Perpustakaan Digital ITB

Pulau Sumatera merupakan wilayah yang dilalui oleh sesar aktif, jalur gunung berapi, dan zona subduksi lempeng Eurasia dan Indo-Australia yang berada di bagian timur Samudera Hindia. Hal ini mengakibatkan 5 dari 25 wilayah rawan gempa di Indonesia berada di Pulau Sumatera. Gempa bumi memiliki karakteristik tidak dapat dicegah tetapi akibat yang ditimbulkan dapat dikurangi. Salah satu upaya untuk mengurangi kerusakan yang ditimbulkan oleh gempa bumi adalah dengan melakukan prediksi kekuatan gempa menggunakan suatu model ruang-waktu seperti Generalized Space Time Autoregressive (GSTAR). Model GSTAR digunakan untuk mendeteksi pola linier dari data dan Artificial Neural Network (ANN) digunakan untuk menangkap pola nonlinier pada residual dari hasil model GSTAR. Selain itu, karena titik-titik pusat gempa yang berbeda memiliki kedalaman yang berbeda-beda, maka digunakan letak lokasi secara tiga dimensi untuk membangun matriks bobot melalui perkalian matriks Hadamard. Matriks bobot yang digunakan adalah matriks bobot uniform, invers jarak, dan modifikasi yang menggambarkan hubungan antar lokasi yang berbeda. Penelitian ini fokus untuk meneliti kekuatan gempa dari bulan Agustus 2013 sampai dengan Juli 2023 di wilayah zona subduksi Nias – Pagai dan sesar Utara-Barat Sumatera dengan Latitude (-4,544?S – 2,175?N) dan Longitude (95,545? - 102,656?E). Hasil dari penelitian ini memperlihatkan bahwa model residual GSTAR(1;1)-ANN dengan matriks bobot modifikasi memberikan kemampuan prediksi yang paling baik dengan rata-rata nilai MAPE hasil prediksi yang lebih kecil dibandingkan model lainnya yaitu sebesar 8,27%. Dari perhitungan nilai MAPE, model yang menggunakan ANN dapat meningkatkan performa model sebesar 88,89%. Selanjutnya dilakukan visualisasi melalui peta kontur untuk melihat kontur data asli dan hasil prediksi kekuatan gempa lima bulan kedepan.