Model Prediksi Kekuatan Gempa Dengan Menggunakan Algoritma Linear Regression Dan Support Vector Regression (Studi Kasus BMKG)
Keywords:
Linear Regression, prediksi, gempa bumi, Support Vector Regression.
Abstract
Gempa bumi merupakan jenis bencana alam yang sulit untuk dihindari hal tersebut dapat berdampak buruk bagi kehidupan masyarakat. Penelitian ini bertujuan untuk melakukan prediksi kekuatan gempa bumi di Pulau Jawa. Prediksi dilakukan dengan menggunakan algoritma Linear Regression dan Support Vector Regression sebagai pembanding. Pada algoritma Linear Regression mendapatkan nilai RMSE = 48.8352, MAPE = 1.2564 dan MAE = 24.065, sedangkan pada algoritma Support Vector Regression mendapatkan nilai RMSE = 50.9992, MAPE = 0.4029 dan MAE = 17.4873. hasil Linear Regression mendapatkan nilai yang lebih baik dalam melalukan model prediksi kekuatan gempa bumi di Pulau Jawa berdasarkan perhitungan RMSE, MAPE dan MAE.
References
[1] P. Dwi Raharjo, A. Mustofa Nur, P. Bidang Penginderaan Jauh dan SIG, P. Bidang Geologi, and B. Informasi dan Konservasi Kebumian Karangsambung, “Landslides Mapping Karangsambung Geological Nature Preserve Using Remote Sensing and GIS,” Forum Geogr., vol. 27, no. 2, pp. 99-114, 2013.
[2] B. S. Nugroho, “PENGARUH ASIMILASI DATA SATELIT HIMAWARI-8 PADA PEMODELAN CUACA WRF-ARW UNTUK PREDIKSI SIKLON TROPIS The Effect of Himawari-8 Satellite Data Assimilation on WRF-ARW Model for
[1] P. Dwi Raharjo, A. Mustofa Nur, P. Bidang Penginderaan Jauh dan SIG, P. Bidang Geologi, and B. Informasi dan Konservasi Kebumian Karangsambung, “Landslides Mapping Karangsambung Geological Nature Preserve Using Remote Sensing and GIS,” Forum Geogr., vol. 27, no. 2, pp. 99-114, 2013.
[2] B. S. Nugroho, “PENGARUH ASIMILASI DATA SATELIT HIMAWARI-8 PADA PEMODELAN CUACA WRF-ARW UNTUK PREDIKSI SIKLON TROPIS The Effect of Himawari-8 Satellite Data Assimilation on WRF-ARW Model for Tropical Cyclone Prediction,” vol. 23, no. 1, pp. 11-25, 2022.
[3] A. Yandi Saputra and Y. Primadasa, “Penerapan Teknik Klasifikasi Untuk Prediksi Kelulusan Mahasiswa Menggunakan Algoritma K-Nearest Neighbour Implementation of Classification Method to Predict Student Graduation Using K-Nearest Neighbor Algorithm,” Techno.Com, vol. 17, no. 4, p. 9, 2018.
[4] E. N. A Suyanto, F. Fahma, M. S. Rusli, and and T. Djatna, “IOP Conference Series : Earth and Environmental Science Development of method of optimized flavor production systems design based on nano-emulsification Kawista ( Feronia limonia ) Fruit extraction Development of method of optimized flavor production syst,” pp. 0-12, 2018.
[5] F. Fadillah, S. A. Wibowo, G. Budiman, F. T. Elektro, and U. Telkom, “APLIKASI BERBASIS ANDROID MENGGUNAKAN METODE SUPPORT VECTOR REGRESSION DESIGN AND IMPLEMENTATION OF STOCK PRICE PREDICTION IN ANDROID-,” vol. 7, no. 2, pp. 3869-3876, 2020.
[6] O. Somantri and R. H. Maharrani, “METODE PENILAIAN KEKUATAN GEMPA MENGGUNAKAN MODEL FEATURE SELECTION M5-PRIME DAN LINEAR,” JIP (Jurnal Inform. Polinema), vol. 19, pp. 45-50, 2022.
[7] N. D. Maulana, B. D. Setiawan, and C. Dewi, “Implementasi Metode Support Vector Regression (SVR) Dalam Peramalan Penjualan Roti (Studi Kasus : Harum Bakery),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 3, pp. 2986-2995, 2019.
[8] S. Widaningsih, “Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika Dengan Algoritma C4,5, Naive Bayes, Knn Dan Svm,” J. Tekno Insentif, vol. 13, no. 1, pp. 16-25, 2019, doi: 10.36787/jti.v13i1.78.
[9] A. Arfan and L. ETP, “Perbandingan Algoritma Long Short-Term Memory dengan SVR Pada Prediksi Harga Saham di Indonesia,” PETIR, vol. 13, no. 1, pp. 33-43, 2020, doi: 10.33322/petir.v13i1.858.
[10] N. Nafi’iyah and N. N. Aulia, “Price Prediction of Vegetable Oil Kaggle Data with Multiple Linear Regression and Backpropagation,” Sisfotenika, vol. 12, no. 2, pp. 136-145, 2022, [Online]. Available:
https://www.stmikpontianak.ac.id/ojs/index.php/ST/article/view/1071%0Ahttps://www.stmikpontianak.ac.id/ojs/index.ph p/ST/article/viewFile/1071/793
[11] A. Hidayanti, A. M. Siregar, S. Arum, P. Lestari, and Y. Cahyana, “Model Analisis Kasus Covid-19 Di Indonesia Menggunakan Algoritma Regresi Linier Dan Random Forest,” J. Pengkaj. dan Penerapan Tek. Inform., vol. 15, no. 1, pp. 91-101, 2022. Tropical Cyclone Prediction,” vol. 23, no. 1, pp. 11-25, 2022.
[2] B. S. Nugroho, “PENGARUH ASIMILASI DATA SATELIT HIMAWARI-8 PADA PEMODELAN CUACA WRF-ARW UNTUK PREDIKSI SIKLON TROPIS The Effect of Himawari-8 Satellite Data Assimilation on WRF-ARW Model for
[1] P. Dwi Raharjo, A. Mustofa Nur, P. Bidang Penginderaan Jauh dan SIG, P. Bidang Geologi, and B. Informasi dan Konservasi Kebumian Karangsambung, “Landslides Mapping Karangsambung Geological Nature Preserve Using Remote Sensing and GIS,” Forum Geogr., vol. 27, no. 2, pp. 99-114, 2013.
[2] B. S. Nugroho, “PENGARUH ASIMILASI DATA SATELIT HIMAWARI-8 PADA PEMODELAN CUACA WRF-ARW UNTUK PREDIKSI SIKLON TROPIS The Effect of Himawari-8 Satellite Data Assimilation on WRF-ARW Model for Tropical Cyclone Prediction,” vol. 23, no. 1, pp. 11-25, 2022.
[3] A. Yandi Saputra and Y. Primadasa, “Penerapan Teknik Klasifikasi Untuk Prediksi Kelulusan Mahasiswa Menggunakan Algoritma K-Nearest Neighbour Implementation of Classification Method to Predict Student Graduation Using K-Nearest Neighbor Algorithm,” Techno.Com, vol. 17, no. 4, p. 9, 2018.
[4] E. N. A Suyanto, F. Fahma, M. S. Rusli, and and T. Djatna, “IOP Conference Series : Earth and Environmental Science Development of method of optimized flavor production systems design based on nano-emulsification Kawista ( Feronia limonia ) Fruit extraction Development of method of optimized flavor production syst,” pp. 0-12, 2018.
[5] F. Fadillah, S. A. Wibowo, G. Budiman, F. T. Elektro, and U. Telkom, “APLIKASI BERBASIS ANDROID MENGGUNAKAN METODE SUPPORT VECTOR REGRESSION DESIGN AND IMPLEMENTATION OF STOCK PRICE PREDICTION IN ANDROID-,” vol. 7, no. 2, pp. 3869-3876, 2020.
[6] O. Somantri and R. H. Maharrani, “METODE PENILAIAN KEKUATAN GEMPA MENGGUNAKAN MODEL FEATURE SELECTION M5-PRIME DAN LINEAR,” JIP (Jurnal Inform. Polinema), vol. 19, pp. 45-50, 2022.
[7] N. D. Maulana, B. D. Setiawan, and C. Dewi, “Implementasi Metode Support Vector Regression (SVR) Dalam Peramalan Penjualan Roti (Studi Kasus : Harum Bakery),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 3, pp. 2986-2995, 2019.
[8] S. Widaningsih, “Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika Dengan Algoritma C4,5, Naive Bayes, Knn Dan Svm,” J. Tekno Insentif, vol. 13, no. 1, pp. 16-25, 2019, doi: 10.36787/jti.v13i1.78.
[9] A. Arfan and L. ETP, “Perbandingan Algoritma Long Short-Term Memory dengan SVR Pada Prediksi Harga Saham di Indonesia,” PETIR, vol. 13, no. 1, pp. 33-43, 2020, doi: 10.33322/petir.v13i1.858.
[10] N. Nafi’iyah and N. N. Aulia, “Price Prediction of Vegetable Oil Kaggle Data with Multiple Linear Regression and Backpropagation,” Sisfotenika, vol. 12, no. 2, pp. 136-145, 2022, [Online]. Available:
https://www.stmikpontianak.ac.id/ojs/index.php/ST/article/view/1071%0Ahttps://www.stmikpontianak.ac.id/ojs/index.ph p/ST/article/viewFile/1071/793
[11] A. Hidayanti, A. M. Siregar, S. Arum, P. Lestari, and Y. Cahyana, “Model Analisis Kasus Covid-19 Di Indonesia Menggunakan Algoritma Regresi Linier Dan Random Forest,” J. Pengkaj. dan Penerapan Tek. Inform., vol. 15, no. 1, pp. 91-101, 2022. Tropical Cyclone Prediction,” vol. 23, no. 1, pp. 11-25, 2022.
Published
2024-07-31
Section
Articles
