Klasifikasi Model Decesion Tree untuk Deteksi Gempa Bumi dalam Sistem Peringatan
Abstract
Indonesia merupakan negara yang berada pada
lempeng Australia, Lempeng Eurasia dan lempeng pasifik,
sehingga di indonesia terjadi banyak pergerakan lempeng
tetonik dan vulkanik yang menyebabkan gempa bumi. Contoh
kasus gempa bumi yang terjadi di padang pariaman dan
wilayah Sumatera Barat, Indonesia. Bencana gempa bumi ini
terjadi sebesar 7.6 Skala Ricther dan menelan korban lebih
daripada 1200 orang.
Solusi untuk mengatasi permasalahan ini adalah
diperlukan suatu alat yang dapat mendeteksi, dapat
dimonitoring dan terdapat perangkat peringatan untuk
memberikan peringatan ketika terjadi adanya gempa bumi.
Earthquake Detector System merupakan sistem pendeteksi
maupun otomatisasi rumah pada bencana gempa bumi yang
telah terjadi. Sistem ini dapat mengklasifikasi gempa
berdasarkan kekuatan gempa dengan menggunkan algoritma
decesion tree dengan kelas Normal, Gempa Tidak Merusak,
dan Gempa Merusak.
Berdasarkan Implementasi algoritma decesion tree Proses
prediksi klasifikasi gempa menggunakan algoritma decesion
tree menghasilkan nilai akurasi sebesar 97% dengan nilai error
sebesar 3% dan proses waktu untuk mengklasifikasi algoritma
mulai dari memasukan variable sampai mendapatkan hasil
klasifikasi dengan rata rata waktu yang di peroleh sebesar
00,00,59 ms pada percobaan sebanyak 30 kali dan pengujian
model decesion tree data test : data train akurasi tertinggi
81,761% dengan data 30:70 .
Kata kunci— Algoritma, Decision tree, Perangkat Peringatan.
References
H. Hadi, S. Agustina, and A. Subhani,
Kesiapsiagaan Stakeholder dalam Pengurangan Risiko
Bencana Alam Gempabumi,= Geodika J. Kaji. Ilmu
dan Pendidik. Geogr., vol. 3, no. 1, p. 30, 2019, doi:
29408/geodika.v3i1.1476.
B. N. P. B. (BNPB),
Indonesia (DIBI),= Badan Nasional Penanggulangan
Bencana (BNPB), 2021. -dibi.bnpb.go.id/
(accessed Nov. 12, 2022).
Widyaiswara Madya,
Terhadap Bencana Gempa Bumi di Lingkungan Pusat
Pendidikan dan Pelatihan Badan Meteorologi
Klimatologi dan Geofisika,= J. BMKG, vol. 3, no. 2,
pp. 22-31, 2021, [Online]. Available: -ejournal.pusdiklat.bmkg.go.id/index.php/climago/article
/view/36%0A-ejournal.pusdiklat.bmkg.go.id/index.php/climago/article
/download/36/28.
A. Datumaya, W. Sumari, S. Purwo Nugroho, and T.
N. Addin, Pengurangan Risiko Bencana Gempa BumiTsunami Di Pangkalan Tni Au Padang Akibat
Megathrust Mentawai Disaster Risk Reduction of
Tsunami Earthquake in Indonesian Air Force Base of
Padang As a Result of Mentawai Megathrust, vol. 6,
no. 1. 2016.
A. Haviz Fajri, M. Ary Murti, and R. Ardianto
Priramadhi,
Terhadap Gempa Bumi Menggunakan Sensor Getar
Omron D7S,= Telkom Univ., pp. 1-8, 2021.
C. K. Ardhi, M. A. Murti, and R. Nugraha,
Sensor Accelerometer Dan Sensor Getar ( Design of
Earthquake Sensor System Using Accelerometer and
Vibrace Sensor ),= J. Teknol. Dan Pendidik., vol. 5, no.
, pp. 4019-4027, 2018.
A. R. H. Hussein,
challenges and future applications,= Int. J. Adv.
Comput. Sci. Appl., vol. 10, no. 6, pp. 77-82, 2019,
doi: 10.14569/ijacsa.2019.0100611.
D. N. Rohmat, M. I. Arsyad, and E. Kurniawan,
Menggunakan Sensor ADXL345 Berbasis Matlab,= J.
Teknol. Rekayasa Tek. Mesin, vol. 3, no. 1, pp. 15-19,
R. Kurniawati and M. A. Murti,
Penggunaan Sensor untuk Sistem Deteksi Gempa,=
Proc. Ser. Phys. Form. Sci., vol. 1, pp. 1-7, 2021, doi:
30595/pspfs.v1i.126.
M. Fauzi and Mussadun,
Bumi Dan Tsunami Di Kawasan Pesisir Lere,= J.
Pembang. Wil. dan Kota, vol. 17, no. 1, pp. 16-24,
C. Mishra and D. L. Gupta,
and Neural Networks: An Overview,= IAES Int. J.
Artif. Intell., vol. 6, no. 2, p. 66, 2017, doi:
11591/ijai.v6.i2.pp66-73.
A. Y. Saleh and L. K. Xian,
using Deep Learning with 1D Convolutional Neural
Networks,= Knowl. Eng. Data Sci., vol. 4, no. 2, p.
, 2021, doi: 10.17977/um018v4i22021p145-152.
N. Narvekar,
Using Random Forest Algorithm,= 2018.
A. Jefiza,
Gyroscope Dan Sensor Accelerometer,= Sist.
Pendeteksi Jatuh Berbas. Sens. Gyroscope Dan Sens.
Accelerom., vol. 87, p. 111, 2017.
D. Putri, P. Rais, and E. B. Setiawan,
Development Based on Android for Traveling
Recommendation To Natural Tourism in Timor Island
- Ntt,= 2018.
H. Puspasari and W. Puspita,
Reliabilitas Instrumen Penelitian Tingkat Pengetahuan
dan Sikap Mahasiswa terhadap Pemilihan Suplemen
Kesehatan dalam Menghadapi Covid-19,= J. Kesehat.,
vol. 13, no. 1, p. 65, 2022, doi: 10.26630/jk.v13i1.2814.