Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Seismometer adalah instrumen penting dalam memantau gempa bumi dan aktivitas seismik lainnya. Namun, kinerjanya dapat menurun seiring waktu karena berbagai faktor, seperti kondisi lingkungan, komponen yang menua, dan gangguan eksternal. Hal ini dapat menyebabkan pengumpulan data yang tidak akurat. Saat ini belum ada metode yang dapat digunakan untuk mengevaluasi kinerja seismometer. Dalam penelitian ini, mengembangkan metode diagnosis kesehatan seismometer yang berbasis pada analisis sinyal seismik.  Metode yang dikembangkan mengunakan model machine learning SVM dan random forest  berdasarkan feature korelasi silang dan  rasio amplitudo,  Metode ini menghasil kan 4 indikator kesehatan yaitu Excellent, Good, Fair dan Poor, Nilai korelasi silang dan rasio amplitudo di dapatkan  melalui korelasi antara 2 jenis sinyal seismik yaitu sinyal seismik target dan beberapa sinyal seismik referensi sehingga dapat diketahui bahwa seismometer yang dalam kondisi sangat bagus memiliki nilai korelasi silang dan rasio amplitudo ± 0.9 – 1. Metode yang digunakan sudah dievaluasi dengan mengunakan 6 event gempa teleseismik : Jepang 2024, Alaska Peninsula 2023, New Caledonia 2023, Turkey 2023, Tongga 2023 dan Solomon 2022 dengan model SVM dan Random Forest untuk mengklasifikasikan kesehatan seismometer didapatkan akurasi 95 % dna 88 %.

---

Seismometers are crucial instruments for monitoring earthquakes and other seismic activities. However, their performance can degrade over time due to various factors such as environmental conditions, aging components, and external disturbances. This can lead to inaccurate data collection. Currently, there is no method available to evaluate the performance of seismometers. In this study, we developed a seismometer health diagnosis method based on seismic signal analysis. The developed method uses SVM and random forest machine learning models based on cross-correlation features and amplitude ratios. This method produces four health indicators: Excellent, Good, Fair, and Poor. The cross-correlation values and amplitude ratios are obtained through the correlation between two types of seismic signals, namely the target seismic signal and several reference seismic signals. It can be known that seismometers in excellent condition have cross-correlation values and amplitude ratios of approximately 0.9 – 1. The method used has been evaluated using six teleseismic earthquake events: Japan 2024, Alaska Peninsula 2023, New Caledonia 2023, Turkey 2023, Tonga 2023, and Solomon 2022. Using SVM and Random Forest machine learning models to classify seismometer health, accuracies of 95% and 88% were obtained respectively."

"Gempa bumi dapat menimbulkan dampak yang cukup besar, baik dalam hal besarnya nilai kerugian maupun luasnya wilayah terdampak. Implikasi keuangan dari gempa bumi besar dapat memiliki efek jangka panjang. Oleh karena itu, perusahaan perlu memahami karakteristik dari kejadian gempa. Penelitian ini mengukur Operational Value at Risk (VaR) untuk klaim asuransi gempa bumi menggunakan data sesi statistik (MAIPARK) tahun 2014-2021. Perhitungan risiko operasional dengan model Loss Distribution Approach-Aggregation (Monte Carlo Simulation) bertujuan untuk memperkirakan perkiraan cadangan modal berdasarkan distribusi frekuensi dan distribusi keparahan data historis. Hasil penelitian menunjukkan bahwa distribusi frekuensi kerugian klaim asuransi gempa bumi mengikuti pola distribusi geometrik, sedangkan distribusi keparahan menunjukkan pola distribusi eksponensial. Dengan tingkat kepercayaan 95%, nilai VaR risiko operasional adalah Rp 2.792.721.528.565,80, dan uji validitas atau backtesting menggunakan uji Kupiec dengan satu kesalahan, dan model dapat diterima.

---

Earthquakes may cause a considerable impact, both in loss and the area. The financial implications of a major earthquake can have a long-lasting effect. Therefore, companies need to understand the essential characteristics of earthquake events. This research measures the Operational Value at Risk (VaR) for claim catastrophe Insurance using statistical session (MAIPARK) data for 2014-2021. Calculation of operational risk with loss distribution approach aggregation model (Monte Carlo Simulation) aims to estimate capital reserve estimates based on the frequency distribution and severity distribution of historical data. The results showed that the frequency distribution of earthquake insurance claim losses followed a geometric distribution pattern, while the severity distribution showed an exponential distribution pattern. With a 95% confidence level, the operational risk VaR value is IDR 2,792,721,528,565.80, and the validity test or backtesting uses the Kupiec test with one error, and the model is acceptable."

"Terjadi peningkatan intensitas gempabumi Jawa Barat. Daryono (2022) mengungkapkan Jawa Barat merupakan daerah dengan seismik aktif dan kompleks. Guncangan aktif yang terjadi akibat banyaknya sumber gempa di Jawa Barat, di antaranya bersumber dari megathrust dan sesar aktif. Dengan mempertimbangkan kondisi tektonik Jawa Barat yang rentan terhadap bencana gempabumi maka dilakukanlah penelitian yang bertujuan untuk menganalisis probabilitas bahaya gempabumi berdasarkan nilai Peak Ground Acceleration (PGA) di Jawa Barat. Metode yang digunakan untuk mencari nilai PGA adalah metode Probabilistic Seismic Hazard Analysis (PSHA). Metode PSHA memperhitungkan berbagai macam skenario selain parameter gempabumi, yaitu faktorfaktor ketidakpastian seperti lokasi, ukuran, dan frekuensi gempabumi (Kramer, 1996). Penelitian ini menggunakan sumber data berupa riwayat gempabumi, informasi karakteristik sesar aktif, zona megathrust, dan zona background di sekitar Jawa Barat, serta fungsi atenuasi sesuai dengan sumber gempabuminya. Seluruh data diproses melalui konversi magnitudo, pemisahan gempa utama, identifikasi dan karakterisasi sumber gempa, memasukkan fungsi atenuasi, pembobotan dengan logic tree, perhitungan total PSHA hingga menghasilkan tiga peta persebaran nilai PGA batuan dasar dengan probabilitas terlampaui (PoE) 10%, 5%, dan 2% dalam masa guna bangunan 50 tahun. Peta pertama dengan PoE 10% nilai PGA di Jawa Barat berkisar antara 0.2 g - 0.8g. Peta kedua dengan PoE 5% nilai PGA berkisar antara 0.3 g - 1 g. Peta ketiga dengan PoE 2% nilai PGA berkisar antara 0.3 g - 1.3 g. Jika dikonversikan dalam skala MMI, maka nilai ini termasuk intensitas VIII (getaran terasa hebat dan potensi kerusakan sedang) hingga intensitas X (getaran terasa ekstrem dan potensi kerusakan sangat parah). Nilai PGA dipengaruhi oleh jarak lokasi penelitian terhadap sumber gempabumi berupa megathrust dan patahan. Pada penelitian ini juga dihasilkan peta percepatan spektral (SA) saat periode 0.2 detik dan 1 detik. Ketika periode 0.2 detik nilai SA berkisar antara 2 g - 2.8 g dan ketika periode 1 detik nilai SA berkisar antara 0.3 g - 1.3 g.

---

There has been an increase in the intensity of the West Java earthquake. Daryono (2022) revealed that West Java is a seismically active and complex area. The active shaking that occurs due to West Java has many earthquake sources, including megathrust and active faults. By considering the tectonic conditions of West Java that are vulnerable to earthquake disasters, this study aims to analyze the probability of earthquake hazard based on Peak Ground Acceleration (PGA) values in West Java. The method used to find the PGA value is the Probabilistic Seismic Hazard Analysis (PSHA). The PSHA method takes into various scenarios besides earthquake parameters, such as location, size, and frequency of earthquakes (Kramer, 1996). This study uses earthquake history data, information on the characteristics of active faults, megathrust zones, and background zones around West Java, as well as attenuation functions according to the earthquake source. All data has been processed through magnitude conversion, declustering of main earthquakes, identification and characterization of earthquake sources, insertion of attenuation functions, logic tree, calculation of total PSHA, resulting three distribution maps of bedrock PGA with a probability of exceedance (PoE) of 10%, 5%, and 2% within a 50-year building life. The first map with a PoE of 10% PGA values in West Java range 0.2 g - 0.8g. The second map with a PoE of 5% PGA range 0.3g - 1g. The third map with a PoE of 2% PGA range 0.3g - 1.3g. If converted to the MMI scale, these values are included in intensity VIII (severe vibration and moderate damage potential) to intensity X (extreme vibration and severe damage potential). The PGA value is influenced by the distance of the research location to the earthquake source (megathrust and fault). This study also produced spectral acceleration (SA) maps for periods of 0.2 seconds and 1 second. During the 0.2-second period, the SA values 2 g - 2.8 g and during the 1-second period, the SA value ranges 0.3 g - 1.3 g. The PGA value is influenced by the distance of the study location."

"Mengembangkan onsite-EEW (Earthquake Early Warning) merupakan masalah yang menantang karena keterbatasan waktu dan jumlah informasi yang dapat dikumpulkan sebelum peringatan dikeluarkan. Pendekatan yang dapat dilakukan untuk mencegah bencana akibat gempabumi adalah dengan memprediksi tingkat percepatan tanah di suatu lokasi menggunakan sinyal gelombang-P awal dan memberikan peringatan sebelum puncak percepatan tanah yang besar terjadi. Dalam kondisi sebenarnya, keakuratan prediksi merupakan masalah yang paling penting untuk sistem peringatan dini gempabumi. Pada penelitian ini mengimplementasi metode berbasis kecerdasan buatan untuk memprediksi tingkat getaran gempabumi secara dini, ketika gelombang P tiba di stasiun seismik. Sebuah model CNN dibangun untuk membuat prediksi dengan menggunakan small window 3 detik awal gelombang P dari rekaman accelerometer. Model ini dibangun dengan dataset dengan input gelombang seismik dengan variasi 3,2 dan 1 detik data gempabumi di wilayah Jawa Barat 2017 hingga 2023 dengan pembagian 80% data latih,, 10% data validasi dan 10% data uji . Dari evaluasi model terbaik, skema yang diusulkan mendapatkan akurasi 99.30%±0.63% dengan data uji.

---

Developing onsite-EEW (Earthquake Early Warning) is a challenging problem due to the limited time and amount of information that can be gathered before a warning is issued. A possible approach to preventing earthquake-induced disasters is to predict the level of ground acceleration at a site using early P-wave signals and provide warnings before large ground acceleration peaks occur. In actual conditions, the accuracy of prediction is the most important issue for earthquake early warning systems. This study implements an artificial intelligence-based method to predict the level of earthquake tremors early, when P-waves arrive at seismic stations. A CNN model is built to make predictions using a small window of the first 3 seconds of P-waves from accelerometer recordings. The model was built with a dataset with seismic wave input with 3,2 and 1 second variations of earthquake data in the West Java region from 2017 to 2023 with a division of 80% training data, 10% validation data and 10% test data. From the evaluation of the best model, the proposed scheme obtained an accuracy of 99.30%±0.63% with test data."

"Salah satu solusi kemacetan lalu lintas di Jakarta adalah dengan membangun sistem transportasi massal berupa Mass Rapid Transit (MRT), khususnya penerapan struktur terowongan bawah tanah. Penelitian ini mengkaji tentang pemodelan perilaku terowongan terhadap pengaruh beban gempa. Studi ini menghitung perilaku terowongan melingkar dalam kondisi statis dan dinamis akibat efek gempa. Analisis kondisi statis menggunakan teori Muir Wood dan kondisi dinamis menggunakan teori Wang (1993) dan Panzien (2000) serta didukung dengan perhitungan empiris dan numerik. Kedalaman terowongan MRT di area Fase 1 berada pada kedalaman 11 meter dan di modelkan di fase 2 dengan kedalaman yang sama. Dengan didominasi oleh tanah lempung dengan kekerasan 3 - 20. Hasil penelitian menunjukkan bahwa pada jalur fase-1 kondisi statik terdapat deformasi terowongan yang bekerja pada 17.17 mm secara empiris. Dan kondisi dinamik pada empiris menunjukkan deformasi 15.50 mm dan 4.06 mm secara numerik yang diberikan beban gempa lebih dari 0.4 g. Pada fase-2 pada kondisi statik  menunjukkan nilai deformasi 23.5 mm secara empirik. Pada kondisi dinamik dengan percepatan gempa 0.3 – 0.4 g menghasilkan deformasi 17.28 mm secara empiric dan 5.22 mm pada beban gempa yang melebih kapasitas. Syarat terowongan memenuhi persyaratan deformasi berbanding lurus dengan kondisi material tanah dan batuan yang terkandung dan kondisi beban gempa yang tidak melebihi 0.4 g sebagai standar pembangunan infrastruktur bawah tanah di Jakarta.

---

One solution to traffic congestion in Jakarta is to build a mass transportation system in the form of Mass Rapid Transit (MRT), especially the application of underground structures. This study examines the behavioral modeling of the effects of the earthquake. This study generates dynamic services from the results in static conditions and earthquake effects. Analysis of statistical conditions using Muir Wood theory and dynamic conditions using the theory of Wang (1993) and Panzien (2000) and supported by empirical and numerical calculations. The depth of the MRT in the Phase 1 area is at a depth of 11 meters and is modeled in Phase 2 with the same depth. It is dominated by clay with a hardness of 3 - 20. The results show that in the phase-1 path under static conditions there is a deformation that works at 17.17 mm empirically. And the dynamic conditions empirically show deformation of 15.50 mm and 4.06 mm numerically given an earthquake load of more than 0.4 g. In phase-2 under static conditions, it shows a deformation value of 23.5 mm empirically. In dynamic conditions with an earthquake acceleration of 0.3 – 0.4 g, it produces 17.28 mm deformation empirically and 5.22 mm at an earthquake load that exceeds capacity. Deformation requirements that are straight with the conditions of the soil and rock materials contained and the conditions of earthquake loads that do not exceed 0.4 g as a standard for Jakarta's underground infrastructure."

"Penelitian ini akan berfokus pada evaluasi metode-metode sistem peringatan dini gempa bumi yang telah dipublikasikan oleh peneliti-peneliti lainnya dan dapat diakses secara publik. Tujuan dari adanya penelitian ini adalah untuk mengevaluasi kelebihan dan kekurangan dari masing-masing metode dalam memprediksi gelombang P/S, magnitudo, dan lokasi gempa bumi serta memberikan rekomendasi metode apa yang sebaiknya dikembangkan lebih lanjut, terutama untuk sistem peringatan dini gempa bumi di Indonesia. Penulis mengumpulkan data dari ratusan titik seismograf di Indonesia dan menggunakannya sebagai input untuk metode-metode yang digunakan dalam penelitian ini. Evaluasi yang akan dilakukan adalah evaluasi kuantitatif dengan menggunakan metrik-metrik yang sesuai dengan hasil dari metode-metode yang digunakan. Penelitian ini berkontribusi dalam memberikan rekomendasi sistem peringatan dini gempa bumi untuk Indonesia, sehingga dapat meningkatkan kesiapan dan keamanan masyarakat dalam menghadapi bencana alam.

---

This research will focus on evaluating earthquake early warning systems that have been published by other researchers and are publicly accessible. The goal of this research is to assess the strengths and weaknesses of each method in predicting P/S waves, magnitude, and earthquake location, as well as to provide recommendations on which methods should be further developed, especially for earthquake early warning systems in Indonesia. I have collected data from hundreds of seismograph stations in Indonesia and used it as input for the methods utilized in this research. The evaluation will be quantitative, using metrics that correspond to the results of the methods employed. This research contributes to providing recommendations for earthquake early warning systems in Indonesia, thereby enhancing the preparedness and safety of the community in facing natural disasters."

"Penelitian ini akan berfokus pada evaluasi metode-metode sistem peringatan dini gempa bumi yang telah dipublikasikan oleh peneliti-peneliti lainnya dan dapat diakses secara publik. Tujuan dari adanya penelitian ini adalah untuk mengevaluasi kelebihan dan kekurangan dari masing-masing metode dalam memprediksi gelombang P/S, magnitudo, dan lokasi gempa bumi serta memberikan rekomendasi metode apa yang sebaiknya dikembangkan lebih lanjut, terutama untuk sistem peringatan dini gempa bumi di Indonesia. Penulis mengumpulkan data dari ratusan titik seismograf di Indonesia dan menggunakannya sebagai input untuk metode-metode yang digunakan dalam penelitian ini. Evaluasi yang akan dilakukan adalah evaluasi kuantitatif dengan menggunakan metrik-metrik yang sesuai dengan hasil dari metode-metode yang digunakan. Penelitian ini berkontribusi dalam memberikan rekomendasi sistem peringatan dini gempa bumi untuk Indonesia, sehingga dapat meningkatkan kesiapan dan keamanan masyarakat dalam menghadapi bencana alam.

---

This research will focus on evaluating earthquake early warning systems that have been published by other researchers and are publicly accessible. The goal of this research is to assess the strengths and weaknesses of each method in predicting P/S waves, magnitude, and earthquake location, as well as to provide recommendations on which methods should be further developed, especially for earthquake early warning systems in Indonesia. I have collected data from hundreds of seismograph stations in Indonesia and used it as input for the methods utilized in this research. The evaluation will be quantitative, using metrics that correspond to the results of the methods employed. This research contributes to providing recommendations for earthquake early warning systems in Indonesia, thereby enhancing the preparedness and safety of the community in facing natural disasters."

"Studi pemilihan tapak pembangkit tenaga nuklir telah banyak dilakukan di beberapa tempat di Indonesia, diantaranya adalah di Muria (Jepara) yang dilakukan pada tahun 1990-an, Banten yang dilakukan pada tahun 2011, dan di Pulau Bangka yang dilakukan pada tahun 2010-an. Studi tersebut dilakukan salah satunya dengan mempertimbangkan aspek geologi, seismologi dan geoteknik. Terkait dengan aspek geologi dan seismologi tersebut, Indonesia merupakan negara yang terletak di daerah dengan tingkat aktivitas gempabumi tinggi dan juga negara dengan kondisi geologi yang kompleks. Kondisi tersebut diakibatkan bertemunya tiga lempeng tektonik utama dunia yakni : Samudera India - Australia di sebelah selatan, Samudera Pasifik di sebelah Timur dan Eurasia, dimana sebagian besar wilayah Indonesia berada di dalamnya. Kondisi geologi yang kompleks dari calon tapak PLTN di Bangka tersebut menghasilkan kondisi geologi lokal dalam hal ini adalah menghasilkan struktur patahan geologi yang kemungkinan akan berpengaruh terhadap respon spektra di tapak tersebut. Penelitian ini dilakukan dengan memodelkan 2 cross section yang terdapat patahan menerus sampai permukaan menggunakan inputan gempa Parkfield dengan percepatan puncak 0.34 g.Hasil penelitian menunjukkan bahwa dari 2 cross section yang relatif berdekatan, menghasilkan akselerasi permukaan horizontal yang relatif berbeda, cross section 1 sebesar 0.64 g pada t = 4.6 detik, sedangkan cross section 2 sebesar 0.78 g pada t = 4.6 detik. Percepatan spektral horizontal di cross section 1 sebesar 0.349 g pada periode t = 0.63 detik, sedangkan di cross section 2 sebesar 0.289 g pada periode t = 0.99 detik. Displacement horizontal cross section 1 sebesar 0.19 m pada t = 6.2 detik, cross section 2 sebesar 0.17 m pada t = 6.1 detik. Dip patahan, panjang patahan di lokasi penelitian mempengaruhi nilai percepatan vertikal, percepatan spektra vertikal dan displacement vertikal, semakin besar dip patahan dan panjang patahan maka percepatan vertikal, percepatan spektra vertikal dan displacement vertikal yang terjadi akan semakin besar, semakin jauh titik pengamatan dari patahan maka efeknya akan semakin berkurang. Cross section 1 dan cross section 2 hanya berjarak sekitar 1.5 km tetapi mempunyai kondisi geologi yang relatif berbeda, sehingga diperlukan analisis spesifik tapak, terutama jika lokasi ini akan digunakan sebagai lokasi tapak PLTN.

---

Site selection study of nuclear power plant have been carried out in several places in Indonesia, in Muria (Jepara) conducted in the 1990, Banten conducted in 2011, and Bangka Island conducted in the 2010. The study was conducted by considering geology, seismology and geotechnical aspects. Related to the geology and seismology aspects, Indonesia is a country that is located in an area with a high level of earthquake activity, and with complex geological conditions. The condition was caused by the convergence of three major tectonic plates of the world is : the Indian Ocean - Australia in the south, the Pacific Ocean in the East and Eurasia, where most of Indonesia is in it. Complex geological conditions of the candidate site of nuclear power plant in Bangka produce local geological conditions that are geological fault structure which is likely to affect the response spectra at the site. This research was conducted by modeling 2 cross section using the input Parkfield earthquake with 0,34 g peak acceleration.

The results showed that from two relatively adjacent cross section, produces relatively distinct peak ground acceleration (PGA), a cross section 1 produce 0.64 g at t = 4.6 seconds, while the cross section 2 produce 0.78 g at t = 4.6 seconds. Maximum horizontal spectral acceleration in cross section 1 is 0349 g in period T = 0.63 sec, whereas in cross section 2 is 0289 g in period T = 0.99 sec. Horizontal displacement in cross section 1 is 0,19 m at t = 6.2 seconds, in cross section 2 is 0,17 m at t = 6.1 seconds. Dip fault, length fault of the sites study affect the value of vertical acceleration, vertical spectra acceleration and vertical displacement, greater dip of fault and longer of fault produce greater vertical acceleration, vertical spectra acceleration and vertical displacement and when the distance of point observation is far, the effect will decrease. Cross section 1 and cross section 2 is relatively adjacent only about 1.5 km but has a relatively different geological conditions, this condition requiring site specific analysis, especially if this location will be used as the location of nuclear power plant site."