Abstrak

Proses Poisson non-homogen merupakan proses Poisson dengan parameternya yang bergantung pada
waktu dan tidak konstan dari satu waktu ke waktu berikutnya, serta saling bebas. Selain itu, peluang
tidak ada kejadian pada keadaan awal adalah satu dan peluang n kejadian pada keadaan awal adalah
nol. Pada penelitian ini, proses Poisson non-homogen diterapkan untuk memprediksi peluang
banyaknya kejadian gempa bumi di Indonesia. Karena gempa bumi yang terjadi di Indonesia dari satu
bulan ke bulan berikutnya tidak saling memengaruhi dan banyaknya tidak sama, dengan tidak
memerhatikan penyebab gempa bumi secara geofisikanya. Data yang digunakan dalam penelitian
adalah kejadian gempa bumi di Indonesia dari Januari 2016 sampai Juli 2018, bersumber dari Badan
Meteorologi Klimatologi dan Geofisika yang diperoleh secara online. Hasilnya diperoleh bahwa
peluang prediksi terjadinya gempa bumi di Indonesia pada minggu pertama Desember 2018 sekitar
161 sampai 200 kali yaitu 0,846011426.

1. Pendahuluan
Proses Poisson adalah proses menghitung (counting procesess) untuk banyaknya kejadian yang terjadi
pada waktu tertentu, dengan suatu parameter λ. Proses Poisson merupakan suatu kerjadian khusus dari
proses menghitung dimana selang waktu antarkerjadian saling bebas, memiliki kenaikan bebas (tidak
perlu stasioner), dan semuanya berdistribusi eksponensial. Apabila distribusi eksponensial tersebut
mempunyai nilai parameter yang sama maka dinamakan proses Poisson homogen. Namun, apabila
tidak sama maka dinamakan proses Poisson non-homogen. Proses Poisson non-homogen dengan
 (t )   untuk setiap t  0 adalah proses Poisson biasa.
Proses Poisson non-homogen merupakan proses Poisson dengan parameternya yang
bergantung pada waktu. Artinya bahwa peluang tidak ada kejadian pada keadaan awal adalah satu dan
peluang n kejadian pada keadaan awal adalah nol. Proses Poisson non-homogen dapat diterapkan
pada kehidupan sehari-hari, misalnya kecelakaan kapal [1], kedatangan nasabah suatu bank [2],
pengukuran rata-rata harian gas ozon [3], dan kedatangan bus di terminal. Pada penelitian ini proses
Poisson non-homogen akan diterapkan pada kejadian gempa bumi di Indonesia.
Indonesia kembali berduka, belum selesai pemulihan pasca gempa bumi di Lombok (29/7).
Dua bulan berselang, Indonesia kembali diguncang gempa bumi berkuatan besar mencapai 7,4 SR
yang tidak lama kemudian disusul tsunami setinggi lima meter meluluhlantakkan Kota Palu dan
sekitarnya (28/9). Bahkan tercatat bahwa setelah guncangan gempa berkekuatan besar tersebut disusul
dengan guncangan-guncangan lainnya yang berkekuatan 1,0 sampai 5,0 SR. Sebenarnya kejadian
gempa bumi di Indonesia bukanlah hal yang jarang terjadi, tercatat dalam kurun waktu 15 tahun
terakhir sudah banyak gempa bumi dengan kekuatan magnitudi cukup besar mengguncang Indonesia,
 seperti di Aceh (2004, 2012), Nias (2005), Pangandaran (2006), Bengkulu (2007), Mentawai (2016),
Lombok (2018), dan Palu (2018).
Indonesia secara geografis terletak di antara lempeng Australia, Eurasia, dan Pasifik, sehingga
pergerakan gesekan antarlempeng tersebut bisa menimbulkan gempa bumi dari yang bekekuatan kecil
sampai besar. Selain itu, Indonesia juga termasuk dalam cincin api Pasifik yang merupakan gugusan
gunung berapi di dunia. Hal ini menyebabkan Indonesia sering sekali terjadi gempa bumi, baik
tektonik maupun vulkanik. Badan Meteorologi Klimatologi dan Geofisika (BMKG) mencatat dalam
rentang waktu sebulan gempa bumi yang terjadi di Indonesia bisa mencapai lebih dari 300 kali.
Akibat kejadian gempa bumi tak jarang disusul oleh bencana lainnya, seperti guncangan dan
longsoran tanah maupun tsunami. Gempa bumi berkekuatan besar, biasanya lebih dari 5,0 SR, dapat
menimbulkan kerugian, seperti korban jiwa, rusaknya rumah dan pemukiman, rusaknya infrastruktur
umum (jalan, sekolah, dan rumah sakit), bahkan bisa sampai menimbulkan kebakaran.
Berdasarkan latar belakang masalah yang telah dipaparkan, maka dalam penelitian ini akan
menerapkan proses Poisson non-homogen untuk memprediksi peluang banyaknya kejadian gempa
bumi di Indonesia.

2. Proses Poisson Non-homogen

Percobaan yang menghasilkan nilai-nilai bagi suatu variabel acak X, yaitu banyaknya percobaan yang
terjadi selama selang waktu tertentu atau di suatu daerah tertentu disebut percobaan Poisson.
Percobaan Poisson memiliki ciri-ciri sebagai berikut [4]:
i. Banyaknya hasil percobaan yang terjadi dalam selang waktu atau daerah tertentu, tidak
bergantung banyaknya hasil percobaab yang terjadi pada selang waktu atau daerah lain.
ii. Peluang terjadinya satu hasil percobaab selama selang waktu yang singkat sekali atau daerah
yang sangat kecil, sebanding dengan panjang selang waktu tersebut atau besarnya daerah
tersebut, dan tidak bergantung pada banyaknya hasil percobaan yang terjadi di luar selang waktu
atau daerah lain.
iii. Peluang bahwa lebih dari satu hasil percobaan akan terjadi dalam selang waktu yang singkat atau
daerah yang kecil, dapat diabaikan.
Misalnya X yang menyatakan banyaknya hasil percobaan Poisson disebut variabel acak
Poisson dan distribusi peluangnya disebut distribusi Poisson. Distribusi Poisson merupakan distribusi
peluang diskrit yang menyatakan peluang jumlah kejadian pada periode waktu tertentu jika rata-rata
kejadian antarselang waktu tersebut saling bebas. Distribusi ini biasanya diterapkan pada kejadian
dengan kemungkinannya berjumlah besar dan cukup jarang terjadi.
Definisi 1. [4] Distribusi peluang untuk variabel acak Poisson X, yang menyatakan banyaknya hasil
percobaan yang terjadi selama selang waktu atau daerah tertentu, yaitu:

e   x
p ( x)  ; x  1,2,3,...
x!
dimana  adalah rata-rata banyaknya hasil percobaan yang terjadi selama selang waktu atau daerah
tertentu yang dinyatakan, dan e  2,71828... .

Definisi 2. [5] Proses stokastik {N (t ); t  0} dikatakan sebagai proses menghitung jika N (t )

merepresentasikan jumlah total peristiwa yang telah terjadi dari waktu ke waktu atau dalam interval
waktu t, jika memenuhi :
i. N (t )  0 ,
ii. N (t ) adalah bilangan bulat,
iii. jika s  t maka N ( s )  N (t ),

iv. untuk s  t , N ( s )  N (t ) menyatakan banyaknya kejadian yang terjadi pada interval waktu

( s, t ].
Proses menghitung disebut proses dengan kenaikan bebas (independent increments) jika
banyaknya kejadian yang terjadi pada interval waktu saling bebas. Misalkan, banyaknya kejadian
pada waktu t yaitu N (t ) bebas dari banyaknya kejadian yang terjadi pada waktu antar t dan t  s
yaitu N (t  s)  N (t ).
Proses menghitung disebut proses dengan kenaikan stasioner (stationary increments) jika
distribusi dari banyaknya kejadian yang terjadi pada interval waktu tertentu hanya tergantung pada
panjang dari interval tersebut, tidak bergantung pada letak tersebut. Misalkan, banyaknya kejadian

pada interval waktu (t1  s, t 2  s] yaitu N (t 2  s)  N (t1  s) mempunyai distribusi yang sama
dengan banyaknya kejadian pada interval waktu (t1 , t 2 ] yaitu N (t 2 )  N (t1 ) untuk semua
t1  t 2 , s  0 .
Definisi 3. [5] Proses Poisson adalah suatu proses menghitung dengan parameter   0 jika
memenuhi:
i. N (0)  0,
ii. proses mempunyai kenaikan bebas,
iii. banyaknya kejadian pada interval waktu selama t mengikuti distribusi Poisson dengan rata-rata
t , untuk semua s, t  0

(t ) n
P{N (t  s)  N ( s)  n}  e t ; n  0, 1, 2, ....
n!
Definisi 4. [1] Proses menghitung {N (t ); t  0} dikatakan sebagai proses Poisson non-homogen

dengan fungsi intensitas  (t ) , t  0 , jika:

i. PN (0)  0  1,
ii. proses menghitung {N (t ); t  0} adalah proses stokastik dengan kenaikan bebas,
 k
 t s 
  ( x)dx 
 
t s
    ( x ) dx
iii. P{N (t  s )  N (t )  k} 
 t  e t .
k!
Berdasarkan definisi di atas, maka peluang tidak ada kejadian pada keadaan awal adalah satu dan
banyaknya kejadian yang terjadi pada suatu interval waktu dengan interval waktu berikutnya adalah
saling bebas.

e ( m(t  s )m(t )) (m(t  s )  m(t )) k

t


Misalkan m(t )   ( x)dx , maka P{N (t  s )  N (t )  k} 
k!
0

dengan n  0 . Sehingga, N (t  s)  N (t ) berdistribusi Poisson dengan nilai rata-rata

m(t  s)  m(t ). Demikian untuk n  0 , maka diperoleh P0 ( s)  e ( m(t  s )m(t )) .

Proses Poisson non-homogen juga dapat diilustrasikan dengan gambar di bawah ini:
......................................................................................................................................................
Selain itu, distribusi proses Poisson non-homogen sebagai berikut:
k
t 
  ( x)dx 
  t
    ( x ) dx
P{N (t )  k}   0  e 0 . (1)
k!
Ekspektasi:
t
(t )  E[ N (t )]    ( x)dx, t  0. (2)
0
Nilai yang diharapkan dari kenaikan selang waktu, N (t  s )  N (t ) :
t s
(t , s)  E N (t  s)  N (t )     ( x)dx. (3)
t

3. Data dan Metode Penelitian

Gempa bumi adalah peristiwa bergetar atau bergoncangnya bumi karna pergerakan maupun
pergeseran lapisan batuan pada kulit bumi secara tiba-tiba akibat pergerakan lempeng-lempeng
tektonik atau aktivitas gunung berapi (vulkanik) [6]. Indonesia merupakan daerah dengan keaktifan
gempa bumi yang cukup tinggi, karena secara geografis terletak di antara lempeng Australia, Eurasia,
dan Pasifik, sehingga pergerakan gesekan antarlempeng tersebut bisa menimbulkan gempa bumi dari
yang bekekuatan kecil sampai besar. Selain itu, Indonesia juga termasuk dalam cincin api Pasifik
yang merupakan gugusan gunung berapi di dunia. Badan Meteorologi Klimatologi dan Geofisika
(BMKG) mencatat dalam rentang waktu sebulan gempa bumi yang terjadi di Indonesia bisa mencapai
lebih dari 300 kali. Akibat kejadian gempa bumi tak jarang disusul oleh bencana lainnya, seperti
guncangan dan longsoran tanah, serta tsunami. Gempa bumi berkekuatan besar, biasanya lebih dari
5,0 SR, dapat menimbulkan kerugian, seperti korban jiwa, rusaknya rumah dan pemukiman, rusaknya
infrastruktur umum (jalan, sekolah, dan rumah sakit), bahkan bisa sampai menimbulkan kebakaran.
Pada penelitian ini digunakan data gempa bumi di Indonesia yang diperoleh secara online
bersumber dari Badan Meteorologi Klimatologi dan Geofisika (BMKG) dari Januari 2016 sampai Juli
2018.

1200

1000

800

600

400

200

0
May-16

May-17

May-18
Jan-16

Mar-16

Jan-17

Mar-17

Jan-18

Mar-18
Jul-16

Sep-16

Nov-16

Jul-17

Sep-17

Nov-17

Jul-18
Gambar 1. Banyaknya gempa bumi yang terjadi di Indonesia Januari 2016 sampai Juli 2018 (sumber: data online BMKG
yang diakses pada 15 Oktober 2018 pukul 19.36 WIB).

30

25

20

15

10

Gambar 2. Banyaknya gempa bumi yang terjadi di Indonesia Januari 2016 sampai Juli 2018 dengan magnitudo lebih dari
5,0 SR.
Dapat dilihat pada Gambar 1 dan 2, bahwa gempa bumi yang terjadi dari satu bulan ke bulan
berikutnya tidak saling memengaruhi dan banyaknya tidak sama, dengan tidak memerhatikan
penyebab gempa bumi secara geofisikanya. Sehingga banyaknya kejadian gempa bumi dapat
diasumsikan sebagai proses Poisson non-homogen.
Analisis Regresi
 Pada dasarnya, regresi linear sederhana merupakan pengaruh atau hubungan secara fungsional antara
satu variabel bebas (X) dengan satu variabel tak bebas (Y). Pada penelitian ini, regresi linear
digunakan untuk menghubungkan variabel bebasnya waktu (perhari) dan variabel tak bebasnya
banyaknya kejadian gempa bumi di Indonesia. Berikt ini persamaan umum regresi linear sederhana:

Yˆ  a  bX (4)
dengan

Yˆ : banyaknya variabel tak bebas yang diperkiraan

a : nilai Y jika X  0
b : koefesien regresi
X : variabel bebas.
Dimana nilai a dan b dapat dicari dengan rumus sebagai berikut:

Yi  X i2   X i  X iYi 

a ,
n X i2   X i 
2 (5)

n X i Yi   X i  Yi 
b .
n X i2   X i 
2 (6)

4. Pembahasan dan Hasil

Pada proses Poisson non-homogen terdapat parameter  (x ) , dengan x adalah waktu, dalam

penelitian ini digunakan regresi linear sederhana untuk penaksiran parameter  (x ) tersebut.
Sehingga model kejadian gempa bumi di Indonesia setiap harinya adalah sebagai berikut:
 ( x)  13,0444  0,01242 x. (7)
Selanjutnya akan dicari perkiraan atau ekspektasi banyaknya kejadian gempa bumi pada pada minggu
pertama bulan Desember 2018 dimana 1065  t  1086 , dengan menggunakan persamaan (3) dan
(7), maka diperoleh:
1072
(1065,1072)  13,0444  0,01242 xdx  184,20619.
1065

Artinya diperkirakan banyak gempa bumi yang terjadi pada minggu pertama bulan Desember, yaitu
sekitar 184 kali. Dengan menggunakan Definisi 4, diperoleh peluang banyaknya k gempa bumi
sebagaimana tabel dibawah ini.

Tabel 1. Peluang banyaknya k gempa bumi pada minggu pertama Desember 2018.
k P{N (t  s)  N (t )  k} k P{N (t  s)  N (t )  k} k P{N (t  s)  N (t )  k} k P{N (t  s)  N (t )  k}
1 161 0.006822844153 181 0.02881920312 191 0.02549476226
2 162 0.007758087200 182 0.02916854730 192 0.02445985949
3 163 0.008767409109 183 0.02936080308 193 0.02334537577
4 164 0.009847628223 184 0.02939370473 194 0.02216681816
 5 165 0.010993903490 185 0.02926758032 195 0.02093982112
6 166 0.012199669120 186 0.02898531969 196 0.01967981974
7 167 0.013456614180 187 0.02855227436 197 0.01840174930
8 168 0.014754712080 188 0.02797609402 198 0.01711977842
9 169 0.016082303530 189 0.02726650631 199 0.01584708120
10 170 0.016082303530 190 0.02643504862 200 0.01459565225
dst... dst... dst...

Karena proses Poisson non-homogen hanya untuk menghitung peluang banyaknya k gempa bumi,
maka untuk peluang banyaknya gempa bumi yang terjadi dengan k antara 161 sampai 200 kali
menggunakan distribusi Poisson, sehingga diperoleh
P161k 200  P(161  N (t  s)  N (t )  200)
200
184,20619 k 184,20619
  k !
e
k 161
 0,846011416.
Artinya peluang banyaknya gempa yang terjadi pada minggu pertama bulan Desember 2018 sekitar
161 sampai 200 kali adalah 0,846011426.
Gempa bumi dengan magnitudo lebih dari 5,0 SR sudah mulai dapat dirasakan oleh banyak
orang dan menyebabkan kerusakan ringan sampai berat pada sebuah bangunan, dengan tidak
memerhatikan kedalaman pusat gempa. Maka perkiraan banyaknya kejadian gempa bumi di Indonesia
dengan magnitudo lebih dari 5,0 SR pada minggu pertama bulan Desember 2018, yaitu:
1072
1 (1065,1072)   0,0298113,0444  0,01242 x dx  5,491186524.
1065

Artinya diperkirakan banyak gempa bumi dengan magnitudo lebih dari 5,0 SR yang terjadi pada
minggu pertama bulan Desember, yaitu sekitar 5 kali. Sehingga dengan nilai perkiraan tersebut akan
dicari peluang banyaknya gempa bumi yang terjadi antara 3 sampai 8 kali, dengan menggunakan
distribusi Poisson, maka
P3k 8  P(3  N (t  s)  N (t )  8)
8
5,491186524 k 5,491186524
  k!
e
k 3
 0,8061804463.
Artinya peluang banyaknya gempa bumi di Indonesia dengan magnitudo lebih dari 5,0 SR yang
terjadi pada minggu pertama bulan Desember 2018 sekitar 3 sampai 8 kali adalah 0,8061804463.

5. Simpulan
Indonesia merupakan salah satu negara dengan potensi gempa bumi yang cukup tinggi karena secara
geografis terletak di antara tiga lempeng, yaitu lempeng Australia, Eurasia, dan Pasifik. Selain itu,
Indonesia juga termasuk dalam cincin api Pasifik yang merupakan gugusan gunung berapi di dunia.
Hal ini menyebabkan Indonesia cukup sering terjadi gempa bumi baik tektonik maupun vulkanik.
Gempa bumi yang terjadi di Indonesia dari satu bulan ke bulan berikutnya tidak saling memengaruhi
dan banyaknya tidak sama, dengan tidak memerhatikan penyebab gempa bumi secara geofisikanya.
Sehingga banyaknya kejadian gempa bumi dapat diasumsikan sebagai proses Poisson non-homogen.
Hasilnya diperoleh bahwa pada minggu pertama bulan Desember peluang banyaknya gempa bumi di
Indonesia sekitar 161 sampai 200 kali yaitu 0,846011426. Sedangkan untuk gempa bumi di Indonesia
dengan magnitudo lebih dari 5,0 SR sekitar 3 sampai 8 kali adalah 0,8061804463.

Referensi
[1] Grabski, F. 2017. Nonhomogenous Poisson Process Application to Modelling Accidents
Number at Baltic Sea Waters and Ports. University of Turku, Finland: HAZARD
Project.
[2] Yanti, M., Salam, N., Anggraini D. 2015. Penerapan Proses Poisson Non-homogen untuk
Menentukan Distribusi Probabilitas Kedatangan Nasabah di BNI Banjarbaru. Jurnal
Fisika FLUX, Vol. 12 No. 1, halaman: 77-85.
[3] Vicini, L., Hotta, L. K., Achar, J. A. 2012. Non-Homogeneous Poisson Processes Applied to
Count Data: A Bayesian Approach Considering Different Prior Distributions. Journal of
Enviromental Protection, 3, 1336-1345.
[4] Walpole, R. E. 1995. Pengantar Statistika Edisi ke-3. Jakarta: Gramedia Pustaka Utama.
[5] Ross, S. M. 1996. Stochastic Processes Second Edition. Canada: John Wiley & Sons.
[6] Sunarjo, Gunawan, M. T., Pribadi, S. 2012. Gempa Bumi Edisi Populer. Jakarta: Badan
Meteorologi Klimatologi dan Geofisika.