Pemetaan Daerah Risiko Bencana Di Indonesia Berdasarkan Analisis Frequency- Magnitude Gempa Bumi Menggunakan Bayesian Gutenberg-Richter Model

Dinari, Salsabilla (2022) Pemetaan Daerah Risiko Bencana Di Indonesia Berdasarkan Analisis Frequency- Magnitude Gempa Bumi Menggunakan Bayesian Gutenberg-Richter Model. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06311840000054_Undergraduate_Thesis.pdf Download (6MB)

Abstract

Indonesia merupakan salah satu negara kepulauan yang memiliki keindahan dan keberagaman alam yang tersebar di seluruh wilayahnya seperti. Namun, risiko ancaman bencana alam yang tergolong tinggi membuat masyarakat menjadi khawatir. Salah satu bencana alam yang sering terjadi di Indonesia adalah gempa bumi. Gempa bumi membuat masyarakat mengalami rasa kehilangan yang sangat mendalam seperti kehilangan harta benda atau korban jiwa. Berdasarkan hasil kajian risiko bencana Indonesia yang disusun oleh Badan Nasional Penanggulangan Bencana (BNPB) pada Tahun 2015, jumlah korban jiwa yang disebabkan akibat bencana gempa bumi yaitu sebanyak 86,247,258 jiwa dan kerugian material sebesar 466,689,834 juta mencakup seluruh wilayah di Indonesia pada tahun tersebut. Penanggulangan bencana sangat diperlukan di Indonesia agar dapat mengantisipasi dampak yang diakibatkan oleh bencana gempa bumi. Berdasarkan permasalahan tersebut, akan dilakukan penelitian yang dapat membantu dalam memperkirakan kemungkinan gempa bumi akan terjadi kembali dan melihat daerah mana saja yang memiliki risiko gempa bumi di Indonesia. Data yang digunakan untuk penelitian ini pada periode 2008-2022 yang didapat dari laman website Badan Meteorologi, Klimatologi, dan Geofisika (BMKG). Metode yang digunakan dalam penelitian ini adalah membandingkan antara Gutenberg-Richter dan Gutenberg-Ritcher berbasis Bayesian. Gutenberg-Richter Model adalah metode untuk menentukan hubungan frekuensi magnitudo dalam melakukan analisis risiko gempa. Bayesian adalah algoritma klasifikasi statistik dimana berfungsi untuk melakukan prediksi secara probabilitas pada anggota suatu peristiwa. Proses pemodelan Gutenberg-Ritcher berbasis Bayesian adalah berdasarkan hasil estimasi parameter Gutenberg-Ritcher. Hasil analisis data berdasarkan 39 grid wilayah penelitian bahwa metode Bayesian lebih baik berdasarkan Akaike Information Criterion (AIC) yang memiliki nilai relatif lebih kecil. Penelitian ini juga menunjukkan bahwa Bali, Nusa Tenggara Barat, dan sekitarnya termasuk rawan terjadinya bencana gempa bumi. Kemungkinan risiko kejadian gempa bumi di Indonesia menghasilkan penjelasan bahwa seluruh wilayah penelitian memiliki kemungkinan terjadi gempa bumi dalam rentang waktu 1, 5, 10, dan 20 yang cukup tinggi. Perhitungan periode ulang gempa bumi diketahui daerah yang memiliki periode tersingkat untuk gempa bumi dengan magnitudo tertentu pada wilayah Bali, Nusa Tenggara Barat dan sekitarnya akan terjadi kembali dalam kurun waktu 0,012 tahun (sekitar 4 hari). Gempa bumi dengan periode ulang terlama yaitu pada wilayah Papua akan terjadi kembali dalam kurun waktu 10,5 tahun (sekitar 3832 hari) setelah hari kejadian gempa bumi.
==============================================================================================================================
Indonesia is one of the archipelagic countries that has natural beauty and diversity spread throughout its territory such as. However, the relatively high threat of natural disasters makes people worried. One of the natural disasters that often occurs in Indonesia is an earthquake. Earthquakes make people experience a very deep sense of loss such as loss of property or loss of life. The results are based on a study on Indonesian disasters compiled by the National Disaster Management Agency (BNPB) in 2015, the number of fatalities caused by the earthquake was 86,247,258 people and material losses of 466,689,834 million covering areas in Indonesia in 2015. the. Disaster management is urgently needed in Indonesia in order to anticipate the impacts caused by earthquakes. Based on these problems, research will be carried out that can assist in estimating the possibility of an earthquake to occur again and see which
areas have an earthquake risk in Indonesia. The data used for this research in the period 2008-2022 were obtained from the website of the Meteorology, Climatology and Geophysics Agency (BMKG). The method used in this study is to compare the Gutenberg-Richter and the Bayesian�based Gutenberg-Ritcher. The Gutenberg-Richter Model is a method for determining the frequency-magnitude relationship in conducting an earthquake risk analysis. Bayesian is a statistical classification which works to predict probability on an event. The Bayesian-based Gutenberg-Ritcher modeling process is based on the estimation results of the Gutenberg�Ritcher parameters. The results of data analysis based on 39 grids of the research area that the Bayesian method is better based on the Akaike Information Criterion (AIC) which has a relatively smaller value. This research also shows that Bali, West Nusa Tenggara, and its surroundings are prone to earthquake disasters. Directing the risk of earthquakes in Indonesia results in an explanation that the entire research area has a fairly high probability of an earthquake occurring in the 1, 5, 10, and 20 timeframes. Calculation of the return period for earthquakes is known to have the shortest period for an earthquake with a certain scale in the Bali, West Nusa Tenggara and surrounding areas will occur again within a period of 0.012 years (about 4 days). The earthquake with the longest return period, namely in the Papua region, will occur again within 10.5 years (about 3832 days) after the earthquake.

Item Type:	Thesis (Other)
Additional Information:	RSAk 519.542 Din p-1 2022
Uncontrolled Keywords:	Risiko, Gempa Bumi, Frequency-Magnitude, Bayesian, Gutenberg-Richter, Risk, Earthquake,
Subjects:	Q Science > QA Mathematics > QA279.5 Bayesian statistical decision theory.
Divisions:	Faculty of Mathematics, Computation, and Data Science > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	26 Nov 2024 06:51
Last Modified:	26 Nov 2024 06:51
URI:	http://repository.its.ac.id/id/eprint/115841

Actions (login required)

View Item