Javascript must be enabled to continue!
KLASIFIKASI AREA GEMPA BUMI MENGGUNAKAN ALGORITMA RANDOM FOREST
View through CrossRef
Salah satu informasi yang dibutuhkan oleh warga negara di dunia adalah informasi mengenai kejadian bencana alam khususnya gempa bumi. Kejadian gempa bumi yang telah terjadi dapat diklasifikasikan dengan menganalisis data gempa bumi pada masa lampau. Pada penelitian ini diimplementasikan penggunaan algoritma Random Forest untuk mengklasifikasikan suatu area apakah termasuk ke dalam kelas gempa bumi atau kelas bukan gempa bumi yang terjadi di dunia. Penelitian ini menghasilkan peta area di seluruh dunia yang terjadi gempa bumi berdasarkan data di masa lampau tahun 1965-2016 dari earthquake dataset kaggle. Penelitian ini menggunakan 7 atribut untuk melakukan klasifikasi antara lain date, time, latitude, longitude, depth, magnitude, dan type. Penelitian ini juga menghitung tabel Confusion Matrix yang dihasilkan dari data aktual dan data prediksi yang telah di proses dalam Random Forest Classifier. Hasil Pengujian Testing Dataset klasifikasian wilayah atau area yang terjadi gempa bumi menghasilkan akurasi sejumlah 99.97%. Hasil penelitian ini diharapkan dapat membantu pihak terkait yang menangani kejadian bencana alam khususnya gempa bumi dengan mengklasifikasikan suatu area termasuk gempa bumi atau bukan gempa bumi berdasarkan atribut yang telah ditentukan.
Title: KLASIFIKASI AREA GEMPA BUMI MENGGUNAKAN ALGORITMA RANDOM FOREST
Description:
Salah satu informasi yang dibutuhkan oleh warga negara di dunia adalah informasi mengenai kejadian bencana alam khususnya gempa bumi.
Kejadian gempa bumi yang telah terjadi dapat diklasifikasikan dengan menganalisis data gempa bumi pada masa lampau.
Pada penelitian ini diimplementasikan penggunaan algoritma Random Forest untuk mengklasifikasikan suatu area apakah termasuk ke dalam kelas gempa bumi atau kelas bukan gempa bumi yang terjadi di dunia.
Penelitian ini menghasilkan peta area di seluruh dunia yang terjadi gempa bumi berdasarkan data di masa lampau tahun 1965-2016 dari earthquake dataset kaggle.
Penelitian ini menggunakan 7 atribut untuk melakukan klasifikasi antara lain date, time, latitude, longitude, depth, magnitude, dan type.
Penelitian ini juga menghitung tabel Confusion Matrix yang dihasilkan dari data aktual dan data prediksi yang telah di proses dalam Random Forest Classifier.
Hasil Pengujian Testing Dataset klasifikasian wilayah atau area yang terjadi gempa bumi menghasilkan akurasi sejumlah 99.
97%.
Hasil penelitian ini diharapkan dapat membantu pihak terkait yang menangani kejadian bencana alam khususnya gempa bumi dengan mengklasifikasikan suatu area termasuk gempa bumi atau bukan gempa bumi berdasarkan atribut yang telah ditentukan.
Related Results
Analisis dan Visualisasi Periodisitas Gempa Bumi di Maluku Utara
Analisis dan Visualisasi Periodisitas Gempa Bumi di Maluku Utara
Gempa bumi juga dapat dipahami sebagai suatu peristiwa terjadinya guncangan bumi akibat pelepasan energi secara tiba-tiba, yang ditandai dengan pecahnya lapisan batuan pada kerak b...
"Menganalisis Perbandingan Kurva Hazard Menggunakan Fungsi Atenuasi"
"Menganalisis Perbandingan Kurva Hazard Menggunakan Fungsi Atenuasi"
Papua merupakan daerah rawan gempa di Indonesia karena letaknya berada di jalur tektonik aktif sehingga menyebabkan daerah papua rawan terjadinya gempa. Upaya peningkatan mitigasi ...
Penerapan Sequence Probabilistic Seismic Hazard Analysis dalam Pemodelan Seismogenic Hazard
Penerapan Sequence Probabilistic Seismic Hazard Analysis dalam Pemodelan Seismogenic Hazard
Abstract. Seismogenic areas are areas in the earth's crust that have the potential to produce seismic waves due to tectonic activity. Identification of a seismogenic area measuring...
KESIAPSIAGAAN MASYARAKAT KAWASAN PERKOTAAN TERHADAP BENCANA GEMPA BUMI
KESIAPSIAGAAN MASYARAKAT KAWASAN PERKOTAAN TERHADAP BENCANA GEMPA BUMI
Kawasan Perkotaan Takengon merupakan pusat kegiatan wilayah Kabupaten Aceh Tengah yang tidak lepas dari ancaman gempa bumi, sehingga memerlukan upaya penanggulangan, penelitian ini...
STRATEGI PEMASARAN SEBELUM DAN SESUDAH GEMPA CIANJUR 2022 (STUDI KASUS UMKM MEFITA CIANJUR)
STRATEGI PEMASARAN SEBELUM DAN SESUDAH GEMPA CIANJUR 2022 (STUDI KASUS UMKM MEFITA CIANJUR)
Fenomena gempa bumi berkekuatan 5,6 SR pada bulan November 2022 di Kabupaten Cianjurberdampak pada UMKM Cianjur, salah satunya UMKM Mefita yang bergerak di bidang usaha sayuran seg...
KESIAPSIAGAAN MASYARAKAT DESA SEREMPAH ACEH TENGAH DALAM MENGHADAPI BENCANA GEMPA BUMI
KESIAPSIAGAAN MASYARAKAT DESA SEREMPAH ACEH TENGAH DALAM MENGHADAPI BENCANA GEMPA BUMI
Aceh diguncang gempa bumi yang merusak wilayah Kabupaten Aceh Tengah dan Bener Meriah pada hari Selasa, 2 Juli 2013 pukul 14:37:02 WIB. Banyaknya korban jiwa akibat gempa bumi di D...
Sistem Klasifikasi Kerusakan Jalan Metode Machine Learning dengan Algoritma K-Means dan Random Forest
Sistem Klasifikasi Kerusakan Jalan Metode Machine Learning dengan Algoritma K-Means dan Random Forest
Kerusakan jalan merupakan masalah yang signifikan dalam infrastruktur transportasi, yang dapat mempengaruhi kenyamanan dan kesalamatan pengguna jalan. Penelitian ini bertujuan untu...
Deskripsi Jenis Tindakan Operasi Pasien Bencana Gempa Bumi Lombok di RSUDProvinsi NTB Tahun 2018
Deskripsi Jenis Tindakan Operasi Pasien Bencana Gempa Bumi Lombok di RSUDProvinsi NTB Tahun 2018
Latar Belakang:Setelah gempa bumi terjadi, infrastruktur medis lokal sering mengalami kerusakan atau hancur.Perencanaan, alokasi sumber daya yang efisien, dan pemahaman tentang jen...

