PREDIKSI PETA POTENSI SEISMIC GAP MENGGUNAKAN METODE LOWESS DAN ALGORITMA DBSCAN PADA REKAM SEISMISITAS

Ardiansyah, Maulana Daffa (2024) PREDIKSI PETA POTENSI SEISMIC GAP MENGGUNAKAN METODE LOWESS DAN ALGORITMA DBSCAN PADA REKAM SEISMISITAS. Other thesis, UPN Veteran Yogyakarta.

	Text COVER.pdf Download (119kB)
	Text Abstrak.pdf Download (75kB)
	Text PENGESAHAN.pdf Download (279kB)
	Text DAFTAR ISI.pdf Download (74kB)
	Text DAFTAR PUSTAKA.pdf Download (99kB)
	Text FULLTEXT - Maulana Daffa Ardiansyah.pdf Restricted to Repository staff only Download (3MB)

Abstract

Indonesia terletak di pertemuan empat lempeng tektonik utama yang memicu aktivitas seismik tinggi, termasuk gempa besar di zona subduksi megathrust. Identifikasi seismic gap penting untuk memahami pola dan potensi gempa besar di masa depan. Meskipun ada catatan sejarah gempa, memprediksi gempa secara tepat sangat sulit karena dinamika pergerakan tektonik yang kompleks. Salah satu cara untuk memahami pola megathrust adalah dengan mengidentifikasi daerah seismic gap. Terdapat 12 zona seismic gap di Indonesia, dengan 2 di antaranya di Selatan Pulau Jawa. Namun, identifikasi ini masih dalam skala luas, sehingga perlu diperkirakan pusat seismic gap untuk mempelajari potensi gempa besar.

Penelitian ini bertujuan untuk menganalisis potensi seismic gap di Indonesia menggunakan pendekatan berbasis kepadatan dengan algoritma DBSCAN dan LOWESS. Berdasarkan hasil pengelompokan menggunakan DBSCAN, metode Dynamic Method yang diadopsi dari DMDBSCAN menunjukkan keterbatasan dalam menghasilkan nilai epsilon yang relevan untuk dataset dengan ukuran besar. Hal ini terlihat dari identifikasi noise yang mencapai lebih dari 3.000 dari total 3.005 data, yang disebabkan oleh skala kecil pada grafik k-distance yang menghasilkan gradien signifikan pada nilai epsilon yang sangat kecil. Kondisi ini menegaskan perlunya peninjauan ulang terhadap metode Dynamic Method untuk menentukan nilai epsilon yang optimal.

Hasil penelitian menunjukkan bahwa algoritma DBSCAN dengan parameter terbaik (minPts = 5 dan eps = 0,3) menghasilkan cluster yang homogen dan terpisah dengan baik, meskipun metode Dynamic Method dan Kneedle belum optimal untuk semua kondisi data. Implementasi LOWESS dengan bandwidth f = 0,4 memberikan nilai RMAE terendah, menunjukkan kemampuan terbaik dalam merepresentasikan pola data setelah noise diatasi menggunakan DBSCAN. Sebanyak 12 titik seismic gap berhasil diidentifikasi pada lingkup zona subduksi Sumatra-Jawa, termasuk di wilayah Kepulauan Mentawai dan selatan Pulau Jawa, dengan presisi lebih tinggi dibandingkan penelitian sebelumnya. Skala seismic gap besar juga ditemukan di barat daya Aceh, meskipun wilayah tersebut telah melepaskan energi besar pada gempa 2004. Hasil ini menekankan pentingnya data berkualitas tinggi dalam mendeteksi seismic gap secara akurat, yang relevan untuk mitigasi bencana dan pemahaman dinamika tektonik di Indonesia.

Kata kunci: Seismic Gap, Gempa Bumi, DBSCAN, LOWESS, Kneedle.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Seismic Gap, Gempa Bumi, DBSCAN, LOWESS, Kneedle.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Bayu Setya Pambudi
Date Deposited:	16 Jan 2025 03:08
Last Modified:	16 Jan 2025 03:08
URI:	http://eprints.upnyk.ac.id/id/eprint/42068

Actions (login required)

View Item