Hasil Pencarian  ::  Simpan CSV :: Kembali

"Longsor merupakan salah satu bencana yang sering terjadi di Indonesia. Pada tahun 2021 wilayah Jawa Barat paling banyak mengalami bencana alam. Oleh karena itu, diperlukan identifikasi terkait dengan zona kerentanan longsoran dalam mitigasi bencana sehingga dapat mengurangi dampak longsoran. Penelitian ini dianalisis menggunakan metode Frequency Ratio (FR) dan Weight of Evidence (WoE). Berdasarkan hasil data yang di peroleh, terdapat 125 titik longsoran. Data tersebut di bagi menjadi dua untuk data train sebanyak 80% (100 titik) dan data testing sebanyak 20% (25 titik). Penelitian ini menggunakan sepuluh parameter, yaitu elevasi, kemiringan lereng, aspek lereng, curvature, NDVI, jarak dari sungai, jarak dari kelurusan, formasi, tutupan lahan, dan curah hujan setiap bulan. Hasil dari analisis tersebut akan menghasilkan peta zona kerentanan longsor setiap bulan yang dibagi atas 4 tingkat kerentanan, yaitu sangat rendah, rendah, menengah, dan tinggi. Model tersebut di validasi menggunakan kurva ROC dan mendapatkan nilai AUC di atas 50%.

---

Landslide is one of the disasters that often occurs in Indonesia. In 2021 the West Java region experienced the most natural disasters. Therefore, it is necessary to identify the landslide susceptibility mapping in disaster mitigation to reduce the impact of the landslide. This research analyzed using the Frequency Ratio (FR) and Weight of Evidence (WoE) methods. Based on the results of the data obtained, there are 125 landslide points. The data is divided into 80% for training data (100 points) and 20% for testing data (25 points). This study used ten parameters, elevation, slope, slope aspect, curvature, NDVI, distance from river, distance from lineament, lithology (formation), land cover, and rainfall. The results of this analysis will produce a landslide susceptibility zone map every month which is divided into 4 levels of landslide susceptibility class, very low, low, medium, and high. The model was validated using the ROC curve and obtained an AUC value above 50%."

"Kabupaten Sukabumi terletak di Selatan Jawa Barat yang dikenal sebagai wilayah yang memiliki keragaman alam. Namun, wilayah ini rawan terhadap bencana, terutama tanah longsor. Penelitian ini berfokus pada Kecamatan Cisolok yang karena aspek topografi, bagian dari Geopark Ciletuh, dan salah satu wilayah pembangunan di selatan Jawa Barat Penelitian ini bertujuan untuk menganalisis pengaruh geomorfologi terhadap wilayah rawan longsor di Kecamatan Cisolok untuk mengurangi dampak longsor dan mendukung pembangunan. Metode yang digunakan untuk pemetaan geomorfologi yaitu metode overlay, sedangkan untuk pemetaan longsor menggunakan metode Frequency Ratio yang diintegrasikan dengan SIG. Penelitian ini menggunakan variabel fisik diantaranya lereng, ketinggian, litologi/jenis batuan, struktur geologi, jalan, sungai, penggunaan tanah, jenis tanah, curah hujan, dan lokasi longsor. Hasil penelitian menunjukkan bahwa wilayah penelitian didominasi oleh lahan lereng vulkanik dengan medan yang curam. Wilayah rawan longsor dibagi menjadi empat kelas yaitu kelas rendah dengan persentase 17,03 %, kelas sedang 62,05 %, kelas tinggi 14,4 %, dan kelas sangat tinggi 6,51 %. Variasi tingkat kerawanan longsor di wilayah penelitian dipengaruhi oleh bentuk medan, genesis lahan , dan proses geomorfik.

---

Sukabumi Regency located in Southern West Java known as region that has diverse natural characteristics. However, it is vulnerable to disasters, especially landslides. Moreover, this study focuses on Cisolok District because of the topography aspect, part of Ciletuh Geopark, and also one of the development area in Southern West Java. This study aims to analyze the influence of geomorphology to the landslide-prone areain Cisolok District to reduce landslides and support the development. This study used the overlay analysis for geomorphological mapping, while the Frequency ratio (FR) method used for landslide-prone area mapping. Several physical variables used in this study, such as slope, elevation, lithology, geological structure, road network, stream network, landuse, soil type, rainfall, and landslide location. The result shows that the study area have diverse geomorphology units dominated by volcanic slope with steep topography. While landslide-prone area consist of four classes; namely 17,03% low, 62,05% medium, 14,4% high, and 6,51% very high. Variety of landslide vulnerability in study area influenced by terrain form, land genesis, and geomorphic process."

"

Tanah longsor merupakan pergerakan material pembentuk lereng (tanah, batuan, dan campurannya) pada bidang longsor atau lereng yang bergerak secara cepat atau singkat dalam jumlah atau volume yang relatif besar. Selama 10 tahun terakhir telah terjadi lebih dari 125 kasus tanah longsor di Kabupaten Banyumas dan menghasilkan banyak kerugian dan korban. Pembuatan peta kerentanan tanah longsor menjadi salah satu solusi untuk dapat mengurangi kerugian akibat tanah longsor. Penelitian ini bertujuan untuk menentukan zona kerentanan tanah longsor di Kabupaten Banyumas menggunakan metode analysis hierarchy process (AHP) dan metode frequency ratio (FR). Penelitian ini dilakukan menggunakan data kejadian tanah longsor sebanyak 125 titik yang dibagi menjadi 2 set data yaitu training data (70%) dan testing data (30%). Pengolahan dan analisis untuk membuat peta kerentanan terhadap dua metode dilakukan menggunakan training data dengan acuan delapan parameter yang berpengaruh terhadap tanah longsor, yaitu kemiringan lereng, elevasi, arah lereng, litologi, curah hujan, penggunaan lahan, jarak terhadap sungai, dan jarak terhadap sesar. Hasil pengolahan data dan analisis menggunakan kedua metode adalah dua buah peta kerentanan tanah longsor yang masingmasingnya dibagi menjadi empat kelas kerentanan. Peta kerentanan juga divalidasi menggunakan training data (success rate) dan testing data (predictive rate) untuk mengetahui akurasi model yang dibuat. Hasil validasi menunjukkan kedua metode menghasilkan nilai AUC yang cukup baik dan dapat diterima, tetapi metode AHP memiliki nilai AUC yang lebih tinggi dari metode FR.

---

Landslides are the rapid or sudden movement of materials forming slopes (soil, rocks, and their mixtures) in large amounts or volumes. Over the past 10 years, there have been more than 200 cases of landslides in Banyumas Regency, resulting in significant losses and casualties. The creation of a landslide vulnerability map is one solution to reduce the damages caused by landslides. This study aims to determine the zone of landslide vulnerability in Banyumas Regency using the Analytic Hierarchy Process (AHP) and Frequency Ratio (FR) methods. The study utilizes data from 100 landslide incidents, divided into two sets: training data (70%) and testing data (30%). Processing and analysis to create vulnerability maps for both methods are carried out using the training data with reference to eight parameters influencing landslides: slope gradient, elevation, slope aspect, lithology, rainfall, land use, distance to rivers, distance to faults, and distance to roads. The processing and analysis results using both methods produce two landslide vulnerability maps, each divided into four vulnerability classes. The vulnerability maps are also validated using the training data (success rate) and testing data (predictive rate) to assess the accuracy of the models created. The validation results indicate different values for the success rate and predictive rate, where the frequency ratio method has a higher success rate, and the AHP method has a higher predictive rate.

"

"Gerakan Tanah merupakan bencana alam yang paling sering terjadi di Indonesia khususnya di daerah Kabupaten Tasikmalaya, Jawa Barat. BPBD Kabupaten Tasikmalaya, dari Januari hingga September 2021 terdapat 260 kejadian bencana. Dari total kejadian bencana itu, 51 persen atau 133 kejadian di antaranya bencana gerakan tanah. Penelitian ini bertujuan untuk mengetahui zona kerentanan gerakan tanah berdasarkan parameter-parameter yang ada untuk menghasilkan peta persebaran zona kerentanan gerakan tanah di daerah Kabupaten Tasikmalaya dengan bantuan Sistem Informasi Geografis (SIG). Selain itu, penelitian ini juga berfokus pada pengaruh cell size terhadap nilai AUC pada daerah penelitian. Oleh karena itu digunakan beberapa cell size untuk mengetahui pengaruh tersebut. Adapun cell size yang digunakan adalah 15, 20, 25, 30 dan 35. Penelitian ini menggunakan 2 metode dalam menentukan peta zona gerakan gerakan tanah yaitu metode frequency ratio dan logistic regression. Frequency ratio bertujuan untuk mengetahui tingkat signifikan dari setiap kelas faktor. Sementara itu logistic regression menghasilkan nilai probabilitas gerakan tanah dan nilai signifikan dari setiap faktor penyebab gerakan tanah. Nilai probabilitas gerakan tanah bernilai 0 dan 1 semakin mendekati angka satu maka semakin tinggi tingkat zona kerentanannya. Terdapat 125 data kejadian gerakan tanah yang terdapat pada daerah penelitian dimana akan dibagi menjadi 80% data training dan 20% data validasi. Adapun parameter-parameter pendukung pada gerakan tanah adalah litologi, aspek lereng, kemiringan lereng, elevasi, penggunaan lahan, curah hujan, jarak dari kelurusan, jarak dari sungai, kelengkungan (curvature) dan NDVI. Kemudian akan dilakukan uji model. Uji model ini didapatkan dari grafik AUC. Uji ini bertujuan untuk mengetahui apakah peta dapat diterapkan atau tidak. Pada penelitian ini, model pada frequency ratio memiliki nilai AUC berkisar 0,73 – 0,81 sedangkan pada model logistic regression memiliki nilai AUC berkisar 0,58 – 0,85. Dari hasil nilai AUC tersebut model frequency ratio termasuk kedalam model sedang – baik sedangkan pada model logistic regression termasuk kedalam model buruk – sedang. Kedua model ini dapat diterapkan pada daerah penelitian.

---

Landslide is the most frequent natural disaster in Indonesia, especially in the Tasikmalaya Regency, West Java. BPBD Tasikmalaya Regency, from January to September 2021 there were 260 disaster events. Of the total disaster events, 51 percent or 133 incidents were landslides. This study aims to determine the vulnerability zones of ground movement based on existing parameters to produce a map of the distribution of ground movement vulnerability zones in the Tasikmalaya Regency area with the help of a Geographic Information System (GIS). In addition, this study also focuses on the effect of cell size on AUC values in the study area. Therefore, several cell sizes are used to determine the effect. The cell sizes used are 15, 20, 25, 30 and 35. This study uses 2 methods in determining the ground motion zone map, namely the frequency ratio method and logistic regression. Frequency ratio aims to determine the significant level of each factor class. Meanwhile, logistic regression produces probability values of ground motion and significant values of each factor causing ground motion. The value of the probability of ground motion is 0 and 1, the closer to number one, the higher the level of the zone of susceptibility. There are 125 data on ground motion events in the research area which will be divided into 80% training data and 20% validation data. The supporting parameters for ground motion are lithology, slope aspect, slope, elevation, land use, rainfall, distance from fault, distance from river, curvature and NDVI. Then a model test will be carried out. This model test is obtained from the AUC graph. This test aims to determine whether the map can be applied or not. In this study, the frequency ratio model has an AUC value ranging from 0.73 to 0.81 while the logistic regression model has an AUC value ranging from 0.58 to 0.85. From the results of the AUC value, the frequency ratio model is included in the medium - good model, while the logistic regression model is included in the bad - medium model. Both of these models can be applied to the research area. "

"Penelitian dilakukan di Kota Palu, Sulawesi Tengah, dimana pada wilayah ini telah terjadi gempa bumi yang berkekuatan 7.5 Mw pada 28 September 2018 yang mengakibatkan terjadinya pergerakan tanah di banyak titik sehingga perlu dilakukan pemetaan kerentanan pergerakan tanah untuk mengetahui lokasi-lokasi yang rentan akan terjadinya pergerakan tanah. Penelitian menggunakan dua metode yaitu metode Frequency Ratio dan Random Forest. Metode Frequency Ratio dapat mengidentifikasi kejadian tanah longsor di masa depan dengan menggunakan kondisi yang sama dengan kejadian tanah longsor di masa lalu sedangkan metode Random Forest merupakan algoritma pembelajaran mesin yang digunakan dalam penginderaan jauh serta bersifat non-parametrik. Penelitian menghasilkan dua jenis peta kerentanan dengan hasil yang hampir sama dimana wilayah Kinovaro, dan Banawa Selatan. Jika dikaitkan dengan titik-titik kejadian longsor dan parameter hal telah bersesuaian dimana wilayah dengan tingkat kerentanan paling tinggi banyak terjadi kejadian longsor dan juga wilayah ini memiliki tingkat kemiringan dan elevasi yang tinggi.

---

The research was conducted in Palu City, Central Sulawesi, where in this area there was an earthquake measuring 7.5 Mw on 28 September 2018 which resulted in ground movement at many points so it is necessary to map the vulnerability of ground movement to find out locations that are vulnerable to movement. soil. The study used two methods, namely the Frequency Ratio and Random Forest methods. The Frequency Ratio method can identify future landslide events using the same conditions as past landslides, while the Random Forest method is a machine learning algorithm used in remote sensing and is non-parametric. The study produced two types of vulnerability maps with almost the same results in the areas of Kinovaro and South Banawa. If it is associated with the points of landslide occurrence and the parameters of the event, it is appropriate where the area with the highest level of vulnerability has the most occurrences of landslides and also this area has a high level of slope and elevation."

"Penelitian ini bertujuan untuk mengidentifikasi zona kerentanan longsor pada Kabupaten Lebak, Provinsi Banten dengan menggunakan dua model yakni Frequency Ratio dan Logistic Regression. Penelitian ini menggunakan 44 data titik longsor yang terjadi pada daerah penelitian, titik longsor tersebut dibagi menjadi dua bagian yakni 35 titik untuk mengindentifikasi zona rentan longsor dan sisanya sebanyak 9 titik digunakan untuk validasi. Zona rentan longsor tersebut dapat diketahui dengan menganalisis faktor-faktor pemicu terjadinya longsor, pada penelitian ini faktor pemicu tersebut terdiri atas sudut lereng, aspek lereng, elevasi, Normalized Differential Vegetation Index (NDVI), curvature, jarak terhadap kelurusan, jarak terhadap sungai, penggunaan lahan, litologi dan curah hujan. Nilai curah hujan yang digunakan pada peneltian ini adalah jumlah curah hujan rata-rata setiap bulannya yang terjadi selama 10 tahun pada daerah penelitian, sehingga akan dihasilkan peta zona rentan longsor setiap bulannya pada daerah penelitian. Hasil dari analisis dengan kedua model tersebut kemudian dibagi atas 3 tingkat kerentanan yakni rendah, menengah, dan tinggi serta nilai AUC yang didapatkan oleh kedua model tersebut setiap bulannya mencapai diatas 50%.

---

This study aims to identify landslide susceptibility zones in Lebak Regency, Banten Province by using two models Frequency Ratio and Logistic Regression. This study uses 44 data of landslide points that occur in the study area, the landslide points are divided into two parts, 35 points to identify landslide susceptibility zones and 9 points are used for validation. The landslide susceptibility zone can be identified by analyzing factors that maybe trigger landslides, in this study the trigger factors consist of slope angle, slope aspect, elevation, Normalized Differential Vegetation Index (NDVI), curvature, distance to straightness, distance to rivers, usage land, lithology and rainfall. The rainfall value used in this research is the average monthly rainfall that occurs for 10 years in the study area, so a monthly landslide susceptibility zone map will be produced in the study area. The results of the analysis with the two models were then divided into 3 vulnerability zones low, intermediate, and high, and the AUC value obtained by the two models each month reached above 50%."

"Gerakan tanah adalah proses ketika material tanah atau batuan mengalami perpindahan akibat gravitasi bumi dan dampaknya merugikan bagi lingkungan hingga menimbulkan korban jiwa (Noor, 2011). Berdasarkan catatan dari Badan Nasional Penanggulangan Bencana, terdapat 289 kejadian bencana akibat gerakan tanah terhitung tahun 2018 hingga tahun 2022 di Kabupaten Banyumas, Provinsi Jawa Tengah (Data Informasi Bencana Indonesia (DIBI)). Pergerakan tanah dipengaruhi oleh parameter-parameter yang berpengaruh terhadap gerakan tanah seperti litologi, aspek lereng, curvature, curah hujan, kemiringan lereng, elevasi, tata guna lahan, jarak dari sungai, jarak dari struktur, dan normalized difference vegetation index (NDVI) (Chen et al., 2021). Tujuan dari penelitian ini yaitu untuk mengidentifikasi daerah rawan pergerakan tanah berdasarkan parameter-parameter tersebut dan memetakan daerah rawan pergerakan tanah di daerah Kabupaten Banyumas mengacu pada Sistem Informasi Geografis (SIG) dengan menggunakan metode information value model dan frequency ratio. Tujuan lainnya yaitu untuk mengkaji tingkat akurasi dari setiap metode dan menentukan metode apakah yang lebih baik digunakan di lokasi penelitian. Hasil dari penelitian ini didapatkan bahwa model yang dihasilkan oleh metode frekuensi rasio mendapatkan nilai AUC pada succes rate sebesar 70,5% dan predictife rate 61,14%. Sementara model yang dihasilkan oleh metode information value mendapatkan nilai AUC succes rate sebesar 66,39% dan predictife rate 60,26%. Berdasarkan validasi AUC dari kedua model tersebut, maka diketahui metode frekuensi rasio merupakan metode yang lebih baik dari metode information value dalam memodelkan tingkat kerentanan gerakan tanah di lokasi penelitian.

---

Land movement is a process when soil or rock material is displaced due to the earth's gravity and the impact is detrimental to the environment and causes casualties (Noor, 2011). Based on records from the National Disaster Management Agency, there were 289 disaster events due to land movement from 2018 to 2022 in Banyumas Regency, Central Java Province (Disaster Information Data Indonesia (DIBI)). Land movement is influenced by parameters that affect land movement such as lithology, slope aspect, curvature, rainfall, slope, elevation, land use, distance from rivers, distance from structures, and normalized difference vegetation index (NDVI) (Chen et al., 2021). The purpose of this research is to identify land movement prone areas based on these parameters and map land movement prone areas in the Banyumas Regency area referring to the Geographic Information System (GIS) using the information value model and frequency ratio methods. Another objective is to assess the accuracy level of each method and determine which method is better used in the research location. The results of this study found that the model generated by the frequency ratio method obtained an AUC value at a success rate of 70.5% and a predictive rate of 61.14%. While the model produced by the information value method gets an AUC succes rate of 66.39% and a predictive rate of 60.26%. Based on the AUC validation of the two models, it is known that the frequency ratio method is a better method than the information value method in modeling the level of ground motion vulnerability at the research site."

"Tingginya intensitas atau frekuensi kejadian gerakan tanah atau tanah longsor di Jawa Tengah terlebih di Kabupaten Cilacap yang merupakan salah satu wilayah dengan frekuensi kejadian longsor yang tinggi maka diperlukan adanya upaya mitigasi bencana yang tepat untuk mengurangi resiko bencana. Sejak tahun 1998-2023 terdapat 303 kejadian gerakan tanah, data tersebut dibagi menjadi 70% data training dan 30% data testing (validasi). Sebagai upaya mitigasi, diperlukan adanya kajian terkait analisis persebaran zona rawan longsor. Kajian tersebut mencakup identifikasi faktor penyebab tanah longsor melalui metode frequency ratio dan statistical index. Faktor penyebab gerakan tanah terdiri dari tingkat kemiringan lereng, elevasi, aspek lereng, intensitas curah hujan, jenis penutup lahan, tipe litologi, kerapatan sungai utama dan anak sungai, kerapatan jalan, kerapatan kelurusan, dan data kejadian longsor. Tujuan Frequency ratio yaitu mengokorelasikan kejadian gerakan tanah dengan faktor kausatif terkait dan Statistical index dapat memberikan bobot korelasi faktor tersebut terhadap kejadian gerakan tanah. Analisis dengan kedua metode tersebut dapat memperkuat interpretasi terkait pengaruh parameter gerakan tanah terhadap kejadian gerakan tanah. Kemudian akan dilakukan uji validasi melalui analisis Grafik AUC. Pada penelitian ini, hasil analisis frequency ratio bernilai AUC 84,9 dan hasil analisis statistical index sebesar 81,5. Kedua nilai tersebut termasuk kategori baik. Sehingga diperoleh bahwa faktor penyebab gerakan tanah di Cilacap dominan dipengaruhi oleh litologi batuan, tingkat kemiringan lereng, elevasi dan aspek lereng.

---

The high intensity or frequency of land movement or landslides in Central Java, especially in Cilacap Regency, which is one of the areas with a high frequency of landslides, means that appropriate disaster mitigation efforts are needed to reduce disaster risk. From 1998-2023 there were 303 ground movement incidents, the data was divided into 70% training data and 30% testing (validation) data. As a mitigation effort, a study is needed regarding the analysis of the distribution of landslide-prone zones. The study includes identifying factors that cause landslides using frequency ratio and statistical index methods. Factors causing land movement consist of slope level, elevation, slope Aspect, rainfall intensity, land cover type, lithology, density of main river network and tributary, density of road network, Lineament density, and data on landslide events. The purpose of the Frequency ratio is to correlate ground movement events with related causative factors and the Statistical index can provide a weight for the correlation of these factors with ground movement events. Analysis using these two methods can strengthen interpretations regarding the influence of ground motion parameters on ground motion events. Then a validation test will be carried out through AUC graph analysis. In this study, the results of the frequency ratio analysis were AUC 84.9 and the results of the statistical index analysis were 81.5. Both values are in the good category. So it was found that the factors causing land movement in Cilacap were predominantly influenced by rock lithology, slope level, elevation and slope aspect."