ANALISIS TINGKAT KERAWANAN MULTI -HAZARD TERHADAP ASPEK LINGKUNGAN HUTAN, PERTANIAN DAN URBAN MENGGUNAKAN MACHINE LEARNING DI WILAYAH ASIA TENGGARA TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar Magister dari Institut Teknologi Bandung Oleh Adria Viola Chintia NIM: 25122017 (Program Studi Magister Teknik Geodesi dan Geomatika) INSTITUT TEKNOLOGI BANDUNG Juli 2023 ABSTRAK ANALISIS TINGKAT KERAWANAN MULTI -HAZARD TERHADAP ASPEK LINGKUNGAN HUTAN, PERTANIAN DAN URBAN MENGGUNAKAN MACHINE LEARNING DI WILAYAH ASIA TENGGARA Oleh Adria Viola Chintia NIM: 25122017 (Program Studi Magister Teknik Geodesi dan Geomatika) Asia Tenggara merupakan wilayah yang rawan bencana alam di dunia. Sejak tahun 2012 tercatat total kejadian bencana mencapai 1.899 kejadian dengan terdampak lebih dari 147 juta jiwa meninggal dunia serta mengalami kerugian sebesar 17 miliar dolar dan terus meningkat akibat bertambahnya populasi dan perubahan iklim lingkungan. Bahaya ini tidak dapat dihilangkan, namun dampaknya dapat diminimalkan salah satunya dengan penerapan manajemen risiko bahaya yang lebih kompleks. Tujuan dari penelitian ini yaitu memodelkan kerawanan multi bahaya yang kompleks dengan metode machine learning algoritma Random Forest (RF), Gradien Tree Boosting (GTB), Classification and Regression Trees (CART) serta memodelkan nilai aspek lingkungan hutan, pertanian, urban dan memodelkan hubungan multi-hazard tersebut terhadap aspek nilai lingkungan tersebut. Hasil dari penelitian ini menunjukkan hasil uji ACC dan AUC algoritma Random Forest (RF) untuk tanah longsor, banjir, dan kebakaran hutan memiliki nilai diatas 80%. Hasil kombinasi hazard dan nilai index lingkungan didapatkan bahaya tanah longsor dominan berada dalam nilai jasa ekosistem hutan yang tinggi melingkupi 20% dari luas total hutan di Asia Tenggara. Hasil kombinasi kebakaran hutan dominan berada dalam nilai kesesuaian lahan pertanian yang tinggi melingkupi 12% dari luas total pertanian di Asia Tenggara. Hasil kombinasi bahaya banjir dominan berada dalam nilai kesesuian lahan pertanian yang tinggi melingkupi 50% dari luas total pertanian di Asia Tenggara. Oleh karena itu bahaya banjir dan tanah longsor sangat memiliki dampak yang besar terhadap aktivitas ekonomi Asia Tenggara. Kata kunci: Hutan, Kerawanan, Multi-Hazard, Pertanian, Urban ABSTRACT MULTI-HAZARD SUSCEPTIBILITY ANALYSIS LEVEL OF FOREST, AGRICULTURAL, AND URBAN ENVIRONMENTAL ASPECTS USING MACHINE LEARNING IN SOUTHEAST ASIA REGION By Nama: Adria Viola Chintia NIM: 25122017 (Master’s Program in Geodesy and Geomatics Engineering) Southeast Asia is a region prone to natural disasters in the world. Since 2012, a total of 1,899 incidents of disasters have been recorded, affecting more than 147 million people who died and suffered losses of 17 billion dollars and continue to increase due to population growth and environmental climate change. This hazard cannot be eliminated, but its impact can be minimized by implementing more complex risk management. The purpose of this study is to model complex multi- hazard susceptibility using machine learning algorithms Random Forest (RF), Gradient Tree Boosting (GTB), Classification and Regression Trees (CART) as well as modeling the environmental values index of forest, agriculture, urban aspects and modeling the multi-hazard relationships with these environmental value index aspects. The results of this study show that the ACC and AUC test results of the Random Forest (RF) algorithm for landslides, floods, and wildfires have values above 80%. The combined hazard and environmental index values show that the dominant landslide hazard is in the high value of forest ecosystem services, covering 20% of the total forest area in Southeast Asia. The dominant combination of wildfires results in a high agricultural land suitability value covering 12% of the total agricultural area in Southeast Asia. The results of the dominant flood hazard combination are in the suitability value of high agricultural land covering 50% of the total agricultural area in Southeast Asia. Therefore, the dangers of floods and landslides greatly impact Southeast Asia's economic activities. Keywords: Forest, Susceptibility, Multi-Hazard, Agriculture, Urban ANALISIS TINGKAT KERAWANAN MULTI -HAZARD TERHADAP ASPEK LINGKUNGAN HUTAN, PERTANIAN DAN URBAN MENGGUNAKAN MACHINE LEARNING DI WILAYAH ASIA TENGGARA HALAMAN PENGESAHAN Oleh Adria Viola Chintia NIM: 25122017 (Program Studi Magister Teknik Geodesi dan Geomatika) Institut Teknologi Bandung Menyetujui Tim Pembimbing Tanggal 17 Juli 2023 Ketua Anggota ______________________ ______________________ (Prof. Ir.