Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKTerjadinya tsunami menyebabkan adanya transfer energi dari gelombang tsunami di permukaan laut ke atmosfer di atas laut yang dilalui oleh tsunami, lalu diikuti oleh penjalaran gelombang secara vertikal ke atas hingga mencapai ionosfer. Berikutnya gelombang vertikal ini menyebabkan terjadinya gangguan di ionosfer yang ditunjukan dengan adanya fluktuasi nilai diferensial total electron content TEC di ionosfer. Fluktuasi dTEC dinyatakan sebagai travelling ionospheric disturbance TID yang antara lain dipengaruhi oleh tsunami. Kecepatan TID, tinggi gelom-bang serta periodenya diyakini berkaitan dengan berbagai aspek oseanografis dan sifat fisis atmosfer.Analisis TID dari total electron content TEC di atmosfer pada saat terjadinya tsunami Sumatra ndash;Andaman 26 Desember 2004 telah dilakukan. Tsunami tersebut disebabkan oleh gempa bumi berkekuatan Mw=9,2, menyebabkan adanya rupture di sepanjang zona subduksi dari kepulauan Simeulue 3,3 LU 95,98 BT hingga kepulauan Andaman 13,58 LU 92,65 BT , dan tsunami menjalar dari sepanjang zona rupture tersebut. Studi ini bertujuan untuk: 1 menganalisis tinggi gelombang dan periode TID, dan 2 untuk menentukan kecepatan TID dan kaitannya dengan kecepatan tsunami.Didapatkan hasil bahwa TID saat kejadian memiliki tinggi gelombang rata-rata 0,161 TECU dan periode 16 menit. Juga disimpulkan suatu gelombang tsunami yang merambat dengan kecepatan rata-rata sekitar 802,4 km/jam akan diikuti dengan adanya gelombang di ionosfer yang melaju horizontal dengan kecepatan 669,9 km/jam. Waktu sampainya tsunami dan waktu munculnya TID berselisih dengan rata-rata selisih waktunya 0,56 jam, yang menunjukkan adanya perambatan secara vertikal dengan kecepatan 625 km/jam.

---

ABSTRACTTsunamis can cause energy transfer from the the wave in the ocean to the atmo phere above it, and followed by vertical wave propagation from the sea surface to the ionosphere. Then the vertically propagated wave causing disturbance in the ionosphere, showed by fluctuation of the differential TEC. The fluctuation are known as travelling ionospheric disturbance TID . The TID velocity, wave height and period is believed to be linked with ocenographic and physical properties of the atmosphere.The analysis of TID from total electron content TEC in the atmosphere at the time of the Sumatra ndash Andaman tsunami on December 26, 2004 had been done. The tsunami caused by an earthquake with magnitude Mw 9 2, causing rupture along the subduction zone from the Simeulue island 3,3 N 95,98 E to the Andaman islands 13,58 N 92,65 E , and tsunami was propagated from the rupture zone. This study aimed to 1 analyze the TID wave height and periods, and 2 to measure the TID velocity and its relation with the tsunami velocity.Results showed that the TID from the event have an average wave height of 0.161 TECU and period of 16 minutes. And also it was showed that a tsunami wave with average velocity of 802.4 km h will be followed by a TID with average velocity of 669.9 km h. Tsunami travel time and TID time have difference about0.56 hour, showing that there was a vertical wave with average velocity 625 km h."

"Studi ini mengkaji ke(tidak)selarasan antara berbagai budaya bencana, Sistem Peringatan Dini Tsunami Indonesia (InaTEWS), dan profil risiko setempat yang diungkap oleh tsunami non-tektonik tahun 2018 yang dipicu oleh erupsi Gunung Anak Krakatau di Labuan. Dengan mengembangkan model hubungan segitiga, penelitian ini bertujuan untuk menilai sejauh mana sistem peringatan tsunami telah disesuaikan dengan kebutuhan dan karakteristik lokal. Berdasarkan pengumpulan data kualitatif, penelitian ini menunjukkan bahwa sebelum tsunami 2018 dan tanpa mengingat memori tsunami Krakatau 1883, berbagai kelompok lokal memiliki pemahaman yang sangat seragam tentang tsunami yang hanya dipicu oleh gempa. Setelah tsunami 2018, informan melaporkan peningkatan kesadaran tentang berbagai jenis tsunami dan risiko gempa. Namun, ini tidak serta-merta menjadi kenyataan praktik di lapangan; faktor struktural dan budaya secara signifikan menghambat pemerintah lokal dan lembaga manajemen bencana. Penelitian ini mengidentifikasi langkah-langkah untuk meningkatkan keselarasan, misalnya, melibatkan anggota masyarakat dalam pemeliharaan teknologi peringatan, menyesuaikan materi peningkatan kesadaran dengan profil bahaya setempat dan menghubungkan peningkatan kesadaran dengan tradisi lokal. Namun, reformasi lebih dalam dari InaTEWS diperlukan, termasuk mengatasi ego sektoral dan menggabungkan pengetahuan dan pengalaman lokal ke dalam pembuatan kebijakan. Dengan menangani ketidakselarasan ini, penulis berpendapat bahwa pihak berwenang dapat lebih baik mendukung masyarakat dalam memahami dan merespons risiko tsunami, dan pada akhirnya meningkatkan kesiapsiagaan.

---

This study examines the (mis)alignments between multiple disaster cultures, the Indonesia Tsunami Early Warning System (InaTEWS), and local risk profiles revealed by the 2018 non-tectonic tsunami triggered by the Anak Krakatau volcanic eruption in Labuan. Developing a triangle model, the research aims to assess to what extent the tsunami warning system is adapted to local needs and characteristics. Based on qualitative data collection, it shows that before the 2018 tsunami and notwithstanding memories of the 1883 Krakatau tsunami, different local groups shared a strikingly homogeneous understanding of tsunamis as exclusively triggered by earthquakes. After the 2018 tsunami, participants reported increased awareness of different tsunami types and earthquake risks. However, this rarely translated into practical changes on the ground; structural and cultural factors significantly hampered local government and disaster management agencies. The research identifies steps to improve alignment, e.g., involve community members in warning technology maintenance, tailor awareness-raising materials to the local hazard profile and connect awareness-raising with local traditions. However, deeper reform of the InaTEWS is necessary, including overcoming sectoral silos and incorporating local knowledge and experiences into policy-making. By addressing these (mis)alignments, we argue authorities can better support communities in understanding and responding to tsunami risks, ultimately enhancing preparedness."

"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."