Pengembangan sistem pendeteksian gempa bumi berbasis sensor accelerometer pada perangkat smartphone semakin banyak. Sistem-sistem tersebut umumnya berbasis jaringan, dimana perangkat smartphone berfungsi sebagai perangkat perekam data. Data rekam dengan intensitas tertentu kemudian dikirimkan ke server untuk diklasifikasi lebih lanjut. Teknik ini tidak dapat mengenali getaran hanya dengan intensitas dan sangat bergantung pada koneksi jaringan agar dapat berfungsi. Penelitian ini mencoba mengembangkan suatu teknik klasifikasi gempa bumi yang dapat diimplementasikan langsung pada perangkat smartphone. Penelitian ini mencoba membaca pola dari suatu sinyal getaran dan diklasifikasikan berdasarkan tren pola tersebut. Nilai akselerasi dari suatu sinyal akan dilakukan clustering untuk menyederhanakan nilai kontinu menjadi nilai diskrit, serta untuk merepresentasikan besar kecilnya intensitas yang dialami. Pola getaran kemudian dibaca melalui perubahan intensitas dari waktu ke waktu. Perubahan intensitas ini dimodelkan dalam model kemunculan bigram dan Markov chain model. Model ini kemudian dijadikan fitur untuk dikenali menggunakan pemelajaran mesin. Metode yang dikembangkan ini juga memiliki kelebihan, yaitu dapat memroses sinyal tanpa harus membaca keseluruhan sinyal tersebut. Penelitian ini ditujukan untuk melihat apakah metode tersebut dapat mengklasifikasi sinyal gempa serta melakukan pendeteksian dini terhadap sinyal gempa. Hasil penelitian ini menunjukkan bahwa metode yang diusulkan mampu mengklasifikasi sinyal gempa dengan sinyal lainnya. Sebanyak 195 data yang dikelompokkan sebagai data gempa bumi, data gerakan manusia, dan data getaran buatan dipakai untuk pengujian. Ukuran kluster dari 2 sampai 10 juga diujikan untuk melihat performa dari metode yang diusulkan. Akurasi terbaik yang dicapai adalah 97.94%. Hasil yang dicapai dengan ukuran kluster satu dengan lainnya tidak menunjukkan perbedaan yang signifikan. Pengujian lanjutan dilakukan dengan pemakaian ukuran kluster 5. Kali ini sinyal dipotong pada waktu tertentu kemudian diujikan. Metode ini dapat mengenali sinyal dengan baik, hanya dalam kisaran waktu 15 detik. Akurasi yang diperoleh sudah diatas 80% pada interval waktu tersebut, dan mencapai diatas 90% pada waktu 30 detik.