<![CDATA[Abstrak Penelitian ini menganalisis keakuratan solusi Centroid Moment Tensor (CMT) gempa bumi di wilayah Jawa Tengah menggunakan software Jokotingkir yang mengimplementasikan algoritma GISOLA, dengan pembanding data dari GlobalCMT melalui metode Sudut Kagan dan Mean Absolute Percentage Error (MAPE). Dari 10 kejadian gempa dengan magnitudo ≥ 5,0 pada tahun 2020–2024, hasil analisis menunjukkan bahwa sebagian besar parameter strike dan dip memiliki kesesuaian cukup baik dengan nilai MAPE masing-masing sebesar 22,99% (dapat diterima) dan 12,39% (baik), sementara rake menunjukkan hasil paling bervariasi dengan MAPE sebesar 49,44% karena sensitivitasnya terhadap arah slip. Analisis Sudut Kagan juga mengindikasikan bahwa sebagian besar solusi CMT menunjukkan kesesuaian sedang hingga tinggi, meskipun beberapa gempa menunjukkan ketidaksesuaian signifikan. Berdasarkan temuan tersebut, disarankan agar pengembangan difokuskan pada peningkatan akurasi estimasi rake melalui penyempurnaan algoritma inversi, perbaikan kualitas data waveform, perluasan cakupan stasiun seismik lokal, dan penerapan model kecepatan 3D regional yang lebih representatif. Abstract This study analyzes the accuracy of Centroid Moment Tensor (CMT) earthquake solutions in Central Java using the Jokotingkir software, which implements the GISOLA algorithm, by comparing the results with data from GlobalCMT through the Kagan Angle and Mean Absolute Percentage Error (MAPE) methods. Based on 10 earthquake events with magnitudes ≥ 5.0 between 2020 and 2024, the analysis shows that most strike and dip parameters are reasonably consistent, with MAPE values of 22.99% (acceptable) and 12.39% (good), respectively, while rake exhibits the highest variation with a MAPE of 49.44% due to its sensitivity to slip direction. The Kagan Angle analysis also indicates that most CMT solutions demonstrate moderate to high similarity, although several events reveal significant discrepancies. These findings suggest that further development should prioritize improving rake estimation accuracy by refining the inversion algorithm, enhancing waveform quality, expanding the coverage of local seismic stations, and applying more representative 3D regional velocity models.]]>
