Perpustakaan Fakultas Ilmu Komputer

Pengarang	Hafizh Kalamullah;
Kata Kunci	accelerometer, smartphone, gempa, pengolahan sinyal, pemelajaran mesin, analisis frekuensi, transformasi Fourier
Pembimbing 2	Setiadi Yazid
Tahun buku	2013
Progam Studi	ILMU KOMPUTER
Lokasi	FASILKOM-UI;
Tanggal Datang	29/01/2014
Abstrak Indonesia	Penggunaan sensor accelerometer pada smartphone sebagai basis pendeteksian getaran gempa bumi telah banyak dikembangkan, beberapa penelitian terakhir dilakukan oleh tim i-jishin, iShake, dan Community Seismic Network (CSN). Tujuan besar dari pengembangan bidang ini adalah sistem deteksi gempa bumi yang mampu menyebarkan informasi dengan cepat dan efektif. Melalui integrasi informasi yang didapatkan dari sensor accelerometer pada smartphone dan sensor seismik asli, diharapkan sistem peringatan yang handal dapat terbentuk. Sensor accelerometer pada smartphone dapat tersebar masif melalui komunitas penggunanya, walaupun akurasinya belum tinggi. Sedangkan sensor seismik asli memiliki akurasi yang tinggi namun jumlah dan responnya terbatas. Teknik pengenalan getaran gempa yang telah dikembangkan pada smartphone umumnya didasarkan pada threshold intensitas getaran. Bila intensitas getaran melampaui threshold yang ditentukan, pemicu laporan kejadian gempa teraktifkan. Teknik seperti ini tak mampu membedakan asal getaran, sebab hanya fokus pada intensitasnya. Penelitian ini menggunakan transformasi Fourier, analisis frekuensi dan pemelajaran mesin untuk mengembangkan teknik pengenalan sinyal getaran gempa dan nongempa. Melalui metode tersebut, diharapkan sistem pengenalan getaran dapat terbentuk lebih akurat. Hasil dari penelitian ini menunjukkan penggunaan teknik pemelajaran mesin dengan metode classifier SVM (Support Vector Machine) dapat menghasilkan akurasi 84,82%. Fitur ekstraksi sinyal getaran yang digunakan adalah 3 frekuensi terdominan sinyal. Metode classifier Naļve Bayes, Logistic Regression, dan Random Forests menghasilkan akurasi sedikit lebih rendah di bawah SVM. Penelitian ini juga mengungkapkan akurasi klasifikasi getaran yang dilakukan tidak terlalu terpengaruh oleh rentang waktu pencuplikan. Sebab, hasil akurasi dari pemrosesan dengan jendela waktu 2,5 detik tidak jauh berbeda dengan jendela waktu 10 detik. Selain itu, penelitian ini mengevaluasi teknik filter frekuensi untuk pengenalan sinyal getaran gempa ternyata tidak dapat dilakukan karena kemiripan distribusi frekuensi sinyal gempa dan nongempa.
Judul	Pendeteksian gempa berbasiskan sensor accelerometer pada smartphone dengan pengolahan sinyal frekuensi dan pemelajaran mesin
NPM	0906510224
Abstrak English	The use of accelerometer sensor on smartphones as earthquake detection basis have been developed, some recent researches have been conducted by team i-jishin, iShake, and Community Seismic Network (CSN). The purpose of this development is creating an earthquake detection system that is capable to disseminate warning quickly and effectively. Through the integration of information obtained from accelerometer sensor on smartphones and genuine technical seismic sensors, a reliable warning system is expected to establish. Accelerometer sensor on smartphones will be spread as the community uses them widely, although its accuracy isn’t pretty high. On other side, genuine technical seismic sensors have high accuracy while their numbers and responses are limited. Developed vibration recognition techniques on smartphones generally based on vibration intensity threshold. It means when a vibration occurs and its intensity exceeds the specified threshold, an earthquake report trigger will be activated. Such technique isnlt able to differ vibration source; it just focuses on vibration intensity only. This study uses Fourier transform, frequency analysis and machine learning techniques to develop seismic and non-seismic vibration signal recognition. Through those methods, the accuracy of vibration recognition system is expected to increase. This study results that machine learning technique, SVM (Support Vector Machine) classifier, has reached 84.82% accuracy on vibration classification. It happened while feature extraction used was 3 most dominant frequencies of the signal. Naļve Bayesclassifier, Logistic Regression, and Random Forests produce lower accuracy under SVM slightly. This study also revealed that the classification accuracy isn’t too affected by time windowing, since the accuracy of 2.5 seconds time windowing processing isn’t much different than 10 seconds time windowing. Moreover, this study evaluated that frequency filter technique isn’t possible for vibration signal recognition due to the similarity of seismic and non-seismic signal frequency distribution.
Penguji 2	Petrus Mursanto
Fisik	xvi, 77 hlm. : ill. ; 30 cm.
Bahasa	ind
Lulus Semester	GASAL 2013/ 2014
Penerbitan	Depok: Fakultas Ilmu Komputer, 2014
No. Panggil	SK-1224 9Softcopy SK-706) Source code SK-486
Penguji 1	Wisnu Jatmiko

Lokasi : Perpustakaan Fakultas Ilmu Komputer

Nomor Panggil	ID Koleksi	Status
SK-1224 9Softcopy SK-706) Source code SK-486		TERSEDIA

SK-1224 Hafizh Kalamullah_0906510224.pdf

Source Code SK-1224 Hafizh Kalamullah.zip

Tidak ada review pada koleksi ini: 41361

Penggunaan sensor accelerometer pada smartphone sebagai basis pendeteksian getaran gempa bumi telah banyak dikembangkan, beberapa penelitian terakhir dilakukan oleh tim i-jishin, iShake, dan Community Seismic Network (CSN). Tujuan besar dari pengembangan bidang ini adalah sistem deteksi gempa bumi yang mampu menyebarkan informasi dengan cepat dan efektif. Melalui integrasi informasi yang didapatkan dari sensor accelerometer pada smartphone dan sensor seismik asli, diharapkan sistem peringatan yang handal dapat terbentuk. Sensor accelerometer pada smartphone dapat tersebar masif melalui komunitas penggunanya, walaupun akurasinya belum tinggi. Sedangkan sensor seismik asli memiliki akurasi yang tinggi namun jumlah dan responnya terbatas. Teknik pengenalan getaran gempa yang telah dikembangkan pada smartphone umumnya didasarkan pada threshold intensitas getaran. Bila intensitas getaran melampaui threshold yang ditentukan, pemicu laporan kejadian gempa teraktifkan. Teknik seperti ini tak mampu membedakan asal getaran, sebab hanya fokus pada intensitasnya. Penelitian ini menggunakan transformasi Fourier, analisis frekuensi dan pemelajaran mesin untuk mengembangkan teknik pengenalan sinyal getaran gempa dan nongempa. Melalui metode tersebut, diharapkan sistem pengenalan getaran dapat terbentuk lebih akurat. Hasil dari penelitian ini menunjukkan penggunaan teknik pemelajaran mesin dengan metode classifier SVM (Support Vector Machine) dapat menghasilkan akurasi 84,82%. Fitur ekstraksi sinyal getaran yang digunakan adalah 3 frekuensi terdominan sinyal. Metode classifier Naļve Bayes, Logistic Regression, dan Random Forests menghasilkan akurasi sedikit lebih rendah di bawah SVM. Penelitian ini juga mengungkapkan akurasi klasifikasi getaran yang dilakukan tidak terlalu terpengaruh oleh rentang waktu pencuplikan. Sebab, hasil akurasi dari pemrosesan dengan jendela waktu 2,5 detik tidak jauh berbeda dengan jendela waktu 10 detik. Selain itu, penelitian ini mengevaluasi teknik filter frekuensi untuk pengenalan sinyal getaran gempa ternyata tidak dapat dilakukan karena kemiripan distribusi frekuensi sinyal gempa dan nongempa.