Pendekatan Model Generalized Space Time Autoregressive (GSTAR) Untuk Pemodelan Data Gempa

Novita Serly Laamena (Universitas Satya Negara Indonesia - USNI)

Seminar Nasional Inovasi Teknologi
Vol. 1 No. 01 (2017): SEMINAR NASIONAL INOVASI TEKHNOLOGI (SNITek)

ndonesia merupakan negara kepulauan yang terletak di daerah tektonik yang sangat kompleks danaktif. Kondisi ini menyebabkan Indonesia masuk dalam wilayah yang mempunyai potensikegempaan tertinggi di dunia. Salah satu wilayah Indonesia yang sering dilanda gempa bumi adalahwilayah Laut Banda. Pada penelitian ini, dilakukan prediksi kekuatan gempa dengan menggunakanmodel Generalized Space Time Autoregressive (GSTAR) dengan asumsi bahwa lokasi-lokasipenelitian bersifat heterogen. Besar kebergantungan dan pengaruh lokasi yang satu dengan lokasiyang lainnya diwakili oleh matriks bobot. Berdasarkan Pendekatan Invers Matriks Autokovariansi(IMAk), diperoleh bahwa Data Set 1 dan Data Set 2 tidak stasioner, sehingga tidak cocok dimodelkandengan GSTAR. Model yang tepat untuk memprediksi Data Set 3 adalah GSTAR (1;3) denganmenggunakan matriks bobot biner, dan model yang tepat untuk memprediksi Data Set 4 adalahGSTAR (1;2) dengan menggunakan matriks bobot biner