<![CDATA[Penelitian ini mengusulkan model hybrid yang menggabungkan metode Random Forest (RF) dan Multi-Layer Perceptron (MLPRegressor) untuk memprediksi magnitudo gempa bumi. Model ini bertujuan untuk meningkatkan akurasi prediksi dengan memanfaatkan kekuatan kedua algoritma tersebut, yang masing-masing memiliki keunggulan dalam menangani hubungan non-linier dan mengenali pola kompleks dalam data seismik. Evaluasi model menggunakan tiga metrik utama, yaitu Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan R-squared (R²). Hasil evaluasi menunjukkan bahwa model hibrida ini mampu memprediksi magnitudo gempa dengan akurasi yang cukup baik, dengan MAE sebesar 0,0738, RMSE 0,1078, dan R² 0,4204. Penerapan praktis dari model ini sangat relevan untuk sistem peringatan dini gempa bumi yang dapat membantu masyarakat untuk mengambil langkah-langkah pencegahan, seperti evakuasi dan penguatan infrastruktur di wilayah yang berisiko tinggi. Penelitian ini juga membuka peluang untuk mengembangkan model lebih lanjut dengan memperkenalkan data seismik real-time, algoritma pembelajaran mesin yang lebih canggih, dan penggunaan data geofisik serta pengamatan satelit untuk meningkatkan akurasi prediksi gempa bumi di masa depan. Dengan terus melakukan inovasi, ada potensi untuk mengembangkan sistem prediksi gempa bumi yang lebih akurat dan dapat diandalkan, yang pada akhirnya dapat meningkatkan kesiapsiagaan dan ketahanan terhadap bencana alam.]]>
Copyrights © 2025
