Nama Penulis : Muhammad Agil Ghifari, Taufik Pragusga, Zidan Kharisma Adidarma Program Studi : Ilmu Komputer Judul : Pengimplementasian Arsitektur Event-Driven untuk Pengembangan Sistem Earthquake Early Warning System Menggunakan Model Deep-Learning Pembimbing : Ari Wibisono. S.Kom., M.Kom Penelitian ini berfokus pada pengembangan sistem peringatan dini gempa bumi yang memanfaatkan arsitektur event-driven dan model deep-learning. Tujuannya adalah untuk memodelkan data seismik guna mendeteksi gelombang awal, hiposenter, magnitudo, dan kedalaman gempa. Penulis mengumpulkan data dari ratusan titik seismograf dan mengolahnya dengan model deep-learning untuk menghasilkan prediksi yang akurat. Sistem ini dirancang untuk memberikan visualisasi dan informasi yang mendukung Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) dalam mendeteksi aspek-aspek kritis gempa. Selain itu, penulis mengembangkan sistem terdistribusi untuk mengelola permintaan dan pengolahan data skala besar dengan efisiensi tinggi. Antarmuka pemrograman aplikasi (API) juga disajikan untuk memungkinkan prediksi data yang mudah diakses dan dipahami. Terakhir, integrasi antara model machine learning dengan backend dan frontend dirancang untuk memberikan tampilan yang ramah pengguna. Penelitian ini berkontribusi dalam mengembangkan sistem peringatan dini gempa yang lebih canggih dan responsif, sehingga dapat meningkatkan kesiapan dan keamanan masyarakat dalam menghadapi bencana alam. Kata Kunci: Arsitektur Event-Driven, Sistem Pendeteksi Dini Gempa, Deep Learning, Seismik, Hiposenter, Magnitudo, Visualisasi Data, Sistem Terdistribusi.