<![CDATA[Banjir berulang di Kabupaten Grobogan, Jawa Tengah, menimbulkan kerugian signifikan dan mengancam keberlanjutan wilayah. Pendekatan konvensional seringkali terbatas dalam mengidentifikasi pola kompleks dan hubungan kausalitas antar faktor pemicu banjir. Penelitian ini mengusulkan kerangka kerja analisis kausalitas banjir menggunakan Kecerdasan Buatan (AI) yang dapat diinterpretasi (Explainable AI/XAI) untuk mengungkap faktor-faktor dominan (hidrologis, geografis, geologis, dan antropogenik) yang berkontribusi terhadap fenomena ini. Dengan memanfaatkan data spasial-temporal yang komprehensif dan metode AI seperti SHAP dan Grad-CAM, penelitian ini bertujuan untuk mengukur kontribusi masing-masing faktor pemicu, memberikan pemahaman yang lebih mendalam tentang mekanisme banjir. Hasil yang diharapkan akan mendukung perumusan strategi mitigasi yang lebih tepat sasaran dan berbasis bukti, beralih dari respons reaktif menjadi pendekatan proaktif dalam pengelolaan risiko bencana di Kabupaten Grobogan. Hasil yang diharapkan menunjukkan bahwa metode XAI mampu menampilkan kontribusi relatif setiap faktor pemicu banjir, sehingga interpretasi model menjadi lebih transparan dibandingkan pendekatan tradisional. Kerangka kerja ini diproyeksikan dapat meningkatkan akurasi analisis sekaligus mempercepat proses identifikasi wilayah prioritas untuk mitigasi]]>
Copyrights © 2025
