (1). pp. 44-54. ISSN 2776-3706

Preview

Text 14744.pdf - Published Version Available under License Creative Commons Attribution Non-commercial. Download (422kB) | Preview

Abstract

Provinsi Jawa Timur merupakan wilayah yang berbatasan langsung dengan zona subduksi lempeng Eurasia dan Indo-Australia, hal ini mengakibatkan provinsi Jawa Timur menjadi daerah yang rawan terjadi bencana gempa bumi. Prediksi mengenai frekuensi kejadian gempa sangat menarik untuk diteliti. Hal ini perlu dilakukan guna meningkatkan kesiapsiagaan kita dalam upaya mengurangi risiko gempa bumi. Penelitian mengenai prediksi gempa bumi telah banyak dilakukan salah satunya dengan metode artificial neural network. Tujuan dari penelitian ini adalah memperoleh arsitektur jaringan terbaik yang diterapkan pada data frekuensi kejadian gempa bumi per bulan di Provinsi Jawa Timur. Data kejadian gempa bumi tersebut bersumber dari BMKG Stasiun Geofisika Nganjuk, yang tercatat selama periode tahun 2016-2021. Data tersebut kemudian dikelompokkan menjadi data frekuensi kejadian per bulan. Kriteria pemilihan arsitektur jaringan terbaik dilakukan dengan membandingkan nilai error dari setiap kemungkinan arsitektur yang terbentuk. Metode pengujian menggunakan kriteria SSE (sum square error) pada tiap model arsitektur artificial neural network. Hasil uji menunjukkan bahwa variasi input mempunyai kontribusi yang signifikan dan korelasi yang lebih besar daripada variasi jumlah neuron tersembunyi. Hasil prediksi terbaik didapatkan pada model dengan arsitektur 9-30-1 dengan nilai error 0.1958.

Item Type:	Journal Article
Keywords:	prediksi; gempa bumi; artificial neural network
Subjects:	08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing
Divisions:	Faculty of Technology > Department of Informatics Engineering
Depositing User:	Muhammad Faisal
Date Deposited:	30 May 2023 14:27

Downloads

Origin of downloads

Actions (login required)

View Item