
ABSTRAK Bima Ilyasa Rachmanditya.pdf
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan

COVER Bima Ilyasa Rachmanditya
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan

BAB1 Bima Ilyasa Rachmanditya
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan

BAB2 Bima Ilyasa Rachmanditya
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan

BAB3 Bima Ilyasa Rachmanditya
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan

BAB4 Bima Ilyasa Rachmanditya
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan

BAB5 Bima Ilyasa Rachmanditya
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan

PUSTAKA Bima Ilyasa Rachmanditya
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
Terbatas  Devi Septia Nurul
» Gedung UPT Perpustakaan
Earthquake Early Warning (EEW) adalah sistem pengiriman peringatan
kejadian gempa bumi secara lebih awal, dengan tahapan pendeteksian dan
penentuan lokasi gempa bumi. Pemilihan waktu tiba gelombang P dan
gelombang S merupakan parameter yang digunakan untuk penentuan lokasi
gempa bumi. Untuk itu, waktu yang diperlukan pada penentuan waktu tiba
gelombang P dan gelombang S memiliki peran penting dalam EEW.
Umumnya penentuan lokasi gempa bumi dilakukan secara manual, dengan
artificial intelligence menjadi salah satu metode untuk menentukan waktu tiba
gempa secara automasi. Deep learning merupakan bagian dari artificial
intelligence yang dapat memproses data secara cepat, skalabilitas yang tinggi,
dan memiliki tingkat akurasi yang PhaseNet merupakan program deep neural
network (DNN) yaitu klasifikasi lebih lanjut dari deep learning dengan tujuan
untuk menentukan waktu tiba gelombang P dan gelombang S. Pada penelitian
ini, penulis menggunakan data waveform dari 89 stasiun BMKG berada di
Pulau Jawa, Indonesia dalam rentang waktu perekaman April 2020 hingga
September 2020. Durasi waveform yang digunakan adalah lima menit dan
selanjutnya PhaseNet diaplikasikan untuk mendapatkan waktu tiba gelombang
P dan gelombang S. Hasil penentuan waktu tiba gelombang P dan gelombang
S, dibandingkan dengan program GaMMA untuk mendapatkan pola sebaran
hasil pemilihan fasa gelombang secara konsisten. Penentuan lokasi gempa
bumi dilakukan dengan menggunakan program NonLinLoc. Hasil waktu tiba
berdasarkan PhaseNet diperoleh 312 dari 333 waktu tiba gelombang P dan
gelombang S, hasil tersebut memiliki selisih kurang dari satu detik. Hasil
penentuan lokasi dengan data PhaseNet memiliki selisih dengan BMKG
dengan rata – rata garis bujur -0.0071o, garis lintang 0.39369o dan kedalaman
3.17981 km