Earthquake Early Warning System and Mitigation Based on the Fluctuation of Radon Gas Concentration

Thomas Oka Pratama, Prof. Ir. Sunarno, M.Eng, Ph.D, IPU.

2025 | Disertasi | S3 Ilmu Lingkungan

Indonesia, yang terletak di persimpangan lempeng tektonik Eurasia dan Indo-Australia, rentan terhadap gempa bumi yang sering terjadi dan berpotensi merusak. Urgensi untuk mengembangkan sistem peringatan dini gempa bumi (EEWS) yang andal telah mendorong para peneliti untuk mengeksplorasi indikator non-seismik seperti konsentrasi gas radon. Penelitian ini didasarkan pada temuan sebelumnya bahwa anomali gas radon sering kali mendahului gempa bumi, terutama di daerah dekat sesar aktif. Tujuan utama studi ini adalah mengembangkan algoritma berbasis statistik dan pembelajaran mesin yang mampu memprediksi magnitudo gempa bumi menggunakan fluktuasi konsentrasi gas radon yang diukur dari stasiun pemantauan jarak jauh yang terletak di Pulau Jawa. Penelitian ini memperluas penelitian sebelumnya yang berhasil memprediksi waktu terjadinya gempa bumi menggunakan sumber data serupa. Penelitian ini kemudian menganalisis persepsi masyarakat terhadap prediksi gempa bumi.
Metodologi ini melibatkan pemasangan stasiun pemantauan gas radon secara real-time di dekat zona patahan aktif. Data yang dikumpulkan diproses menggunakan model hibrida yang menggabungkan teknik statistik seri waktu dengan algoritma pembelajaran mesin untuk mengidentifikasi pola anomali dan memprediksi magnitudo gempa bumi dari empat stasiun gas radon. Survei juga dilakukan untuk mengetahui persepsi masyarakat terhadap desain prediksi gempa bumi bagi 100 orang yang tinggal di Pulau Jawa Selatan.
Hasil penelitian menunjukkan bahwa data konsentrasi radon dapat digunakan tidak hanya untuk mengidentifikasi anomali pra-gempa bumi tetapi juga untuk memprediksi magnitudo gempa bumi dengan akurasi yang memadai. Evaluasi menunjukkan bahwa Root Mean Square Error (RMSE) mencapai 0,247 dan Mean Absolute Error (MAE) sebesar 0,203, menunjukkan kinerja model yang kuat di sepanjang zona patahan. Selain itu, terdapat penerimaan positif terhadap pentingnya sistem peringatan dini gempa bumi; terdapat kebutuhan yang signifikan akan informasi yang lebih akurat dan dapat diandalkan. Tingkat kepercayaan publik terhadap sistem peringatan dini gempa bumi sangat dipengaruhi oleh akurasi prediksi yang diberikan, yang dapat membangun respons emosional positif dan meningkatkan kesiapan diri. Meskipun ada potensi kekecewaan akibat prediksi yang belum teruji, kesadaran akan pentingnya kewaspadaan terus meningkat. Hal ini menyoroti kesenjangan kritis dalam kesadaran publik dan menekankan kebutuhan untuk memperkuat komunikasi risiko bencana dan kesiapan bersama dengan sistem prediksi teknologi.

Indonesia, located at the convergence of the Eurasian and Indo-Australian tectonic plates, is prone to frequent and potentially destructive earthquakes. The urgency to develop reliable earthquake early warning systems (EEWS) has driven researchers to explore non-seismic precursors such as radon gas concentration. This research builds upon previous findings that radon anomalies often precede earthquakes, particularly in areas near active faults. The primary objective of this study is to develop a statistical and machine learning-based algorithm capable of predicting earthquake magnitude using fluctuations in radon gas concentration measured from telemonitoring stations located on Java Island. This work extends previous research that successfully predicted the timing of earthquake occurrences using similar data sources. This research then analyzes society’s perception of earthquake predictions.

The methodology involves the deployment of real-time radon gas monitoring stations in proximity to active fault zones. The collected data is processed using a hybrid model that combines time-series statistical techniques with machine learning algorithms to identify anomaly patterns and predict earthquake magnitude from four radon gas stations. The survey was also conducted to know the society's perception of designing earthquake prediction for 100 people living on the Southern Java Island.

The results demonstrate that radon concentration data can be used not only to identify pre-seismic anomalies but also to predict earthquake magnitude with reasonable accuracy. The evaluation shows that the Root Mean Square Error (RMSE) reached 0.247 and the Mean Absolute Error (MAE) was 0.203, indicating strong model performance across fault zones. In addition, there is a positive acceptance of the importance of earthquake early warning systems; there is a significant need for more accurate and reliable information. The level of public trust in earthquake early warning systems is strongly influenced by the accuracy of the predictions provided, which can build positive emotional responses and increase self-preparedness. Despite the potential disappointment of unproven predictions, the awareness of the importance of being alert is still growing. This highlights a crucial gap in public awareness and emphasizes the need to strengthen disaster risk communication and preparedness alongside technological prediction systems.

Kata Kunci : radon, migitation, prediction, magnitude, early warning