<![CDATA[Kota Cilegon merupakan pintu gerbang Pulau Jawa bagian barat yang menghubungkan Pulau Jawa dan Pulau Sumatera, berperan penting dalam pertumbuhan ekonomi, industri, dan pariwisata antar pulau. Namun, kota ini rawan tsunami yang disebabkan oleh aktivitas vulkanik Anak Krakatau. Tsunami adalah rangkaian gelombang laut yang menjalar dengan kecepatan tinggi akibat gangguan impulsif di dasar laut seperti letusan gunung berapi dan longsor. Salah satu mitigasi sebelum terjadinya tsunami adalah dengan mengetahui daerah yang memiliki risiko kerusakan lahan tinggi akibat tsunami menggunakan klasifikasi berdasarkan indeks vegetasi seperti NDVI, NDWI, NDBI, MNDWI, dan SAVI melalui metode Artificial Neural Network (ANN) dan Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa model SVM terbaik yang diperoleh dari Grid Search adalah model SVM dengan kernel Radial Basis Function (RBF) dengan parameter ∁=100 dan γ=3.162278, yang berhasil mengklasifikasikan risiko kerusakan lahan akibat tsunami di kelurahan Kota Cilegon dengan persentase klasifikasi benar sebesar 99,07%. Sementara itu, model ANN terbaik adalah model MLP (5-5-2), yang memiliki 5 input neuron, 5 hidden neuron, dan 2 output neuron, dengan persentase klasifikasi benar sebesar 97,02%. Berdasarkan nilai accuracy score dan cohen’s kappa, metode SVM adalah metode klasifikasi terbaik dengan accuracy score 99,07% dan nilai cohen’s kappa 97,6%, lebih tinggi dibandingkan metode ANN. Prediksi klasifikasi dengan metode terbaik mengidentifikasi 24 kelurahan di Kota Cilegon dengan risiko tinggi kerusakan lahan akibat tsunami, yaitu Bendungan, Rawaarum, Jombang Wetan, Ciwaduk, Ciwedus, Gunungsugih, Kedaleman, Cibeber, Ketileng, Tegalratu, Warnasari, Ramanuju, Samangraya, Sukmajaya, Lebakgede, Kepuh, Citangkil, Randakari, Panggungrawi, Masigit, Kubangsari, Kebonsari, dan Gedongdalem. Hasil penelitian ini diharapkan dapat menjadi acuan dalam mengenali daerah dengan risiko tinggi, mempermudah penentuan tindakan evakuasi, meminimalisir dampak kerusakan dan kerugian, serta memastikan tindakan efektif dalam menghadapi tsunami.]]>
