|
BAB 1
PENDAHULUAN
1.1. Latar Belakang Masalah
Support Vector Machin e (SVM) merup akan suatu metode yang
dikembangkan oleh Boser, Guyon, dan Vapnik. Pertama kali metode ini di
representasikan pada tahun 1992. Metode SVM ini sebenarn ya merupakan
kombinasi dari teori-teori komputasi yang telah ada puluhan tahun
sebelumnya, seperti margin hyperplane, kernel, lagrange. Ide dasar dari SVM
ini adalah membuat suatu fungsi pemisah (hyperplane) untuk memisahkan
dua kelas secara linear (William, 2011). Seiring waktu metode SVM ini
dikembangkan menjadi bukan hanya dapat menyelesaikan masalah klasifikasi
secara linear namun juga dapat menyelesaikan masalah klasifikasi non linear
dengan memasukkan konsep kernel trick pada ruang kerja berdimensi tinggi
atau disebut feature space. SVM juga dapat digunakan untuk regresi dimana
output berupa bilangan riil atau kontinue, yang dinamakan Support Vector
Regression (SVR). Metode SVR ini dapat digunakan untuk melakukan
prediksi (Smola dan Scholkopf, 2004).
Support Vector Machine men ggunakan kernel untuk
mentransformasikan ruan g input ke feature space atau mengimplementasikan
model ke dimensi yang lebih tinggi sehingga kasus non lineary separable
pada ru ang input menjadi lineary separable pad a feature space. Fungsi kernel
ini memiliki banyak jenis diantaranya kernel Radial Basis Function (RBF),
kernel Linear, dan kernel Polynomial. Perbedaan ketiga fungsi kernel tersebut
terdapat pada fungsi pemetaannya ke dalam feature space, dan masing-
masing kernel memiliki kelebihan dan kekurangan pada setiap kasus tertentu
sehingga perlu diadakannya percobaan dalam mencari fungsi kernel terbaik
yang digunakan dalam sebuah kasus (Murfi, 2014) .
Metode Support Vector Machine ini telah banyak digunakan di
berbagai penelitian, diantaranya Alamili (2011) untuk memprediksi arah
pergerakan harga harian valuta asing yang outputnya berupa kategorik
sehingga SVM pada kasus ini digunakan untuk klasifikasi. Adapula Samui
|
|
2
dan Sitharam (2010) untuk memprediksi kedalaman bebatuan dengan metode
SVR dengan Least Square.
Gempa bumi adalah peristiwa berupa bergetarnya permukaan bumi.
Hal ini disebabkan karena adanya pelepasan energi didalam bumi secara tiba-
tiba menciptakan gelombang seismik, yang ditandai dengan patahan lapisan
batuan pada kerak bumi. Proses gempa bumi dapat terjadi berulang ulang
pada satu tempat yan g sama, oleh karena itu daerah yan g pernah mengalami
gempa pasti akan mengalami lagi di waktu yang akan datang. Sekarang ini
sudah banyak metode yang dapat digunakan untuk memprediksi besarnya
gempa yang akan terjadi di suatu daerah, salah satunya Th eodorick (2013)
yang menggunakan metode kriging untuk menginterpolasi nilai PGA.
Pulau Sumatera khususnya kota Banda Aceh ad alah salah satu daerah
yang rawan atau sering terjadi gempa. Hal tersebut dikarenakan posisinya
yang dekat dengan jalur tabrakan dua lempeng bumi. Salah satu indikator
dalam perhitungan kekuatan gempa adalah Peak Ground Acceleretion (PGA).
Studi Probability Seismic Hazard Analysis (PSHA) menyatakan untuk nilai
PGA daerah Aceh 0,3g-0,4g. Angka ini sangat tinggi dan berpotensi terjadi
gempa kembali sehingga perlu dilakukan prediksi untuk mengetahui potensi
gempa yang dapat terjadi.
Berdasarkan permasalahan yang telah dibahas maka tujuan penelitian
ini adalah untuk memprediksi besaran PGA di Banda Aceh berdasarkan titik
titik lokasi yan g dikehendaki. Metode yan g digunakan adalah Support Vector
Regression dengan fungsi kernel RBF, Linear, dan Polynomial. Selain itu
untuk dapat memudahkan perhitungan Support Vector Regression, maka
penelitian ini akan menghasilkan sebuah aplikasi software hitung, dimana
hanya perlu memasukan nilai Latitude, Longitude dan PGA actual sebagai
pembanding dengan PGA prediksi.
1.2. Rumusan Masalah
Perumusan masalah dipenelitian ini diantaranya:
1. Bagaimana prediksi PGA melalui metode SVR dengan kernel Radial
Basis Function?
2. Bagaimana prediksi PGA melalui metode SVR dengan kernel Linear?
|
|
3
3. Bagaimana prediksi PGA melalui metode SVR dengan kernel
Polynomial?
4. Fungsi kernel apa yang terbaik dalam prediksi nilai PGA?
1.3. Ruang L ingkup
Agar penelitian tidak meluas dan menyimpang dari pembahasan maka
perlu diberikan suatu pembatasan masalah. Pembatasan masalahnya sebagai
berikut:
1. Data yang digunakan adalah data gempa yang memiliki kekuatan lebih
dari 5rch.
2. Han ya menggunakan data dari tahun 2006 hingga 2008.
3. Untuk menghasilkan sebuah aplikasi software hitung yan g membantu
mempermudah pengaplikasian statistik,
4. Menggunakan software R language dan menggunakan Java programming
untuk interface.
1.4. Tujuan dan Manfaat
Tujuan dari penelitian ini adalah untuk:
1. Mendapatkan nilai PGA prediksi menggunak an metode SVR dengan
kernel Radial Basis Function.
2. Mendapatkan nilai PGA prediksi menggunak an metode SVR dengan
kernel Linear.
3. Mendapatkan nilai PGA prediksi menggunak an metode SVR dengan
kernel Polynomial.
4. Mendapatkan fungsi kernel yang terbaik dari ketiga kernel digunakan
dalam metode SVR.
Manfaat dari penelitian ini adalah
1. Bagi peneliti lain: Sebagai r eferensi dalam mengunakan metode SVR
untuk prediksi PGA gempa
2. Bagi pembaca: Menambah wawasan dalam pengaplikasian metode SVR
3. Bagi Instasi terkait: (BMKG), untuk membantu prediksi nilai PGA dari
data gempa bumi
|