Prediksi Magnitudo Gempa Bumi Indonesia Menggunakan Model LSTM pada Data Spasial Temporal

⭐ Junarti, Rani (2025) Prediksi Magnitudo Gempa Bumi Indonesia Menggunakan Model LSTM pada Data Spasial Temporal. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (849kB)
	PDF BAB_I.pdf Download (325kB)
	PDF BAB_II.pdf Download (672kB)
	PDF BAB_III.pdf Download (403kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_V.pdf Download (201kB)
	PDF DAFTAR_PUSTAKA.pdf Download (223kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)

Abstract

LSTM konvensional tidak selalu optimal tanpa pengembangan arsitektur, sementara penambahan attention mechanism, meskipun meningkatkan fokus pada informasi yang relevan, berpotensi menimbulkan over-reliance yang melemahkan kemampuan LSTM dalam menangkap ketergantungan jangka panjang. Oleh karena itu, studi ini bertujuan mengembangkan dan mengevaluasi model prediksi magnitudo gempa bumi di Indonesia menggunakan pendekatan LSTM yang mengintegrasikan Attention Mechanism dan Residual Connection untuk meningkatkan akurasi serta stabilitas generalisasi. Data penelitian diperoleh dari dataset Kaggle dengan total 21.431 kejadian pada periode 2024­2025 dengan rentang magnitudo 1,0­9,5 Mw. Variabel prediktor meliputi waktu kejadian, koordinat geografis, kedalaman, dan magnitudo sebelumnya, yang diolah menjadi data spasial- temporal sekuensial dengan panjang 60 time steps. Tahap pra-pemrosesan mencakup imputasi sebanyak 699 nilai magnitudo yang hilang menggunakan metode median serta pembagian data menjadi 80% data pelatihan dan 20% data pengujian. Evaluasi model dilakukan menggunakan metrik MSE, RMSE, dan MAE. Hasil penelitian menunjukkan bahwa model LSTM Hybrid merupakan arsitektur dengan kinerja terbaik, dengan RMSE sebesar 0,6725 dan MAE sebesar 0,5304 pada data pengujian, melampaui LSTM Dasar yang memiliki RMSE 0,6745 dan MAE 0,5380. Namun, seluruh model masih mengalami kesulitan dalam memprediksi kejadian gempa bermagnitudo tinggi (outlier), dengan kesalahan prediksi ekstrem mencapai -1,7 unit magnitudo. Model LSTM Hybrid dengan tuning parameter menunjukkan keseimbangan terbaik antara efisiensi komputasi dengan RMSE 0,6747. Temuan ini mengindikasikan bahwa model yang diusulkan berpotensi digunakan sebagai komponen pendukung dalam sistem peringatan dini gempa bumi, khususnya untuk estimasi cepat intensitas awal gempa berdasarkan pola historis. Studi ini tidak terdaftar dan tidak menerima pendanaan eksternal.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Junarti, Rani (00000058597)
Contributors:	Prasetiawan, Iwan (0312046501)
Keywords:	Attention Mechanism, LSTM Hybrid, Mitigasi Bencana, Prediksi Gempa Bumi, Residual Connection
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	14 Jan 2026 08:02
URI:	https://kc.umn.ac.id/id/eprint/43359

Actions (login required)

View Item