Uji performa Algoritma jaringan saraf tiruan untuk memprediksi Magnitudo gempa bumi di Wilayah Jawa Timur

ABSTRAK

Provinsi Jawa Timur yakni sebuah provinsi di Indonesia yang berhadapan langsung dengan zona sumber gempa bumi. Hal ini menyebabkan wilayah Provinsi Jawa Timur menjadi wilayah dengan tingkat seismisitas yang cukup tinggi. Prediksi mengenai magnitudo gempa bumi penting dilakukan sebagai salah satu upaya kesiapsiagaan dalam mengurangi risiko gempa bumi. Algoritma jaringan saraf tiruan terus mengalami perkembangan dengan berbagai macam model maupun teknik pembaruan bobot. Algoritma resilient backpropagation (RPROP) yakni sebuah teknik yang dikembangkan melalui algoritma standart backpropagation (BPNN). Uji performa algoritma jaringan saraf tiruan perlu dilakukan untuk mengetahui algoritma dan model arsitektur yang paling akurat dan efektif untuk memprediksi magnitudo gempa bumi. Data yang digunakan pada penelitian ini merupakan data magnitudo gempa bumi di wilayah Jawa Timur dan sekitaran tahun 2016-2023. Berdasarkan hasil pengujian, algoritma RPROP menghasilkan performa tingkat error yang lebih baik, dimana membentuk error yang kecil dibanding MSE=0,016167, dibandingkan BPNN dengan MSE=0,020732. Selain itu berdasarkan performa waktu pelatihan, algoritma RPROP juga membutuhkan waktu yang lebih cepat dengan lama waktu pelatihan t=0,018919 s, dibandingkan BPNN dengan t=0,045818 s.

مستخلص البحث

مقاطعة جاوى الشرقية هي واحدة من المقاطعات في إندونيسيا التي تواجه مباشرة منطقة مصدر الزلزال. وهذا يتسبب في أن تصبح منطقة مقاطعة جاوى الشرقية منطقة ذات مستوى عال إلى حد ما من الزلازل. يعد التنبؤ بحجم الزلزال أمرا مهما كأحد جهود التأهب للحد من مخاطر الزلازل. تستمر خوارزمية الشبكة العصبية الاصطناعية في التطور مع مجموعة متنوعة من النماذج وتقنيات تحديث الوزن. خوارزمية الانتشار العكسي المرن (RPROP) هي إحدى التقنيات التي تم تطويرها من خوارزمية الانتشار العكسي (BPNN). يجب إجراء اختبار أداء خوارزمية الشبكة العصبية الاصطناعية لمعرفة الخوارزمية والنموذج المعماري الأكثر دقة وفعالية للتنبؤ بحجم الزلزال. البيانات المستخدمة في هذه الرسالة هي بيانات عن حجم الزلازل في منطقة جاوى الشرقية والمناطق المحيطة بها من 2016-2023. استنادا إلى نتائج الاختبار، أنتجت خوارزمية RPROP أداء أفضل لمعدل الخطأ، حيث تنتج أصغر الأخطاء مع قيمة MSE = 0.016167، مقارنة بـ BPNN مع قيمة MSE = 0.020732. بالإضافة إلى ذلك، بناء على أداء وقت التدريب، استغرقت خوارزمية RPROP أيضا أسرع وقتا مع وقت تدريب يبلغ ت=0.018919 ثوان، مقارنة بـ BPNN مع ت=0.045818 ثوان.

ABSTRACT

East Java is a province in Indonesia that directly faces an earthquake focus zone. It leads the province to have a high seismicity. Earthquake magnitude prediction is necessary to conduct as a preparation to lessen the earthquake risks. Artificial Neural Network algorithm has improved in various weight update models and techniques. The resilient backpropagation (RPROP) algorithm is developed from the standard backpropagation (BPNN) algorithm. An Artificial Neural Network Algorithm performance test is important to determine the most accurate and effective algorithm and architectural models to predict earthquake magnitude. The research data consisted of earthquake magnitude data of the East Java Province and its surrounding from 2016 to 2023. Based on the test result, the RPROP algorithm produces performance with a better error level. It has a lower error level with MSE=0.016167 than BPNN with MSE=0.020732. In addition, based on the training time performance. The RPROP algorithm also needs a shorter training time with t=0.018919 s, compared to BPNN with t=0.045818 s.