Teknik Informatika
Klasifikasi potensi tsunami pascagempa dengan algoritma k-nearest neighbor
Gempa bumi merupakan bencana yang sering terjadi di Indonesia dan berpotensi tinggi memicu tsunami. Penyebab tsunami yang paling umum adalah gempa bumi bawah laut dengan kekuatan 7,0 skala magnitudo atau lebih. Penyebab lainnya adalah longsor yang terjadi di dasar laut, letusan gunung, dan jatuhnya benda besar seperti meteor ke dalam air. Risiko tsunami dapat dideteksi dengan system peringatan dini tsunami yang mengamati gempa-gempa berkekuatan besar dan melakukan analisis data perubahan air laut yang terjadi setelahnya. Jika dianggap ada resiko terjadinya tsunami maka pihak berwenang dapat memberi peringatan atau mengambil tindakan evakuasi. Kecepatan dan akurasi dalam memprediksi potensi tsunami pascagempa sangat krusial untuk mendukung sistem peringatan dini. Penelitian ini bertujuan membangun model klasifikasi untuk memprediksi potensi tsunami, dengan hasil "1 = berpotensi" atau ”0 = tidak berpotensi”, berdasarkan data parameter gempa. Metode yang diusulkan adalah algoritma K-Nearest Neighbor (K-NN), yang dipilih karena kesederhanaan dan efektivitasnya dalam menangani data noise berdasarkan studi sebelumnya. Data penelitian merupakan data sekunder gempa bumi yang bersumber dari website Kaggle, dengan menggunakan variabel-variabel kunci seperti magnitudo dan kedalaman sebagai fitur klasifikasi. Hasil penelitian ini berupa model klasifikasi dengan akurasi yang terukur, yang dapat membantu pihak berwenang dalam pengambilan keputusan secara lebih efektif dan efisien.
| TI26/010 | TI 26/010 | Prodi Teknik Informatika (Ruang Skripsi & Tesis) | Tersedia |
Tidak tersedia versi lain