Perpustakaan Digital ITB

Aktivitas pertambangan dapat merubah kondisi stress bawah permukaan sehingga dapat menginduksi mikroseismik dan dapat menyebabkan gempa dengan magnitude besar (gempa mayor). Terdapat beberapa penelitian mengenai potensi kebencanaan akibat gempa terinduksi menggunakan atribut yang berbeda – beda, seperti log EI, apparent stress, apparent volume, b-value, cepat rambat gelombang seismik, dll. Dalam penelitian ini, penulis mengestimasi daerah dengan probabilitas tinggi akan munculnya gempa mayor (Mw ? 0.7) menggunakan artificial neural network (ANN) berbasis principal component analysis (PCA). Multiatribut yang digunakan adalah log EI, apparent stress, apparent volume, Es/Ep, jumlah gempa, b-value, cepat rambat gelombang seismik (Vp, Vs, Vp/Vs), blasting effect, dan model litologi daerah penelitian. Daerah penelitian dibagi menjadi beberapa kotak dengan ukuran 40 m x 40 m. Setiap kotak akan memiliki nilai setiap atribut dan akan ditentukan probabilitas akan munculnya gempa mayor. Multiatribut tersebut dianalisa menggunakan PCA. Tujuh principal components yang telah mewakili 94% variasi data dijadikan input untuk ANN. Pada penelitian ini penulis melakukan estimasi probabilitas kemunculan gempa mayor dalam dua minggu kedepan dengan menggunakan data dari dua minggu sebelumnya. Dari hasil pemodelan ANN, kita menunjukkan bahwa secara umum terdapat dua zona pada daerah penilitian yang memiliki performa model ANN yang berbeda. Dua zona tersebut yaitu area di bagian tenggara dan barat laut dari cave dengan f1 score 17.02% dan 47.42% secara berurutan. Perbedaan hasil tersebut dapat disebabkan oleh litologi dan sifat mekanik batuan yang berbeda pada kedua area tersebut.