Menduga Lokasi Gempa Susulan

Bukan hanya memprediksi terjadinya gempa, kecerdasan buatan (artificial intelligence/AI) juga dapat memperkirakan gempa susulan. Dengan analisis jaringan saraf, sistem dapat mengetahui lokasi getaran selanjutnya akan terjadi.
Gempa susulan meski magnitudonya lebih kecil, kadang lebih merusak dari gempa utama. Contohnya, gempa bumi berkekuatan 7,1 di dekat Christchurch, Selandia Baru, September 2010 tidak memakan korban jiwa. Namun, pada gempa susulan berkekuatan 6,3, mengakibatkan 185 orang tewas.
Dengan pembelajaran mesin (machine learning) berbasis AI yang menganalisis ratusan ribu gempa bumi dapat berguna untuk memprediksi lokasi gempa susulan. Kecerdasan buatan akan mengenali perubahan tekanan tanah seperti selama gempa bumi besar, memicu gempa yang mengikutinya.
"Kami benar-benar baru saja menggali ke permukaan tentang yang mungkin dapat dilakukan oleh pembelajaran mesin untuk prakiraan gempa susulan," kata ahli seismologi di Universitas Harvard di Cambridge Massachusetts, Phoebe DeVries, seperti dikutip Nature.
Para ahli gempa umumnya dapat memprediksi besaran gempa susulan akan terjadi. Namun kelemahannya, mereka yang menggunakan teknik perhitungan tekanan batuan terdekat belum dapat memperkirakan di mana gempa akan terjadi.
Metode kegagalan tegangan (stress-failure method) tersebut memang dapat menjelaskan pola gempa susulan dengan sukses untuk banyak gempa bumi besar, meski tidak selalu berhasil. Dengan memanfaatkan data masa lalu, pembelajaran mesin dapat menghasilkan metode prediksi lebih baik. "Pembelajaran mesin adalah alat yang ampuh dalam skenario semacam itu," kata DeVries.
Sama seperti penelitian yang dilakukan oleh peneliti lain memanfaatkan AI, DeVries memanfaatkan jaringan saraf (neural network) yang berasal lebih dari 31.000 gempa utama dan susulan. Hal ini termasuk beberapa gempa paling kuat dalam sejarah baru-baru ini, yaitu gempa berkekuatan 9,1 di Jepang pada Maret 2011.

Melatih Saraf
Data tersebut digunakan untuk melatih jaringan saraf yang memodelkan kisi-kisi sel, dengan panjang jari-jari 5 km ke samping, mengelilingi setiap guncangan utama. Sistem akan memberitahu jaringan saraf ketika gempa bumi telah terjadi dan memberikan data tentang bagaimana tegangan berubah di pusat setiap sel jaringan.
Kemudian, para ilmuwan memintanya untuk memberikan probabilitas bahwa setiap sel grid akan menghasilkan satu atau lebih gempa susulan. Jaringan memperlakukan setiap sel sebagai masalah kecil yang terisolasi untuk dipecahkan, daripada menghitung bagaimana tegangan beriak secara berurutan melalui bebatuan.
"Ketika para peneliti menguji sistem pada 30.000 peristiwa gempa susulan, prakiraan jaringan saraf memperkirakan lokasi gempa susulan lebih akurat daripada metode stres-kegagalan biasa. Mungkin yang lebih penting," kata DeVries
Penemuan ini merupakan langkah yang baik untuk memeriksa gempa susulan dengan mata segar. "Algoritma pembelajaran mesin memberitahu kita sesuatu yang mendasar tentang proses kompleks yang mendasari pemicu gempa," kata seismolog di Laboratorium Nasional Los Alamos di New Mexico, Amerika Serikat, Daniel Trugman. hay/G-1