Implementasi Poisson Hidden Markov Models & Expectation Maximization Algorithm Untuk Estimasi Kejadian Gempa Bumi Di Indonesia (Studi Kasus: Badan Meteorologi dan Geofisika Daerah Istimewa Yogyakarta)
Abstract
Indonesia termasuk salah satu keadaan yang rawan terhadap gempa bumi, karena
terletak pada dacrah pertemuan tiga lempeng tektonik utama yaitu Lempeng
Pasifik, Lempeng Indo-Australia dan Lempeng Eurasia. Umumnya banyaknya
kejadian gempa bumi berdistribusi Poisson. Namun ada kasus dimana terdapat
overdispersi pada distribusi Poisson. Untuk mengatasi masalah overdispersi
tersebut adalah dengan menggunakan Poisson Hidden Markov Models (PHMMs).
Akan tetapi dalam PHMMs ada parameter yang tersembunyi atau tidak dapat
diobservasi sehingga memungkinkan adanya data yang hilang sehingga diperlukan
Algoritma Expectation Maximization untuk mengatasinya. Kemudian model
terbaik dipilih menggunakan AIC. Untuk mengetahui peluang transisi kejadian
untuk beberapa periode ke depan digunakan persamaan Champman-Kolmogorov.
Dari penelitian yang dilakukan, didapatkan model terbaik pada m=3 keadaan
tersembunyi dengan nilai AIC sebesar 1101,559. Dari model terbaik, didapatkan
estimasi untuk Poisson Hidden Markov Models dengan rata-rata kejadian genpa
bumi sebesar 4,08437≈4 setiap bulan.
Collections
- Statistics [901]