<![CDATA[Abstrak Gempa bumi adalah sebuah peristiwa bergetarnya bumi karena pergerakan atau pergeseran lapisan batuan pada kulit bumi secara tibaâ€tiba akibat pergerakan lempengâ€lempeng tektonik. Gempa bumi umumnya menghasilkan gelombang P, gelombang S dan gelombang permukaan. Gelombang P umumnya memiliki amplitudo yang lebih kecil dan kecepatan yang lebih besar daripada dua gelombang selanjutnya yang dapat menyebabkan kerusakan luas. Untuk Earthquake Early Warning (EEW), magnitudo harus diperkirakan cukup awal sehingga peringatan dapat dikeluarkan sebelum kedatangan gelombang yang lebih merusak (gelombang S dan gelombang permukaan). Tujuan penelitian ini adalah menghasilkan estimasi magnitudo gempa bumi dari sinyal seismik gelombang P menggunakan metode JST Backpropagation dan mengetahui performansinya. Sinyal seismik digunakan sebagai input data dan masuk ke dalam perhitungan ekstraksi fitur. Output dari ekstraksi fitur akan menjadi input untuk JST. Selanjutnya JST akan melakukan pelatihan untuk menghasilkan nilai bobot yang menghasilkan error terkecil dan nilai bobot tersebut akan digunakan dalam proses testing yang akan menghasilkan nilai estimasi. Performansi terbaik sistem estimasi magnitudo gempa bumi didapatkan dengan 16 nilai fitur, 11 jumlah neuron hidden dan nilai learning rate 0.4 dengan hasil performansi nilai MSE 0.369060. Kata Kunci: Magnitudo, Gempa Bumi, Sinyal Seismik, JST Backpropagation Abstract Earthquake is an event that the ground is shaking due to the movement of rock layers on the earth that suddenly moves towards tectonic plates. Earthquakes generally produce P waves, S waves, and Surface waves. P waves generally have a smaller amplitude and greater speed than the next two waves which can cause extensive damage. For Earthquake Early Warning (EEW), the magnitude must be estimated early enough so that warnings can be issued before the arrival of more destructive waves (S waves and Surface Waves). The purpose of this study is to produce earthquake magnitude estimation from seismic signals using Backpropagation ANN method and find out its performance. Seismic signals are used as input data and enter into feature extraction calculations. Output from feature extraction will be input for ANN. Furthermore, ANN will conduct training to produce a weight value that produces the smallest error and the weight value will be used in the testing process which will produce an estimated value. The best performance of earthquake magnitude estimation system is obtained with 16 feature values, 11 number of hidden neurons and learning rate value 0.4 with the results of MSE value performance 0.369060. Keywords: Magnitude, Earthquake, Seismic Signal, Backpropagation ANN]]>
