Electronic Theses and Dissertation

Gempa bumi merupakan salah satu bencana alam yang dapat menimbulkan kerusakan serius terhadap manusia dan infrastruktur. Provinsi Aceh memiliki aktivitas seismik yang tinggi, sehingga pemetaan wilayah kerentanan gempa bumi menjadi langkah penting dalam mitigasi risiko bencana. Namun, penelitian sebelumnya masih terbatas dalam memahami dan menginterpretasikan faktor-faktor yang berkontribusi terhadap risiko gempa bumi. Penelitian ini bertujuan untuk memetakan tingkat kerentanan gempa bumi di Aceh serta menganalisis faktor-faktor yang memengaruhi tingkat kerentanan tersebut menggunakan model klasifikasi Artificial Neural Network (ANN) dan Local Interpretable Model-agnostic Explanations (LIME). Model ANN dikembangkan menggunakan data historis gempa bumi di Aceh tahun 1990–2023 dengan 15 variabel yang mencakup faktor topografi, seismisitas, dan geologi. Hasil evaluasi menunjukkan bahwa model ANN dapat memprediksi probabilitas kerentanan gempa bumi dengan akurasi sebesar 85%. Pemetaan hasil prediksi menunjukkan bahwa wilayah tengah dan barat laut Aceh memiliki tingkat kerentanan sedang hingga sangat tinggi dengan area kerentanan sebesar 29.574,77 km2, sedangkan wilayah barat, selatan, dan tenggara didominasi oleh klasifikasi kerentanan rendah hingga sangat rendah dengan area mencakup 27.263,08 km2. Analisis LIME mengungkapkan bahwa kepadatan episentrum, kepadatan magnitudo, jarak patahan, arah lereng, elevasi, tanah luvisol, tanah ferralsol, tanah aluvial, dan tanah oksisol menunjukkan pengaruh signifikan terhadap klasifikasi gempa bumi. Penelitian ini diharapkan dapat menjadi referensi dalam upaya mitigasi risiko gempa bumi di Aceh.

Earthquakes is a natural disaster that can cause serious damage to both human lives and infrastructure. The province of Aceh has high seismic activity, making earthquake susceptibility mapping an essential step in disaster risk mitigation. However, previous studies have been limited in understanding and interpreting the contributing factors to earthquake risk. This study aims to map the level of earthquake susceptibility in Aceh and analyze the influencing factors using a classification model based on Artificial Neural Network (ANN) and Local Interpretable Model-agnostic Explanations (LIME). The ANN model was developed using historical earthquake data in Aceh from 1990 to 2023 with 15 variables encompassing topographic, seismic, and geological factors. Evaluation results show that the ANN model can predict earthquake susceptibility probabilities with an accuracy of 85%. The mapping of prediction results reveals that the central and northwestern regions of Aceh exhibit moderate to very high susceptibility levels, covering an area of 29,574.77 km², while the western, southern, and southeastern regions are dominated by low to very low susceptibility classifications, covering an area of 27,263.08 km². LIME analysis revealed that epicenter density, magnitude density, fault distance, slope aspect, elevation, luvisol soil, ferralsol soil, alluvial soil, and oxisol soil had a significant influence on earthquake classification. This research is expected to serve as a reference in efforts to mitigate earthquake risks in Aceh.