Implementasi Algoritma Gaussian Naive Bayes Classifier Untuk Prediksi Potensi Tsunami Berbasis Mikrokontroler

Klasifikasi yang dilakukan algoritma Gaussian Naive Bayes Classifier dapat menggunakan data kontinyu seperti parameter-parameter yang menjadi pertimbangan terjadinya tsunami. Data yang dikumpulkan untuk proses klasifikasi merupakan beberapa data gempa bumi yang terjadi di Indonesia dalam kurun waktu 20 tahun terakhir. Data dari terjadinya gempa bumi yang diambil antara lain adalah waktu terjadinya, tempat terjadinya gempa, besar kekuatan gempa, kedalaman terjadinya gempa, dan juga jarak pusat gempa terhadap kota terdekat terjadinya gempa. Adapaun parameter yang diperlukan dalam mengimplementasikan proses prediksi adalah nilai rata-rata dari magnitudo, kedalaman pusat gempa, dan jarak episentrum. Berikutnya diperlukan juga nilai dari masing-masing standar deviasi dari magnitudo, kedalaman pusat gempa, dan jarak episentrum. Pada mikrokontroler dapat diimplementasikan persamaan fungsi Probabilistic Density Function untuk menghitung potensi tsunami. algoritma Gaussian Naive Bayes Classifier berbasis mikrokontroler dengan klasifikasi “Berpotensi Tsunami” dan “Tidak Berpotensi Tsunami” memiliki akurasi sebesar 96%.