OPTIMASI PARAMETER NEURAL NETWORK PADA DATA TIME SERIES UNTUK MEMPREDIKSI RATA-RATA KEKUATAN GEMPA PER PERIODE (Studi Kasus Gempa Bumi di Maluku Utara)
ABSTRACT: Gempa bumi merupakan
suatu pergerakan tanah yang terjadi secara tiba-tiba hingga menimbulkan
getaran, besarnya kekuatan gempa dapat mengakibatkan bencana baik kerusakan
maupun korban jiwa. Untuk mengantisipasi bencana yang akan datang maka
diperlukan suatu model khususnya untuk meramalkan besarnya kekuatan gempa. Pada
penelitian ini, digunakan model ARIMA dan model kombinasi dari Neural
Network-Algoritma Genetik (NN-GA) untuk memprediksi rata-rata kekuatan gempa
bumi setiap bulan khususnya yang terjadi di wilayah Maluku Utara. Data yang
digunakan adalah data kekuatan gempa berdasarkan skala richter yang diperoleh
dari Badan Meteorologi, Klimatologi dan Geofisika (BMKG) kota Ternate. Sebagai
input pada model ARIMA dan NN-GA digunakan rata-rata kekuatan gempa bumi 36
bulan dan rata-rata kekuatan gempa 36 bulan berikutnya digunakan sebagai target
untuk prediksi. Untuk meng-update parameter (bobot) dari Neural Network
digunakan metode Gradient Descent dan untuk mendapatkan parameter yang lebih
optimal pada layer Output, maka di diterapkan Algoritma Genetik. Hasil
peramalan dari kedua model kemudian dibandingkan dan model terbaik ditentukan
dari nilai Mean square Error (MSE) yang terkecil. dari hasil peramalan dengan
model ARIMA diperoleh MSE sebesar 1.0125, sedangkan pada model NN-GA diperoleh
MSE sebesar 0.9196. Nilai tersebut, menunjukkan bahwa model NN-GA lebih baik
dari model ARIMA untuk peramalan rata-rata kekuatan gempa bumi beberapa bulan
ke depan
KEYWORDS: Metode Peramalan
Time Series ARIMA, Neural Network (NN), Gradient Descent dan Algoritma Genetik
Penulis: Muzakir Hi Sultan
Kode Jurnal: jpmatematikadd141531
