i 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.
ii 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 490, 60 and
538,84
BIC .