Perpustakaan Digital ITB

Kebakaran lahan gambut di Indonesia merupakan bencana berulang dengan kerugian besar, namun studi yang mengintegrasikan probabilitas kejadian dan estimasi kerugian ekonomi ke dalam satu ukuran risiko kuantitatif masih terbatas. Penelitian ini mengembangkan kerangka terintegrasi untuk mengkuantifikasi risiko kebakaran lahan gambut di Sumatera dan Kalimantan. Probabilitas kejadian kebakaran dimodelkan pada resolusi grid spasial dua-mingguan menggunakan algoritma gradient boosting (XGBoost, LightGBM, CatBoost) yang tahan terhadap class imbalance, dengan validasi Walk-Forward Optimization. Kerugian ekonomi tingkat grid diestimasi dari agregasi berbagai komponen kerugian, dengan pola severity dimodelkan melalui distribusi probabilitas terpilih per provinsi berdasarkan Akaike Information Criterion. Keduanya diintegrasikan melalui simulasi Monte Carlo untuk menghitung premi murni asuransi, Value at Risk (VaR), Tail Value at Risk (TVaR), serta premi reasuransi stop-loss. Hasil penelitian menunjukkan model LightGBM dengan undersampling 1:5 sebagai model terbaik, dengan ROC–AUC 0,8944 dan recall 0,8793, serta kelembapan relatif dan aktivitas manusia sebagai prediktor paling berpengaruh. Simulasi Monte Carlo menghasilkan premi murni asuransi nasional sebesar Rp29,354 triliun, dengan VaR 99% dan TVaR 99% masing-masing Rp30,530 triliun dan Rp31,005 triliun, mengonfirmasi risiko ekor yang tidak tercermin oleh nilai ekspektasi kerugian. Premi reasuransi stop-loss nasional menurun signifikan seiring meningkatnya retensi, dari Rp76,37 miliar pada VaR75% menjadi Rp4,75 miliar pada VaR99%, serta mengonfirmasi variasi spasial yang substansial antarprovinsi. Kerangka kuantitatif ini diharapkan menjadi dasar pengelolaan risiko serta pengembangan skema pembiayaan bencana kebakaran lahan gambut di Indonesia.