Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pelabuhanratu merupakan wilayah pesisir yang strategis untuk berkembang. Haltersebut membuat pemerintah setempat menjadikan Pelabuhanratu sebagai GrowthCenter dari Kabupaten Sukabumi. Berkaitan dengan hal itu, perubahan penggunaanlahan terus terjadi dan dikhawatirkan tidak mendukung keberlanjutan lingkungan.Tujuan dari penelitian ini adalah menganalisis bagaimana perubahan penggunaan lahankota Pelabuhanratu sampai dengan tahun 2032. Metode yang digunakan dalampenelitian ini adalah Cellular Automata-Markov dengan beberapa faktor yangmendorong terjadinya perubahan penggunaan. Faktor penentu dibuat dengan logikafuzzy dengan beberapa variabel yaitu jarak dari jalan, jarak dari point of interest, jarakdari sungai, jarak dari pantai, wilayah ketinggian, kemiringan dan tutupan lahan. Dataini digunakan sebagai masukan pada Cellular Automata-Markov Chain. Tutupan lahandiambil dari google earth pada tahun 2002, 2010 dan 2017. Hasil prediksi menunjukkanbahwa perubahan tutupan lahan sangat signifikan. Nilai akurasi kappa pada modelmencapai 91. Lahan terbangun berkembang linear pada bagian selatan, menyebarpada bagian utara dan beraglomerasi pada bagian barat. ...... Pelabuhanratu is a strategic coastal area that matter the local government makePelabuhanratu as a Growth Center of Sukabumi Regency. In this regard, landcoverchanges continue to occur and are feared not to support environmental sustainabilitycaused of growing center. The purpose of this study is to analyze how land use changeof Pelabuhanratu city until 2032. The method used in this research is CellularAutomata Markov in with several factors that encourage the land cover change. Drivingfactor made with fuzzy logic with some variables that is distance from road, distancefrom river, distance from coastline, distance from point of interest, elevation, slope andlandcover. This data is used to create suitability area for built up area as input forCellular Automata Markov tools. Land cover was obtained from google earth in 2002, 2010 and 2017 as the basis of model calculation. The prediction result shows that landuse change in Pelabuhanratu city is very significant with the Kappa Standard level ofaccuracy 91. Built up area has extended from the previous condition that coming fromagricultural area. Built up area growth with linear pattern at south area, spread pattern atnorth area and crowded at west area.

Abstrak :
Model regresiZero Inflated Poisson (ZIP) digunakan untuk memodelkan count data dengan overdispersi yang disebabkan oleh nilai nol yang berlebih pada pengamatannya(excess zero). Namun, ketika overdispersi berasal dariexcess zerodan datacount, makaZIP tidak lagi cocok. Model regresi Zero Inflated Negative Binomial (ZINB) bertujuan untuk mengetahui variabel apa saja yang berpengaruh secara signifikan terhadap variabelrespon. Data untuk regresi ZINB ini memiliki dua sumber overdispersi. Terdapat dua proses pada variabel respon, yang mendasari pengamatan masuk ke dalam structural zeros atau Negative Binomial (NB) counts. Jadi, regresi ZINB terdiri dari dua model. Pada kedua model tersebut dilakukan penaksiran parameter menggunakan metode Bayesian. Metode ini menganggap parameter-parameter yang digunakan merupakan variabel acakyang memiliki distribusi sebagai informasi prior, dan mengkombinasikannya dengan data yang dimiliki. Kombinasi tersebut selanjutnya disebut sebagai distribusi posterior. Sampling parameter dari distribusi posterior dilakukan dengan simulasi Markov Chain Monte Carlo (MCMC). Sebagai penerapan, digunakan data Parkinson dari Parkinsons Progression Markers Initiative (PPMI). Variabel responnya yaitu frekuensi seberapa sering pasien mengalami komplikasi setelah meminum obat atau tidak, dan variabel prediktornya berupa skor pemeriksaan aspek motorik, non-motorik, dan respon-respon tubuh. Diperoleh hasil bahwa model ZINB cocok untuk memodelkan data tersebut yangditandai dengan hasil simulasi yang konvergen. ......Zero Inflated Poisson (ZIP) regression model is a standard framework for modeling discrete data with over-dispersion caused by excess zero. When over-dispersion has comefrom excess zero and count data, ZIP is no longer matches. A Zero Inflated Negative Binomial (ZINB) regression model aims to analyze the variables affecting data with two sources of over-dispersion. Hence there are two processes at the response variable, which make an observation classified as structural zeros or Negative Binomial (NB) counts. So, ZINB regression consists oftwo models. This paper will use Bayesian method forestimating parameter in both models. The Bayesian method considers parameters to bea random variable that has distribution known as prior distribution, and combine with information of the data. This combination referred as posterior distribution. Sampling parameter from posterior distribution is done using Markov Chain Monte Carlo (MCMC) simulation. As an application, the Parkinsons data is used from Parkinsons Progression Markers Initiative (PPMI). Frequency of how often the patient has complications aftertaking the drug or not is the response, and the predictive variables are motoric aspect, non-motoric aspect, and body responses test scores. The simulation result shows that it isconvergent, indicate that ZINB model is suitable for modeling Parkinsons data.

Abstrak :
ABSTRAK
Sub DAS Komering termasuk salah satu dari Sub DAS prioritas dari 9 Sub DAS Musi dengan luas mencapai 8060 km2. Pembangunan yang terjadi di kawasan ini harus dapat menjamin daya dukung tanah yang berkelanjutan, namun fakta yang terjadi adalah hutan, yang memiliki peran utama dalam menjaga keberlanjutan lingkungan, semakin menurun luasannya. Penelitian ini bertujuan untuk memprediksi perubahan penggunaan tanah dengan pendekatan model spasial dinamik. Metode yang digunakan untuk memprediksi perubahan penggunaan tanah adalah dengan pemodelan Markov ndash; Cellular Automata, selain itu, untuk mengevaluasi kesesuaian penggunaan tanah terhadap RTRW didapatkan dari hasil analisis tumpang tindih overlay . Parameter yang digunakan dalam penelitian ini antara lain lereng, elevasi, jarak dari jalan, jarak dari sungai, jarak dari ibukota kecamatan, dan jarak dari permukiman. Hasil penelitian menunjukkan bahwa penggunaan tanah di DAS Komering didominasi oleh hutan, perkebunan dan sawah. Selama rentang waktu tahun 1990-2016 DAS Komering mengalami penurunan luasan hutan yang cukup drastis yaitu seluas 157.514 hektar 19,54 dan peningkatan luasan perkebunan seluas 238.377 hektar 29,58 . Hasil prediksi penggunaan tanah tahun 2030 kembali menunjukkan penurunan luasan hutan seluas 50.047 hektar 6,21 dari luasan tahun 2016. Berdasarkan hasil prediksi persentase ketidaksesuaian penggunaan tanah terhadap RTRW sebesar 20,35 . Arahan pengendalian penggunaan tanah dengan skenario, dimana hutan yang berada di kawasan lindung dan penggunaan tanah sawah dipertahankan keberadaannya merupakan skenario yang efektif karena dapat menghambat penurunan luas perubahan penggunaan tanah hutan dan penurunan luas perubahan penggunaan tanah sawah serta menurunkan nilai ketidaksesuaian terhadap RTRW menjadi 14,79

---

ABSTRACT
The Komering watershed is one of nine sub Musi river basin and is located in the southern part of Sumatra island that has an area of 8060,62 km2. The development that occurred in the region should be able to guarantee the sustainable carrying capacity of the land. However, the fact is happening is forest, which has a major role in maintaining environmental sustainability, decreasing its range. This study aims to predict land use changes with a dynamic approach to spatial models. The method used to predict land use changes are the Markov Cellular Automata, in addition, to evaluate the appropriateness of using the land to the RTRW with overlay analysis. The parameters used in this study include slope, elevation, distance from the road, distance from the river, the distance from the capital district, and distance from settlements. The results showed that the land use in the Komering watershed dominated by forests, plantations and rice fields. Over the years 1990 2016 Komering Watershed experience drastic decrease in forest land use up to 157.514 ha 19,54 and an increase in plantation area up to 238.377 ha 29,58 . Land use predictive result in 2030 also shows decrease of forest acreage up to 50.047 ha 6,21 of the area in 2016. Based on the prediction existing land use unconformity percentage to RTRW in Komering watershed is 20,35 . Directive of scenario , where forest in protected areas and paddy fields areas are maintained is effective because it can inhibit a broad decline the change of use of forest and paddy fields, as well as lowering the value of land use unconformity percentage to RTRW be 14,79 .

Abstrak :
Kondisi hutan mangrove di Segara Anakan, Cilacap saat ini semakin mengalami penurunan baik secara kualitatif maupun kuantitatif. Penelitian ini bertujuan untuk membuat model dinamika spasial perubahan hutan mangrove pada tahun 1987-2016 dan membuat model prediksi penutup hutan mangrove pada tahun 2031 di Segara Anakan, Cilacap dengan skenario bebas dan skenario RTRW. Citra satelit yang digunakan adalah citra seperti SPOT 1 akusisi tahun 1987, Landsat 7 ETM akusisi tahun 2003 dan Landsat 8 OLI akusisi tahun 2016. Metode yang digunakan adalah Markov Chain-Cellular Automata dengan beberapa faktor pendorong di antaranya jarak dari pemukiman, kepadatan penduduk, jarak dari jalan, jarak dari sungai, jarak dari pusat kegiatan, sedimentasi dan salinitas. Hasil penelitian ini menunjukkan pada tahun 1987-2016 hutan mangrove lebih banyak dikonversi menjadi sawah dan ladang. Penambahan lahan hutan mangrove dari penutup lahan lainnya berasal dari perairan. Prediksi hutan mangrove pada tahun 2031 menunjukkan adanya penurunan luasan yang signifikan yaitu sebesar 64 skenario bebas , sedangkan prediksi hutan mangrove tahun 2031 skenario RTRW menunjukkan adanya sedikit peningkatan luasan hutan mangrove sebesar 1,33 . Model prediksi hutan mangrove dengan skenario RTRW lebih dapat mempertahankan kawasan hutan mangrove dari berbagai ancaman dan gangguan dari penutup lahan lainnya dibandingkan dengan model prediksi dengan skenario bebas. ...... The condition of mangrove forest in Segara Anakan, Cilacap is now decreasing both qualitatively and quantitatively. This study aims to create a model of distribution changes of mangrove forests in 1987 2016 and forecast the distribution of mangrove forests in 2031 in Segara Anakan, Cilacap. Satellite imagery that used such imagery SPOT 1 in 1987, Landsat 7 ETM in 2003 and Landsat 8 OLI 2016. The method used is a Markov Chain, Cellular Automata with driving factors such as distance from settlements, population density, distance from the road, distance from the river, the distance from the center of activity, sedimentation and salinity. The results of this study indicate that in 1987 2016 mangrove forests converted more into rice fields and fields. The addition of mangrove forest area comes from the waters. The prediction of mangrove forest distribution in 2031 with free scenario shows a significant decrease in mangrove forest area and increasing number of rice fields and dry lands. The predicted distribution of mangrove forests in 2031 with the RTRW scenario shows a slight increase in mangrove forest area and reduced rice fields and dry lands. Predicted models with RTRW scenarios can defend mangrove forest areas from various threats and disturbances from other land cover than prediction models with free scenarios.

Abstrak :
ABSTRAK
Kota Malang merupakan kota terbesar kedua dengan luas 110,6 Km2 di Provinsi Jawa Timur, pertumbuhan kota dengan adanya kegiatan pendidikan meningkatkan pembangunan di Kota Malang. Penelitian ini memiliki tujuan untuk menganalisis perubahan penggunaan tanah pada tahun 1996-2016 di Kota Malang. Menganalisis faktor-faktor yang mempengaruhi perubahan pengunaan tanah di Kota Malang tahun 1996-2016. Mensintesa dan membuat model prediksi penggunaan tanah di Kota Malang pada tahun 2030 dengan pendekatan aplikasi metode markov chain Celullar Automata.Metode yang dapat mengkaji fenomena perubahan penggunaan tanah kaitannya dengan pertumbuhan kota di Kota Malang adalah metode markov chain cellular automata. Metode markov chain cellular automata mampu memprediksi perubahan penggunaan tanah akibat pertumbuhan sebuah kota. Hasil prediksi pertumbuhan perkotaan dengan melihat dominansi lahan terbangun memiliki luas 8860,87 ha sedangkan lahan pertanian dan tegalan terus berkurang diangkibatkan adanya pertumbuhan perkotaan. Hasil prediksi tahun 2030 mengenai perubahan penggunaan tanah lahan tidak terbangun sebesar 2.145,13 dibandingkan tahun 2016 sebesar 3400.06 ha artinya terjadi perubahan penggunaan tanah sebesar 1,254.93. Berdasarkan hasil penelitian dari penerapan metode markov chain cellular automata ini maka diharapkan temuan ini dapat dijadikan pertimbangan dalam merancang RTRW Kota Malang yang berkelanjutan. Sehingga keseimbangan ekologis, keseimbangan lingkungan dan ketahanan pangan dapat terjaga dan memenuhi syarat sebuah Kota yang memiliki daya dukung dan daya tampung lingkungan.

---

ABSTRACT
Malang is the second largest city with an area of 110.6 km2 in the province of East Java, the growth of the city with their educational activities to promote development in the city of Malang. This study has the objective to analyze the land use change in 1996 2016 in the city of Malang. Analyzes the factors that influence changes in land use in the city of Malang in 1996 2016. Synthesize and create predictive models of land use in Malang in 2030 with the approach ofapplicationmethod Markov chainCelullar Automata.This method to examine the phenomenon of land use changes in relation to the growth of the city of Malang is amethod of Markov chaincellularautomata.method Markov chain cellular automata is able to predict changes in land use due to the growth of a city. The result of urban growth predictions by looking at the dominance of developed and undeveloped land has an area of 8860.87 ha of agricultural land and moor while declining impact to their urban growth. The prediction results in 2030 regarding changes in land use land is not awakened at 2145.13 compared to 2016 amounted to 3400.06 ha it is mean changes in land use amounted to 1,254.93. Based on the results of the application method of cellular automataMarkov chain it is expected that these findings can be taken into consideration in designing a sustainable RTRW Malang. So that the ecological balance, food security and environmental balance can be maintained and qualify a city which has a carrying capacity and environmental capacity.

Abstrak :
Perubahan penutup lahan merupakan suatu proses dalam perkembangan wilayah. Model perubahan penutup lahan digunakan untuk menggambarkan perkembangan wilayah dari waktu ke waktu. Penelitian ini dilakukan untuk membuat model prediksi penutup lahan pertanian sawah Kabupaten Karawang pada tahun 2031. Metode pendekatan yang digunakan dalam penelitian ini adalah model dinamika spasial Cellular Automata CA -Markov Chain. Analisis simulasi spasial dalam penelitian ini menggunakan prinsip cellular automata CA dengan menggunakan multi layer perceptron MLP neural network, sedangkan prediksi penutup lahan menggunakan menggunakan markov chain. Prediksi kebutuhan lahan Tahun 2031 menggunakan dua skenario skenario bebas dan skenario Rencana Tata Ruang Wilayah . Model dinamika spasial dengan Cellular Automata CA -Markov Chain digunakan untuk prediksi penutup lahan di masa mendatang menghasilkan tingkat akurasi 95,63 . Prediksi lahan sawah tahun 2000-2031 menunjukkan adanya tren penurunan luasan lahan sawah. Prediksi dengan skenario bebas menunjukkan adanya pengurangan lahan sawah sebesar 32,96 Ha per tahun dalam kurun tahun 2000-2031, sedangkan prediksi lahan sawah dengan skenario RTRW menunjukkan adanya pengurangan lahan sawah sebesar 31,33 Ha per tahun dalam kurun waktu tahun 2000-2031. Kata kunci: Cellular automata, Karawang, lahan pertanian sawah, markov chain, model dinamika spasial.

---

Land cover change is a process in the regional development. The model of land cover change used to discribe the regional development with time series. This research was conducted to predict agricultural land of Ricefield in Karawang Regency in 2031. The method of the research is spatial dynamics model approach of Cellular Automata CA Markov Chain. Spatial simulation analysis is using cellular automata CA by multi layer perceptron MLP neural network, whereas the land cover prediction is using markov chain. Land cover prediction in 2031 are using two scenarios free scenario and Regional Spatial Planning scenario. The spatial model of Cellular Automata CA Markov Chain is used to predict future land cover with the level of accuracy of 95,63. The prediction of rice field in the period of 2000 2031 shows the decreasing trend of rice field area. The prediction with free scenario shows a reduction of rice fields of 32.96 Ha year 1 in the period of 2000 2031, while the prediction of rice field with RTRW scenario shows the reduction of rice fields of 31.33 Ha year 1 in the period 2000 2031.Keywords Cellular automata, Karawang, markov chain, Rice field, spatial dynamics model.

Abstrak :
ABSTRAK Alih fungsi lahan yang tidak terkendali dan tidak memperhatikan syarat konservasi menyebabkan lahan menjadi kritis. Sub DAS Keduang merupakan salah satu bagian dari DAS Bengawan Solo Hulu yang luas lahan kritisnya terus meningkat, sehingga untuk itu diperlukan prediksi yang dapat menggambarkan kondisi tingkat kekritisan lahan Sub DAS Keduang secara spasial sebagai upaya menanggulangi lahan kritis. Penelitian ini bertujuan untuk menganalisis perubahan penutup lahan tahun 2005, 2011, dan 2018, serta memprediksi model spasial konservasi lahan kritis tahun 2031 berdasarkan prediksi tingkat kekritisan lahan menggunakan pemanfaatan model Cellular Automata-Markov Chain. Variabel yang digunakan dalam penelitian ini adalah penutup lahan, produktivitas lahan, kemiringan lereng, tingkat bahaya erosi, jarak dari jalan, jarak dari sungai, jarak dari pemukiman, dan ketinggian wilayah. Metode analisisnya adalah spasial dan temporal komparatif deskriptif. Hasil penelitian menunjukkan bahwa perubahan penutup lahan Sub DAS Keduang terjadi secara dinamis dan permukiman merupakan penutup lahan yang paling signifikan mengalami peningkatan luasan. Prediksi tingkat kekritisan lahan menunjukkan Sub DAS Keduang didominasi oleh lahan dengan tingkat kritis. Prediksi model spasial konservasi lahan kritis pada tahun 2031 lebih didominasi oleh metode vegetatif dibandingkan dengan metode kombinasi (vegetatif dan mekanik), karena wilayahnya berada di lereng yang landai sehingga pengendalian lereng tidak terlalu dibutuhkan.

---

ABSTRACT Land coversion that uncontrolled and not in accordance with the regulation of conservation can cause the critical land. Keduang Sub Watershed is one part of Bengawan Solo Upper Watershed where the critical land area is always increased, so spatial prediction is required to describe the critical land level of Keduang Sub Watershed as an effort to cure the critical land. This research aims to analyze the land cover changes in 2005, 2011, and 2018, and also predict the spatial model of critical land conservation 2031 based on the critical land level prediction of Keduang Sub Watershed using utilization of Cellular Automata-Markov Chain model. The variable used in this research is land cover, land productivity, slope, erosion hazard level, distance from the road, distance from the river, distance from the settlement, and height of area. The analysis method is spatial and temporal comparative descriptive. The results showed that land cover of Keduang Sub Watershed is changed dinamically and settlements were the land cover that most significant increased. The prediction of critical land level shows that Keduang Sub Watershed is dominated by critical level. The prediction of spatial model of critical land conservation shows that Keduang Sub Watershed is more dominated by vegetative method than combination method (vegetative and mechanic), because the region is located on flat slope, then the slope-control is not so necessary.

Abstrak :
Perkembangan suatu kota merupakan wujud pembangunan suatu daerah. Salah satu dampak dari perkembangan suatu kota adalah terjadinya perubahan tutupan lahan dan bertambahnya kawasan permukiman. Pada tahun 2002-2018 tutupan lahan vegetasi mengalami penurunan drastis dan mengalami alih fungsi lahan menjadi wilayah permukiman, sehingga luasan tutupan lahan permukiman bertambah. Penelitian ini bertujuan untuk menganalisis pola spasial dari perubahan tutupan lahan permukiman yang dipengaruhi oleh keberadaan TOL BOCIMI di wilayah Kabupaten Sukabumi, Jawa Barat menggunakan metode Cellular Automata-Markov Chain (CA-MC), serta dilakukan pemodelan untuk tahun 2032 berdasarkan faktor penggerak (driving factor) yang diterapkan pada model. CAMC adalah model sederhana dari proses terdistribusi spasial (spatial distributed process) dalam Sistem Informasi Geografi (SIG). Digunakan lima variabel yang kemudian digunakan sebagai driving factor, yaitu wilayah ketinggian, kemiringan lereng, jarak dari sungai, jarak dari jalan, dan jarak dari TOL. Hasil dari model menunjukkan adanya perubahan tutupan lahan dan bertambahnya luasan tutupan lahan permukiman yang dipengaruhi oleh faktor fisik dan infrastruktur di Kabupaten Sukabumi. Hal ini menunjukkan bahwa perlu dilakukan analisis antara model dan Rencana Tata Ruang Wilayah (RTRW) Kabupaten Sukabumi untuk melihat arah pertumbuhan permukiman di Kabupaten Sukabumi. ...... The development of a city is a manifestation of regional development. The impact of the development of a city is the occurrence of land cover changes and increasing of the settlement areas. In 2002-2018 the vegetation land cover experienced a drastic decline and experienced land conversion into the settlement areas, so that the area of settlement land cover increased. This study aims to analyze the spatial patterns of settlement land cover changes that are affected by the existence of BOCIMI TOL road in the Sukabumi Regency, West Java using the Cellular Automata-Markov Chain (CA-MC) method, and modeling for 2032 based on the driving factor (driving factor) applied to the model. CAMC is a simple model of a spatial distributed process in a Geographic Information System (GIS). Five variables are used as driving factors, elevation, slope, distance from the river, distance from the road, and distance from the TOL road. The results of the model show that there are some changes in land cover and an increase of the settlement area that is affected by the physical and infrastructure factors in Sukabumi Regency. This shows that it is necessary to analyze the Sukabumi Regency model and the Regional Spatial Plan (RTRW) to see the growth and the direction of the settlement area in Sukabumi Regency.

Abstrak :
Indonesia adalah wilayah yang memiliki bencana alam geologis. Salah satu bencana geologis yang cukup umum di Indonesia adalah tanah longsor. Tanah longsor adalah gerakan massa batuan atau tanah karena gaya gravitasi tarikan ke bawah yang disertai oleh kekuatan pendorong pada lereng yang lebih besar dari material bawaan. Bencana tanah longsor juga bisa disebabkan oleh perubahan fungsi hutan yang tidak seimbang. Mengubah fungsi hutan menjadi lahan pertanian, pemukiman, dan kondisi vegetasi yang jarang di kawasan hutan akan meningkatkan potensi longsor. Metode yang digunakan dalam penelitian ini adalah metode SMORPH untuk menentukan potensi tanah longsor dan Markov Chain-Cellular Automata untuk menghasilkan model prediksi perubahan tutupan lahan. Tujuan dari penelitian ini adalah untuk menganalisis daerah sebaran potensial longsor dan pengaruh perubahan tutupan lahan terhadap wilayah potensial longsor di Kabupaten Kebumen. Hasil penelitian menunjukkan daerah potensial sangat rendah yaitu 44,84% di wilayah selatan dan tengah Kabupaten Kebumen; daerah berpotensi rendah 2,36%; wilayah tingkat potensial sedang 41,42% yang didistribusikan secara acak dan daerah berpotensi tinggi 11,38% di utara dan barat daya Kabupaten Kebumen. Perubahan tutupan lahan hutan secara umum mengalami penurunan yang signifikan selama tahun 2003-2031 yaitu 139,33 Km2. Perubahan tutupan lahan di kawasan hutan karena aktivitas manusia dapat secara signifikan menyebabkan potensi tanah longsor meningkat. Ini disebabkan oleh hilangnya vegetasi yang mempengaruhi stabilitas lereng.

---

Indonesia is a region that has geological natural disasters. One of the geological disasters that is quite common in Indonesia is landslides. Landslides are movements of rock or soil masses due to the pulling downward force of gravity accompanied by a driving force on the slope greater than the congenital material. Landslide disasters can also be caused by changes in the function of forests that are not balanced. Changing the function of forests to become agricultural land, settlements, and the condition of sparse vegetation in forest areas will increase the potential for landslides. The method used in this study is the SMORPH method to determine the potential for landslides and Markov Chain-Cellular Automata to produce a prediction model for land cover change. The purpose of this study is to analyze the area of ​​potential landslide distribution and the effect of changes in land cover on landslide potential areas in Kebumen Regency. The results showed a very low potential area of ​​44.84% in the southern and central areas of Kebumen Regency; low potential area of ​​2.36%; region of medium potential level of 41.42% which is randomly distributed; and high potential areas of 11.38% in the north and southwest of Kebumen Regency. Changes in forest land cover in general experienced a significant decrease during 2003 - 2031 which was 139.33 Km2. Changes in land cover in forest areas due to human activities can significantly cause the potential for landslides to increase. This is due to the loss of vegetation which affects the stability of the slope.