Pemodelan Prediksi Magnitudo Gempa Bumi di Indonesia Periode 2023–2025 Menggunakan Algoritma Naive Bayes

M. Faris Daffarindra, Akhiyar Waladi, Pradita Eko Prasetyo Utomo, Ulfa Khaira

Abstract


Prediksi gempa bumi sangat penting untuk mitigasi bencana di Indonesia sebagai salah satu negara paling aktif seismik di dunia. Penelitian ini menerapkan algoritma Gaussian Naïve Bayes untuk mengklasifikasikan magnitudo gempa menggunakan data BMKG periode 2023-2025. Setelah pra-pemrosesan 30.000 rekaman, diperoleh 23.979 data valid dengan enam variabel prediktor: lintang, bujur, kedalaman, phasecount, azimuth gap, dan jenis magnitudo. Magnitudo dikelompokkan menjadi Ringan (< 3,0), Sedang (3,0-4,9), dan Kuat (≥ 5,0). Model mencapai akurasi 71,68% dengan precision 0,77 dan recall 0,66 pada kelas Sedang, serta recall 0,78 pada kelas Ringan. Validasi 5-fold cross-validation menghasilkan rata-rata akurasi 68,78% (±7,32%). Perbandingan dengan Random Forest (83,63%) dan SVM (79,15%) menunjukkan hanya Naïve Bayes yang mampu mendeteksi kelas Kuat (precision = 0,18; recall = 0,25). Kebaruan penelitian ini terletak pada evaluasi komparatif tiga algoritma dan analisis kritis asumsi independensi fitur Naïve Bayes terhadap data seismik nyata. Model ini layak sebagai alat skrining awal dalam sistem peringatan dini.

Keywords


Gempa Bumi; Klasifikasi; Naive Bayes; Prediksi

Full Text:

PDF

References


H. Afif et al., “Local earthquake tomography of the source region of the 2018 Lombok earthquake sequence, Indonesia,” Geophys. J. Int., vol. 226, no. 3, pp. 1814–1823, 2021, doi: 10.1093/gji/ggab189.

R. Jena et al., “Integrated model for earthquake risk assessment using neural network and analytic hierarchy process: Aceh province, Indonesia,” Geoscience Frontiers, vol. 11, no. 2, pp. 613–634, 2020, doi: 10.1016/j.gsf.2019.07.006.

K. M. Asim, F. Martínez-Álvarez, A. Basit, and T. Iqbal, “Earthquake magnitude prediction in Hindukush region using machine learning techniques,” Natural Hazards, vol. 85, no. 1, pp. 471–486, 2017, doi: 10.1007/s11069-016-2579-3.

D. P. Sari and M. Hariadi, “Klasifikasi Magnitudo Gempa Bumi di Pulau Jawa Menggunakan Decision Tree,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 9, no. 3, pp. 521–528, 2022.

I. Maulita and A. M. Wahid, “Prediksi Magnitudo Gempa Menggunakan Random Forest, Support Vector Regression, XGBoost, LightGBM, dan Multi-Layer Perceptron Berdasarkan Data Kedalaman dan Geolokasi,” Jurnal Pendidikan Teknologi Indonesia, 2024, doi: 10.52436/1.jpti.470.

F. Ariadi, “Analisa Perbandingan Algoritma DT C.45 dan Naïve Bayes Dalam Prediksi Penerimaan Kredit Motor,” KERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan Informatika, vol. 1, no. 1, pp. 1–8, 2020, doi: 10.31284/j.kernel.2020.v1i1.1183.

S. D. Y. Kusuma, H. Al Islam, and P. Rosyani, “Penerapan Naive Bayes Untuk Klasifikasi Penyakit Endokrin Pada Pasien Lansia,” KERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan Informatika, vol. 5, no. 2, pp. 1–10, 2024, doi: 10.31284/j.kernel.2024.v5i2.7312.

P. Debnath et al., “Analysis of Earthquake Forecasting in India Using Supervised Machine Learning Classifiers,” Sustainability, vol. 13, no. 2, p. 971, 2021, doi: 10.3390/su13020971.

M. J. Fernández-Gómez, G. Asencio-Cortés, A. Troncoso, and F. Martínez-Álvarez, “Large earthquake magnitude prediction in Chile with imbalanced classifiers and ensemble learning,” Applied Sciences, vol. 7, no. 6, p. 625, 2017, doi: 10.3390/app7060625.

BMKG and USGS, “Earthquakes in Indonesia,” 2025, Kaggle. doi: 10.34740/KAGGLE/DSV/13265963.

D. J. Hand and K. Yu, “Idiot’s Bayes: Not so stupid after all?,” International Statistical Review, vol. 69, no. 3, pp. 385–398, 2001.

N. V Chawla, K. W. Bowyer, L. O. Hall, and W. P. Kegelmeyer, “SMOTE: Synthetic minority over-sampling technique,” Journal of Artificial Intelligence Research, vol. 16, pp. 321–357, 2002.

A. P. Pratiwi and P. R. Arum, “Implementation of Random Forest Algorithm to Classify Earthquake in Indonesia,” Eigen Mathematics Journal, vol. 8, no. 1, 2025, doi: 10.29303/emj.v8i1.185.




DOI: https://doi.org/10.31284/j.kernel.2026.v7i1.8399

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 M. Faris Daffarindra

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Diindeks oleh:
SINTA 5 logo Google Scholar logo Dimensions Logo