Setyawan, Alfian Putra (2024) Implementasi Arsitektur EQTransformer dalam Pengambilan Waktu Kedatangan Gelombang-P dan Gelombang-S Otomatis. Undergraduate thesis, Fakultas Sains dan Matematika Undip.

	Text 1. COVER.pdf Download (180kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (116kB)
	Text 6. ABSTRAK.pdf Download (236kB)
	Text 7. ABSTRACT.pdf Download (238kB)
	Text 8. DAFTAR ISI.pdf Download (253kB)
	Text 11. BAB I.pdf Download (251kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (250kB)

Abstract

Indonesia terletak di dalam Cincin Api Pasifik, merupakan zona yang sering mengalami
bencana gempa dan tsunami. Dalam dua dekade terakhir, negara ini telah mengalami
serangkaian bencana gempa yang menyebabkan tsunami dengan korban jiwa mencapai
ratusan hingga ribuan orang. Bencana terbaru terjadi di Palu, Sulawesi Tengah pada tahun
2018 yang menewaskan 2.113 jiwa. Menghadapi ancaman serius ini, pengembangan
Tsunami Early Warning System (TEWS) menggunakan pembelajaran mendalam untuk
deteksi fase gempa perlu dilakukan sebagai upaya mitigasi. Deteksi fase gempa menjadi
peran penting karena dapat menentukan lokasi gempa dan potensi ancaman tsunami yang
mungkin timbul. Salah satu pendekatan pembelajaran mendalam untuk melakukan deteksi
fase gempa adalah menggunakan arsitektur EQTransformer. Arsitektur ini menggunakan
mekanisme perhatian hierarki yang berfokus pada dimulainya gempa dan waktu kedatangan
gelombang-P serta gelombang-S. Penelitian ini mencoba untuk mengimplementasikan
arsitektur EQTransformer pada kejadian gempa yang ada di Indonesia. Implementasi
dilakukan dengan menggunakan metode pre-processing, seperti pelabelan dengan
Gaussian, normalisasi dengan z-score, maximum absolute, dan robust, serta penggunaan
model pre-trained. Selain itu, penelitian ini juga melakukan pengubahan layer output untuk
dapat fokus dalam mendeteksi munculnya gelombang-P dan gelombang-S. Hasil penelitian
pada data katalog gempa di Jawa Tengah dan Jawa Timur tahun 2009-2017 menunjukkan
bahwa skema pelabelan menggunakan nilai Gaussian 10 dengan z-score sebagai metode
normalisasi, dan pelatihan dengan model pre-trained menghasilkan model dengan rata-rata
selisih nilai absolut terendah sebesar 0,0 detik untuk gelombang-P dan 0,36 detik untuk
gelombang-S.
Kata Kunci : Phase detection, EQTransformer, Early Warning System, Tsunami, Deep
Learning

Actions (login required)

View Item