![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
ABSTRAK - Kurnia Putri Adillah
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
COVER - Kurnia Putri Adillah
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 1 - Kurnia Putri Adillah
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 2 - Kurnia Putri Adillah
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 3 - Kurnia Putri Adillah
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 4 - Kurnia Putri Adillah
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
PUSTAKA - Kurnia Putri Adillah
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
LAMPIRAN - Kurnia Putri Adillah
PUBLIC Alice Diniarti
Kawasan pesisir rentan terhadap bencana, salah satunya adalah banjir rob yang memiliki
dampak paling signifikan dibandingkan dengan bencana lainnya akibat frekuensi kejadian
yang lebih tinggi. Paparan terhadap bencana banjir rob diperparah oleh faktor-faktor lain
seperti kenaikan muka air laut, suhu, intensitas badai, penurunan tanah, dan aktivitas
antropogenik. Salah satu kawasan yang rentan terhadap bencana banjir rob adalah kawasan
Asia Tenggara. Kawasan ini memiliki garis pantai terpanjang di dunia sepanjang 234.000
km dan diestimasi terdapat 77% dari jumlah populasinya, berada di kawasan tersebut.
Dampak dari fenomena banjir rob menjadi signifikan karena dapat mengancam aspek
ekonomi, infrastruktur, lingkungan, serta permukiman masyarakat, sehingga upaya
mitigasi menjadi aspek yang sangat penting untuk dilakukan. Berdasarkan studi-studi
sebelumnya, terdapat potensi besar untuk meningkatkan metodologi dalam menilai
suseptibilitas banjir rob. Oleh karena itu, studi ini bertujuan mengembangkan model
penilaian suseptibilitas banjir rob yang komprehensif menggunakan metode multi-machine
learning untuk meningkatkan objektivitas model. Untuk mencapai tujuan tersebut,
penelitian ini memiliki tujuan utama untuk mengembangkan sistem penilaian suseptibilitas
banjir rob yang komprehensif dan objektif untuk mendukung pengambilan keputusan
dalam mitigasi dan penanganan banjir rob. Selanjutnya, penelitian ini menetapkan tiga
tujuan pendukung, pertama menganalisis perubahan Normalized Difference Water Indeks
(NDWI), paparan terhadap perubahan muka air laut, dan analisis kedekatan jarak dari tepi
pantai serta area industri. Kedua, membangun model penilaian suseptibilitas banjir rob dari
tiga algoritma machine learning dan mengintegrasikannya. Ketiga, menganalisis nilai
suseptibilitas pada jenis tutupan lahan terbangun dan agrikultur untuk menentukan prioritas
penanganan dan mitigasi banjir rob di kedua jenis tutupan lahan. Kebaruan studi ini terletak
pada pengembangan penilaian suseptibilitas banjir rob yang memanfaatkan data
pengindraan jauh dan multi-machine learning dan menggabungkan berbagai variabel
prediktor yang terdiri dari kelompok sosio-ekonomi, lingkungan, dan bencana pendorong.
Studi menyimpulkan bahwa terdapat variasi yang signifikan dalam perubahan NDWI di
Wilayah Pesisir Asia Tenggara. Analisis menunjukkan bahwa sebagian besar wilayah
mengalami tren kenaikan (sebesar 28,35%), penurunan (sebesar 31,84%), atau tetap stabil
(sebesar 39,81%). Tren kenaikan NDWI yang paling ekstrem tercatat di Indonesia,
menandakan perubahan ekstrem terkait dengan air di wilayah tersebut. Peninjauan terhadap
jarak antara kawasan industri dan paparan laut menghasilkan temuan bahwa tidak semua
wilayah yang mengalami perubahan muka air laut tinggi Pemodelan suseptibilitas menggunakan metode multi-machine learning membuktikan
peningkatan akurasi, dengan nilai Area Under Curve (AUC) mencapai 0,905. Dalam
kategori suseptibilitas yang tinggi, metode Gradient Tree Boosting (GTB) mencapai luasan
tertinggi (25,20%), diikuti oleh Classification and Regression Trees (CART) (20,84%),
multi-machine learning (17,85%), dan Random Forest (12,46%). Analisis persebaran
distrik/kota menunjukkan bahwa sebanyak 567 distrik/kota di area urban (31,7%) dan 254
di area agrikultur (20,8%) memiliki tingkat suseptibilitas yang sangat tinggi terhadap banjir
rob. Filipina, Vietnam, dan Indonesia diidentifikasi sebagai negara-negara yang
memerlukan prioritas dalam mitigasi banjir rob berdasarkan penilaian suseptibilitas. Untuk
mengatasi tantangan ini, sejumlah saran penanganan telah diusulkan. Salah satunya adalah
pembuatan regulasi terkait eksploitasi air tanah di kawasan pemukiman dan industri untuk
mengurangi tekanan terhadap sumber daya air. Selain itu, pembangunan infrastruktur
seperti penghalang, tanggul, dan bendungan juga dianggap penting untuk meningkatkan
ketahanan wilayah terhadap ancaman banjir rob di masa mendatang. Implementasi
langkah-langkah ini dapat membantu mengurangi dampak negatif banjir rob dan
meningkatkan keselamatan serta kesejahteraan masyarakat di wilayah pesisir Asia
Tenggara. Hasil yang telah diperoleh ini diharapkan dapat membantu pemangku kebijakan
ketika membuat keputusan yang tepat mengenai perencanaan tata ruang dan pengelolaan
risiko di daerah pesisir. Selanjutnya, berdasarkan pendekatan yang disesuaikan dengan
jenis tutupan lahan, pemangku kebijakan dapat merumuskan kebijakan yang efektif untuk
mengurangi risiko banjir rob dan meningkatkan kesiapan masyarakat. Daftar kawasan
prioritas ini juga memungkinkan pemangku kebijakan mengalokasikan sumber daya secara
efisien, fokus pada daerah yang paling membutuhkan, dan mengembangkan strategi
adaptasi yang dapat mengurangi dampak jangka panjang dari perubahan iklim dan
kenaikan permukaan laut.