Wiko Setyonegoro. Puslitbang BMKG, Jl. Angkasa I No.2 Kemayoran Jakarta Pusat, 10720, Indonesia

ISSN 0215-1952

PENGEMBANGAN PERANGKAT LUNAK BERBASIS MATLAB MELALUI APLIKASI ANFIS DAN IPV.03 UNTUK ANALISA GEMPABUMI DI WILAYAH ASIA BAGIAN TENGGARA TOOLS DEVELOPING BASED ON MATLAB PROGRAMING THROUGH ANFIS AND IPV.03 TO EARTHQUAKE ANALYZE IN SOUTH-EAST ASIA REGION Wiko Setyonegoro Puslitbang BMKG, Jl. Angkasa I No.2 Kemayoran Jakarta Pusat, 10720, Indonesia Email: [email protected]

ABSTRAK Proses deformasi kerak bumi melibatkan area yang luas. Untuk menentukan studi gerak relatif dari kerak bumi digunakan serangkaian variasi waktu di sekitar batas lempeng. Tujuan dari penelitian ini mengembangkan pemograman berbasis Matlab untuk prediksi gempabumi dengan perhitungan statistik numerik dari data historis time series non linear dan analisa plot 3D Konsentrasi akumulasi magnitudo menggunakan pola interpolasi dengan Imagesc dengan Pseudocolor. Untuk melakukan analisa data, diperkenalkan alat bantu pemrograman Ver.02 dari ANFIS dan IPV.02 berbasis Matlab untuk memodelkan gempabumi. Hasil yang diperoleh dengan menggunakan metode ANFIS mengindikasikan validasi dengan RMSE dan korelasi yang baik antara model dan data pengamatan. Untuk hasil dari plot 3D pada IPV.03 diperoleh hasil interpretasi yang baik dari kontur anomali magnitude. Diharapkan pemodelan dari beberapa metode tersebut dapat bermanfaat dalam mendukung program mitigasi gempabumi dan tsunami. Kata Kunci : perangkat lunak, ANFIS, IPV.03

ABSTRACT Deformation process on crust is involve large area. To define the study of relative movement of continent was using time series variations around plate boundary. The purpose of this research is to develop programming based on Matlab to earthquake prediction with numerical statistically of time series of historical non linear data and 3D analysis of magnitude accumulation concentration using interpolation pattern of imagesc with pseudocolor. To perform data analysis, introduced programming tools using ANFIS and IPV.02 Ver.02 -based on Matlab for modeling earthquakes. The output which using ANFIS methode indicates good correlation and RMSE between models and observations data. Output model from IPV.03 gived good interpretation result through magnitude contour anomaly. Be expected modeling from each method will be useful in supporting the earthquake and tsunami mitigation program. Keyword : software, ANFIS, IPV.03 Naskah: diterima 12OKT2011, direvisi 26NOV2011, dimuat 15MARET2012

PENGEMBANGAN PERANGKAT LUNAK BERBASIS MATLAB MELALUI APLIKASI ANFIS DAN IPV.03 UNTUK ANALISA GEMPABUMI DI WILAYAH ASIA BAGIAN TENGGARA Wiko Setyonegoro 39

ISSN 0215-1952

1. PENDAHULUAN Wilayah asia bagian tenggara merupakan daerah yang memiliki frekuensi tinggi pada aktivitas gempabuminya. Tingginya frekuensi tersebut dipicu oleh perubahan aktivitas tektonik yang tinggi akibat pergerakan lempengnya. Dari sekian banyak pertemuan lempeng tersebut terbentuklah garis perbatasan antar lempeng (plate boundary). Untuk selanjutnya pada area tersebut yang dijadikan penelitian mengenai aktivitas tektonik yang memicu sebagian besar kejadian gempabumi. Teori Tektonik Lempeng (Plate Tectonics) adalah teori dalam bidang geologi yang dikembangkan untuk memberi penjelasan terhadap adanya bukti-bukti pergerakan skala besar yang dilakukan oleh litosfer bumi. Teori ini telah mencakup dan juga menggantikan teori Continental Drift yang lebih dahulu

dikemukakan pada paruh pertama abad ke-20 dan konsep seafloor spreading yang dikembangkan pada tahun 1960-an [1]. Lempeng tektonik dapat bergerak karena litosfer Bumi memiliki kekuatan yang lebih tinggi dan kerapatan yang lebih rendah daripada materi dasar dari pembentukkan astenosfer. Gerakan tersebut didorong oleh pembuangan panas dari mantel. Kerapatan variasi lateral yang dihasilkan dari konveksi mantel, yang ditransfer pada pergerakan tektonik lempeng melalui beberapa kombinasi dari gesekan pada zona subduksi, variasi dalam topografi dan densitas dari kerak yang menghasilkan perbedaan dalam gaya gravitasi. Arah pergerakan relatif dari masing-masing faktor masih diteliti secara kompleks sejak 70 juta tahun yang lalu (gambar 1) [2].

Gambar 1. Rinci peta yang menunjukkan lempeng tektonik dengan gerakan arah vektor secara relatif [3].

©BULETIN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA PENGEMBANGAN PERANGKAT LUNAK BERBASIS MATLAB MELALUI APLIKASI ANFIS DAN IPV.03 UNTUK ANALISA GEMPABUMI Vol. 8 No.DI1WILAYAH MARET 2012 ASIA BAGIAN TENGGARA Wiko Setyonegoro 40

ISSN 0215-1952

1.1.

Identifikasi Masalah

Pergerakan lempeng tektonik yang menyebabkan aktivitas seismik tersebut perlu kiranya dilakukan suatu pengamatan secara terstruktur dengan memanfaatkan beberapa metode untuk memodelkan aktivitas seismik dari beberapa parameter gempabumi yang dapat mewakili kondisi tektonik suatu daerah yang diteliti. Beberapa metode yang dilakukan pada tulisan ini adalah menggunakan aplikasi ANFIS dan IPV.03 pada MATLAB. 1.2.

Perumusan Masalah

Untuk mempelajari deret waktu data sejarah gempabumi, diperlukan alat batu pemrograman. Sebagai analisis dalam membangun model / metode, sintaks pemrograman dirancang dengan menggunakan MATLAB berbasis ver 7.0.1. MATLAB memiliki toolbox program aplikasi yang disebut sebagai ANFIS, sebagai parameternya adalah checking data dan trainning data. Model prediksi ANFIS dikembangkan untuk memprediksi parameter gempa, dalam hal ini magnitudo. Pengembangan alat ini dirancang dengan menggunakan fasilitas GUI (Graphic User Interface) yang disediakan dalam MATLAB ver 7.0.1. GUI dibuat untuk kemudahan dalam mengunakan program, sehingga user / pengguna program dapat lebih mudah menganalisis parameter input dan output yang diperlukan dalam menjalankan program. Aplikasi Adaptive Neuro-Fuzzy (ANFIS) diharapkan dapat banyak membantu menganalisis gempabumi secara statistika. 1.3. Tujuan 1. Untuk ujicoba prediksi gempabumi dalam interval waktu tertentu, sebagai langkah untuk mengamati

pergerakan kerak menggunakan aplikasi ANFIS dari MATLAB. 2. Interpretasi plot 3D anomali dari distribusi konsentrasi energi dan akumulasi magnitudopada suatu daerah penelitian, menggunakan aplikasi IPV.03 dari MATLAB.

1.4.

Outcome

1. Diharapkan bahwa penelitian akan lebih baik jika alat bantu penelitian geofisika (Software) untuk membuat pengamatan memiliki akurasi dan metode yang baik. 2. Diperoleh output program dengan analisa parameter seismik bidang geofisika, ditampilkan secara overlay dengan peta. Informasi tersebut dapat dipergunakan untuk mendukung program mitigasi gempa dan tsunami sebagai tupoksi BMKG. 2.

METODA PENELITIAN

2.1. ANFIS ANFIS (Adaptive Neuro Fuzzy Sugeno) adalah teknik optimasi yang menggabungkan jaringan neural-network dengan logika fuzzy. neural-network mengenali pola dan beradaptasi dengan pola perubahan lingkungan, sedangkan logika fuzzy menggabungkan pengetahuan manusia dan menemukan kesimpulan untuk membuat keputusan. ANFIS juga dapat diterapkan secara langsung di bidang pemodelan, pengambilan keputusan, pemrosesan sinyal, dan kontrol (Jang et al., 1997). Dalam software Matlab tersedia toolbox fungsi-fungsi yang digunakan untuk membuat prediksi deret waktu (timeseries) apakah format command line (command-line commands) atau dalam bentuk GUI editor (Graphic User Interface).


ISSN 0215-1952

Model prediksi ANFIS adalah data program pembelajaran deret waktu nonlinear. Dengan melihat nilai dari besarnya magnitudo gempabumi adalah akar dari fungsi nonlinier deret waktu, maka fungsi tersebut dapat didekati dengan metode pembelajaran gempabumi dari pengamatan data historis, kemudian interval dari kejadian gempabumi dikelompokkan menjadi deret waktu.

2.1.1. Script Pemograman ANFIS dengan GUI Matlab Ver. 7.0.1 Tampilan menu utama script pemrograman ANFIS dengan GUI (graphical user interface) akan menampilkan windows seperti pada gambar 2.

Gambar 2. Tampilan dari program ANFIS.

Urutan dalam proses menjalankan program di layar Matlab_701 GUI dalam ANFIS pada gambar 2 adalah sebagai berikut : 1. Tombol Open, berfungsi untuk melakukan input data dari direktori dimana data disimpan. 2. Tombol plot checking, berfungsi untuk menampilkan hasil data ploting training and checking data (Gambar 2). 3. Tombol Ret.Per.Monthly, berfungsi untuk menampilkan hasil 2D dengan prediksi ANFIS bulanan, yang diperoleh dari hasil training and checking data (Gambar 2).

Gambar 3. Berikut adalah tampilan untuk perintah “open file”, perintah ini berfungsi mencari data pada windows explorer.

©BULETIN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA PENGEMBANGAN PERANGKAT LUNAK BERBASIS MATLAB MELALUI APLIKASI ANFIS DAN IPV.03 Vol. 8 No. MARET 2012 UNTUK ANALISA GEMPABUMI DI1WILAYAH ASIA BAGIAN TENGGARA Wiko Setyonegoro 42

ISSN 0215-1952

4. Tombol Validation_Monthly, menampilkan data observasi ploting 2D selama 1 tahun terakhir sebagai validitas dengan hasil prediksi bulanan yang telah diperoleh. Keluaran dari tombol ini adalah data prediksi bulanan. Plot hasil prediksi dan data bulanan ditampilkan dalam satu grafik, tujuannya adalah untuk melihat konsistensi kurva dari model predikasi dengan data observasinya (Gambar 2). 5. Ret.Per.10_Day, berfungsi menampilkan plot 2D prediksi 10 hari ke depan yang diperoleh dari hasil training and checking data (Gambar 2). 6. Validasi 10 Hari, menampilkan data ploting pengamatan 2D selama 1 tahun terakhir sebagai validasi dengan hasil prediksi 10 harian yang telah dimodelkan. Output tombol ini adalah menyimpan data dari prediksi 10 harian. Plot hasil prediksi dari data 10 harian dan data pengamatan harian untuk 1 tahun di overlay dalam satu grafik, tujuannya adalah untuk melihat akurasi model prediksi dan data observasi (Gambar 2). 7. Tombol Corr_Coef, berfungsi untuk melihat tingkat korelasi antara output model prediksi dan data observasi selama 1 tahun terakhir (Gambar 2). 8. Tombol RMSE, berfungsi untuk melihat tingkat error antara output model prediksi dan data observasi selama 1 tahun terakhir (Gambar 2). Untuk langkah pertama dalam menjalankan program ANFIS diatas dilakukan pemilihan data yang telah disesuaikan format datanya. Data input merupakan data yang telah dikelompokkan menjadi selang waktu bulanan. Data input merupakan tipe *.txt dan telah disesuaikan range daerah penelitian yang akan dimodelkan (gambar 3). Akan muncul tampilan menunggu

seperti pada gambar 5, artinya bahwa data sedang diinput. Waktu yang dibutuhkan tergantung dari besarnya ukuran data yang diinputkan kedalam program tersebut, biasanya bervariasi antara 2 detik samapai dengan 30 Menit. Pada gambar 6 adalah tampilan konfirmasi bahwa data telah selesai diinput, sehingga dapat dilakukan proses selanjutnya.

Gambar 4. Contoh format kolom pada data input program ANFIS, dalam hal ini diambil data magnitudo gempabumi Manokwari yang telah disusun dalam selang bulanan.

Gambar 5. Tampilan menunggu input data.

konfirmasi

untuk


ISSN 0215-1952

Setelah klik tombol “TrainCheck” dilanjutkan dengan klik tombol “Plot Train Check”, maka muncul tampilan hasil training data ANFIS seperti pada gambar 7. 2.2. Gambar 6. Tampilan konfirmasi “selesai” pada proses input data.

Persiapan Data

Untuk melakukan prediksi gempabumi dibutuhkan data historis gempabumi minimal 10 tahun rentang data. Rentang data gempabumi merupakan suatu data dengan deret waktu yang non linier (acak), untuk melakukan prediski gempabumi, data historis tersebut harus dikelompokkan kedalam selang waktu terlebih dahulu, sehingga program ANFIS dapat mempelajari prediksi melalui selang waktu tersebut. Dalam format acak sederhana (random) data gempabumi merusak, diambil contoh kasus gempabumi pada periode 20042008 data USGS dalam interval (t), ditunjukkan pada Gambar 8 berikut :

Gambar 7. Tampilan dari plot training dan checking data pada program ANFIS.

(t) 04

05

06

07

08

09

Gambar 8. Selang kejadian acak gempabumi untuk periode 2004-2008 data USGS dalam interval (t).

Penyesuaian untuk kejadian gempabumi untuk periode 2004-2008 disusun kedalam interval selang waktu bulanan dari rata-rata kejadian acak gempabumi

dan memberikan nilai nol untuk setiap interval waktu yang tidak ada kejadian gempabuminya (Gambar 9).

©BULETIN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA PENGEMBANGAN PERANGKAT LUNAK BERBASIS MATLAB MELALUI APLIKASI ANFIS DAN IPV.03 Vol. 8 No.DI1WILAYAH MARET 2012 UNTUK ANALISA GEMPABUMI ASIA BAGIAN TENGGARA Wiko Setyonegoro 44

ISSN 0215-1952

?

Prediction Monthly, for 2009

(t) 2004 2005 2006 2007 2008 2009

Gambar 9. Selang kejadian bulanan gempabumi untuk periode 2004-2008 data USGS dalam interval (t).

Gambar 10. Contoh perhitungan Konversi Selang acak menjadi selang bulanan gempabumi sebelum dikonversi pada file *.txt. Untuk tiap N kejadian pada bulan yang sama dan tanggal berbeda, maka harga magnitudo dijadikan rata-ratanya. Untuk data N kejadian gempabumi dengan skala intensitas merusak, contohnya untuk tahun 1997, maka bulan ke 1 s.d bulan ke 8 tidak terjadi gempa maka rata-rata energinya adalah nol (gambar 10). Dengan memperhatikan fungsi Adaptive Neuro Fuzzy adalah suatu metode ”for all time Series”, maka fokus masalah disini adalah interpretasi anomali konsentrasi magnitudo di suatu daerah (spasial)

tertentu pada selang (temporal) tertentu yang kemudian dapat dijadikan prediksi pada selang bulanan. Setelah pengelompokkan data ke dalam selang bulanan dilakukan, langkah selanjutnya adalah data tersebut disimpan dalam notepad dalam format data *.dat atau *.txt. kemudian buka tampilan menu program ANFIS dengan menu konfirmasi lalu mnjalankan program ANFIS (gambar 10).


ISSN 0215-1952

Diperlihatkan tampilan menu pemrosesan data pada GUI software (gambar 11). Selanjutnya, adalah contoh dari proses training data dalam program ANFIS. Proses ini adalah proses pembelajaran untuk data hostoris gempabumi selama 10 tahun (120 baris data dibagi 12 selang bulanan). Proses pembelajaran program ANFIS dapat dilihat pada hasil validasi yang dilakukan dengan data observasi. Sebagai langkah awal, data observasi yang akan digunakan untuk memprediksi distribusi besarnya wilayah aceh pengamatan data dari tahun 2004 sd 2008 (Update data USGS, NEIC: Search Results Gempa USGS)). Untuk prediksi gempabumi wilayah Aceh pada gambar 12 dan gempabumi Manokwari pada gambar 13. Dihitung prediksi gempa bulanan di tahun 2009, sebagai hasil dari proses belajar dari data observasi selama 4 tahun yang dijalankan pada program ANFIS. Akurasi dari program terlihat lebih signifikan ketika data historis yang digunakan sebagai proses pembelajaran

diinput dengan jumlah yang panjang, contoh : 10 tahun atau 15 tahun.

Gambar 11. Tampilan menu program ANFIS dan EMV.03.

Gambar 12. Proses Prediksi dari selang Bulanan dan harian gempabumi untuk contoh kasus prediksi gempabumi Aceh dalam besaran Magnitudo. ©BULETIN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA PENGEMBANGAN PERANGKAT LUNAK BERBASIS MATLAB MELALUI APLIKASI ANFIS DAN IPV.03 Vol. 8 No. MARET 2012 UNTUK ANALISA GEMPABUMI DI1WILAYAH ASIA BAGIAN TENGGARA Wiko Setyonegoro 46

ISSN 0215-1952

Gambar 13. Proses Prediksi dari selang Bulanan dan harian gempabumi untuk contoh kasus prediksi gempabumi wilayah Manokwari dalam besaran Energi. 2.2. METODE IPV.03 Metode IPV.03 merupakan kepanjangan dari “Interpolation Pattern Version 03” yang dikembangkan oleh Wiko Setyonegoro dari pusat penelitian dan pengembangan BMKG. Pada tampilan GUI (graphical user interface) untuk tombol "Acc" berarti konsentrasi akumulasi magnitude. Fungsi dari data observasi memperlihatkan plot data untuk diprediksi pada awal proses. Plot data menggunakan fungsi plot imagesc dan pseudocolor dari plot 3D dengan menggunakan pewarnaan interpolasi grid terdekat masing-masing grid, sehingga pewarnaan terlihat tajam dan lembut. Hal yang paling penting pada plot kontur pada pengaturan ini adalah bagaimana meshgrid pada linspace untuk menghasilkan resolusi dengan baik.

Gambar 14. Algoritma dari metode pemograman IPV.03.


ISSN 0215-1952

Rotasi 3D juga pengaturan sumbu (x, y, z), dan yang terakhir adalah overlay peta, sehingga parameter grid dapat ditampilkan bersamaan dengan peta secara overlay yang dapat menampilkan hasil interpolasi gambar atau dalam hal ini konsentrasi akumulasi magnitudo dengan jelas. Yang dikembangkan dalam metode ini adalah optimasi pemrograman dengan Matlab untuk menghasilkan gambar terbaik dari distribusi dengan kontur yang menampilkan plot parameter. Yang perlu diperhatikan adalah bagaimana menggabungkan teknik-teknik lain seperti perumusan dan pengaturan untuk pengeplotan, atau syarat batas dan faktor koreksi dalam interpolasi, yang pada umumnya akan mempengaruhi keakuratan plot kontur 3D. Sederhananya, pada bagan / skema dibawah dijelaskan metode pemograman IPV.03 yang dimodifikasi pada Matlab (Gambar 14). 2.2.2. Aplikasi Ploting 3D Pseudocolor untuk Mendeteksi Sumber Gempabumi Ada beberapa bidang penting di sebelah tenggara dari Eurasia yang akan dibahas dalam modul ini, antara lain: Sepanjang Sumatran trench, atau Caroline sepanjang Philippines Trench, Trench di Indonesia, Philippines and the Ryukyu Arc region (Okinawa) Japan Region. Pada selat Sumatra, ditampilkan hadil plot data 3D b)

a)

dan kemudian plot pengamatan ini akan divalidasi dengan hasil prediksi, di mana anomali yang muncul dalam data observasi akan dianalisa dengan hasil prediksi anomali. Validasi juga dilakukan pada Model dengan Pengukuran GPS. (Gambar 15a dan gambar 15b). Lempeng Eurasia bergerak dari utara ke selatan (gerakan relatif), parit yang memanjang dari Aceh ke Pulau Andaman dan Nicobar dengan gerakan mencapai 55 mm / tahun. Dari hasil keluaran program, diperoleh analisis sederhana bahwa ploting akumulasi dari nilai magnitude membentuk concave-shaped pada kontur dengan yang menunjukkan letak dari lock position atau dalam kata lain adalah daerah seismic gap. Seismik gap ini menandai daerah yang sangat jarang terjadi gempabumi tapi diperkirakan sebagai titik balik dari sumber yang berpotensi menghasilkan gempa dengan nilai magnitudo tinggi di masa mendatang. Plot pseudocolor untuk wilayah Sumatra ditandai dengan huruf A dan B pada Gambar 15 c). Menurut Kenneth W. Hudnut (Gambar 15 c) dan gambar 15d)), beberapa daerah di Sumatera bergerak, dan divalidasi dengan model pada Gambar 15 d), dan itu menunjukkan daerah kontur concave tidak bergerak [9].

c)

A

d) B

A B

Gambar 15. output Model, yang akumulasi Plot 3D Magnitude untuk wilayah Sumatera dengan Warna Pseudo (Tampilkan titik A dan B adalah Dikunci wilayah) b) dan c) Kenneth W. Hudnut dengan Pengukuran GPS, 2005) [9] d) Validasi Pengukuran GPS Vs Model. ©BULETIN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA PENGEMBANGAN PERANGKAT LUNAK BERBASIS MATLAB MELALUI APLIKASI ANFIS DAN IPV.03 Vol. 8 No. 1 MARET 2012 UNTUK ANALISA GEMPABUMI DI WILAYAH ASIA BAGIAN TENGGARA Wiko Setyonegoro 48

ISSN 0215-1952

2.2.2.1. Plot Pseudocolor Sepanjang Caroline / Philippines Trench to Indonesian Trench Region

B

A

C

Gambar 16. a), Model pseudocolor 3D, menunjukkan distribusi sumber akumulasi Magnitudo untuk Papua (Kepalaburung), sering disebut sebagai sesar sorong, b) Model pseudocolor 3D, menerus ke Palung Filipina di selatan Cotabat, juga terus ke parit Filipina c) Peta Struktural lempeng SundaAustralia-Filipina-Pasifik pada daerah persimpangan. Panah menggambarkan kecepatan pergerakan lempeng benua Eurasia. Fault Traces yang diadaptasi dari Hamilton (1979), dan Anne Socquet (2006) [10]., Antara gambar 16 a) dan b) Menampilkan validasi model melalui A, B dan C, anomali extreem Konsentrasi

Akumulasi magnitudoyang diwakili oleh warna merah adalah sepanjang parit filipina - Palung Sanghie - Minahasa Palung (Indonesia) – Sesar di sebelah Utara Palu Koro, Indonesia – Sesar Sorong - sampai dengan P. Seram.


ISSN 0215-1952

2.2.2.2. Plot Pseudocolor Wilayah Philippines

A

B

C

b )

Gambar 17. a) Permukaan Coseismic dari permukaan displacement, berhubungan dengan gempabumi pada 21 April, 1995,dengan Ms 7.1. Permukaan rupture terkait dengan gempa (dimensi sesar : 74 × 46 km; slip: 68 cm, dengan strike ke arah N272 °) ditunjukkan oleh persegi panjang putus-putus. Bidang displacement yang diprediksikan disebabkan rupture seismik, ditunjukkan oleh panah hitam. Lima gempa bumi yang dibahas dalam teks yang diwakili oleh mekanisme fokusnya, dan gempa bumi subduksi intraplate 1977-1998 diwakili oleh titik abu-abu, b) Model dengan Validasi analisis Vs perpindahan permukaan Coseismic, dijelaskan oleh anomali sepanjang Palung Filipina

((Gambar 18 a )), dan validasi dengan kemungkinan pergerakan double-couple pada kerak bumi, ditunjukkan dengan anomali yang diwakili oleh warna merah bersama filipina Trech menerus ke Palung Sanghie ((Gambar 18 c)), c) Distribusi batas-batas tektonik utama dan microblocks aktif di Filipina C. Rangin dan X. Le Pichon.

2.2.2. 3. Plot Pseudocolor di Ryukyu Arc & Okinawa Trench in South Japan Region

a)

b)

Gambar 18. a) Output Model pseudocolor 3D menggunakan Magnitude dengan periode data 1973-2009. Menampilkan daerah anomali dalam Ryukyu Arc di Selatan Jepang, yang menurut Sou Nishimura, 2003, ada palung Nankai, (dijelaskan oleh gambar 18 b). (Sebelum ditambahkan untuk divalidasi dengan gambar 18 a)) Menunjukkan bagaimana kerja program interpolasi. PENGEMBANGAN PERANGKAT LUNAK BERBASIS MATLAB MELALUI APLIKASI ANFIS DAN IPV.03 ©BULETIN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA UNTUK ANALISA GEMPABUMI DI WILAYAH ASIA BAGIAN TENGGARA Vol. 8 No. 1 MARET 2012 Wiko Setyonegoro 50

ISSN 0215-1952

Setting tektonik pengaturan di sekitar busur Ryukyu. Jejak RT, PL, dan melalui Nankai ditunjukkan oleh garis padat. Episenter gempa bumi yang signifikan (M ≥ 6) terjadi selama periode antara 21 Maret 1996 dan 20 Maret 2002 ditandai dengan bintang-bintang dan gunung berapi aktif ditandai dengan segitiga. Gerakan relatif dari lempeng dan blok tektonik EU ditunjukkan oleh panah abuabu terang. Kecepatan (terhadap EU) dari tiga lokasi GPS di sepanjang busur Ryukyu (950.493: Yaku, 950496: Motobu, dan 950498: SHIRONOBE) dan dua lokasi di SC (Shanghai dan Taipei) juga ditunjukkan oleh panah abu-abu gelap, Sou Nishimura, 2003. KESIMPULAN 1. Tingkat akurasi dari metode ANFIS ini tidak akan 100 % tepat. Akan tetapi dapat menggambarkan secara sederhana anomali distribusi dari konsentrasi energi pada range area penelitian. Akurasi dari program terlihat lebih signifikan ketika data historis yang digunakan sebagai proses pembelajaran diinput dengan jumlah yang panjang, contoh : 10 tahun atau 15 tahun. 2. Dari hasil output program IPV.03, untuk penelitian wilayah Sumatra diperoleh interpretasi seismic gap. Seismik gap ini menandai daerah yang sangat jarang terjadi gempabumi tapi diperkirakan sebagai titik balik dari sumber yang berpotensi menghasilkan gempa dengan nilai magnitudo tinggi di masa mendatang. 3. Dari hasil output program IPV.03, besarnya anomali konsentrasi untuk penelitian wilayah Jepang terakumulasi di daerah selatan Jepang, sehingga daerah anomali meningkat. Dan anomali kecil lainnya mulai hilang, karena diserap oleh proses interpolasi untuk mengisi ruang pada anomali utama.

DAFTAR PUSTAKA [1] Read HH, Watson Janet (1975). Introduction to Geology. Halsted, 13-15. [2] Oreskes, Naomi (ed) (2003). Plate Tectonics: An Insider's History of the Modern Theory of the Earth. Westview. ISBN 0813341329. [3] Holmes Arthur (1978). Principles of Physical Geology, 3rd, Wiley, 640-641. [4] Mason RG, Raff AD (1961). "Magnetic survey off the west coast of the United States between 32°N latitude and 42°N latitude". Bulletin of the Geological Society of America 72: 1259– 1266. [5] MATLAB Help, Ver. 7.0.1, GUI with Multiple axes, GUI with axes and menu and design of the GUI. [6] Talib Hashim Hasan (2005). Basics Programming of MATLAB. [7] Aris Sugiharto. (2006). Programming GUI (Graphics User Interface) with MATLAB. [8] Z-map Introduction form. (2001). HTML. Stefan Wiemer, Z-map ETH. [9] Wandono. (2007), Training Module Tomography (Monde 2T). [10] Indra Kurniawan. (2006). Training Modul of Simulated Annealing. [11] Anne Socquet. (2006). Microblock rotations and fault coupling in SE Asia triple junction


ISSN 0215-1952

(Sulawesi, Indonesia) from GPS and earthquake slip vector data, JOURNAL OF GEOPHYSICAL RESEARCH, VOL. 111, B08409. [12] Rangin and X. Le Pichon. (1999). Plate convergence measured by GPS across the Sundaland/Philippine Sea Plate deformed boundary: the Philippines and eastern Indonesia, L aboratoire de Ge´ologie, Ecole Normale Supe´rieure, CNRS, UMR 8538, 24 rue L homond, 75231, Paris, France, 1999.

[13] Sou Nishimura. (2003). Manabu Hashimoto a, Masataka Ando b, A rigid block rotation model for the GPS derived velocity field along the Ryukyu arc, a Research Center for Earthquake Prediction, Disaster Prevention Research Institute, Kyoto University, Gokasho, Uji, Kyoto 611-0011, Japan, b Research Center for Seismology and Volcanology, Graduate School of Environmental Studies, Nagoya University, Furo-cho, Chikusa-ku, Nagoya 464-8602, Japan.

PENGEMBANGAN PERANGKAT BERBASIS MATLAB MELALUI APLIKASI ANFIS DAN IPV.03 ©BULETIN LUNAK METEOROLOGI KLIMATOLOGI DAN GEOFISIKA UNTUK ANALISA GEMPABUMI DI WILAYAH ASIA BAGIAN TENGGARA Vol. 8 No. 1 MARET 2012 Wiko Setyonegoro 52

Wiko Setyonegoro. Puslitbang BMKG, Jl. Angkasa I No.2 Kemayoran Jakarta Pusat, 10720, Indonesia

Recommend Documents