KLASIFIKASI EFEK KERUSAKAN GEMPA BUMI BERDASARKAN SKALA MODIFIED MERCALLI INTENSITY MENGGUNAKAN ALGORITMA MULTICLASS SUPPORT VECTOR MACHINE

Abstract

Gempa bumi merupakan bencana alam yang sering terjadi di Indonesia karena letak geografisnya yang berada di pertemuan tiga lempeng tektonik besar. Data gempa bumi diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) dalam 2 tahun terakhir pada periode tahun 2022 hingga 2023, dan terdapat 1.689 record data yang tersedia, dengan atribut seperti lokasi, magnitudo, kedalaman, dan efek gempa. Pada data yang diperoleh menunjukkan ketidakseimbangan yang signifikan pada antar kelas dengan itu dilakukan teknik oversampling menggunakan SMOTE untuk menyeimbangkan jumlah sampel pada setiap kelas. Konsep Support Vector Machine (SVM) yang paling dasar, metode ini dapat melakukan klasifikasi biner dengan memisahkan titik data menjadi dua kelas, namun tidak mendukung klasifikasi multikelas secara bawaan. Penelitian ini bertujuan untuk mengimplementasikan pendekatan algoritma Multiclass Support Vector Machine (SVM) dengan membandingkan kernel non-linear dalam mengklasifikasikan dampak gempa bumi berdasarkan skala Modified Mercalli Intensity (MMI). Eksperimen pengujian pada penelitian ini membandingkan Multiclass Support Vector Machine (SVM) One vs Rest dan One vs One dengan kernel non-linear seperti polynomial, rbf, dan sigmoid. Hasil penelitian ini menunjukkan bahwa pendekatan algoritma Multiclass Support Vector Machine (SVM) One vs Rest dengan kernel rbf lebih baik dari pendekatan dan kernel lainnya dengan hasil akurasi 51.13%, presisi 42.60%, recall 52.46%, dan f1-score 42.51%.