PEMODELAN DEFORMASI INDONESIA BERDASARKAN DATA PENGAMATAN INA-CORS BIG

Ayu Nur Safi'i, Cecep Pratama, S.Si, M.Si, D.Sc.

2024 | Tesis | S2 Teknik Geomatika

Indonesia, yang terletak di kawasan seismik aktif Asia Tenggara, rentan terhadap gempabumi akibat tumbukan lempeng tektonik. Gempabumi ini sering menyebabkan kerusakan infrastruktur dan korban jiwa. Pemantauan terus-menerus terhadap deformasi kerak bumi diperlukan untuk mengurangi risiko bencana dengan memanfaatkan teknologi Global Navigation Satellite System (GNSS). Teknologi ini mengukur perubahan koordinat permukaan bumi dengan akurasi fraksi milimeter melalui stasiun Continuously Operating Reference Station (CORS). Namun demikian, pemodelan deformasi kerak bumi yang akurat di Indonesia masih menjadi tantangan, terutama dalam memperhitungkan berbagai parameter deformasi seperti efek interseismic, coseismic, dan seasonal. Penelitian ini bertujuan untuk mendapatkan metode pemodelan deformasi yang paling sesuai diterapkan untuk wilayah Indonesia. 

Data GNSS dari INA-CORS BIG digunakan untuk memodelkan deformasi kerak bumi secara spasial dan temporal. Data terdiri atas 327 stasiun dengan rentang tahun 2008 s.d. 2022. Pengolahan data deformasi berfokus pada tiga metode pemodelan dengan input data berupa vektor laju pergeseran dari: (1) metode terkoreksi efek interseismic, (2) metode terkoreksi efek interseismic dan coseismic, serta (3) metode terkoreksi efek interseismic dan seasonal. Nilai laju pergeseran diuji statistik melalui uji akurasi dan uji signifikansi pergeseran dengan tingkat kepercayaan 95%. Pembuatan model deformasi menggunakan metode interpolasi gridding kriging.

Hasil penelitian menunjukkan bahwa pemodelan deformasi dengan metode dua pada stasiun-stasiun yang mengalami gempa besar dan memiliki periode data panjang menghasilkan vektor laju pergeseran yang lebih kecil, presisi, dan akurat. Stasiun yang memiliki data lengkap dan periode pengamatan lebih panjang menunjukkan hasil yang lebih konsisten dibandingkan stasiun yang memiliki data sedikit dan periode pengamatan lebih pendek. Hasil gridding model deformasi menunjukkan bahwa metode satu memberikan nilai residu terkecil di titik-titik validasi pada komponen horizontal. Nilai Root Mean Square Error (RMSE) metode satu dan dua juga mendukung kesimpulan ini, dengan RMSE yang lebih kecil menunjukkan akurasi yang lebih tinggi dalam estimasi laju pergeseran. Dengan demikian, faktor-faktor yang mempengaruhi akurasi pemodelan deformasi yaitu kombinasi pengolahan dari parameter fase gempa, jumlah dan periode data, kejadian gempa, serta skenario proses gridding yang digunakan di wilayah terkait.

Indonesia, located in the seismically active region of Southeast Asia, is prone to earthquakes due to the collision of tectonic plates. These earthquakes often cause infrastructure damage and loss of life. Continuous monitoring of the earth's crustal deformation is needed to reduce disaster risk by utilizing Global Navigation Satellite System (GNSS) technology. This technology measures changes in the earth's surface coordinates with millimeter fraction accuracy through Continuously Operating Reference Station (CORS) stations. However, accurate modeling of crustal deformation remains a challenge, especially in accounting for various deformation parameters such as interseismic, coseismic, and seasonal effects. This research aims to find the most suitable deformation modeling method for Indonesia. 

GNSS data from INA-CORS BIG is used to model crustal deformation spatially and temporally. The data consists of 327 stations spanning the years 2008 to 2022. Deformation data processing focuses on three modeling methods with input data in the form of displacement rate vectors from (1) interseismic effect corrected method, (2) interseismic and coseismic effect corrected method, and (3) interseismic and seasonal effect corrected method. The resulting shift rate values were statistically tested through the accuracy and shift significance tests with a 95% confidence level. The gridding interpolation method used is kriging interpolation.

The results showed that method 2 at stations that experienced large earthquakes and had long data periods produced smaller, more precise, and more accurate displacement rate vectors. Stations that have complete data and longer observation periods show more consistent results than stations that have little data and shorter observation periods. The results of gridding the deformation model show that method 1 gives the smallest residual values at validation points in the horizontal component. The Root Mean Square Error (RMSE) values of method 1 and 2 also support this conclusion, with smaller RMSEs indicating higher accuracy in the estimation of drift rates. Thus, the factors that affect the accuracy of deformation modeling are the amount and period of data, the earthquake event, and the gridding process scenario used in the region.

Kata Kunci : Deformasi, interseismic, coseismic, seasonal, pergeseran