Evaluasi deteksi gempa otomatis menggunakan metode short-term average/long-term average (STA/LTA) (studi kasus: gunung Merapi, daerah Istimewa Yogyakarta, Indonesia)

INDONESIA:

Gunung Merapi, salah satu gunung api paling aktif di Indonesia, memerlukan pemantauan aktivitas seismic yang tepat untuk mengurangi risiko bencana. Penelitian ini bertujuan mengevaluasi metode deteksi gempa otomatis menggunakan algoritma Short-Term Average/Long-Term Average (STA/LTA) dan mengoptimalkan parameter-parameter untuk meningkatkan sensitivitas dan akurasi deteksi. Data seismic yang dianalisis diambil dari rekaman vertical stasiun pengamatan Gunung Merapi selama periode 23–24 Desember 2020. Metode penelitian melibatkan pengolahan data menggunakan perangkat lunak Python, dengan berbagai variasi parameter STA/LTA: NSTA (1 detik, 2 detik, 4 detik), NLTA (10 detik, 15 detik, 20 detik), dan Threshold_On (3 detik, 3,5 detik, 4 detik). Analisis dilakukan untuk mendeteksi gelombang P secara manual serta mengevaluasi total jumlah deteksi gempa, deteksi terlewat (missed detection), deteksi salah (false detection), dan durasi waktu kedatangan gelombang P. Hasil penelitian menunjukkan bahwa variasi parameter secara signifikan memengaruhi jumlah deteksi dan akurasi identifikasi aktivitas gempa. Selain itu, durasi gelombang P yang terdeteksi memberikan informasi penting mengenai dinamika internal Gunung Merapi.

ENGLISH:

Mount Merapi, one of the most active volcanoes in Indonesia, requires precise seismic activity monitoring to mitigate disaster risks. This study aims to evaluate an automatic earthquake detection method using the Short-Term Average/Long-Term Average (STA/LTA) algorithm and optimize its parameters to enhance detection sensitivity and accuracy. The seismic data analyzed were obtained from vertical recordings of the Mount Merapi observation station during the period of December 23–24, 2020. The research methodology involved data processing using Python software with various STA/LTA parameter configurations: NSTA (1 second, 2 seconds, 4 seconds), NLTA (10 seconds, 15 seconds, 20 seconds), and Threshold_On (3 seconds, 3.5 seconds, 4 seconds). The analysis focused on manually detecting P-waves and evaluating the total number of detected earthquakes, missed detections, false detections, and P-wave arrival durations. The results indicate that parameter variations significantly impact the detection count and accuracy of seismic activity identification. Additionally, the detected P-wave durations provide crucial insights into the internal dynamics of Mount Merapi.

ARABIC: جبل ميرابي، أحد أنشط البراكين في إندونيسيا، يتطلب مراقبة دقيقة للنشاط الزلزالي

لتقليل مخاطر الكوارث. تهدف هذه الدراسة إلى تقييم طريقة الكشف عن الزلازل التلقائية باستخدام خوارزمية المتوسط القصير الأجل/المتوسط الطويل الأجل (STA/LTA) وتحسين المعلمات لزيادة حساسية ودقة الكشف. البيانات الزلزالية التي تم تحليلها مأخوذة من تسجيلات عمودية لمحطة مراقبة جبل ميرابي خلال الفترة من 23 إلى 24 ديسمبر 2020. تتضمن منهجية البحث معالجة البيانات باستخدام برنامج Python، مع مجموعة متنوعة من معايير STA/LTA: NSTA (1 ثانية، 2 ثانية، 4 ثواني)، NLTA (10 ثواني، 15 ثانية، 20 ثانية)، وThreshold_On (3 ثواني، 3.5 ثواني، 4 ثواني). تم إجراء التحليل للكشف عن موجة P يدويًا وكذلك تقييم العدد الإجمالي للكشف عن الزلازل، والكشف الفائت، والكشف الخاطئ، ومدة وصول موجة P. أظهرت نتائج البحث أن تباين المعلمات يؤثر بشكل كبير على عدد الاكتشافات ودقة تحديد نشاط الزلازل. بالإضافة إلى ذلك، فإن مدة موجة P التي تم اكتشافها توفر معلومات مهمة حول الديناميات الداخلية لجبل ميرابي.