| 001 Hak Akses (open/membership) | membership |
| 700 Entri Tambahan Nama Orang | Zidan Kharisma Adidarma, author; Taufik Pragusga, author; Ari Wibisono, supervisor; Muhammad Hafizhuddin Hilman, examiner; Heri Kurniawan, examiner |
| 336 Content Type | text (rdacontent) |
| 264b Nama Penerbit | Fakultas Ilmu Komputer Universitas Indonesia |
| 710 Entri Tambahan Badan Korporasi | Universitas Indonesia. Fakultas Ilmu Komputer |
| 049 No. Barkod | 14-25-71980460 |
| 504 Catatan Bibliografi | pages 125-128 |
| 852 Lokasi | Perpustakaan UI |
| 338 Carrier Type | online resource (rdacarrier) |
| 590 Cat. Sumber Pengadaan Koleksi | Deposit |
| 903 Stock Opname | |
| 534 Catatan Versi Asli | |
| 053 No. Induk | 14-25-71980460 |
| Tahun Buka Akses | |
| 653 Kata Kunci | arsitektur event-driven; sistem pendeteksi dini gempd; Deep learning; seismik; hiposenter; magnitudo; visualisasi data; sistem terdistribusi |
| 040 Sumber Pengatalogan | LibUI ind rda |
| 245 Judul Utama | Pengimplementasian Arsitektur Event-Driven Untuk Pengembangan Sistem Earthquake Early Warning System Menggunakan Model Deep-Learning = Implementation of Event-Driven Architecture for Developing Earthquake Early Warning System Using Deep-Learning Model |
| 264c Tahun Terbit | 2024 |
| 650 Subyek Topik | Deep learning (Machine learning) -- Industrial applications; Natural disaster warning systems |
| 850 Lembaga Pemilik | Universitas Indonesia |
| 904b Pemeriksa Lembar Kerja | Amiarsih Indah Purwiati-Februari 2024 |
| 520 Ringkasan/Abstrak/Intisari | Penelitian ini berfokus pada pengembangan sistem peringatan dini gempa bumi yang memanfaatkan arsitektur event-driven dan model deep-learning. Tujuannya adalah untuk memodelkan data seismik guna mendeteksi gelombang awal, hiposenter, magnitudo, dan kedalaman gempa. Penulis mengumpulkan data dari ratusan titik seismograf dan mengolahnya dengan model deep-learning untuk menghasilkan prediksi yang akurat. Sistem ini dirancang untuk memberikan visualisasi dan informasi yang mendukung Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) dalam mendeteksi aspek-aspek kritis gempa. Selain itu, penulis mengembangkan sistem terdistribusi untuk mengelola permintaan dan pengolahan data skala besar dengan efisiensi tinggi. Antarmuka pemrograman aplikasi (API) juga disajikan untuk memungkinkan prediksi data yang mudah diakses dan dipahami. Terakhir, integrasi antara model machine learning dengan backend dan frontend dirancang untuk memberikan tampilan yang ramah pengguna. Penelitian ini berkontribusi dalam mengembangkan sistem peringatan dini gempa yang lebih canggih dan responsif, sehingga dapat meningkatkan kesiapan dan keamanan masyarakat dalam menghadapi bencana alam.
......This study focuses on the development of an earthquake early warning system utilizing event-driven architecture and deep-learning models. The aim is to model seismic data to detect initial waves, hypocenters, magnitude, and depth of earthquakes. Data from hundreds of seismograph points were collected and processed using deep-learning models to generate accurate predictions. The system is designed to provide visualizations and information to support the Meteorology, Climatology, and Geophysics Agency (BMKG) in detecting critical earthquake aspects. Additionally, a distributed system was developed to manage large-scale data requests and processing efficiently. An Application Programming Interface (API) is also presented for accessible and understandable data predictions. Finally, the integration of machine learning models with backend and frontend is designed to offer a user-friendly display. This research contributes to the development of a more sophisticated and responsive early warning system, enhancing public preparedness and safety in the face of natural disasters. |
| 090 No. Panggil Setempat | S-pdf |
| d-Entri Utama Nama Orang | |
| 500 Catatan Umum | Tidak dapat diakses di UIANA, karena: data yang digunakan untuk penulisan berasal dari instansi tertentu yang bersifat konfidensial. |
| d-Entri Tambahan Nama Orang | |
| 337 Media Type | computer (rdamedia) |
| 526 Catatan Informasi Program Studi | Ilmu Komputer |
| 100 Entri Utama Nama Orang | Muhammad Agil Ghifari, author |
| 264a Kota Terbit | Depok |
| 300 Deskripsi Fisik | xiv, 128 pages : illustration + appendix |
| 904a Pengisi Lembar Kerja | Amiarsih Indah Purwiati-Februari 2024 |
| Akses Naskah Ringkas | |
| 856 Akses dan Lokasi Elektronik | |
| 502 Catatan Jenis Karya | Skripsi |
| 041 Kode Bahasa | ind |