KLASIFIKASI TIPE GEMPA VULKANIK GUNUNG MERAPI MENGGUNAKAN METODE 1D CONVOLUTIONAL NEURAL NETWORK

Abdulhakim, Sidi Muhammad (2025) KLASIFIKASI TIPE GEMPA VULKANIK GUNUNG MERAPI MENGGUNAKAN METODE 1D CONVOLUTIONAL NEURAL NETWORK. Skripsi thesis, UPN "Veteran"Yogyakarta.

	Text Cover_123180149_Sidi Muhammad Abdulhakim.pdf Download (315kB)
	Text Abstrak_123180149_Sidi Muhammad Abdulhakim.pdf Download (358kB)
	Text Pengesahan Pembimbing_123180149_Sidi Muhammad Abdulhakim.pdf Download (460kB)
	Text Pengesahan Penguji_123180149_Sidi Muhammad Abdulhakim.pdf Download (346kB)
	Text Daftar Isi_123180149_Sidi Muhammad Abdulhakim.pdf Download (453kB)
	Text Daftar Pustaka_123180149_Sidi Muhammad Abdulhakim.pdf Download (311kB)
	Text Skripsi Fulltext_123180149_Sidi Muhammad Abdulhakim.pdf Restricted to Repository staff only Download (5MB)

Abstract

Gunung Merapi adalah salah satu gunung api strato paling aktif dan berbahaya di
Indonesia yang terletak di Daerah Istimewa Yogyakarta dan Provinsi Jawa Tengah dimana
merupakan wilayah dengan kepadatan populasi tinggi. Balai Penyelidikan dan
Pengembangan Teknologi Kebencanaan Geologi (BPPTKG) yang melaksanakan tugas
monitoring dan klasifikasi gempa Gunung Merapi secara berkala dan terpadu selama ini
mengklasifikasikan tipe gempa dengan menganalisis bentuk gelombang data seismik.
Proses analisa data seismik yang membutuhkan waktu dan memerlukan pengetahuan
khusus dari para ahli tersebut menjadi tidak efektif dengan banyaknya jumlah data yang
diperoleh setiap saat.
1D CNN adalah variasi dari CNN yang memiliki keunggulan dalam mempelajari
pola atau fitur lokal dari input sekuensial dan menjadikannya cocok untuk diterapkan pada
data time series seperti gelombang seismik. Penelitian ini akan menguji performa dari dua
model 1D CNN yang dilatih menggunakan berbagai kombinasi hyperparameter untuk
tugas klasifikasi gempa vulkanik Gunung Merapi berupa gempa Low Frequency,
Multiphase, Rock Falls, Volcano Tectonic A, dan Volcano Tectonic B. Dataset penelitian
yang digunakan merupakan 1479 data rekaman gelombang seismik yang telah melalui
proses z-score normalization dan dibagi menjadi 70% training set, 15% validation set, dan
15% test set.
Berdasarkan hasil penelitian, Model CNN A yang menerapkan arsitektur dari
penelitian oleh Tous, et al. (2020) dengan nilai batch size 128 dan learning rate 0.001
mampu memperoleh performa macro average F1 score tertinggi diantara kedua model
yaitu sebesar 0.734 dan dengan accuracy sebesar 73%. Sementara Model CNN B yang
menerapkan arsitektur dari penelitian oleh Ren, et al. (2023) ketika menggunakan
kombinasi hyerparameter dengan nilai batch size 128 dan learning rate 0.0001
menghasilkan nilai macro average F1 score tertinggi sebesar 0.682 dan dengan accuracy
sebesar 67.6%.
Kata Kunci : Klasifikasi Sinyal, Gelombang Seismik, Gunung Merapi, 1D CNN,
Convolutional Neural Network.

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Sidi Muhammad Abdulhakim (Penulis - 123180149); Awang Hendrianto Pratomo (Pembimbing)
Uncontrolled Keywords:	Klasifikasi Sinyal, Gelombang Seismik, Gunung Merapi, 1D CNN, Convolutional Neural Network.
Subjek:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	19 Nov 2025 03:43
Last Modified:	19 Nov 2025 03:43
URI:	http://eprints.upnyk.ac.id/id/eprint/45545

Actions (login required)

View Item