Kabupaten Majalengka merupakan salah satu kabupaten dengan bahaya tanah longsor yang tinggi di Provinsi Jawa Barat. Sebagian besar dipengaruhi curah hujan lebat atau hujan berkepanjangan. Penelitian ini bertujuan untuk mengelompokkan kejadian tanah longsor pada tahun 2018-2019 berdasarkan faktor fisik yang terdiri dari lereng, jenis tanah, litologi, penggunaan lahan, dan kerapatan vegetasi dengan menggunakan metode analisis K-Means Clustering. Untuk menganalisis karakteristik curah hujan yang memicu kejadian longsor pada tahun 2018-2019 dengan metode poligon Thiessen. Hasil penelitian menunjukkan bahwa pengelompokan kejadian tanah longsor pada tahun 2018-2019 di Kabupaten Majalengka terbentuk lima klaster dengan memiliki rata–rata curah hujan saat terjadinya kejadian tanah longsor (CH H) tertinggi berada pada klaster 5 yaitu sebesar 49 mm/hari, rata-rata curah hujan kumulatif tiga hari sebelum tanah longsor (CH H-3) tertinggi berada pada klaster 4 yaitu sebesar 80 mm/hari, rata-rata curah hujan kumulatif lima hari sebelum tanah longsor (CH H-5) tertinggi berada pada klaster 3 yaitu sebesar 112 mm/hari, serta rata-rata curah hujan kumulatif sepuluh hari sebelum tanah longsor (CH H-10) tertinggi berada pada klaster 1 yaitu sebesar 174 mm/hari.
Majalengka Regency is one of the districts with a high landslide hazard in West Java Province. They are mostly affected by heavy rainfall or prolonged rain. This study aims to classify landslide events in 2018-2019 based on physical factors consisting of slopes, soil types, lithology, land use, and vegetation density using the K-Means Clustering analysis method. To analyze the characteristics of rainfall that triggered landslides in 2018-2019 using the Thiessen polygon method. The results showed that the clustering of landslide events in 2018-2019 in Majalengka Regency was formed five clusters with the highest rainfall on the D-Day average in cluster 5, which is 49 mm/day. The highest average cumulative rainfall 3 days before the landslide events was in cluster 4, which is 80 mm/day. The highest average cumulative rainfall 5 days before the landslide events was in cluster 3 is 112 mm/day. The highest average cumulative rainfall 10 days before the landslide events was in cluster 1, which is 174 mm/day.
"Pariwisata merupakan salah satu sektor industri yang memiliki perkembangan pesat. Daya tarik wisata memiliki kekuatan tersendiri untuk menarik wisatawan melakukan perjalanan wisata. Daya tarik wisata pada umumnya berdasarkan adanya aksesibilitas yang tinggi dan fasilitas penunjang untuk melayani para wisatawan. Faktor penentu wisatawan memilih destinasi wisata adalah preferensi. Penelitian ini bertujuan untuk mengetahui preferensi wisatawan terhadap wisata pantai yang terletak di Kabupaten Kebumen. Dalam penelitian ini digunakan metode analisis spasial dan analisis statistik crosstab untuk menjawab pertanyaan preferensi wisatawan terhadap daya tarik wisata pantai. Obyek wisata pantai di Kabupetan Kebumen memiliki daya tarik yang beragam, yaitu rendah, sedang, dan tinggi. Atraksi berupa site attraction dan event attraction, fasilitas, dan aksesibilitas menjadi karakteristik pada obyek wisata dengan daya tarik rendah. Obyek wisata dengan daya tarik sedang memiliki atraksi berupa site attraction dan event attraction, serta fasilitas sebagai karakteristik obyek wisata. Obyek wisata daya tarik tinggi memiliki atraksi dan fasilitas sebagai karakteristiknya. Mayoritas obyek wisata di Kabupaten Kebumen memiliki daya tarik rendah. Berdasarkan hasil crosstab, obyek wisata dengan daya tarik tinggi memiliki jenis preferensi wisatawan yang berbeda. Hal ini disebabkan karena preferensi wisatawan tidak hanya pada atraksi.
Tourism is one of the industrial sector growing rapidly. The tourist attraction has its strength to attract tourists traveling. Tourist attractions mostly based on high accessibility and facilities to serve the tourist. Preference is a determinant tourist to determine tourism destinations. The purpose of this research is to find out preference tourists for tourist attraction of beaches in Kebumen Regency. The method used to achieve the purpose of the research is spatial analysis and crosstab. Beach tourist objects have low, medium, and high-level attractions. Beach tourist objects that have low level have characteristics like site attractions, event attractions, facilities, and accessibility. The medium level one has characteristics like site attractions, event attractions, and facilities. The high-level one has characteristics like site attractions, event attractions, and facilities. The tourist objects in Kebumen majority have low level attractions. Based on crosstab, the tourist objects that first liked by respondents and have high-level attractions have different preferences type. Because preferences are not only by their attractions.
"