Perkembangan teknologi otomasi saat ini sangat cepat dan membantu pekerjaan manusia, salah satunya yaitu yang digunakan oleh Badan Meteorologi, Klimatologi dan Geofisika (BMKG) untuk mendeteksi gempa bumi. Sistem Automatic First Arrival Picking merupakan sistem yang dapat mendeteksi gelombang primer pada kedatangan pertama atau P-Wave yang terjadi pada sebuah sinyal seismik gempa bumi. Penelitian ini bertujuan untuk membuat sistem Automatic First Arrival Picking serta menguji performansi dari metode Logistic Regression untuk mengklasifikasi sistem Automatic First Arrival Picking ini dalam mendeteksi gelombang primer pada kedatangan pertama atau P-Wave.
Pada penelitian Automatic First Arrival Picking ini, digunakan sampel data yang diambil pada website IRIS (Incorporated Research Institutions for Seismology) dengan 100 event gempa bumi diambil dari tiga stasiun terdekat dengan kekuatan 5-8 MW. Sampel data diproses menggunakan empat Feature Extraction yaitu: Recursive STA/LTA, Classic STA/LTA, Carl STA/LTA dan Delayed STA/LTA. Selanjutnya, dari hasil Feature Extraction yang dijadikan dataset diklasifikasi dengan metode Logistic Regression.
Dari hasil pengujian sistem Automatic First Arrival Picking yang dikembangkan ini diketahui beberapa parameter yang dapat menghasilkan performansi sistem terbaik, yaitu 50 detik untuk time windowing, rasio 55%:45% untuk data training serta testing dan nilai Invers of Regularization sebesar 100. Hasil penelitian yang dilakukan menggunakan metode Logistic Regression untuk mendeteksi P-Wave pada sistem Automatic First Arrival Picking dengan skenario pengujian yang dilakukan bahwa akurasi yang didapat sebesar 83%, Precision sebesar 75%, Recall sebesar 64% dan F1-Score sebesar 67%.