ALGORITMA MACHINE LEARNING UNTUK KLASIFIKASI SINYAL GETARAN TANAH TIGA KOMPONEN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK BERDASARKAN SPEKTOGRAM KOMPOSIT

dc.contributor.advisor	Yudi Rosandi
dc.contributor.advisor	Tidak ada Data Dosen
dc.contributor.author	EVI FAZRIATI
dc.date.accessioned	2024-05-27T03:19:38Z
dc.date.available	2024-05-27T03:19:38Z
dc.date.issued	2023-06-21
dc.description.abstract	Getaran tanah sebagai respon alami dari dalam bumi dapat menentukan karakteristik suatu wilayah. Getaran tersebut dapat direkam dengan menggunakan metode mikrotremor tiga komponen. Kerumitan dalam proses pengolahan sinyal getaran tanah tiga komponen terutama untuk pengklasifikasian dan interpretasi memerlukan intervensi manusia. Namun, kesalahan yang dilakukan oleh manusia (human error) tidak dapat dihindari. Penelitian ini bertujuan untuk mengatasi hal tersebut dengan menggunakan algoritma machine learning yang dilatih dengan spektogram komposit dari sinyal getaran tanah tiga komponen. Algoritma yang digunakan pada penelitian yaitu Convolutional Neural network (CNN) dengan arsitektur MobileNet. Luaran yang dihasilkan dari penelitian ini dapat menjadi informasi bagi masyarakat atau pengguna untuk mengetahui perubahan-perubahan kondisi lingkungan yang terjadi.
dc.identifier.uri	https://repository.unpad.ac.id/handle/kandaga/140820210020
dc.subject	Getaran tanah
dc.subject	mikrotremor
dc.subject	pengolahan sinyal
dc.title	ALGORITMA MACHINE LEARNING UNTUK KLASIFIKASI SINYAL GETARAN TANAH TIGA KOMPONEN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK BERDASARKAN SPEKTOGRAM KOMPOSIT