YOGYAKARTA – Peneliti Program Doktor Teknik Elektro, Departemen Teknik Elektro dan Teknologi Informasi (DTETI), Fakultas Teknik, Universitas Gadjah Mada (UGM), Wahyu Sukestyastama Putra, mengembangkan metode prediksi gempa bumi berbasis fluktuasi konsentrasi gas radon menggunakan pendekatan Monte Carlo Aggregating (MCA).
Penelitian tersebut dipresentasikan dalam ujian tertutup program doktor melalui disertasi berjudul “Prediksi Gempa Bumi Berbasis Fluktuasi Konsentrasi Gas Radon Menggunakan Metode Monte Carlo-Agregatting”.
Indonesia dikenal sebagai salah satu negara dengan tingkat aktivitas seismik tertinggi di dunia karena berada pada pertemuan beberapa lempeng tektonik aktif. Kondisi tersebut menyebabkan tingginya potensi gempa bumi berkekuatan besar sehingga dibutuhkan sistem peringatan dini yang semakin adaptif dan andal untuk mendukung mitigasi bencana.
Dalam penelitian ini, gas radon dimanfaatkan sebagai prekursor atau indikator awal terjadinya gempa bumi. Berbagai penelitian sebelumnya menunjukkan bahwa perubahan konsentrasi gas radon dapat muncul sebelum kejadian gempa akibat akumulasi tegangan pada lapisan bumi yang memicu pelepasan gas dari rongga litosfer.
Tantangan Prediksi Gempa Berbasis Gas Radon
Menurut Wahyu, pengembangan sistem prediksi gempa berbasis radon masih menghadapi sejumlah tantangan, antara lain keterbatasan data kejadian gempa, karakter sistem seismik yang dinamis dan nonstasioner, pengaruh derau lingkungan, hingga keterbatasan jumlah stasiun pemantauan.
Untuk menjawab tantangan tersebut, penelitian ini mengintegrasikan berbagai pendekatan komputasi modern yang meliputi:
- Monte Carlo Aggregating (MCA)
- Real-Time Monte Carlo Aggregating (RTMCA)
- Kalman Filter
- Long Short-Term Memory (LSTM)
- Trilaterasi multistasiun
- Markov Chain Monte Carlo (MCMC)
Kombinasi metode tersebut dikembangkan untuk meningkatkan akurasi prediksi, memperbarui model secara adaptif, mereduksi gangguan lingkungan, serta memperkirakan lokasi maupun klaster sumber kejadian gempa.
Gunakan Data Radon dari Tiga Wilayah di Indonesia
Penelitian memanfaatkan data konsentrasi gas radon yang dikumpulkan dari tiga stasiun pemantauan yang berada di Maguwoharjo (Yogyakarta), Bali, dan Serang. Data tersebut kemudian diintegrasikan dengan katalog kejadian gempa dari United States Geological Survey (USGS).
Hasil penelitian menunjukkan bahwa metode MCA dan RTMCA menghasilkan tingkat kesalahan prediksi atau Root Mean Square Error (RMSE) yang lebih rendah dibandingkan metode pembanding, terutama pada kondisi data kejadian gempa yang terbatas.
Selain itu, penerapan Kalman Filter terbukti mampu mengidentifikasi anomali konsentrasi gas radon sebelum kejadian gempa serta membantu menurunkan potensi false alarm.
Pada tahap pengembangan lebih lanjut, model hibrida LSTM–Kalman Filter juga menunjukkan performa yang lebih baik dalam memprediksi waktu kejadian gempa dibandingkan penggunaan model LSTM tunggal.
Sementara ketika estimasi lokasi episentrum menggunakan metode trilaterasi belum dapat dilakukan secara stabil, pendekatan Markov Chain Monte Carlo (MCMC) dapat dimanfaatkan sebagai alternatif untuk memperkirakan area atau klaster sumber gempa berdasarkan pendekatan probabilistik.
Dorong Penguatan Sistem Peringatan Dini Gempa di Indonesia
Penelitian ini dipromotori oleh I Wayan Mustika, S.T., M.Eng., Ph.D. dengan co-promotor Prof. Ir. Sunarno, M.Eng., Ph.D., IPU.
Ke depan, hasil penelitian diharapkan dapat menjadi dasar pengembangan sistem peringatan dini gempa bumi yang lebih adaptif dan berbasis data di Indonesia.
Peneliti merekomendasikan penguatan infrastruktur jaringan sensor dan Internet of Things (IoT), peningkatan densitas stasiun pemantauan, integrasi variabel lingkungan dan meteorologi, serta pengembangan model spasial untuk wilayah tektonik yang kompleks.
Melalui pendekatan kecerdasan buatan dan metode statistik modern, penelitian ini membuka peluang baru dalam pengembangan teknologi mitigasi bencana yang lebih responsif untuk mendukung keselamatan masyarakat di wilayah rawan gempa.
*TOP
