Perpustakaan Digital ITB

Banjir merupakan salah satu bencana hidrometeorologi yang paling sering terjadi di Provinsi Jawa Barat dan menyebabkan kerugian ekonomi yang signifikan. Penelitian ini bertujuan untuk memodelkan dan memetakan risiko banjir, menganalisis sensitivitas model, serta mengestimasi potensi kerugian ekonomi di Provinsi Jawa Barat. Prediksi peluang banjir dilakukan menggunakan tiga algoritma machine learning berbasis gradient boosting, yaitu XGBoost, LightGBM, dan CatBoost, berdasarkan variabel curah hujan, elevasi, debit sungai, jarak ke sungai, serta tutupan lahan. Analisis sensitivitas dilakukan menggunakan SHAP (Shapley Additive Explanations) dan simulasi perubahan tutupan lahan serta curah hujan. Estimasi potensi kerugian ekonomi dihitung dengan mengombinasikan hasil prediksi peluang banjir dengan nilai aset bangunan dan lahan pertanian pada setiap grid. Hasil penelitian menunjukkan bahwa XGBoost merupakan model terbaik dengan nilai koefisien determinasi sebesar 0,8375. (????2)Analisis sensitivitas menunjukkan bahwa curah hujan, elevasi, dan debit sungai merupakan variabel yang memberikan kontribusi terbesar terhadap prediksi model. Estimasi potensi kerugian ekonomi menunjukkan tren meningkat selama periode 2017-2023, dengan total potensi kerugian berkisar antara Rp107,50 triliun hingga Rp140,46 triliun seiring meningkatnya nilai aset pada wilayah penelitian.