Penilaian Potensi Risiko Likuefaksi Berdasarkan Metode Decision Tree dan Random Forest Berdasarkan Data Pengukuran dan Sejarah di Kota Palu.

Penulis

  • irfan alfarisy UI

Kata Kunci:

Machine Learning, Likuefaksi, Decision Tree, Random Forest, Confusion Matrix

Abstrak

Machine learning atau pembelajaran mesin merupakan sebuah metode yang sudah tidak asing lagi didengar. Akhir-akhir ini pembelajaran mesin sering digunakan untuk menyelesaikan masalah kebencanaan, khususnya pada pembuatan peta likuefaksi. Pembelajaran mesin akan memprediksi daerah-daerah yang memiliki potensi likuefaksi dari rendah hingga ke tinggi. Pada penelitian ini, metode pembelajaran mesin yang akan digunakan adalah Decision Tree dan Random Forest, dan beberapa algoritma lain sebagai pembanding dari 2 algoritma sebelumnya. Likuefaksi dipengaruhi oleh seismisitas atau magnitudo terjadinya gempa pada suatu wilayah. Pada penelitian ini digunakan 2 magnitudo sebagai pembanding yaitu magnitudo 6 dan magnitudo 7.5. Selain itu di penelitian ini digunakan 4 peta prediktor sebagai fitur-fitur input yaitu PGA (Peak Ground Acceleration), MAT (muka air tanah), Slope (kemiringan lereng) dan Vs30 (kecepatan gelombang geser). Penelitian ini mengambil 33 titik pengambilan sampel untuk melatih model pembelajaran mesin ini. Untuk nilai akurasi dari masing-masing algoritma yaitu menggunakan confusion matrix untuk membandingkan performa dari model DT dan RF.

Referensi

Kramer, S.L. (1996). Geotechnical Earthquake Engineeri. Prentice-Hall civil engineering

and mechanics series, 653 pages.

Gandomi dkk., (2013). Decision Tree Approach for Soil Liquefaction Assessment,

Hindawi Publishing Corporation, 8 pages.

Nejad dkk., (2018). Evaluation of Liquefaction Potential Using Random Forest Method

and Shear Wave Velocity Results. International Conference on Applied

Mathematics & Computational Science.

Ahmad, Abu. (2017). Mengenal Artificial Intelligence, Machine Learning, Neural

Network, dan Deep Learning

Kasih, Patmi. (2019). Pemodelan Data Mining Decision Tree Dengan Classification Error

Untuk Seleksi Calon Anggota Tim Paduan Suara.

Breiman, Leo., Friedman, Jerome H., Oshlen, Richard A., Stone, Charles J. 1996.

Classification and Regression Tree. Statistics Departement, University of

California

Kodoatie, Robert J dan Sarief Roestam., 2012. Pengelolaan Sumber Daya Air Terpadu.

Yogyakarta: Penerbit Andi.

Van Zuidam, R. A. 1985. Aerial Photo-Interpretation in Terrain Analysis and

Geomorphological Mapping. Smith Publisher, The Hague.

Kramer, S.L. (1996). Geotechnical Earthquake Engineeri. Prentice-Hall civil engineering

and mechanics series, 653 pages.

Linkimer. 2008. Relationship Between Peak Ground AccelerationAnd Modified Mercalli

Intensity In Costa Rica. Revista Geológica de América Central, 38ISSN: 0256-

Hal : 81-94

Indra dkk., (2018). ESTIMASI KECEPATAN GELOMBANG GESER BAWAH

PERMUKAAN PADA LAPISAN DANGKAL MENGGUNAKAN DATA

MIKROTREMOR DI DAERAH MAMBORO. Vol. 17. ISSN : 1412-2375

Iwasaki, T., Tokida, K., & Tatsuoka, F. (1981). Soil Liquefaction Potential Evaluation with

Use of the Simplified Procedure. Paper presented at the International

Conferences on Recent Advances in Geotechnical Earthquake Engineering

and Soil Dynamics.

Sukarasa, I Ketut. (2017). “ANALISA GEMPABUMI DENGAN MENGGUNAKAN DATA

PERCEPATAN GETARAN TANAH”. Fakultas Matematika dan Ilmu Pengetahuan Alam.

Universitas Udayana.

Bowles, J. E. (1984). Sifat-Sifat Fisis dan Geoteknis Tanah. Jakarta: Penerbit Erlangga.

Athanasius, Cipta dan Akhmad Solikhin. (2018). Pendugaan VS30 Berdasarkan Klasifikasi

Geomorfologi.https://www.researchgate.net/publication/322971554_Pendugaan_VS30_B

erdasarkan_Klasifikasi_Geomorfologi. Diakses pada 4 Juli 2021.

Diterbitkan

2024-04-16

Cara Mengutip

alfarisy, irfan. “Penilaian Potensi Risiko Likuefaksi Berdasarkan Metode Decision Tree Dan Random Forest Berdasarkan Data Pengukuran Dan Sejarah Di Kota Palu”. Jurnal Geosains Terapan, vol. 6, no. 1, April 2024, https://geosainsterapan.id/index.php/id/article/view/68.

Terbitan

Bagian

Artikel Ilmiah

Kategori