PENENTUAN LOKASI HIPOSENTER GEMPA BUMI DAERAH JAWA TENGAH, JAWA TIMUR, BALI DAN SEKITARNYA MENGGUNAKAN MACHINE LEARNING RANDOM FOREST

SEPTIANINGRUM, ANIS (2024) PENENTUAN LOKASI HIPOSENTER GEMPA BUMI DAERAH JAWA TENGAH, JAWA TIMUR, BALI DAN SEKITARNYA MENGGUNAKAN MACHINE LEARNING RANDOM FOREST. Other thesis, UPN Veteran Yogyakarta.

	Text 1. SKRIPSI FULL TEXT_115200056_ANIS SEPTIANINGRUM.pdf Restricted to Repository staff only Download (8MB)
	Text 2. COVER_115200056_ANIS SEPTIANINGRUM.pdf Download (143kB)
	Text 3. ABSTRAK_115200056_ANIS SEPTIANINGRUM.pdf Download (68kB)
	Text 4. LEMBAR PENGESAHAN_115200056_ANIS SEPTIANINGRUM.pdf Download (640kB)
	Text 5. DAFTAR ISI_115200056_ANIS SEPTIANINGRUM.pdf Download (160kB)
	Text 6. DAFTAR PUSTAKA_115200056_ANIS SEPTIANINGRUM.pdf Download (325kB)

Abstract

Daerah penelitian berada di Provinsi Jawa Tengah, Jawa Timur, Bali dan
sekitarnya yang secara geologi pulau Jawa dan Bali berada dalam zona subduksi
dan memiliki sesar – sesar aktif yang menyebabkan daerah ini menjadi daerah
yang rawan terjadi gempa bumi. Penentuan lokasi hiposenter gempa bumi telah
banyak dilakukan, namun dalam penerapannya masih membutuhkan waktu yang
lama dengan tahapan yang panjang. Sehingga perlu dilakukannya penelitian lebih
lanjut mengenai penentuan lokasi dari hiposenter gempa bumi guna
mempersingkat penentuan lokasi hiposenter gempa bumi salah satunya dengan
menggunakan Machine Learning Random Forest.
Random Forest adalah algoritma yang berupa kombinasi dari beberapa
decision trees dimana setiap tree bergantung pada nilai random vector yang
dijadikan sampel secara bebas dan merata pada semua tree dalam forest tersebut.
Hasil prediksi dari Random Forest didapatkan melalui hasil terbanyak dari setiap
individual decision tree (voting untuk klasifikasi dan rata – rata untuk regresi).
Berdasarkan penelitian yang telah dilakukan, dihasilkan keakuratan model
pemograman random forest sebesar 0,77%. Hal ini dikarenakan adanya perbedaan
kombinasi stasiun perekam yang digunakan pada setiap event gempa dari data test
dan data train. Namun nilai keakuratan ini dapat ditingkatkan dengan
mengklasifikasikan kembali dari kombinasi stasiun yang digunakan.
Kata Kunci : Gempa Bumi, Hiposenter, Random Forest

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Gempa Bumi, Hiposenter, Random Forest
Subjects:	G Geography. Anthropology. Recreation > G Geography (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	A.Md.SI Indah Lestari Wulan Aji
Date Deposited:	07 Aug 2024 03:49
Last Modified:	07 Aug 2024 03:49
URI:	http://eprints.upnyk.ac.id/id/eprint/40636

Actions (login required)

View Item