PREDIKSI KEJADIAN BENCANA ALAM GEMPA BUMI DI WILAYAH PROVINSI JAWA BARAT MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM) GUNA MITIGASI DAN KETAHANAN WILAYAH

Bencana alam gempa bumi merupakan ancaman signifikan yang berpotensi menyebabkan kerusakan besar terhadap infrastruktur dan mengancam keselamatan masyarakat. Wilayah Provinsi Jawa Barat yang terletak di kawasan rawan gempa memerlukan sistem mitigasi yang efektif untuk meminimalkan dampak bencana ini. Penelitian ini menerapkan pendekatan kuantitatif dengan metode pemodelan time series untuk membentuk model prediksi gempa menggunakan algoritma Long Short-Term Memory (LSTM) dan Convolutional LSTM (ConvLSTM). LSTM digunakan untuk memprediksi magnitudo dan kedalaman gempa, sementara ConvLSTM digunakan untuk memprediksi lokasi episenter gempa. Data historis gempa yang mencakup lokasi, magnitudo, dan kedalaman digunakan untuk melatih model. Hasil penelitian menunjukkan bahwa model ConvLSTM mampu memprediksi 104 kejadian gempa selama lima tahun ke depan dengan RMSE 7.907, MAPE 32.65%, dan �2 0.245, sedangkan LSTM untuk magnitudo menghasilkan RMSE 0.413, MAPE 7.00%, dan �2 0.457 yang menghasilkan prediksi dengan rentang magnitudo 4.10 hingga 5.03 pada seluruh kejadian gempa untuk 5 tahun kedepan. Prediksi kedalaman dengan LSTM juga menunjukkan hasil yang signifikan dengan RMSE 1.464, MAPE 45.50%, dan �2 0.399 dimana sebagian besar gempa diprediksi terjadi pada zona 2 dan zona 3, yang menunjukkan kedalaman gempa cenderung dangkal hingga menengah pada 5 tahun mendatang. Hasil ini dapat digunakan untuk meningkatkan kesadaran masyarakat dan ketahanan wilayah melalui pemetaan wilayah rawan gempa, serta perencanaan penguatan infrastruktur dan pengembangan sistem peringatan dini. Dengan demikian, model ini memiliki potensi besar untuk mendukung upaya mitigasi bencana dan memperkuat ketahanan wilayah di Provinsi Jawa Barat.