Text

Implementasi Model Convolutional Neural Network - Long Short Term Memory untuk P-Wave Detection dalam Earthquake Early Warning System (EEWS)

---

Indonesia merupakan negara dengan kondisi tektonik yang kompleks. Dalam 100 tahun
terakhir, Indonesia telah mengalami lebih dari 200 gempa kuat yang sebagian besar
berdampak merusak pada wilayah padat penduduk. Upaya mitigasi gempa menjadi sangat
penting, salah satunya melalui Earthquake Early Warning System (EEWS). EEWS
memproses aktivitas seismik secara realtime dan memberikan peringatan dini sebelum
getaran bumi yang signifikan. Konsep utama EEWS memanfaatkan perbedaan kecepatan
merambat antara P-wave, yang lebih cepat dari S-wave yang bersifat destruktif sehingga
deteksi P-wave dalam beberapa detik pertama dapat memberikan peringatan dini sebelum
gelombang S-wave yang destruktif tiba. Untuk itu, beberapa model deep learning untuk
mendeteksi P-wave dalam gelombang seismik telah diciptakan dengan hasil yang
memuaskan karena jumlah dataset training yang sangat banyak dan disebarluaskan secara
publik dengan label yang telah diberikan secara manual. Dalam penelitian ini, dilakukan
penggabungan dua arsitektur deep learning, yaitu Convolutional Neural Network (CNN) dan
arsitektur Long Short-Term Memory (LSTM) mendeteksi P-wave dari gempa bumi secara
realtime dalam sistem EEWS. Untuk melakukan optimasi terhadap arsitektur ini, terdapat
beberapa skenario yang dilakukan, di antaranya penentuan arsitektur model, window size,
proses normalisasi data, dan perbandingan metode labeling tanpa sampling dan dengan data
yang di-sampling. Dataset yang digunakan merupakan data katalog gempa bumi di Jawa
Tengah dan Jawa Timur dari tahun 2009-2017 yang didapat dari 30 stasiun gempa berupa
gelombang seismik dengan P-wave yang dimulai dari titik tengah dan telah diverifikasi oleh
Badan Klimatologi Meteorologi dan Geofisika (BMKG). Hasil penelitian menunjukkan
bahwa model CNN-LSTM dengan window size 8 detik yang dilatih dengan menggunakan
data yang dinormalisasi tanpa differencing dan dengan data yang di-sampling menghasilkan
model dengan performa terbaik dengan akurasi 0.9512 dan F1-score 0.9515 yang robust
dalam mendeteksi P-wave maupun noise.
Kata kunci : P-wave detection, EEWS, deep learning, CNN, LSTM

---

Ketersediaan

1265 F 2024

1265 F 2024

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1265 F 2024

Penerbit

: ., 2024

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar