Perpustakaan Digital ITB

Penelitian ini bertujuan untuk mengevaluasi sistem estimasi kerusakan bangunan berbasis tipologi, dengan studi kasus Gempa Kertasari 2024. Sistem estimasi ini terdiri dari perhitungan PGA dan MMI, klasifikasi tipologi bangunan menggunakan model Convolutional Neural Network (CNN), konversi ke kelas kerentanan (vulnerability class), dan estimasi tingkat kerusakan (damage grade) melalui Damage Probability Matrix (DPM). Evaluasi dilakukan terhadap proses validasi hasil estimasi menggunakan data kerusakan nyata sebanyak 154 bangunan dengan pendekatan distribusi kerusakan, fragility curve, serta overlay spasial. Hasil menunjukkan bahwa model CNN memiliki akurasi klasifikasi sebesar 58,4%, dengan sebagian besar kesalahan disebabkan oleh gangguan visual seperti keberadaan penutup fasad dan kesalahan persepsi material. Estimasi kerusakan menunjukkan dominasi tingkat kerusakan D0 (tidak mengalami kerusakan), yang tidak sesuai dengan data observasi yang menunjukkan proporsi kerusakan sedang hingga berat (D2–D4). Evaluasi distribusi menunjukkan bahwa DPM gagal mencerminkan karakteristik lokal: kerusakan nyata pada MMI VI setara dengan hasil estimasi DPM untuk MMI VIII, bahkan dengan kelas kerentanan tertinggi (Class A). Hal ini mengindikasikan bahwa baik DPM maupun klasifikasi kerentanan belum sesuai dengan kondisi kerentanan bangunan di wilayah studi. Penelitian ini menyimpulkan bahwa sistem estimasi kerusakan bangunan perlu disesuaikan terhadap kondisi lokal, dengan perbaikan pada skema klasifikasi kerentanan dan parameter DPM agar akurasi prediksi lebih representatif. Hasil ini menjadi pijakan penting untuk pengembangan sistem pemetaan kerentanan gempa bumi berbasis citra di Indonesia.