Aplikasi Jaringan Syaraf Tiruan Resilient Backpropagation Pada Prediksi Magnitudo Dan Lokasi Gempa Bumi

Priambodo, Bagus and Wayan Firdaus Mahmudy, S.Si., M.T., Ph.D. (2020) Aplikasi Jaringan Syaraf Tiruan Resilient Backpropagation Pada Prediksi Magnitudo Dan Lokasi Gempa Bumi. Sarjana thesis, Universitas Brawijaya.

Abstract

Salah satu bencana yang tidak dapat dihindari adalah bencana alam. Salah satu jenis dari bencana alam, yaitu gempa bumi, merupakan bencana alam yang menyebabkan jumlah kematian rata-rata per tahun paling banyak dibandingkan bencana alam lainnya. Meskipun tak dapat dihindari, namun ada langkahlangkah antisipatif yang bisa diambil untuk meminimalisir jumlah kerugian dan korban dari gempa bumi, salah satunya adalah dengan memprediksi magnitudo gempa. Salah satu metode yang dapat digunakan untuk memprediksi magnitudo gempa di suatu tempat tersebut adalah menggunakan jaringan syaraf tiruan. Dalam penelitian ini, digunakan algoritme resilient backpropagation untuk melatih jaringan syaraf tiruan dalam memprediksi magnitudo gempa yang terjadi di Indonesia secara mingguan. Algoritme ini dipilih karena memiliki keunggulan yaitu cepat, dan tidak tergantung pada learning rate yang membatasi kemampuan belajar dari jaringan syaraf tiruan. Dengan algoritme ini, maka setiap bobot akan diperbaharui secara khusus untuk menghasilkan akurasi yang lebih maksimal. Berdasarkan hasil pengujian yang didapat dalam penelitian ini, maka jaringan syaraf tiruan yang dilatih dengan algoritme resilient backpropagation untuk memprediksi magnitudo gempa pada lokasi-lokasi di Indonesia mampu menghasilkan error terendah sebesar 0,093 dalam waktu 34,475 detik. Konfigurasi jaringan syaraf tiruan yang digunakan untuk menghasilkan hasil terbaik tersebut adalah dilatih sebanyak 100 epoch dengan menggunakan 16 neuron pada layer input dan output, serta 23 neuron pada hidden layer (hanya menggunakan satu hidden layer). Hasil ini menunjukkan sedikit keunggulan algoritme resilient backpropagation dalam pengujian, dibandingkan algoritme backpropagation biasa (ketika dilatih dan diuji dengan konfigurasi jaringan syaraf tiruan yang sama) yang menghasilkan error terendah sebesar 0,095 dalam waktu 32,645 detik.

English Abstract

One of many types of inevitable disaster is natural disaster. Earthquakes, a type of natural disaster, is responsible for the highest average death toll per year compared to other types of natural disaster. Even though it is inevitable, but it can be anticipated to minimize damage and casualties, such as predicting the earthquake’s magnitude. One possible way to predict an earthquake’s magnitude is using neural network. In this research, resilient backpropagation algorithm is used to train the neural network for the neural network to weekly predict the magnitude of earthquakes in Indonesia. This algorithm is used because of its advantages over the regular backpropagation, which resilient backpropagation is known for being fast, and it doesn’t need arbitrary value of learning rate that will restrict the learning ability of the neural network. With resilient backpropagation, each of the weight will be updated with their own individual update value, thus maximizing the prediction accuracy. Based on the findings in this research, the neural network built and trained using resilient backpropagation algorithm is able to achieve lowest error at 0.093 accurately predict the magnitude of earthquakes in locations across Indonesia in 34.475 seconds. This best result is achieved when the neural network is trained for 100 epochs, with 16 neurons used in the input and output layer, and used only one hidden layer consisted of 23 neurons. This result showed slight superiority of resilient backpropagation over regular backpropagation in testing phase, which achieved lowest error rate at 0.095 in 32.645 seconds, when trained and tested with the same neural network configuration (in terms of number of epochs, and number of neurons for each layer).

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	0520150072
Uncontrolled Keywords:	jaringan syaraf tiruan, resilient backpropagation, prediksi, magnitudo, gempa bumi, neural network, resilient backpropagation, prediction, magnitude, earthquake
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	12 Oct 2021 01:22
Last Modified:	08 Oct 2024 08:17
URI:	http://repository.ub.ac.id/id/eprint/183651

Text Bagus Priambodo.pdf Download (4MB)

Actions (login required)

View Item