Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2025
- Tujuan
- Nomor
- 23321449-88f4-4516-91f9-cf34d3e7c335
- Terbit
- 2026-10-30
Universitas Dian Nuswantoro (UDINUS), dengan Winarsih, Nurul Anisa Sri; Pramunendar, Ricardus Anggi; Shidik, Guruh Fajar; Widjajanto, Budi; Rohman, Muhammad Syaifur; dan Ratmana, Danny Oka sebagai peserta, melaksanakan penelitian tentang optimalisasi prediksi kerusakan akibat gempa bumi melalui seleksi fitur berbasis particle swarm optimization. Penelitian ini membahas kebutuhan akan prediksi kerusakan akibat gempa bumi yang akurat karena tindakan tanggap darurat segera setelah gempa dapat mengurangi kerugian ekonomi dan menyelamatkan nyawa.
Kegiatan ini mengkaji teknik machine learning untuk memprediksi kerusakan akibat gempa bumi. Algoritma yang digunakan adalah k-nearest neighbors, decision tree, random forest, dan Naive Bayes. Penelitian ini juga mengkaji seleksi fitur, yaitu proses memilih fitur yang paling relevan dari big data. Particle swarm optimization digunakan untuk optimasi machine learning dan seleksi fitur. Berbagai pendekatan particle swarm optimization dibandingkan.
Random forest dengan Phasor particle swarm optimization memperoleh fitness score tertinggi. Proses tersebut mengurangi fitur dari 38 menjadi 14. Setelah seleksi fitur, algoritma k-nearest neighbors, decision tree, dan random forest mengalami peningkatan. Random forest memperoleh akurasi terbaik sebesar 72,989%. Waktu pemrosesan pada algoritma decision tree, random forest, dan Naive Bayes menjadi lebih cepat dibandingkan sebelumnya. Penelitian ini menyimpulkan bahwa kombinasi algoritma machine learning dengan seleksi fitur particle swarm optimization menghasilkan model klasifikasi dengan kinerja yang lebih baik daripada model tanpa seleksi fitur.
Penelitian UDINUS ini menyediakan bukti terdokumentasi mengenai kegiatan prediksi kerusakan akibat gempa bumi, seleksi fitur, klasifikasi, dan kinerja pemrosesan.