Perpustakaan Digital ITB

Indonesia memiliki lebih dari 400 gunung berapi dan 130 merupakan gunung berapi aktif dan beberapa terletak di dasar laut. Indonesia juga merupakan titik pertemuan 2 rangkaian gunung berapi aktif (cincin api) dan juga Indonesia memiliki puluhan patahan yang aktif. Hal ini menyebabkan Indonesia merupakan negara yang sering mengalami kejadian gempa bumi. Maka perlunya, studi khusus mengenai penanganan bencana alam ini terlebih pada bencana gempa bumi yang tidak dapat kita pungkiri jika melihat dari kondisi geologis Indonesia. Terlebih lagi, Indonesia memiliki jumlah penduduk sekitar 270 juta jiwa yang membuatnya menjadi negara dengan populasi terbesar di dunia nomor empat. Dari seluruh wilayah Indonesia yang terdiri dari sekitar 17 ribu pulau, terdapat beberapa pulau yang memiliki penduduk terpadat. Pulau terpadat penduduknya adalah Pulau Jawa, dimana lebih dari setengah (65%) populasi Indonesia tinggal didalamnya, sehingga perlu diberikan perhatian penuh dalam penanganan untuk meminimumkan risiko gempa bumi yang terjadi. Dengan meminimumkan risiko gempa bumi yang terjadi, kita dapat menyelamatkan faktor – faktor lain yang sekiranya akan terdampak seperti faktor ekonomi yang merupakan kunci dalam sebuah negara. Banyak sekali cara yang dapat dilakukan dalam meminimumkan risiko gempa bumi, seperti memberi perlakuan khusus bagi daerah yang masih memiliki tingkat risiko gempa bumi tinggi. Perlakuan tersebut dapat berupa pembagian alokasi dana yang berbeda tergantung tingkat risiko bencana yang ada di daerah tersebut. Maka dari itu, penelitian ini berfokus untuk menganalisis tingkat risiko bencana yang ada di Pulau Jawa. Hasil diperoleh bahwa pemodelan dengan metode space-time Gaussian Process Regression (GPR) memiliki hasil yang baik untuk memprediksi tingkat risiko bencana berdasarkan komponen spasial dan time-series yaitu diperoleh MAPE untuk data train dan data test masing – masing sebesar 9.51% dan 8.13% dengan menggunakan kernel RBF. Hasil ini lebih baik dibandingkan kernel lainnya, dan dengan model ini dapat digunakan untuk memprediksi pemetaan yang terjadi beberapa bulan kedepan dengan memasukkan beberapa nilai untuk variabel prediktornya (tahun, bulan, lintang, bujur, kedalaman, dan provinsi). Sehingga dengan prediksi tingkat risiko ini, dapat digunakan pemerintah untuk menentukan berapa banyak alokasi dana yang diberikan di setiap provinsinya.