Article Per Year (5 Year)
p-Index From 2021 - 2026
1.978
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Ilmu Komputer dan Informasi Jurnal Teknologi Informasi dan Ilmu Komputer JOIV : International Journal on Informatics Visualization Syntax Literate: Jurnal Ilmiah Indonesia IJIES (International Journal of Innovation in Enterprise System) JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Nasional Teknik Elektro dan Teknologi Informasi
Adila Alfa Krisnadhi
Universitas Indonesia
Humanities Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Energy Engineering Environmental Science Law, Crime, Criminology & Criminal Justice Library & Information Science Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
METODE PHASENET DALAM INOVASI PREDIKSI GEMPA BUMI: MENUJU SISTEM PERINGATAN DINI YANG EFEKTIF Refika Ayuna Sari; Adila Alfa Krisnadhi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16930

Abstract

 Indonesia menghadapi ancaman gempa bumi yang signifikan, memerlukan sistem peringatan dini (EEWS) yang akurat dan efisien. Tantangan utama EEWS saat ini adalah akurasi prediksi, yang dapat menyebabkan peringatan palsu atau terlewat. Penelitian ini bertujuan untuk meningkatkan prediksi gempa bumi menggunakan metode PhaseNet demi efektivitas sistem peringatan dini. Metode ini melibatkan analisis data seismik dari Geofon, dengan langkah-langkah seperti denoising menggunakan DeepDenoiser, normalisasi, resampling, dan penerapan model PhaseNet untuk mendeteksi fase gelombang P dan S. Inovasi utama adalah integrasi Conformal Prediction (CP) untuk mengukur tingkat kepercayaan hasil prediksi. Evaluasi awal tanpa CP menunjukkan akurasi 68.7% untuk fase P dan hanya 1.3% untuk fase S, dengan kesalahan kalibrasi tinggi (ECE 88.79%) untuk fase P yang mengindikasikan overconfidence model. Namun, setelah menerapkan CP, keandalan prediksi meningkat drastis. Pada tingkat kepercayaan 90% (alpha=0.1), cakupan CP untuk fase P naik menjadi 87.7% dari 68.7%, dan untuk fase S melonjak ke 78.7% dari hanya 1.3%. Peningkatan serupa juga terlihat pada tingkat kepercayaan 80%. Hasil ini membuktikan bahwa CP secara optimal memperbaiki keandalan prediksi, terutama pada fase yang awalnya memiliki kinerja lemah, menjadikan output PhaseNet lebih terpercaya. Integrasi CP dengan PhaseNet menawarkan kerangka kerja yang lebih andal dan krusial bagi mitigasi bencana di wilayah rawan gempa seperti Indonesia.
Co-Authors Azizi, Fityan Budi, Indra Faki Ali, Hajra Indra Budi Ken Sasongko Mohamad Ivan Fanany Mohammad Yani Mohammad Yani Muhammad Febrian Rachmadi Muhammad, Fadhlan Muhammad, Fadlan Naufal, Faishal Zaka Nur Siti Muninggar Pratama, Naufal Ihsan Refika Ayuna Sari Rizka Windiastuti, Rizka Sulisetyo Puji Widodo Syalim, Amril