<![CDATA[Zona Megathrust Selatan Jawa merupakan wilayah subduksi aktif dengan tingkat kegempaan tinggi yang rawan terhadap bencana gempa bumi besar dan tsunami, di mana parameter b-value bertindak sebagai indikator kritis dalam memetakan akumulasi tegangan tektonik. Penelitian ini bertujuan memodelkan dinamika deret waktu b-value secara spasio-temporal menggunakan metode Maximum Likelihood Estimation (MLE) yang dikombinasikan dengan teknik pemulusan jendela bergerak serta tiga pendekatan kecerdasan buatan, yaitu Long Short-Term Memory (LSTM), Support Vector Machine (SVM/SVR), dan Random Forest (RF). Hasil evaluasi menunjukkan bahwa pada konfigurasi standar, pendekatan SVM memberikan akurasi numerik terbaik karena ketangguhannya mengolah dataset berukuran sedang tanpa gejala overfitting, disusul oleh efisiensi model RF, meskipun keduanya menunjukkan keterbatasan berupa gejala perkiraan malas (lazy prediction) atau penundaan fase waktu. Sebaliknya, superioritas arsitektural sekuensial yang sesungguhnya berhasil dicapai oleh jaringan LSTM pada skenario eksperimen kontrol berbasis masukan data seketika, di mana pemotongan rantai historis jangka panjang mampu membebaskan model dari bias inersia temporal sehingga mekanisme gerbang pengaturnya bekerja jauh lebih responsif, adaptif, dan presisi dalam melacak kausalitas perubahan stres tektonik tanpa penundaan fase naif.]]>
Copyrights © 2026
