Perpustakaan Digital ITB

Indonesia merupakan salah satu negara yang berada pada zona Ring of Fire yang menyebabkan rawan terhadap bencana gempa bumi dan tsunami. Pulau Bali yang berada di bagian selatan Indonesia merupakan salah satu destinasi wisata Internasional yang terkenal dengan keindahan pantainya. Dengan lokasi yang berada di sisi selatan Indonesia dan berhadapan langsung pada zona subduksi Java Megathurst serta konsentrasi penduduk yang cenderung berada di wilayah pesisir menjadikan Pulau Bali memiliki kerentanan yang tinggi. Salah satu cara untuk mengurangi dampak dari bencana tsunami adalah dengan menerapkan sistem peringatan dini sebaik mungkin. Diantaranya yaitu mengetahui ketinggian tsunami dan waktu tiba tsunami secepat mungkin. Penelitian ini akan mengaplikasian algoritma deep learning dalam melakukan prediksi parameter tsunami. 21 skenario megnitudo (7,0 – 9,0 dengan interval 0,1 Mw) di 6 lokasi sub-fault disimulasikan secara numerik menggunakan persamaan perairan dangkal linear dengan bantuan program Delft3D. Pengamatan dilakukan pada 6 lokasi titik observasi yang merupakan destinasi wisata pantai di selatan Pulau Bali. Database dipecah menjadi 3 bagian yaitu untuk training, testing, dan validasi. Pemograpan deep learning menggunakan bahasa pemograman Python dengan library TensorFlow. Input yang digunakan sebanyak 7 neuron yang merupakan variable lokasi dan besar magnitudo, 2 hidden layer dengan jumlah masing-masing 50 neuron dan 100 neuron untuk mendapatkan 120 neuron output yang merepresentasikan ketinggian tsunami tiap menit selama 2 jam. Didapatkan nilai korelasi ketinggian maksimum tsunami sebesar 0,985 dan 0,919 untuk waktu tiba tsunami. Penggunaan algoritma deep learning juga mampu mengurangi jumlah database hingga 33,3 %. Dibandingkan dengan perhitungan numerik, algoritma deep learning mampu melakukan perhitungan lebih cepat hingga 15.000 kali dengan korelasi di atas 0,90.