Perbandingan Algoritma Support Vector Machine Biasa dan Support Vector Machine berbasis Particle Swarm Optimization untuk Prediksi Gempa Bumi

  • Agustian Noor Politeknik Negeri Tanah Laut

Abstract

Gempa merupakan fenomena alam secara periodik yang terjadi di seluruh belahan bumi akibat adanya gaya pembangkit pasang surut yang utamanya berasal dari matahari dan bulan. Tujuan penelitian ini adalah untuk menganalisa hasil gempa bumi di Sumara Utara. Metode yang diusulkan adalahmembandingkan SVM dan SVM-PSO yang menggunakan data dari instansi terkait khususnya di daerah Sumatra Utara, Masing-masing algoritma akan implementasikan dengan menggunakan RapidMiner 5.1 Pengukuran kinerja dilakukan dengan menghitung rata-rata error yang terjadi melalui besaran Root Mean Square Error (RMSE). Semakin kecil nilai dari masing-masing parameter kinerja ini menyatakan semakin dekat nilai prediksi dengan nilai sebenarnya. Dengan demikian dapat diketahui algoritma yang lebih akurat.

Author Biography

Agustian Noor, Politeknik Negeri Tanah Laut
IMS Banjarmasin

References

Abraham, 2006. “Particle Swarm Optimization.”

Y. P. Prihatmaji, 2007, “Perancangan Pusat Pembelajaran Gempa Di Bantul ( Pendekatan Pengalaman Ruang untuk Pembelajaran ),” vol. 35, no. 2, pp. 152–163,.

R. Sovia, S. Barat, and S. Barat, 2013 “Jaringan Saraf Tiruan Untuk Memprediksi Pola Pergerakan Titik Gempa Di Indonesia Dengan Algoritma Backpropagation.”

R. and and J. K. C. Eberhart, 2012, “Particle Swarm Optimization.”

U. S. Utara, 2011 “Teori Dasar Gempa Bumi.”

Published
2018-12-30
How to Cite
Noor, A. (2018). Perbandingan Algoritma Support Vector Machine Biasa dan Support Vector Machine berbasis Particle Swarm Optimization untuk Prediksi Gempa Bumi. Jurnal Humaniora Teknologi, 4(1). https://doi.org/10.34128/jht.v4i1.37