Pendekatan Model Generalized Space Time Autoregressive (GSTAR) Untuk Pemodelan Data Gempa

Novita Serly Laamena
{"title":"Pendekatan Model Generalized Space Time Autoregressive (GSTAR) Untuk Pemodelan Data Gempa","authors":"Novita Serly Laamena","doi":"10.59134/prosidng.v1i01.74","DOIUrl":null,"url":null,"abstract":"ndonesia merupakan negara kepulauan yang terletak di daerah tektonik yang sangat kompleks danaktif. Kondisi ini menyebabkan Indonesia masuk dalam wilayah yang mempunyai potensikegempaan tertinggi di dunia. Salah satu wilayah Indonesia yang sering dilanda gempa bumi adalahwilayah Laut Banda. Pada penelitian ini, dilakukan prediksi kekuatan gempa dengan menggunakanmodel Generalized Space Time Autoregressive (GSTAR) dengan asumsi bahwa lokasi-lokasipenelitian bersifat heterogen. Besar kebergantungan dan pengaruh lokasi yang satu dengan lokasiyang lainnya diwakili oleh matriks bobot. Berdasarkan Pendekatan Invers Matriks Autokovariansi(IMAk), diperoleh bahwa Data Set 1 dan Data Set 2 tidak stasioner, sehingga tidak cocok dimodelkandengan GSTAR. Model yang tepat untuk memprediksi Data Set 3 adalah GSTAR (1;3) denganmenggunakan matriks bobot biner, dan model yang tepat untuk memprediksi Data Set 4 adalahGSTAR (1;2) dengan menggunakan matriks bobot biner","PeriodicalId":20616,"journal":{"name":"Prosiding Seminar Nasional Masyarakat Biodiversitas Indonesia","volume":"198 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2022-06-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Prosiding Seminar Nasional Masyarakat Biodiversitas Indonesia","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.59134/prosidng.v1i01.74","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

Abstract

ndonesia merupakan negara kepulauan yang terletak di daerah tektonik yang sangat kompleks danaktif. Kondisi ini menyebabkan Indonesia masuk dalam wilayah yang mempunyai potensikegempaan tertinggi di dunia. Salah satu wilayah Indonesia yang sering dilanda gempa bumi adalahwilayah Laut Banda. Pada penelitian ini, dilakukan prediksi kekuatan gempa dengan menggunakanmodel Generalized Space Time Autoregressive (GSTAR) dengan asumsi bahwa lokasi-lokasipenelitian bersifat heterogen. Besar kebergantungan dan pengaruh lokasi yang satu dengan lokasiyang lainnya diwakili oleh matriks bobot. Berdasarkan Pendekatan Invers Matriks Autokovariansi(IMAk), diperoleh bahwa Data Set 1 dan Data Set 2 tidak stasioner, sehingga tidak cocok dimodelkandengan GSTAR. Model yang tepat untuk memprediksi Data Set 3 adalah GSTAR (1;3) denganmenggunakan matriks bobot biner, dan model yang tepat untuk memprediksi Data Set 4 adalahGSTAR (1;2) dengan menggunakan matriks bobot biner
Pendekatan广义时空自回归模型(GSTAR) [j]
ndonesia是一个岛屿国家,位于中非复杂的构造区域。这种情况使印尼成为世界上最具动荡潜力的地区。印度尼西亚经常发生地震的地区之一是班达海地区。在这项研究中,使用空间时间Autoregressive (GSTAR)模型对地震强度进行了预测,前提是位置位置研究是异质的。一个位置与另一个位置的巨大依赖和影响是由质量矩阵表示的。根据Autokovariansi矩阵Invers (IMAk)的方法,发现Set 1和Set 2的数据不是静止的,因此它们与GSTAR不匹配。预测3组数据的正确模型是GSTAR(1;3)使用二进制重量矩阵,而用于预测4组数据的正确模型是GSTAR(1;2)使用二进制重量矩阵
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
审稿时长
10 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信