Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Mars: Jurnal Teknik Mesin, Industri, Elektro dan Ilmu Komputer
Fazira, Rara
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Evaluasi Kinerja Model RNN & LSTM untuk Prediksi Magnitude Gempa di Indonesia Fazira, Rara; Yudistira, Dimas; Sofinah Harahap, Lailan
Mars : Jurnal Teknik Mesin, Industri, Elektro Dan Ilmu Komputer Vol. 2 No. 6 (2024): Desember : Mars : Jurnal Teknik Mesin, Industri, Elektro Dan Ilmu Komputer
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/mars.v2i6.498

Abstract

Indonesia di kawasan Cincin Api Pasifik, yang dikenal memiliki aktivitas seismik yang sangat tinggi dengan ribuan gempa bumi yang terjadi setiap tahunnya. Penelitian ini bertujuan untuk menganalisis kinerja Recurrent Neural Network (RNN) dan Long Short-Term Memory (LSTM) dalam memprediksi magnitudo gempa bumi menggunakan data historis yang diambil dari Kaggle. Data tersebut mencakup rentang waktu dari November 2008 hingga September 2022, yang telah melalui proses normalisasi serta perpecahan menjadi data pelatihan dan pengujian. Model evaluasi kinerja dilakukan dengan menggunakan metrik Mean Absolute Error (MAE) dan Root Mean Square Error (RMSE). Pada uji coba pertama, LSTM menunjukkan performa terbaik dengan nilai MAE 0.6226 dan RMSE 0.7731 pada data pengujian, lebih baik dibandingkan RNN yang mencatatkan MAE 0.6271 dan RMSE 0.7831. Sebaliknya, pada uji coba kedua, RNN unggul dengan nilai MAE 0.5583 dan RMSE 0.7008, sementara LSTM memiliki MAE 0.5822 dan RMSE 0.7132. Hasil ini menunjukkan bahwa LSTM lebih cocok untuk menangani pola data temporal yang kompleks, sedangkan RNN lebih andal pada dataset dengan pola yang lebih sederhana. Penelitian ini diharapkan dapat menjadi pijakan dalam pengembangan sistem prediktif untuk mitigasi risiko bencana gempa bumi di Indonesia.
Co-Authors Sofinah Harahap, Lailan Yudistira, Dimas