Analisis Kejadian Gempa Bumi di Indonesia Menggunakan Poisson Hidden Markov Time Series Models Ordo 1 Melalui Pendekatan Baum Welch Algorithm.
ABSTRAK
Nama
: Dicky Permana
NPM
: 140610080002
Judul
: Analisis Kejadian Gempa Bumi di Indonesia
Menggunakan Poisson Hidden Markov Time Series
Models Ordo 1 Melalui Pendekatan Baum – Welch
Algorithm.
Pembimbing
: Gumgum Darmawan S.Si, M.Si
Co-Pembimbing
: Achmad Zanbar S, S.Si, M.Si
Indonesia merupakan negara yang sering dilanda gempa bumi. Selain
menimbulkan jatuhnya korban jiwa, gempa bumi juga dapat menimbulkan efek lain
seperti kerusakan bangunan, kebakaran, tsunami dan lain-lain. Pada saat ini belum
ada skema asuransi bagi korban gempa bumi sebagai bentuk penanggulangan
kerugian yang ditimbulkan akibat gempa bumi. Sehingga diperlukan sistem mitigasi
bencana yang tepat untuk mengurangi risiko kejadian gempa bumi dengan cepat.
Untuk itu dilakukan pemodelan frekuensi kejadian gempa bumi diatas 5 skala Richter
dengan menggunakan model Poisson hidden Markov (Poisson-HMM). Model ini
cocok untuk digunakan karena dapat menanggulangi overdispersi dan dependensi
pada data frekuensi gempa bumi diatas 5 skala Richter. Estimasi parameter dilakukan
melalui pendekatan Baum-Welch Algorithm. Diperoleh model terbaik Poisson-HMM
5 status dengan nilai AIC
490,60 dan nilai BIC
538,84 .
Kata Kunci: Gempa bumi, asuransi, rantai Markov, hidden Markov, mixture model,
Baum-Welch Algorithm, software R.
i
ABSTRACT
Name
: Dicky Permana
Student Identity Number : 140610080002
Title
: Analysis of Earthquake in Indonesia Using First
Order Poisson Hidden Markov Time Series Models
with Baum-Welch Algorithm Approach.
Advisor
: Gumgum Darmawan S.Si, M.Si
Co-Advisor
: Achmad Zanbar S, S.Si, M.Si
Indonesia is a country that is often hit by earthquakes. Besides causing the
death of the human, earthquakes can also cause other effects such as damage to
buildings, fires, tsunamis and other. At this moment there is no insurance scheme for
victims of earthquake as a response to damages caused by the earthquake. Thus
requiring the right mitigation system to reduce the risk of earthquakes quickly. For
that, will be modeling the frequency of earthquakes over 5 in the Richter scale using
Poisson hidden Markov (Poisson-HMM). This model is suitable to use because this
model can accommodate overdispersion and serial dependence in earthquake over 5
in the Richter scale data. The parameter is estimated by Baum-Welch algorithm.
Resulting 5-state Poisson-HMM as the best model with AIC
BIC
490,60 and
538,84 .
Keyword: Earthquake, insurance, Markov chain, hidden Markov, mixture model,
Baum-Welch Algorithm, R Software.
ii
Nama
: Dicky Permana
NPM
: 140610080002
Judul
: Analisis Kejadian Gempa Bumi di Indonesia
Menggunakan Poisson Hidden Markov Time Series
Models Ordo 1 Melalui Pendekatan Baum – Welch
Algorithm.
Pembimbing
: Gumgum Darmawan S.Si, M.Si
Co-Pembimbing
: Achmad Zanbar S, S.Si, M.Si
Indonesia merupakan negara yang sering dilanda gempa bumi. Selain
menimbulkan jatuhnya korban jiwa, gempa bumi juga dapat menimbulkan efek lain
seperti kerusakan bangunan, kebakaran, tsunami dan lain-lain. Pada saat ini belum
ada skema asuransi bagi korban gempa bumi sebagai bentuk penanggulangan
kerugian yang ditimbulkan akibat gempa bumi. Sehingga diperlukan sistem mitigasi
bencana yang tepat untuk mengurangi risiko kejadian gempa bumi dengan cepat.
Untuk itu dilakukan pemodelan frekuensi kejadian gempa bumi diatas 5 skala Richter
dengan menggunakan model Poisson hidden Markov (Poisson-HMM). Model ini
cocok untuk digunakan karena dapat menanggulangi overdispersi dan dependensi
pada data frekuensi gempa bumi diatas 5 skala Richter. Estimasi parameter dilakukan
melalui pendekatan Baum-Welch Algorithm. Diperoleh model terbaik Poisson-HMM
5 status dengan nilai AIC
490,60 dan nilai BIC
538,84 .
Kata Kunci: Gempa bumi, asuransi, rantai Markov, hidden Markov, mixture model,
Baum-Welch Algorithm, software R.
i
ABSTRACT
Name
: Dicky Permana
Student Identity Number : 140610080002
Title
: Analysis of Earthquake in Indonesia Using First
Order Poisson Hidden Markov Time Series Models
with Baum-Welch Algorithm Approach.
Advisor
: Gumgum Darmawan S.Si, M.Si
Co-Advisor
: Achmad Zanbar S, S.Si, M.Si
Indonesia is a country that is often hit by earthquakes. Besides causing the
death of the human, earthquakes can also cause other effects such as damage to
buildings, fires, tsunamis and other. At this moment there is no insurance scheme for
victims of earthquake as a response to damages caused by the earthquake. Thus
requiring the right mitigation system to reduce the risk of earthquakes quickly. For
that, will be modeling the frequency of earthquakes over 5 in the Richter scale using
Poisson hidden Markov (Poisson-HMM). This model is suitable to use because this
model can accommodate overdispersion and serial dependence in earthquake over 5
in the Richter scale data. The parameter is estimated by Baum-Welch algorithm.
Resulting 5-state Poisson-HMM as the best model with AIC
BIC
490,60 and
538,84 .
Keyword: Earthquake, insurance, Markov chain, hidden Markov, mixture model,
Baum-Welch Algorithm, R Software.
ii