PREDIKSI KEKUATAN GEMPA MENGGUNAKAN MACHINE LEARNING DENGAN MODEL XGBOOST SEBAGAI LANGKAH STRATEGIS DALAM PERENCANAAN STRUKTUR BANGUNAN TAHAN GEMPA DI INDONESIA

Abstract

Besarnya beban gempa yang bekerja pada struktur bangunan, tergantung dari banyak variabel. Gaya horisontal, gaya vertikal, dan momen torsi yang terjadi akibat gempa pada struktur, sangat tergantung pada berat dan kekakuan material struktur, konfigurasi, dan sistem struktur, periode atau waktu getar struktur, kondisi tanah dasar, wilayah kegempaan, serta perilaku gempa itu sendiri. Agar dampak gempa pada struktur bangunan dapat diminimalisirkan, maka perlu adanya penelitian dalam memprediksi kekuatan gempa di wilayah Indonesia. Walaupun tidak dapat dipungkiri memprediksi kapan, dimana dan besarnya gempa bumi berikutnya dalam wilayah atau waktu tampaknya cukup sulit, namun terdapat suatu alternative untuk prediksi menggunakan machine learning yang dapat membantu memperkirakan terjadinya gempa. Adapun model machine learning yang digunakan dalam penelitian ini adalah XGBoost. sedangkan dataset yang digunakan diambil dari katalog BMKG, dimana data tersebut terdiri dari 92.887 kejadian gempa di Indonesia. Data tersebut kami pisahkan menjadi tiga bagian sebagai data pelatihan jaringan, data validasi dan data pengujian dengan rincian 80% untuk proses pelatihan atau sebanyak 74309 dan 20% untuk proses pengujian atau sebanyak 18578. Dari penelitian yang dilakukan, menunjukkan bahwa pada tahap pelatihan mampu menghasilkan akurasi dengan sangat baik, hal ini dapat dibuktikan dengan melihat kinerja model selama pelatihan melalui loss RMSE, MAE, MSE, dan R-squared. Dimana RMSE pada proses pelatihan sangat kecil yaitu 0.07 dan nilai R-Squared (R2) yang bernilai 0.90. sedangkan pada proses pengujian data juga diperoleh akurasi yang tinggi. Hal ini dapat dilihat dari hasil nilai RMSE 0.01 dan nilai R-Squared (R2) yang bernilai 0.98.