Inferensi Bayesian Model Non Homogeneous Poisson Process Dan Log Gaussian Cox Process Dalam Pemodelan Intensitas Gempa Bumi

Nurhalisa, Nurhalisa (2026) Inferensi Bayesian Model Non Homogeneous Poisson Process Dan Log Gaussian Cox Process Dalam Pemodelan Intensitas Gempa Bumi. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003241-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (7MB) | Request a copy

Abstract

Wilayah Nusa Tenggara merupakan salah satu kawasan dengan aktivitas seismik tertinggi di Indonesia akibat interaksi zona subduksi, sesar aktif, dan jalur gunung api yang menghasilkan variasi spasial kejadian gempa bumi yang kompleks. Penelitian ini bertujuan mengembangkan kerangka pemodelan Bayesian untuk menganalisis intensitas kejadian gempa bumi magnitudo ≥ 5 di wilayah Nusa Tenggara periode 2010–2025 dengan mempertimbangkan pengaruh covariate geologi berupa jarak terhadap sesar aktif, zona subduksi, gunung api, dan kepadatan tanah. Pendekatan Bayesian digunakan karena mampu mengakomodasi ketidakpastian parameter dan mengintegrasikan informasi spasial ke dalam proses estimasi intensitas kejadian gempa bumi. Dalam penelitian ini, model Non-Homogeneous Poisson Process (NHPP) diposisikan sebagai model dasar yang interpretatif untuk menggambarkan variasi intensitas spasial, sedangkan Log-Gaussian Cox Process (LGCP) digunakan untuk mengakomodasi heterogenitas spasial yang tidak dapat dijelaskan sepenuhnya oleh covariate yang diamati. Data episentrum gempa bumi diperlakukan sebagai spatial point pattern, dimana intensitas kejadian dimodelkan sebagai fungsi dari karakteristik geologi di setiap lokasi. Estimasi parameter NHPP dilakukan menggunakan pendekatan Bayesian Markov Chain Monte Carlo (MCMC), sedangkan LGCP diestimasi menggunakan Integrated Nested Laplace Approximation (INLA). Kinerja model dibandingkan menggunakan Watanabe Akaike Information Criterion (WAIC). Hasil eksplorasi spasial menunjukkan bahwa kejadian gempa bumi di wilayah Nusa Tenggara membentuk pola cluster dan bersifat tidak homogen secara spasial. Hasil pemodelan menunjukkan bahwa jarak terhadap zona subduksi dan gunung api merupakan faktor yang berpengaruh signifikan terhadap intensitas kejadian gempa bumi. Selain itu, model LGCP menghasilkan nilai WAIC yang lebih kecil dibandingkan NHPP, yang menunjukkan bahwa keberadaan heterogenitas spasial laten masih berperan dalam menjelaskan pola kejadian gempa bumi di wilayah penelitian. Temuan ini memberikan dasar probabilistik yang lebih baik dalam pemodelan intensitas gempa bumi serta dapat digunakan sebagai informasi pendukung dalam penyusunan peta risiko gempa bumi dan pengembangan strategi mitigasi bencana di wilayah Nusa Tenggara.
======================================================================================================================================
The Nusa Tenggara region is one of the most seismically active areas in Indonesia due to the interaction of subduction systems, active faults, and volcanic arcs, resulting in substantial spatial variation in earthquake occurrence. This study aims to develop a Bayesian modeling framework for analyzing the intensity of earthquakes with magnitude ≥ 5 in the Nusa Tenggara region during 2010–2025 by incorporating geological covariates, including distance to active faults, subduction zones, volcanoes, and soil density. The Bayesian approach provides a robust framework for accommodating parameter uncertainty and integrating spatial information into earthquake intensity estimation. In this study, the Non-Homogeneous Poisson Process (NHPP) is intentionally positioned as an interpretable probabilistic baseline for modeling spatial intensity variation, while the Log-Gaussian Cox Process (LGCP) is employed to account for latent spatial heterogeneity that cannot be fully explained by the observed covariates. Earthquake epicenters are treated as spatial point pattern data, where the event intensity is modeled as a function of geological characteristics at each location. Parameter estimation for the NHPP model is conducted using Bayesian Markov Chain Monte Carlo (MCMC), whereas the LGCP model is estimated using the Integrated Nested Laplace Approximation (INLA) approach. Model performance is evaluated using the Watanabe Akaike Information Criterion (WAIC). Exploratory spatial analysis reveals that earthquake occurrences in the Nusa Tenggara region exhibit clustered and spatially inhomogeneous patterns. The modeling results indicate that distance to subduction zones and volcanoes are significant factors influencing earthquake intensity. Furthermore, the LGCP model produces a smaller WAIC value than the NHPP model, suggesting that latent spatial heterogeneity remains important in explaining the spatial distribution of earthquake occurrences. These findings provide a transparent probabilistic framework for earthquake intensity modeling and can support the development of earthquake hazard maps, disaster risk assessments, and mitigation strategies in the Nusa Tenggara region.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Gempa bumi, Spatial Point Process, NHPP, LGCP, Bayesian, MCMC, INLA., Earthquake
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines.
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Nurhalisa Nurhalisa
Date Deposited:	23 Jul 2026 05:15
Last Modified:	23 Jul 2026 05:15
URI:	http://repository.its.ac.id/id/eprint/136614

Actions (login required)

View Item