View/Open

Author
Muhammad, Fahmi Akbar

Advisor
Meida Cahyo Untoro, S.Kom., M.Kom.
Aidil Afriansyah, S.Kom., M. Kom.

Koleksi
Teknik Informatika

Publisher

Salah satu bencana alam yang tidak dapat dicegah dan dihindari adalah gempa bumi. Oleh karena itu penting dilakukan pengelompokan kekuatan gempa untuk mendukung upaya minimalisasi dampak. Informasi tentang gempa bisa di akses melalui Badan Meteorologi, Klimatologi dan Geofisika (BMKG). Penelitian ini berfokus untuk membuat implementasi prediksi untuk kejadian gempa bumi menggunakan machine learning. Data parameter yang digunakan dalam melakukan prediksi gempa bumi adalah data berupa posisi dan kedalaman gempa. Penelitian ini membandingkan 3 metode yaitu algoritma Logistic Regression, Decision Tree, dan Random Forest. Hasil dari penelitian ini adalah mendapatkan akurasi 58.84%, 71.24%, dan 66.90% untuk setiap algoritma. Algoritma yang dipilih karena mendapatkan akurasi terbaik adalah Random Forest. Klasifikasi Random Forest merupakan metode yang baik untuk klasifikasi gempa karena algoritma ini dapat menangani data yang kompleks, mampu menangani data yang tidak seimbang kemampuannya dalam menghasilkan model yang akurat dan stabil. Kata Kunci: klasifikasi, gempa bumi, machine learning

URI
https://repo.itera.ac.id/depan/submission/SB2305250004

Keyword