Jurnal TEKNO KOMPAK, Vol. 14, No. 1, 2020, 22-26. P - ISSN 1412-9663, E-ISSN 2656-3525 22 DETEKSI ANOMALI TOTAL ELECTRON CONTENT SEBELUM GEMPA BUMI PALU MENGGUNAKAN JARINGAN SYARAF TIRUAN LEVENBERG-MARQUARDT Bernadus Anggo Seno Aji 1) , Arliyanti Nurdin 2) , Pangestu Widodo 3) , Muh Rizal Dwi 3) 1), 2), 3), 4) Teknologi Informasi, Institut Teknologi Telkom Surabaya Jl. Gayungan PTT no 17-19, Surabaya Email : bernadus.seno@ittelkom-sby.ac.id 1) , arliyanti.n@ittelkom-sby.ac.id 2) , pangestu@ittelkom-sby.ac.id 3) rizaldapramana@student.ittelkom-sby.ac.id 4) Abstrak Indonesia termasuk kedalam negara dengan aktifitas gempa bumi yang tinggi. Analisis gempa bumi yang pernah terjadi sangat membantu dalam memahami karakteristik gempa bumi di Indonesia. Penelitian ini menggunakan Gempa bumi Palu (0.18 o S 119.85 o E) 2018 sebagai pengamatan dan menggunakan JST LM (Jaringan Syaraf Tiruan Levenberg-Marquardt) sebagai metode pembelajaran. Tujuan dari penelitian ini untuk menganalisis gempa bumi Palu dan menguji kesesuaian metode JST LM untuk mendeteksi anomali sebelum gempa bumi yang diamati. Hasil memperlihatkan bahwa metode ini cukup baik dalam mendeteksi anomali yang berasosiasi dengan gempa bumi Palu. Anomali yang terdeteksi didapat pada H-3 dan H-0 sebelum gempa bumi terjadi, serta H+1 setelah gempa bumi. Dalam penelitian ini juga dianalisis pola distibusi anomali sepanjang garis lintang. Pola anomali menunjukkan terlokalisasi disekitar epicenter gempa bumi. Selain itu juga didapatkan pola anomali bergerak ke arah selatan searah dengan pergerakan Sesar Palukoro. Kata kunci: Gempa Bumi, Jaringan Syaraf Tiruan, Levenberg-Marquardt 1. Pendahuluan Indonesia merupakan negara yang sering terjadi gempa bumi. Salah satu gempa bumi besar yang terjadi adalah gempa bumi di Sulawesi khususnya daerah kota Palu pada 28 September 2018. Gempa bumi disertai tsunami tersebut mengakibatkan lebih dari 2000 korban jiwa dan lebih dari 50.000 rumah rusak. Berdasarkan kenyataan tersebut, perlu di lakukan suatu cara metigasi gempa bumi, salah satunya dengan memprediksi terjadiya gempa bumi yang akan terjadi. Beberapa cara yang sudah dilakukan untuk memprediksi gempa bumi yang akan terjadi antara lain menggunakan parameter geofisika ,beberapa penelitian menggunakan parameter geofisika untuk menentukan precursor gempa bumi. Menentukan precursor gempa bumi berdasarkan pengamatan magnetotllurik di observasi geofisika pelabuhan ratu (Fransiska, Setyawan and Nurdiyanto, 2013). Menentukan prekursor gempa bumi dengan mengidentifikasi anomali data geomagnetik frekuensi rendah dari Stasiun kelas III gunung sitoli, Nias (Hamidi, Namigo and Ma’muri, 2018). Beberapa penelitian tersebut memperlihatkan adanya prekursor gempa bumi. Parameter geofisika sangat dipengaruhi lokasi sensor atau stasiun pengamat. Pada saat ini, ribuan GPS receiver digunakan untuk mengambil data Total Electron Content (TEC). Data TEC yang dihasilkan dari perhitungan GPS membuat kontribusi yang besar dalam memahami variasi seismo-ionosfer. Berdasarkan hal tersebut, dalam beberapa tahun terakhir analisis anomali TEC pada ionosfer dan hubungannya dengan gempa bumi sudah banyak diteliti untuk digunakan prediksi precursor gempa bumi. Pada penelitian ini, data TEC yang dianalisis menggunakan data Global Ionospheric Map (GIM) dari NASA Jet Propulsion Laboratory (JPL). Beberapa metode yang pernah digunakan untuk mendeteksi precursor gempa bumi menggunakan anomali TEC antara lain Genetic Algorithm (Akhoondzadeh, 2013), metode ini menunjukkan hasil yang cukup baik untuk mendeteksi anomali TEC. GA dapat menjadi metode yang baik untuk memodelkan fenomena yang kompleks seperti prekursor gempa bumi, tetapi memilih nilai corssover, mutasi dan fitness rate serta jumlah pengamatan merupakan tantangan berat dalam pemodelan GA. Ada juga penelitian menggunakan Artificial Bee Colony (M Akhoondzadeh, 2015). ABC memperlihatkan kemampuan dalam mendeteksi data TEC yang irregular dan non linier. Selain kedua metode tersebut juga ada penelitian menggunakan Firefly Algorithm (Mehdi Akhoondzadeh, 2015). Penelitian menunjukkan kesesuain FA dalam mendekteksi anomali TEC. Selain itu ada salah satu penelitian yang sudah pernah dilakukan di Indonesia terkait gempa bumi Aceh pada 26 Desember 2004 menggunakan nu-SVR (Pattisahusiwa, Liong and Purqon, 2014). Metode tersebut cukup baik dalam mendeteksi variabilitas data TEC akibat gempa bumi. Metode-metode tersebut digunakan karena sifat dari data TEC yang irregular, komplek dan non linier. Karena sifat data tersebut, diperlukan metode yang dapat menangangi permasalah tersebut. Pada penelitian ini digunakan