Pradana, Andrian (2025) PERBANDINGAN ALGORITMA RANDOM FOREST DAN XGBOOST REGRESSOR DALAM KASUS REGRESI UNTUK MEMPREDIKSI KEKUATAN GEMPA. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id/style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (201kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (637kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (209kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (374kB) |
|
Text (BAB V)
BAB V.pdf Download (67kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (113kB) |
![[img]](https://eprints.amikom.ac.id/style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 21.11.4082.zip Restricted to Repository staff only Download (817kB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (916kB) |
Abstract
Indonesia merupakan salah satu negara dengan tingkat aktivitas seismik tertinggi di dunia karena berada di pertemuan tiga lempeng tektonik utama. Akibatnya, gempa bumi kerap terjadi dan menimbulkan dampak serius terhadap masyarakat, infrastruktur, dan lingkungan. Tantangan utama dalam penanggulangan bencana gempa bumi adalah kesulitan dalam memprediksi kekuatan gempa secara akurat, mengingat kompleksitas data seismik yang tinggi. Oleh karena itu, dibutuhkan metode yang mampu mengolah data dengan baik dan menemukan pola tersembunyi untuk membantu dalam proses prediksi. Penelitian ini bertujuan untuk mengimplementasikan dan membandingkan dua algoritma machine learning, yaitu Random Forest dan Gradient Boosting, dalam melakukan prediksi kekuatan gempa bumi. Langkah-langkah yang dilakukan meliputi pengumpulan data gempa dari sumber terbuka, pembersihan data (data cleaning), analisis data secara eksploratori, normalisasi, pemisahan data latih dan uji, pelatihan model menggunakan kedua algoritma, serta evaluasi kinerja model menggunakan metrik Mean Squared Error (MSE), Mean Absolute Error (MAE), dan koefisien determinasi (R²). Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem prediksi kekuatan gempa berbasis data historis. Hasil dari penelitian ini dapat dimanfaatkan oleh para peneliti, institusi kebencanaan, serta pengembang sistem mitigasi bencana untuk mendukung pengambilan keputusan yang lebih tepat. Penelitian lebih lanjut disarankan untuk mempertimbangkan variabel tambahan seperti struktur geologi dan jenis patahan guna meningkatkan akurasi model.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Gempa Bumi, Machine Learning, Random Forest, Gradient Boosting, Prediksi | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus |
||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 27 Nov 2025 06:37 | ||
| Last Modified: | 27 Nov 2025 06:37 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/31372 |
Actions (login required)
 |
View Item |