Perpustakaan Digital ITB

Gempa mengakibatkan dampak yang besar kepada manusia maupun ekonomi. Pengembangan model untuk mengestimasi dampak gempa berperan krusial dalam respons terhadap gempa agar penyaluran bantuan bisa dilakukan dengan efektif dan efisien. Dalam penelitian ini dilakukan pengembangan model artificial neural network untuk estimasi jumlah korban gempa. Artificial neural network dipilih karena kemampuannya dalam menemukan hubungan yang kompleks antar fitur dan target. Pengembangan model dilakukan dengan tiga dataset, yaitu dataset kejadian gempa di Istanbul, China, dan gabungan Asia Tenggara dan Asia Selatan. Pencarian arsitektur artificial neural network dilakukan dengan particle swarm optimization dengan mean absolute error dari model sebagai fungsi objektif. Berdasarkan hasil eksperimen, didapat model yang dikembangkan dengan dataset kejadian gempa di Istanbul memiliki MAE 338.4 dengan R2 0.53, model yang dikembangkan dengan dataset kejadian gempa di China memiliki MAE 63.3 dengan r2 0.36, dan model yang dikembangkan dengan dataset kejadian gempa di Asia Tenggara dan Asia Selatan memiliki MAE 4513.6 dengan R2 -0.003. Dari hasil analisis, kurangnya fitur dan ukuran dataset yang kecil menjadi alasan buruknya kinerja model. Sedangkan hasil pencarian arsitektur model dengan PSO menunjukkan PSO dapat mempercepat proses pencarian arsitektur model artificial neural network dengan kompensasi kinerja model jika dibandingkan dengan metode exhaustive.