Klasifikasi jenis gempa gunung berapi menggunakan jaringan syaraf tiruan backpropagation

INDONESIA:

Gunung berapi adalah obyek penelitian yang menarik dari sisi ilmu vulkanologi maupun dari sisi budaya, mengingat Indonesia adalah negeri yang memiliki banyak gunung berapi aktif. Usaha manusia untuk berdamai dengan potensi bencana gunung berapi, mengingat material yang dikeluarkan gunung berapi mempunyai nilai ekonomi yang tinggi, menjadikan manusia untuk terus meneliti dan mengamati aktifitas vulkanik gunung berapi. Hal ini guna meminimalisir dampak negatif yang ditimbulkan dari potensi bencana gunung berapi.

Dalam usaha pengamatan, para pengamat memiliki tugas yang cukupberat untuk menganalisis data seismik gunung berapi. Muncul sebuah ide untuk mendelegasikan tugas pengamat dalam menganalisis data seismik kepada sistem komputer sehingga dapat memudahkan pengamat dalam kegiatan pemantauan. Pada penelitian ini mencoba menelisik kemungkinan digunakannya algoritma Jaringan Syaraf Tiruan Backpropagation untuk mengenali jenis-jenis gempa gunung berapi.

Jaringan Syaraf Tiruan yang dibangun bertugas mengklasifikasikan data seismik berdasarkan jenis gempanya. Pada masa pelatihan, digunakan learning rate = 1; momentum = 0,6; error maksimum = 0,001; epoch maksimum = 100.000; bias = 1; bobot sinaptik bernilai acakantara -1 hingga 1. Arsitektur jaringan yang digunakan menggunakan 3 neuron pada input layer, sebuah hidden layer dengan 6 neuron dan 2 neuron pada output layer. Data set pelatihan yang digunakan sebanyak 31 data dan data set untuk pengujian yang digunakan sebanyak 29 data.

Hasil dari penelitian ini dapat disimpulkan, Jaringan Syaraf Tiruan Backpropagation dapat diimplementasikan dalam sistem pemantauan gempa gunung berapi. JST ditugaskan untuk mengenali jenis-jenis gempa gunung berapi, dengan tingkat validitas 93,1%.

ENGLISH:

Volcanoes is an interesting research object either for volcanology field study or as a culture study especially in Indonesia, those many active volcanoes exist in this land. Human being is in endeavor to make synergy to anticipate volcano potential disaster. In half side, human lacked for volcanoes material, but in other side it’s too risky life under volcanoes disaster threat. Therefore humanity keep continuous to examine and learn to know more about volcanoes acivity.

In effort to observe volcanoes activity, observer have a serious order to analyze volcano-seismic data every day. Emerge an idea to delegating observer task to automatic computer system. This research propose to find availability implementation of Backpropagation Artificial Neural Network to recognizing kind of volcano-seismic data.

Artificial Neural Network in this system constructed to classify volcano-seismic belong to their characeristic entity. In training phase, this research set the value of learning rate = 1; momentum = 0,6; max error = 0,001; max epoch = 100.000; bias = 1; random value of synaptic weight, between -1 to 1. The result of this research have a conclusion that Backpropagation Neural Network can be applied to monitor volcano-seismic data. ANN can recognized characteristic of volcano-seismic data with validity rate 93,1%.