Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam beberapa tahun terakhir ini banyak terjadi gerakan tanah dan longsoran yang terjadi di Kecamatan Nyalindung, bahkan gerakan tanah yang terjadi di Desa Kertaangsana masih secara masif terjadi. Maka dari itu penelitian ini ada untuk mengkaji dan menganalisis mengenai sebaran wilayah sebaran potensi gerakan tanah dan wilayah tingkat kerentanan gerakan tanah di Kecamatan Nyalindung. Penelitian ini menggunakan metode Indeks Storie dalam menentukan wilayah sebaran gerakan tanah dengan menggunakan analisis spasial berupa teknik overlay antara curah hujan, penggunaan tanah, kemiringan lereng, dan jenis tanah. Sedangkan untuk tingkat kerentanan dilakukan kompilasi data antara indeks penduduk terpapar yang didapatkan dari indikator kepadatan penduduk dan kelompok usia rentan yang kemudian dilakukan proses overlay dengan potensi gerakan tanah. Hasil penelitian ini menunjukkan bahwa sebaran wilayah potensi sedang memiliki luas 6927,57 Ha atau 66,42% dari total luas daerah penelitian, sedangkan untuk wilayah potensi rendah memiliki luas 2885,20 Ha atau 27,66% dari total luas daerah penelitian serta wilayah dengan potensi gerakan tanah yang tinggi memiliki luas 616,16 Ha atau 5,91% dari total seluruh daerah penelitian. Sedangkan untuk tingkat kerentanan gerakan tanah berdasarkan permukiman didominasi oleh tingkat kerentanan sedang dengan luasan 2323,82 Ha atau sebesar 52,67% dari total seluruh luas daerah penelitian. Sedangkan untuk tingkat kerentanan tinggi gerakan tanah memiliki luasan 1358 Ha atau 30,79% dari seluruh total luas daerah penelitian dan tingkat kerentanan rendah memiliki luasan 729,97 Ha atau 16,54%.

---

In the last few years, there have been many land movements that have occurred in Nyalindung District, even land movements that have occurred in Kertaangsana Village are still massive. Therefore this research is to study and analyze the potential distribution of land movements and the level of vulnerability of land movements in Nyalindung sub-district. This study used the Storie Index method in determining the distribution area of ​​land movement using spatial analysis in the form of overlay technique between rainfall, land use, slope, rocks type and fault buffer. Meanwhile, for the level of vulnerability, data compilation is carried out between the exposed population index which is obtained from the population density indicator and the vulnerable age group which is then carried out overlay process with the potential for land movement.

The results of this study indicate that the distribution of moderate potential areas has an area of ​​6927.57 hectares or 66.42, while for low potential areas it has an area of ​​2885.20 hectares or 27.66% and the potential for high land movement has an area of ​​616.16 hectares or 5.91% of the total research area. Meanwhile, the level of vulnerability to land movement based on settlement was dominated by a moderate level of vulnerability with an area of ​​2323.82 hectares or 52.67%. Meanwhile, the high level of vulnerability to land movement has an area of ​​1,358 hectares or 30.79% and the low level of vulnerability has an area of ​​729.97 hectares or 16.54%."

"Penelitian ini membahas mengenai identifikasi faktor utama yang menjadi penyebab terjadinya peristiwa tanah longsor di Kota dan Kabupaten Sukabumi serta menentukan zona rawan bencana berdasarkan kelas-kelasnya yang disajikan dalam bentuk peta kerawanan bencana. Penelitian ini dilakukan dengan menggunakan metode analisis bivariat, yaitu menguji parameter independen berupa data titik keterjadian longsor terhadap parameter-parameter dependen yang diindikasikan menjadi penyebab terjadinya tanah longsor tersebut, diantaranya kemiringan lereng, litologi, tutupan lahan, vegetasi, kedekatan dengan kelurusan dan sungai, curah hujan dan kurvatur. Hasil penelitian menjelaskan bahwa parameter yang paling berpengaruh dalam keterjadian bencana longsor adalah parameter litologi, karena memiliki nilai Area Under Curve (AUC) terbesar dibanding parameter lainnya yaitu 0,823. Hasil penelitian juga menjelaskan bahwa potensi terjadinya longsor terbesar adalah pada bulan Desember dengan nilai AUC total 0,96 yang diperoleh dari campuran beberapa parameter yang sudah tervalidasi, yang memiliki nilai AUC > 0,6, yaitu litologi, tutupan lahan, dan curah hujan. Lokasi sebaran kejadian bencana tanah longsor dominan berada di wilayah utara daerah penelitian. Hasil penelitian ini menyarankan pada pembaca untuk memperhatikan tiga parameter tersebut sebelum melakukan proyek pembangunan di wilayah Kota dan Kabupaten Sukabumi.

---

This research discusses the identification of the main factors that caused the occurrence of landslides in the City and District of Sukabumi and determines disaster-susceptibility zones based on their classes and presented in the form disaster susceptibility map. This research was conducted using the bivariate analysis method, which tested the independent variables in the form of landslide point data on the dependent variables indicated to be the cause of the landslide, including slope, lithology, land cover, vegetation, closeness to lineaments and rivers, rainfall and curvature. The results of the study explained that the most influential variable in the occurrence of landslides was the lithology factor, because it has 0.823 Area Under Curve (AUC) value, the largest one compared to other variables. The results also explained that the biggest potential for landslides was in December with a total AUC value of 0.96 obtained from a mixture of several validated variables, which had an AUC value> 0,6, those are lithology, land cover, and rainfall. The dominant landslide disaster distribution location is in the northern area of the study area. The results of this study suggest to the reader to pay attention to these three variables before carrying out development projects in the City and Sukabumi Districts."

"Tanah Longsor merupakan bencana geologi yang paling banyak dijumpai di Kota dan Kabupaten Bogor. Berdasarkan data yang dirilis oleh Badan Nasional Penanggulangan Bencana (BNPB), pada tahun 2013 – 2018 telah terjadi 44 bencana tanah longsor di Kota Bogor dan 139 bencana tanah longsor di Kabupaten Bogor, mengakibatkan 68 orang meninggal dunia. Penelitian ini bertujuan untuk pengembangan studi bencana tanah longsor di Kota dan Kabupaten Bogor, sehingga dapat bermanfaat untuk meminimalisir jumlah keterjadian dan dampak yang dihasilkan dari bencana longsor didaerah tersebut. Pada penelitian ini, peta kerentanan bencana tanah longsor dari area studi dibuat menggunakan metode analytical hierarchy process (AHP) dan artificial neural network (ANN). Sebanyak 84 titik lokasi keterjadian bencana tanah longsor dan 84 titik lokasi yang tidak mengalami bencana tanah longsor diolah menjadi landslide inventory map. Faktor penyebab bencana tanah longsor yang digunakan dalam penelitian ini berjumlah 17 faktor, yaitu bentuk lereng, kemiringan lereng, topographic wetness index (TWI), aspek lereng, elevasi, stream power index (SPI), jarak terhadap sungai, kerapatan sungai, jarak terhadap kelurusan, kerapatan kelurusan, normalized differential vegetation index (NDVI), jenis litologi, jenis tanah, curah hujan, tutupan lahan, jarak terhadap jalan, dan kerapatan bangunan. Data yang diperlukan untuk membuat peta dari setiap faktor penyebab bencana tanah longsor yaitu, data digital elevation model (DEM), peta rupa bumi Indonesia (RBI), data Citra Landsat 8, peta geologi teknik, data curah hujan, dan peta Jenis Tanah. Landslide inventory map dan peta dari setiap faktor penyebab bencana tanah longsor diolah menjadi peta kerentananan bencana tanah longsor menggunakan kedua metode tersebut. Berdasarkan peta kerentanan bencana tanah longsor yang dihasilkan, wilayah selatan daerah penelitian memiliki tingkat kerentanan bencana tanah longsor yang lebih tinggi dibandingkan wilayah lainnya. Proses validasi dari peta kerentanan bencana tanah longsor yang dihasilkan dilakukan dengan menggunakan kurva receiver operating characteristic (ROC). Nilai area under curve (AUC) untuk tingkat keberhasilan metode AHP dan ANN masing-masing adalah 0,834 dan 0,818, hal tersebut menujukkan bahwa metode AHP lebih unggul dalam menjelaskan hubungan bencana tanah longsor dengan faktor penyebabnya. Kedua metode tersebut menghasilkan peta kerentanan bencana tanah longsor yang baik dengan tingkat akurasi lebih dari 81%.Landslide is one of the most common disaster in Bogor City and Bogor Regency. BNPB stated that between 2013-2018 there have been 44 landslides in Bogor City and 139 landslides in Bogor Regency with death toll of 68 persons. Therefore, it is important to generate map to identify landslide susceptibility in study area. In this study, landslide susceptibility map of study area was created using analytical hierarchy process (AHP) and artificial neural network (ANN) methods. A total of 84 points of landslide occurrence locations and 84 secure location points of landslides are processed into landslide inventory map. The landslide causative factors in this study amounted to 17 factors, including slope form, slope gradient, topographic wetness index (TWI), slope aspect, elevation, stream power index (SPI), distance to river, river density, distance to lineament, lineament density, normalized differential vegetation index (NDVI), lithology type, soil type, rain intensity, land cover, distance to road, and building density. The data used to create maps of each landslide causative factors, including digital elevation model (DEM), Bakosurtanal Map, Landsat 8 Imagery, engineering geology map, geological map, and soil type map. Landslide inventory map and maps of each landslide causative factors are processed into landslide susceptibility map using both methods. Based on landslide susceptibility maps obtained in this study, the southern region of the study area has a higher level of landslide susceptibility than other regions. To validate the result, Receiver Operating Characteristic (ROC) applied. The areas under the curve (AUC) for the success rate of the AHP and ANN methods were 0,834 and 0,818, respectively, indicating that the AHP method is superior in explaining the relationship of landslide with each causative factors. Both methods produce a good landslide susceptibility map with the accuracy being higher than 81%."