VISUALISASI RESIKO GEMPA DENGAN MODEL PREDIKSI GEMPA BERBASIS KECERDASAN BUATAN BERDASARKAN TINGKAT KERUSAKAN BANGUNAN

Wijaya, Usman (2022) VISUALISASI RESIKO GEMPA DENGAN MODEL PREDIKSI GEMPA BERBASIS KECERDASAN BUATAN BERDASARKAN TINGKAT KERUSAKAN BANGUNAN. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 21.52.1051 Usman Wijaya.pdf Download (3MB)

Abstract

Salah satu cara untuk mengurangi korban jiwa saat terjadi gempa adalah mengetahui sedini mungkin kapan terjadi gempa. Gempa bumi adalah momok menakutkan bagi negara Indonesia dimana Indonesia berada di ring of fire sebutan untuk negara dengan resiko gempa tinggi. Berbagai upaya telah dilakukan untuk mengurangi korban akibat gempa bumi diantaranya dengan rutin memperbarui peta gempa Indonesia, dimana peta gempa tersebut penting untuk memberikan informasi kepada ahli teknik bangunan gedung dalam menentukan parameter kekuatan struktur bangunan yang direncanakan. Model prediksi gempa berbasis Artificial Intelligence ini diharapkan kedepannya dapat memberikan masukan terhadap perkembangan peta gempa di Indonesia. Bangunan gedung umumnya didesain sampai usia 50 tahun, sehingga penting untuk diketahui intensitas gempa dalam kurun waktu 50 tahun tersebut. Prediksi kejadian gempa dilakukan dengan cara mengumpulkan dataset waktu kejadian gempa, besaran gempa, lokasi kejadian gempa, episenter pusat gempa, dan tingkat kerusakan bangunan selama kurun waktu 50 tahun. Dataset yang diperoleh divisualisasikan hubungan antar masing-masing atribut untuk mencari korelasi data terkuat. Data kemudian dibangun menjadi sebuah model prediksi kejadian gempa berdasarkan tingkat kerusakan bangunan yang ditimbulkan akibat gempa pada kejadian dalam kurun 50 tahun dengan algoritma regresi random forest, super vector machine regresi, dan regresi polinomial. Nilai prediksi dicek perfoma dengan nilai error Root Mean Square (RMSE). Dari model algoritma machine learning yang telah dibangun, diperoleh pemetaan distribusi kerusakan bangunan level tertinggi sangat jarang terjadi yaitu dibawah 10%. Distribusi paling sering terjadi pada nilai indeks MMI rendah. Begitu pula untuk nilai magnitudo tinggi terhadap indeks MMI tinggi juga tercatat jumlah kejadian yang sangat jarang terjadi. Sedangkan algoritma random forest regresi merupakan algoritma yang memiliki tingkat akurasi tertinggi yaitu mencapai 98 persen dan tingkat error RMSE 5.4 persen. Model prediksi dan pemetaan gempa ini diharapkan dapat memberikan masukan kepada pemerintah dalam memberikan peringatan dini kepada masyarakat sebelum terjadi gempa. Harapannya kedepannya Indonesia dapat memiliki alat prediksi gempa, sehingga korban jiwa akibat gempa bumi dapat dikurangi bahkan dihindari.

Actions (login required)

View Item