Hasil Pencarian  ::  Simpan CSV :: Kembali

"Estimasi jarak episentrum gempa bumi merupakan proses yang penting dalam analisis seismik. Secara khusus, jarak episentrum merupakan salah satu parameter dasar dalam analisis gempa bumi yang berperan penting dalam sistem peringatan dini tsunami. Penelitian ini membahas tantangan dalam memperkirakan jarak episentrum dengan menggunakan data minimal dari stasiun tunggal, yang bertujuan untuk menyederhanakan proses tersebut untuk lingkungan dengan cakupan jaringan seismik yang terbatas. Pada penelitian ini, penulis mengusulkan model deep learning baru sebagai metode estimasi berdasarkan blok residual dengan memanfaatkan data dari stasiun tunggal dengan variasi input 3 saluran (ENZ), 2 saluran (EN), 1 saluran (Z) dan menghitung amplitudo absolut maksimum dari input gelombang sebagai input tambahan untuk meningkatkan keakuratan estimasi jarak episentrum. Model yang dikembangkan didasarkan pada arsitektur Convolutional Recurrent Neural Network (CRNN) untuk ekstraksi fitur spasial dan temporal dengan time window 1 menit dan berdasarkan dataset seismik akselerometer dari KiK-net, Jepang. Hasil estimasi jarak episentrum dari model FELINN yang baru dirancang mencapai Mean Absolute Error (MAE) sebesar 8,16 km dan standar deviasi sebesar 14,25 km, yang menunjukkan hasil terbaik dibandingkan dengan model-model yang sudah ada seperti CRNN dan Deeper CRNN. Model FELINN, dengan menggunakan arsitektur residual dan input amplitudo absolut maksimum tambahan, mencapai akurasi tertinggi dalam estimasi jarak episentrum di antara model-model yang diuji, terutama dengan konfigurasi tiga saluran (ENZ), dengan R2 = 0,89 dan MAE = 8,16 km. Mengintegrasikan saluran vertikal dan horizontal serta menambahkan blok residu dapat mengoptimalkan kinerja model, dan penelitian di masa depan dapat meningkatkan kemampuan generalisasi dengan menggunakan dataset yang beragam dan mengevaluasi ketahanan dalam berbagai tingkat noise.

---

Estimating the epicentral distance of an earthquake is an important process in seismic analysis. In particular, epicentral distance is one of the basic parameters in earthquake analysis that plays an important role for tsunami warning systems. This study addresses the challenge of estimating epicentral distance using minimal data from a single station, aiming to streamline the process for environments with limited seismic network coverage. In this study, the author propose a new deep learning model as an estimation method based on residual block by utilizing data from a single station with input variations of 3 channels (ENZ), 2 channels (EN), 1 channel (Z) and calculating the maximum absolute amplitude of the wave input as an auxiliary input to improve the accuracy of epicentral distance estimation. The developed model is based on the Convolutional Recurrent Neural Network (CRNN) architecture for spatial and temporal feature extraction with a time window of 1 minute and based on accelerometer seismic dataset from KiK-net, Japan. The epicenter distance estimation results from the newly-designed FELINN model achieved a Mean Absolute Error (MAE) of 8.16 km and a standard deviation of 14.25 km, showing the best results compared to existing models such as CRNN and Deeper CRNN. The FELINN model, using a residual architecture and an auxiliary maximum absolute amplitude input, achieved the highest accuracy in epicentral distance estimation among tested models, especially with the three-channel (ENZ) configuration, achieving R2 = 0.89 and MAE = 8.16 km. Integrating both vertical and horizontal channels and adding residual blocks optimized model performance, and future work could enhance generalizability by using diverse datasets and evaluating robustness under varying noise levels."

"Siswa-siswi yang sebagian besar masih berusia remaja, sangat rentan terhadap tampilan mengenai remaja perempuan ideal. Setidaknya Remaja SMA 1 Depok merupakan remaja yang kelas menengah dan atas. Salah satu media yang tanggap perubahan fashion adalah majalah khususnya pada rubrik fashion. Di sekolah SMA 1 Depok remaja banyak ragam menampilkan berbagai gaya fashion yang menjadi gaya tarik masing-masing.Penelitian ini merupakan penelitian kualitatif, tehnik pengamatan dilakukan dengan cara observasi keadaan sekolah dan wawancara kepada salah satu informan yang gemar, berlangganan membaca majalah. Hasil data penelitian di analisis sesuai sesuai teori atau konsep. Dari hasil penelitian siswa-siswi SMA 1 Depok persepsi media majalah merupakan acuan pertama untuk merubah penampilan dan fashion remaja. Majalah merupakan alasan satu cara Remaja untuk membentuk identitas di sekolah atau di lingkungan masyarakat.

---

Most of students which are adolescent, are particularly vurnerable to the appearance of ideal female teen. At least, teens at SMA 1 Depok are in a middle and upper class category. One of the up to date information about fashion dynamic is a magazine, especially in a fashion session. At SMA 1 Depok, teens have showed many different styles of fashion which have their own uniqueness. This study is a qualitative research, data collections are done by observing the school condition and indepth interview with the informants who have the qualification reading a magazine. The result of the this research was analized by the suitable theory and conceptual. Based on the result of this research in teens at SMA 1 Depok, magazine perception is a first reference to change the appearance and teens fashion. A Magazine is one of the teens? reason to form an identity at school or the environment."