Laporkan Masalah

MEKANISME DAN ALGORIMA SISTEM PERINGATAN DINI GEMPA BUMI BERDASARKAN FLUKTUASI KONSENTRASI GAS RADON STASIUN TELEMONITORING PADANG

FIDEI FELIX DEPENSOR HARAHAP, Prof. Ir. Sunarno, M.Eng., Ph.D., IPU.

2024 | Skripsi | FISIKA TEKNIK

Kota Padang di pesisir barat Sumatera sering mengalami gempa bumi akibat pergerakan lempeng tektonik. Situasi ini menekankan pentingnya sistem peringatan dini gempa bumi yang efektif untuk mengurangi dampaknya. Pada penelitian sebelumnya ditunjukkan bahwa sistem peringatan dini gempa hanya mampu memprediksi tanggal terjadinya gempa. Menurut USGS, prediksi gempa yang ideal harus mencakup tiga elemen: waktu, magnitudo, dan lokasi. Oleh karena itu, penelitian ini bertujuan untuk memprediksi tiga unsur menggunakan data konsentrasi gas radon.

Penelitian dilaksanakan di Laboratorium Sistem Sensor dan Telekontrol (SSTK), Departemen Teknik Nuklir dan Teknik Fisika Fakultas Teknik Universitas Gadjah Mada dan stasiun telemonitoring gas radon yaitu stasiun telemonitoring gas radon Kota Padang (-0,9156909903327332°LS, 100.35620008732695°BT). Algoritma prediksi waktu, magnitudo, dan lokasi gempa bumi pada stasiun pemantau konsentrasi gas radon diperoleh dengan mengolah data konsentrasi gas radon secara statistik 1-17 hari terakhir sebelum gempa yang kemudian digunakan untuk memprediksi gempa 1-4 hari kemudian.

Berdasarkan hasil penelitian, diperoleh algoritma prediksi waktu, magnitudo dan lokasi gempa pada stasiun pemantau konsentrasi gas radon di Kota Padang dengan   nilai mekanisme kebolehjadian gempa bumi 83%. Algoritma prediksi waktu sensitivitas 90?n presisi 78%. Algoritma prediksi magnitudo presisi terbaik 87?ngan standar deviasi eror M0,43 dan eror rata-rata M0,32. Algoritma prediksi lokasi presisi terbaik 70?ngan standar deviasi eror 1 klaster dan eror rata-rata 1 klaster. Hasil implementasi prediksi waktu dan magnitudo sudah sesuai, sedangkan prediksi lokasi terdapat galat nilai prediksi sebesar 2 klaster. Algoritma yang diperoleh dapat digunakan sebagai sistem peringatan dini untuk menemukan prediksi akurat mengenai waktu, magnitudo, dan lokasi gempa.

The city of Padang on Sumatra's west coast frequently experiences earthquakes due to tectonic plate movement, highlighting the need for an effective early warning system. Previous research indicates these systems can only predict earthquake dates. The USGS states that ideal predictions should include time, magnitude, and location. This study aims to predict all three elements using radon gas concentration data.

The research was carried out at the Sensor and Telecontrol Systems Laboratory (SSTK), Department of Nuclear Engineering and Physics Engineering, Faculty of Engineering, Gadjah Mada University and the radon telemonitoring Padang City station (-0,9156909903327332°S, 100,35620008732695°E). The algorithm for predicting the time, magnitude and location of earthquakes at radon concentration monitoring stations is obtained by statistically processing radon concentration data from the last 1-17 days before the earthquake which is then used to predict earthquakes 1-4 days ahead.

Based on the research results, an algorithm was developed to predict the time, magnitude, and location of earthquakes at the radon concentration monitoring station in Padang City, achieving an 83?rthquake probability mechanism value. The time prediction algorithm has 90% sensitivity and 78% precision. The best magnitude prediction algorithm has 87% precision with a standard deviation error of M0,43 and an average error of M0,32. The best location prediction algorithm has 70% precision with a standard deviation error of 1 cluster and an average error of 1 cluster. Time and magnitude predictions are accurate, while location predictions have a prediction value error of 2 clusters. This algorithm can be used as an early warning system for accurate earthquake predictions regarding time, magnitude, and location.

Kata Kunci : Gempa bumi, fluktuasi gas radon, sistem peringatan dini, prediksi gempa bumi.

  1. S1-2024-463274-abstract.pdf  
  2. S1-2024-463274-bibliography.pdf  
  3. S1-2024-463274-tableofcontent.pdf  
  4. S1-2024-463274-title.pdf