Aplikasi Jaringan Syaraf Tiruan Resilient Backpropagation Pada Prediksi Magnitudo Dan Lokasi Gempa Bumi

Salah satu bencana yang tidak dapat dihindari adalah bencana alam. Salah satu jenis dari bencana alam, yaitu gempa bumi, merupakan bencana alam yang menyebabkan jumlah kematian rata-rata per tahun paling banyak dibandingkan bencana alam lainnya. Meskipun tak dapat dihindari, namun ada langkahlangkah antisipatif yang bisa diambil untuk meminimalisir jumlah kerugian dan korban dari gempa bumi, salah satunya adalah dengan memprediksi magnitudo gempa. Salah satu metode yang dapat digunakan untuk memprediksi magnitudo gempa di suatu tempat tersebut adalah menggunakan jaringan syaraf tiruan. Dalam penelitian ini, digunakan algoritme resilient backpropagation untuk melatih jaringan syaraf tiruan dalam memprediksi magnitudo gempa yang terjadi di Indonesia secara mingguan. Algoritme ini dipilih karena memiliki keunggulan yaitu cepat, dan tidak tergantung pada learning rate yang membatasi kemampuan belajar dari jaringan syaraf tiruan. Dengan algoritme ini, maka setiap bobot akan diperbaharui secara khusus untuk menghasilkan akurasi yang lebih maksimal. Berdasarkan hasil pengujian yang didapat dalam penelitian ini, maka jaringan syaraf tiruan yang dilatih dengan algoritme resilient backpropagation untuk memprediksi magnitudo gempa pada lokasi-lokasi di Indonesia mampu menghasilkan error terendah sebesar 0,093 dalam waktu 34,475 detik. Konfigurasi jaringan syaraf tiruan yang digunakan untuk menghasilkan hasil terbaik tersebut adalah dilatih sebanyak 100 epoch dengan menggunakan 16 neuron pada layer input dan output, serta 23 neuron pada hidden layer (hanya menggunakan satu hidden layer). Hasil ini menunjukkan sedikit keunggulan algoritme resilient backpropagation dalam pengujian, dibandingkan algoritme backpropagation biasa (ketika dilatih dan diuji dengan konfigurasi jaringan syaraf tiruan yang sama) yang menghasilkan error terendah sebesar 0,095 dalam waktu 32,645 detik