Publisher

ITENASITENAS

Journal Rekayasa Hijau : Jurnal Teknologi Ramah LingkunganRekayasa Hijau : Jurnal Teknologi Ramah Lingkungan Abstract

Kabupaten Bandung Barat memiliki kerawanan tinggi terhadap bencana tanah longsor karena karakteristik topografinya yang berupa perbukitan dan pegunungan. Kerawanan ini semakin meningkat akibat perubahan fungsi lahan dari kawasan vegetasi menjadi area permukiman. Penelitian ini bertujuan untuk memberikan informasi wilayah yang memiliki kerawanan tanah longsor di Kabupaten Bandung Barat. Informasi ini disajikan dalam bentuk peta yang diperoleh melalui proses klasifikasi data yang berkontribusi terhadap terjadinya tanah longsor dengan menggunakan metode Support Vector Machine (SVM). Metode SVM dipilih karena keunggulannya dalam mengolah data yang kompleks dan menghasilkan prediksi yang akurat. Penelitian ini menggunakan enam parameter: curah hujan, jenis batuan, jenis tanah, kemiringan lereng, kerapatan vegetasi, dan penggunaan lahan, serta data kejadian longsor dari tahun 2015 hingga 2023. Dataset terdiri atas 550 titik, dengan 326 titik longsor dan 214 titik nonlongsor, yang dibagi menjadi 70% untuk pelatihan dan 30% untuk pengujian. Model divalidasi menggunakan 128 titik kejadian longsor dari tahun 2022 hingga 2023. Hasil prediksi menunjukkan klasifikasi wilayah dengan potensi longsor rendah sebesar 42% (nilai 0), potensi menengah sebesar 28% (nilai 0,50), dan potensi tinggi sebesar 30% (nilai 1). Wilayah dengan potensi longsor rendah meliputi Kecamatan Cipeundeuy dan Batujajar. Kecamatan Rongga sebagian besar memiliki potensi menengah, sedangkan Kecamatan Cililin dan Cisarua sebagian besar memiliki potensi tinggi. Berdasarkan perhitungan metode feature importance, ditemukan bahwa kemiringan lereng adalah variabel yang paling berpengaruh dengan nilai kepentingan sebesar 0,35. Model ini menunjukkan performa yang cukup baik dan tidak mengalami overfitting karena memiliki akurasi pelatihan sebesar 79% yang hampir sepadan dengan akurasi validasi sebesar 76%.

Conclusion

Prediksi klasifikasi potensi longsor di Kabupaten Bandung Barat terbagi tiga kategori (rendah, menengah, tinggi) dengan luas masing-masing 42%, 28%, dan 30% serta variabel paling berpengaruh adalah kemiringan lereng (nilai 0,35).Model SVM menunjukkan akurasi sekitar 78,8% pada data pelatihan dan 75,8% pada data validasi, namun masih terdapat ruang untuk meningkatkan recall dan mengatasi ketidakseimbangan data.Disarankan penyesuaian threshold, penambahan data, teknik oversampling/undersampling, serta tuning hyperparameter untuk memperbaiki kemampuan identifikasi dan klasifikasi longsor.

Future Research

Penelitian lanjutan dapat mengeksplorasi penggunaan metode ensemble, seperti Random Forest atau Gradient Boosting, untuk meningkatkan akurasi dan recall dalam pemetaan kerawanan longsor, khususnya pada area dengan data tidak seimbang. Selanjutnya, studi dapat menambahkan variabel lingkungan tambahan, misalnya data kelembaban tanah yang diambil dari citra satelit resolusi tinggi, untuk memperkaya model prediksi dan memahami kontribusi faktor hidrologi terhadap kejadian longsor. Terakhir, penerapan teknik deep learning, seperti Convolutional Neural Network (CNN) pada citra optik atau radar dengan resolusi sub‑meter, dapat diuji untuk menilai kemampuan deteksi pola spasial yang lebih kompleks dibandingkan metode tradisional SVM, sehingga menghasilkan peta kerawanan yang lebih detail dan dapat diandalkan dalam perencanaan mitigasi bencana.

References

1. Pemetaan Daerah Rawan Longsor di Kabupaten Bandung Barat menggunakan Metode Machine Learning dengan Teknik... doi.org/10.26760/jrh.V8i2.185-199Pemetaan Daerah Rawan Longsor di Kabupaten Bandung Barat menggunakan Metode Machine Learning dengan Teknik doi 10 26760 jrh V8i2 185 199
2. Rancang Bangun Mesin Pencacah Sampah Organik Rumah Tangga | Nugraha | Rekayasa Hijau : Jurnal Teknologi... doi.org/10.26760/jrh.v3i3.3428Rancang Bangun Mesin Pencacah Sampah Organik Rumah Tangga Nugraha Rekayasa Hijau Jurnal Teknologi doi 10 26760 jrh v3i3 3428

Metadata

File size	1.29 MB
Pages	15
DMCA	Report