Perpustakaan Digital ITB

Upaya evaluasi sistem estimasi kerentanan bangunan terhadap gempa bumi berbasis tipologi telah dilakukan dengan mengambil kasus Gempa Mamuju 2021 sebagai studi utama. Sistem estimasi dikembangkan dengan menggabungkan pemodelan spasial, teknik rekayasa seismik, dan klasifikasi visual bangunan melalui model Convolutional Neural Network. Sistem ini memanfaatkan citra Google Street View sebelum gempa untuk mengidentifikasi lima tipologi utama bangunan yaitu Moment Resisting Frame, Confined Masonry, RC Infilled Masonry, Timber Structure, dan Unconfined Masonry. Proses estimasi kerusakan dilakukan melalui perhitungan nilai Peak Ground Acceleration, yang dikonversi ke skala Modified Mercalli Intensity, lalu dianalisis menggunakan Damage Probability Matrix. Validasi dilakukan dengan membandingkan hasil estimasi terhadap data kerusakan aktual di lapangan. Temuan menunjukkan bahwa akurasi sistem masih terbatas karena adanya ketidaksesuaian antara klasifikasi kelas kerentanan yang digunakan dengan karakteristik konstruksi lokal di Indonesia. Oleh sebab itu, diperlukan pengembangan lebih lanjut pada parameter kelas kerentanan pada sistem agar lebih merepresentasikan kondisi bangunan di wilayah setempat. Meskipun begitu, pendekatan berbasis kecerdasan buatan ini memiliki potensi besar untuk diterapkan dalam sistem penilaian cepat kerusakan bangunan pascagempa, khususnya apabila didukung oleh data lokal yang lebih representatif.