<![CDATA[Aceh merupakan wilayah dengan tingkat aktivitas seismik tinggi karena berada di jalur subduksi aktif antara Lempeng Indo-Australia dan Eurasia. Prediksi gempa bumi di wilayah ini menjadi tantangan karena karakteristik data seismik yang kompleks, tidak linier, dan tidak stasioner. Penelitian ini bertujuan untuk mengembangkan model prediksi magnitudo gempa bumi harian menggunakan algoritma Long Short-Term Memory (LSTM). Data historis gempa dari United States Geological Survey (USGS) periode 2000 hingga 2025 diolah melalui tahap resampling harian, normalisasi, dan pembentukan data sekuensial menggunakan pendekatan sliding window. Sebanyak 72 kombinasi hyperparameter diuji untuk mengoptimalkan performa model. Evaluasi dilakukan menggunakan metrik RMSE, MAE, dan koefisien korelasi Pearson (r). Hasil terbaik diperoleh pada konfigurasi 64 units, batch size 16, learning rate 0.0005, dan 60 epoch dengan RMSE sebesar 0.16291, MAE sebesar 0.09046, dan r sebesar 0.83116. Hasil ini menunjukkan bahwa LSTM mampu mengenali pola temporal aktivitas seismik secara efektif. Penelitian ini mendukung pemanfaatan LSTM sebagai komponen dalam sistem mitigasi bencana dan peringatan dini berbasis data di wilayah rawan gempa seperti Aceh.]]>
Copyrights © 2025
