Kajian Sistematis Metode Analisis Gelombang Pasang Surut Untuk Sistem Pendeteksi Tsunami Dalam Ragam Literatur

Melyana; Wahyu Cesar; Deni Mahdiana

doi:10.51454/decode.v3i2.160

Authors

Melyana Ilmu Komputer Universitas Budi Luhur
Wahyu Cesar Ilmu Komputer Universitas Budi Luhur
Deni Mahdiana Ilmu Komputer Universitas Budi Luhur

DOI:

https://doi.org/10.51454/decode.v3i2.160

Keywords:

gelombang pasang surut, kajian sistematis, tsunami

Abstract

Indonesia merupakan negara yang rentan akan terjadinya bencana gempa bumi, hal ini dikarenakan Indonesia dilalui oleh jalur tiga lempeng tektonik. Ketiga lempeng tekntonik jalur pertemuan tersebut mayoritas ada di laut sehingga jika terjadi gempa bumi yang besar pada kedalaman laut dangkal akan berpotensi menimbulkan bencana tsunami. Analisis yang akurat terhadap ketinggian gelombang pasang surut air laut untuk mendeteksi bencana tsunami merupakan tugas yang pen ting untuk menjaga keamanan juga keselamatan penduduk di sekitar wilayah laut dan pesisir. Metode analisis gelombang pasang surut yang cepat dan akurat dapat memberikan peringatan awal potensi terjadinya tsunami kepada populasi manusia untuk menyelamatkan nyawa. Tujuan penelitian ini melakukan tinjauan literatur sistematis untuk membandingkan metode analisis gelombang pasang surut untuk pendeteksi tsunami terkini yang cukup akurat dari berbagai literatur untuk digunakan sebagai informasi pendukung dalam rancangan sistem pendukung keputusan pada sistem peringatan dini tsunami di Indonesia. Penelitian ini dimaksudkan untuk memberikan data perbandingan hasil tinjauan metode pendeteksi tsunami kepada komunitas peneliti serta praktisi terkait dengan cakupan yang luas terkait konsep, akurasi, serta kelebihan dan kekurangan dari metode sistem pendeteksi tsunami yang menjanjikan keberhasilan di masa depan.

References

An, C., Liu, H., Ren, Z., & Yuan, Y. (2018). Prediction of Tsunami Waves by Uniform Slip Models. Journal of Geophysical Research: Oceans, 123(11), 8366-8382. https://doi.org/10.1029/2018JC014363

Artawan, P., & Purnamawan, I. K. (2015). Rancangan Detektor Gempa Berpotensi Tsunami Berbasis Wireless Sensor Network Dengan Sistem Magnetic Altitude. Prosiding Seminar Nasional MIPA, 64

Chen, T., Kapron, N., & Chen, J. C. Y. (2020). Using Evolving ANN-Based Algorithm Models for Accurate Meteorological Forecasting Applications in Vietnam. Mathematical Problems in Engineering, 1-8. https://doi.org/10.1155/2020/8179652

Chierici, F., Embriaco, D., & Pignagnoli, L. (2017). A new real-time tsunami detection algorithm. Journal of Geophysical Research: Oceans, 122(1), 636-652. https://doi.org/10.1002/2016JC012170

Di Risio, M., & Beltrami, G. M. (2014). Algorithms for automatic, real-time tsunami detection in wind-wave measurements: Using strategies and practical aspects. Procedia Engineering, 70(0), 545-554. https://doi.org/10.1016/j.proeng.2014.02.060

Fauzi, A., Mizutani, N. (2020). Machine Learning Algorithms for Real-time Tsunami Inundation Forecasting: A Case Study in Nankai Region. Pure Appl. Geophys. 177, 1437-1450. https://doi.org/10.1007/s00024-019-02364-4

Indriasari, T. D., Anindito, K., & Julianto, E. (2015). Analisis dan Perancangan Sistem Pengumpulan Data Bencana Alam. Jurnal Buana Informatika, 6(1), 21-28. https://doi.org/10.24002/jbi.v6i1.396

Kato, T., Terada, Y., Ito, K., Hattori, R., Abe, T., Miyake, T., Koshimura, S., & Nagai, T. (2005). Tsunami due to the 2004 September 5th off the Kii peninsula earthquake, Japan, recorded by a new GPS buoy. Earth, Planets and Space, 57(4), 297-301. https://doi.org/10.1186/BF03352566

Kurniasih, A., Marin, J., & Setyawan, R. (2020). Belajar dari Simeulue: Memahami Sistem Peringatan Dini Tsunami di Indonesia. Jurnal Geosains dan Teknologi, 3(1), 21-30.

Kusumah, Y., Irawan, B., & Setianingsih, C. (2020). Sea wave detection system using web-based decision tree algorithm. EECCIS 2020 - 2020 10th Electrical Power, Electronics, Communications, Controls, and Informatics Seminar, 231-236. https://doi.org/10.1109/EECCIS49483.2020.9263444

Lauterjung, J., & Letz, H. (2017). 10 Years Indonesian Tsunami Early Warning System : Experiences , Lessons Learned and Outlook. Potsdam: GFZ German Research Centre for Geosciences, 68.

Liu, C.M., Rim, D., Baraldi, R. et al. (2021). Comparison of Machine Learning Approaches for Tsunami Forecasting from Sparse Observations. Pure Appl. Geophys. 178, 5129-5153. https://doi.org/10.1007/s00024-021-02841-9

Prathama, A. Y. (2018). Pendekatan Ann (Artificial Neural Network) Untuk Penentuan Prosentase Bobot Pekerjaan Dan Estimasi Nilai Pekerjaan Struktur Pada Rumah Sakit Pratama. Jurnal Teknosains, 7(1), 14. https://doi.org/10.22146/teknosains.30139

Reba, F. (2022). Monograf Model Sebaran Frekuensi Gempa Bumi Susulan (Studi Kasus Gempa Bumi Nabire).

Reforgiato, D., Zavarella, V., & Consoli, S. (2013). A survey on tidal analysis and forecasting methods for tsunami Detection. Science of Tsunami Hazards, 1, 1-58.

Rudloff, A., Lauterjung, J., Münch, U., & Tinti, S. (2009). The GITEWS project (German-indonesian tsunami early warning system). Natural Hazards and Earth System Science, 9(4), 1381-1382. https://doi.org/10.5194/nhess-9-1381-2009

Rusydy, G. I., Irawan, B., & Setianingsih, C. (2020). Sistem Deteksi Gelombang Laut Dengan Algoritma Knn (K-Nearest Neighbor) Berbasis Android Android Based Sea Wave Detection System Using Knn (K-Nearest Neighbor) Algorithm. Dalam e-Proceeding of Engineering, 1698-1702.

Sriyanto, S. P. D., Angmalisang, P. A., Manu, L., Schaduw, J. N. W., Sondak, C. F. A., Mantiri, R. O. S. E., Luasunaung, A., & Sumilat, D. A. (2021). Automatic tsunami arrival detection algorithm for sea level observation system. Jurnal Teknologi dan Sistem Komputer, 9(4), 180-190. https://doi.org/10.14710/jtsiskom.2021.14009

Suprijono, S. A., Setianingsih, C., & Saputra, R. E. (2021). Deteksi Tinggi Rendah Gelombang Air Laut Dengan Multisensor Menggunakan Algoritma Fuzzy Sukamoto High and Low Sea Waves Detection With Multisensor Using Fuzzy Sukamoto Algoritm (8,6).

UNDRR and UNESCO-IOC. (2019). Limitations and Challenges of Early Warning Systems. Case Study: Palu-Donggala Tsunami 28 September 2018. IOC/2019/TS/150, 100.

Wang, Y., Heidarzadeh, M., Satake, K., Mulia, I. E., & Yamada, M. (2020). A Tsunami Warning System Based on Offshore Bottom Pressure Gauges and Data Assimilation for Crete Island in the Eastern Mediterranean Basin. Journal of Geophysical Research: Solid Earth, 125(10), 1-15. https://doi.org/10.1029/2020JB020293

Wang, Y., Satake, K., Maeda, T., Shinohara, M., & Sakai, S. (2020). A method of real-time tsunami detection using ensemble empirical mode decomposition. Seismological Research Letters, 91(5), 2851-2861. https://doi.org/10.1785/0220200115

Xiao, Y., & Watson, M. (2019). Guidance on Conducting a Systematic Literature Review. Journal of Planning Education and Research, 39(1), 93–112. https://doi.org/10.1177/0739456X17723971