https://github.com/ccoupse/mitigasi-kita-machine-learning
Machine learning module for MitigasiKita, a web-based early warning system for earthquake and tsunami risk prediction in Indonesia using TensorFlow and Keras.
https://github.com/ccoupse/mitigasi-kita-machine-learning
data-science deep-learning deepneuralnetworks disaster-mitigation earthquake-prediction keras machine-learning python tensorflow tsunami-warning
Last synced: 2 months ago
JSON representation
Machine learning module for MitigasiKita, a web-based early warning system for earthquake and tsunami risk prediction in Indonesia using TensorFlow and Keras.
- Host: GitHub
- URL: https://github.com/ccoupse/mitigasi-kita-machine-learning
- Owner: CCoupse
- Created: 2025-05-26T11:27:59.000Z (about 1 year ago)
- Default Branch: main
- Last Pushed: 2025-06-10T08:32:03.000Z (about 1 year ago)
- Last Synced: 2025-06-17T16:52:52.880Z (about 1 year ago)
- Topics: data-science, deep-learning, deepneuralnetworks, disaster-mitigation, earthquake-prediction, keras, machine-learning, python, tensorflow, tsunami-warning
- Language: Jupyter Notebook
- Homepage: https://mitigasi-kita-app-frontend.vercel.app/
- Size: 19.1 MB
- Stars: 0
- Watchers: 0
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# MitigasiKita: Machine Learning untuk Sistem Peringatan Dini Gempa & Tsunami
**MitigasiKita** adalah modul machine learning untuk sistem peringatan dini berbasis web yang bertujuan memitigasi risiko gempa bumi dan tsunami di Indonesia, sekaligus menyediakan panduan evakuasi. Modul ini menggunakan **Deep Neural Network (DNN)** dan **Convolutional Neural Network (CNN)** dengan TensorFlow dan Keras untuk memprediksi tingkat risiko (Aman, Waspada, Berbahaya) berdasarkan data geologi dari BMKG dan data cuaca dari Open-Meteo.
## Daftar Isi
- [Latar Belakang](#latar-belakang)
- [Tech Stack](#tech-stack)
- [Struktur Direktori](#struktur-direktori)
- [Instalasi](#instalasi)
- [Cara Menjalankan](#cara-menjalankan)
- [Dataset](#dataset)
- [Pipeline Machine Learning](#pipeline-machine-learning)
- [Kontribusi](#kontribusi)
- [Tim](#tim)
- [Lisensi](#lisensi)
## Latar Belakang
Modul machine learning ini dikembangkan untuk mendukung aplikasi web MitigasiKita, yang memberikan prediksi risiko gempa dan tsunami secara real-time serta panduan evakuasi berbasis data. Model dilatih menggunakan data geologi (magnitudo, kedalaman, koordinat) dan cuaca (suhu, curah hujan, kecepatan angin), dengan pipeline preprocessing seperti pembersihan data, imputasi nilai hilang, dan normalisasi. Hasil prediksi diintegrasikan ke backend melalui fungsi inferensi untuk mendukung keputusan evakuasi cepat.
## Tech Stack
- **Python**: 3.9+ (diuji pada 3.11.9)
- **TensorFlow**: 2.15.0
- **Keras**: 2.15.0
- **Pandas**: 2.2.2
- **Scikit-learn**: 1.5.0
- **NumPy**: 1.26.4
- **Matplotlib**: 3.8.4
- **Seaborn**: 0.13.2
- **Plotly**: 5.22.0
- **Imbalanced-learn**: 0.12.3
- **Geopy**: 2.4.1
- **Requests**: 2.32.3
- **Jupyter**: 1.0.0
## Struktur Direktori
```
mitigasi-kita-machine-learning/
├── assets/
│ └── logo-app.png
├── data/
│ └── gempa_dan_cuaca_dengan_prediksi_v2.csv
├── models/
│ ├── model_dnn.h5
│ ├── preprocessor.pkl
│ ├── label_encoder.pkl
├── Notebook.ipynb
├── requirements.txt
├── README.md
├── .gitignore
├── LICENSE
```
## Instalasi
1. Clone repositori ini:
```bash
git clone https://github.com/CCoupse/mitigasi-kita-machine-learning.git
cd mitigasi-kita-machine-learning
```
2. Buat virtual environment:
```bash
python -m venv venv
source venv/bin/activate # Linux/Mac
venv\Scripts\activate # Windows
```
3. Install dependensi:
```bash
pip install -r requirements.txt
```
## Cara Menjalankan
1. Buka `Notebook.ipynb` menggunakan Jupyter Notebook atau JupyterLab:
```bash
jupyter notebook Notebook.ipynb
```
2. Jalankan sel-sel kode untuk melihat proses EDA, preprocessing, pelatihan model, dan evaluasi.
3. Untuk inferensi, model (`model_dnn.h5`) dan pipeline preprocessing (`preprocessor.pkl`, `label_encoder.pkl`) diintegrasikan ke backend (lihat [repositori backend](https://github.com/zainalsaputra/mitigasi-kita-app-backend)).
## Dataset
- **File**: `data/gempa_dan_cuaca_dengan_prediksi_v2.csv`
- **Sumber**: BMKG (data gempa), Open-Meteo (data cuaca)
- **Deskripsi**: Berisi 54.901 baris dan 22 kolom, dengan fitur seperti magnitudo, kedalaman, koordinat (latitude, longitude), dan kondisi cuaca (suhu, curah hujan, kecepatan angin, dll.) untuk memprediksi tingkat risiko.
- **Distribusi Kelas**:
- Aman: 37.727 (68.8%)
- Waspada: 17.100 (31.2%)
- Berbahaya: 9 (0.02%)
## Pipeline Machine Learning
1. **Exploratory Data Analysis (EDA)**: Visualisasi distribusi kelas risiko, histogram magnitudo, dan korelasi fitur menggunakan heatmap.
2. **Preprocessing**:
- Cleaning: Menghapus data duplikat dan nilai hilang (65 baris).
- Imputasi: Mengisi nilai hilang dengan median atau modus.
- Balancing: Menggunakan SMOTE untuk menangani ketidakseimbangan kelas.
- Normalisasi: Menggunakan StandardScaler untuk fitur numerik.
- Encoding: Menggunakan LabelEncoder untuk kelas risiko (Aman, Waspada, Berbahaya) dan OneHotEncoder untuk fitur kategorikal (misalnya, mag_type, location).
3. **Pelatihan Model**:
- Arsitektur: Deep Neural Network (DNN) dan Convolutional Neural Network (CNN) dengan TensorFlow/Keras.
- Pembagian Dataset: 70% train, 15% validation, 15% test (22.637 sampel uji).
- Metrik Evaluasi:
- DNN: Akurasi 99.95%, precision/recall/F1-score 1.00 untuk semua kelas.
- CNN: Akurasi 99.97%, precision/recall/F1-score 1.00 untuk semua kelas.
4. **Inferensi**: Model disimpan sebagai `model_dnn.h5`, digunakan untuk prediksi real-time via API dengan data cuaca dari Open-Meteo dan lokasi dari Nominatim.
## Kontribusi
Kami menyambut kontribusi! Silakan fork repositori ini, buat branch baru, dan ajukan pull request. Pastikan untuk mengikuti pedoman kode dan menguji perubahan Anda.
## Tim
**ID Tim**: CC25-CF278
- Dearmawan (ML, Universitas Mikroskil, MC172D5Y1422)
- Julianti (ML, Universitas Mikroskil, MC172D5X1418)
- Zainal Saputra (ML, ITSK RS dr Soepraoen, MC634D5Y1076)
- Puput Purwaningsih (FEBE, Universitas Nurdin Hamzah, FC614D5X1635)
- Aprilia Nurhaliza (FEBE, Universitas Pendidikan Indonesia, FC299D5X2118)
- Andres Junika Putra (FEBE, Universitas Mercu Buana Yogyakarta, FC613D5Y1033)