EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC 4.0

Explainable Machine Learning untuk Mengidentifikasi Determinan Kerugian Pascabencana Banjir dan Longsor di Sumatera Barat

Dimas Dwi Randa, Dhella Amelia

Jurnal Komputasi · 30.10.2026 · 14 (2) · 190-202

DOI: 10.23960/64p4gs58 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Jurnal Komputasi, online erschienen am 30.10.2026. Verfasst von Dimas Dwi Randa und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Bencana banjir dan longsor menyebabkan kerusakan fisik serta kerugian ekonomi yang signifikan pada sektor permukiman. Identifikasi faktor-faktor yang memengaruhi besarnya kerugian pascabencana menjadi penting untuk mendukung perencanaan rehabilitasi dan rekonstruksi yang lebih efektif. Penelitian ini bertujuan mengembangkan model Explainable Machine Learning untuk mengidentifikasi determinan utama kerugian pascabencana banjir dan longsor di Provinsi Sumatera Barat. Dataset yang digunakan berasal dari data Damage and Loss Assessment (DaLA) sektor permukiman periode November–Desember 2025 yang terdiri atas 1.613 observasi dari 15 kabupaten/kota dan 142 kecamatan. Model prediksi dibangun menggunakan Extreme Gradient Boosting (XGBoost), sedangkan interpretabilitas model dianalisis menggunakan SHapley Additive exPlanations (SHAP). Model divalidasi menggunakan 5-Fold Cross Validation, sedangkan evaluasi pada data pengujian dilakukan menggunakan Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan koefisien determinasi (R²). Hasil penelitian menunjukkan rata-rata R² sebesar 0,7121 pada proses validasi silang, dengan MAE sebesar Rp5,87 miliar dan RMSE sebesar Rp34,28 miliar pada data pengujian. Analisis SHAP menunjukkan bahwa variabel Kerusakan, K3, Total Unit, serta beberapa variabel spasial pada tingkat kabupaten merupakan determinan utama kerugian pascabencana. Temuan ini menunjukkan bahwa pendekatan Explainable Machine Learning mampu mendukung penentuan prioritas rehabilitasi dan rekonstruksi pascabencana secara lebih transparan dan berbasis data.

Zitieren

APA

Randa, D. D., & Amelia, D. (2026). Explainable Machine Learning untuk Mengidentifikasi Determinan Kerugian Pascabencana Banjir dan Longsor di Sumatera Barat. Jurnal Komputasi, 14(2), 190-202. https://doi.org/10.23960/64p4gs58

Vancouver

Randa DD, Amelia D. Explainable Machine Learning untuk Mengidentifikasi Determinan Kerugian Pascabencana Banjir dan Longsor di Sumatera Barat. Jurnal Komputasi. 2026;14(2):190-202. doi:10.23960/64p4gs58

BibTeX
@article{Randa2026,
  author = {Randa, Dimas Dwi and Amelia, Dhella},
  title = {Explainable Machine Learning untuk Mengidentifikasi Determinan Kerugian Pascabencana Banjir dan Longsor di Sumatera Barat},
  journal = {Jurnal Komputasi},
  year = {2026},
  volume = {14},
  number = {2},
  pages = {190--202},
  doi = {10.23960/64p4gs58}
}
Kostenlos starten →