Spatial Analysis of Earthquake Risk on Sumatra Island Using the Neyman–Scott Cox Process and Random forest

Abstrak

Indonesia yang terletak pada persimpangan tiga lempeng tektonik utama—Indo-Australia, Pasifik, dan Eurasia—merupakan salah satu negara dengan tingkat kerentanan tertinggi terhadap bencana geologi, terutama gempa bumi. Pulau Sumatra, sebagai wilayah padat penduduk dengan produktivitas pertanian yang tinggi, sangat terpengaruh oleh aktivitas seismik. Penelitian ini bertujuan untuk menganalisis risiko gempa bumi di Pulau Sumatra menggunakan pendekatan integratif antara metode statistik dan machine learning, yaitu dengan menggunakan model spasial Neyman-Scott Cox Process dan algoritma Random Forest. Proses Neyman-Scott digunakan untuk mendeteksi pola kluster spasial peristiwa gempa bumi berdasarkan hubungannya dengan fitur geologis seperti zona subduksi, patahan aktif, dan gunung berapi. Selain itu, Random Forest diterapkan untuk membangun model klasifikasi risiko berdasarkan variabel geospasial, dan memetakan zona rawan gempa ke dalam kategori risiko tinggi dan sedang. Hasil menunjukkan bahwa model Thomas Cluster merupakan representasi spasial terbaik dengan nilai AIC terendah, sementara jarak ke zona subduksi memiliki kontribusi tertinggi dalam klasifikasi risiko. Sebagian besar bagian barat Sumatera diidentifikasi sebagai zona berisiko tinggi. Peta zonasi yang dihasilkan dapat digunakan sebagai dasar pengambilan keputusan dalam kebijakan mitigasi, perencanaan regional, dan perlindungan infrastruktur pertanian. Penelitian ini diharapkan dapat memperkuat sistem peringatan dini, menjaga distribusi dan produksi pangan, serta memberikan kontribusi nyata terhadap ketahanan pangan dan pembangunan berkelanjutan di daerah rawan bencana. Metode ini juga dapat direplikasi di daerah lain dengan karakteristik geologis serupa di Indonesia.