IDENTIFIKASI DAN PREDIKSI JENIS GEMPA VULKANIK BERBASIS GELOMBANG SEISMIK MENGGUNAKAN MACHINE LEARNING

BAGAS ANWAR ARIF NUR, . (2024) IDENTIFIKASI DAN PREDIKSI JENIS GEMPA VULKANIK BERBASIS GELOMBANG SEISMIK MENGGUNAKAN MACHINE LEARNING. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

[img] Text
Cover.pdf

Download (2MB)
[img] Text
Bab 1.pdf

Download (1MB)
[img] Text
Bab 2.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text
Bab 3.pdf
Restricted to Repository staff only

Download (229kB) | Request a copy
[img] Text
Bab 4.pdf
Restricted to Repository staff only

Download (750kB) | Request a copy
[img] Text
Bab 5.pdf
Restricted to Repository staff only

Download (510kB) | Request a copy
[img] Text
Daftar Pustaka.pdf

Download (3MB)
[img] Text
Lampiran.pdf
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Monitoring kegempaan vulkanik memegang peran penting dalam mitigasi kebencaan gunung api. Pada penelitian ini dikembangkan model machine learning dalam tugas prediksi jenis kegempaan vulkanik. Dalam penelitian ini dilakukan analisa cluster dan fitur untuk mengetahui kemiripan dan keterpisahan jenis gempa vulkanik serta fitur paling relevannya dalam pengembangan model Support Vector Machine dan K Nearest Neighbour. Penelitian dilakukan menggunakan data gunung sinabung dengan jenis kegempaan yang dianalisis adalah Volcano Tectonic, Low-frequency, dan letusan. Untuk tiap data gelombang dilakukan ekstraksi fitur pada domain waktu, frekuensi, dan spektrogramnya. Hasil menunjukkan bahwa keterpisahan antar jenis gempa dan kemiripan antar anggota dalam jenis kegempaan cukup tinggi ditunjukkan pada hasil silhouette score mencapai 0.6057, ARI 0.8793, CH-Index 934.4445, DB-Indeks 0.5205, dan Hasil prediksi memiliki precision, recall, dan F1-Score 97.37%, 100%, dan 98.67% untuk Volcano-Tectonic, 100% 100%, 100% untuk precision, recall, dan F1-Score Low-Frequency, dan 100%, 97.06%, 98.51% untuk letusan dengan akurasi keseluruhan adalah 99.04% pada data test menggunakan enam fitur terpilih. Hasil ini menunjukkan bahwa sistem prediksi jenis kegempaan vulkanik memiliki potensi signifikan dan dapat diterapkan dalam berbagai aplikasi praktis.

Item Type: Thesis (Sarjana)
Additional Information: 1). Dr. rer. nat. Bambang Heru Iswanto, M.Si. ; 2). Dr. Mohammad Hasib, M.Sc.
Subjects: Sains > Fisika
Sains > Geologi
Divisions: FMIPA > S1 Fisika
Depositing User: Users 24815 not found.
Date Deposited: 13 Aug 2024 03:41
Last Modified: 13 Aug 2024 03:41
URI: http://repository.unj.ac.id/id/eprint/49847

Actions (login required)

View Item View Item