Pendekatan Sensor Fusion dan Pembelajaran Mesin untuk Prediksi Tsunami dalam Sistem Peringatan Dini Tsunami

Peneliti: Astri Novianty, Carmadi Machbub, Sri Widiyantoro, Irwan Meilano

Dua masalah penting terkait sistem peringatan dini tsunami / tsunami early warning system (TEWS) adalah akurasi prediksi dan optimisasi waktu komputasi.  Isu-isu tersebut mendorong penelitian yang dilakukan di beberapa bidang terkait TEWS.  Studi ini mencoba menemukan beberapa alternatif solusi untuk masalah pertama, yaitu akurasi prediksi, dengan menggunakan beberapa pendekatan, yaitu pendekatan machine learning / pembelajaran mesin dan pendekatan fusi sensor.

Pendekatan pembelajaran mesin digunakan untuk meningkatkan kemampuan inferensi sistem dalam menentukan prediksi tsunami berdasarkan parameter seismik, sementara metode fusi sensor diterapkan untuk meningkatkan keberadaan fitur relevan untuk input prediksi.  Dengan menggunakan kedua pendekatan tersebut, diharapkan kinerja sistem prediksi tsunami di TEWS dapat meningkat secara signifikan.

Beberapa metode pembelajaran mesin telah dieksplorasi dan diterapkan dalam banyak eksperimen dalam studi ini, seperti ANN, SVM, dan Distribusi Gaussian.  Hasilnya menunjukkan bahwa akurasi cenderung meningkat tetapi masih terus membaik seiring dengan penelitian.  Data GPS juga telah memberikan fitur seismik tambahan dari fitur yang disediakan oleh data seismometer.  Penelitian ini masih berlangsung, dan diharapkan dapat memberikan banyak kontribusi manfaat untuk peningkatan teknologi di bidang penelitian manajemen bencana.