penilaian tingkat kerawanan longsor di kecamatan pacet, kabupaten mojokerto menggunakan teknik machine learning: kombinasi model logistic regression dan frequency ratio (lr-fr) / damar panoto - Repositori Universitas Negeri Malang

penilaian tingkat kerawanan longsor di kecamatan pacet, kabupaten mojokerto menggunakan teknik machine learning: kombinasi model logistic regression dan frequency ratio (lr-fr) / damar panoto

Panoto, Damar Panoto (2021) penilaian tingkat kerawanan longsor di kecamatan pacet, kabupaten mojokerto menggunakan teknik machine learning: kombinasi model logistic regression dan frequency ratio (lr-fr) / damar panoto. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

Kecamatan Pacet Kabupaten Mojokerto merupakan wilayah dengan tingkat ancaman bencana longsor tinggi. Dampak yang ditimbulkan oleh longsor tersebut meliputi memutus jalur transportasi merusak lahan pertanian dan membuat rumah rusak. Maka dari itu penting dilakukan pemetaan tingkat kerawanan longsor untuk meningkatkan kesiapsiagaan masyarakat sehingga kerugian dapat diminimalisir atau bahkan terhindarkan. Penilaian tingkat kerawanan longsor dalam penelitian ini menggunakan teknik machine learning dengan menggabungkan model statistik multivariat logistic regression (LR) dengan model indeks statistik bivariat frequency ratio (FR). Berdasarkan penelitian-penelitian sebelumnya penggunaan teknik machine learning dengan memiliki tingkat akurasi yang tinggi karena mampu memahami karakteristik longsor pada suatu wilayah berdasarkan kondisi fisiknya yang kompleks. Penelitian ini menggunakan empat parameter yakni topografi unit lahan iklim dan antropogenik. Parameter topografi meliputi tujuh faktor yakni 1) TWI (topographic wetness index) 2) TPI (topographic position index) 3) SPI (stream power index) 4) aspect (arah hadap lereng) 5) elevasi 6) profile curvature dan 7) jarak dari drainase. Parameter unit lahan meliputi faktor 1) bentuklahan 2) kemiringan lereng 3) penggunaan lahan dan 4) tanah. Adapun parameter iklim adalah faktor curah hujan dan parameter antropogenik adalah faktor jarak dari jalan. Training dataset dan testing dataset dibutuhkan dalam proses kerja teknik machine learning untuk melatih komputer agar dapat membedakan karakteristik wilayah longsor dan nonlongsor berdasarkan faktor-faktor yang digunakan dalam penelitian ini. Proporsi training dataset dan testing dataset adalah 70% dan 30%. Adapun yang digunakan sebagai training dataset dan testing dataset dalam penelitian ini adalah inventarisasi data longsor dan nonlongsor sebanyak 766 titik (383 titik longsor dan 383 titik nonlongsor). Inventarisasi data tersebut diperoleh melalui interpretasi Google Earth tahun 2017 mdash 2020 survei lapangan dan data kejadian longsor oleh BPBD Kabupaten Mojokerto tahun 2015 mdash 2020. Frequency ratio bertujuan untuk mengetahui tingkat signifikan dari setiap kelas faktor. Sementara itu logistic regression menghasilkan nilai probabilitas longsor dan nilai signifikan dari setiap faktor penyebab longsor. Nilai probabilitas longsor bernilai 0 mdash 1 semakin medekati angka satu maka semakin tinggi tingkat kerawanan longsornya. Adapun nilai signifikan faktor paling tinggi yang diperoleh adalah faktor kemiringan lereng artinya faktor ini merupakan faktor yang paling dominan sebagai penyebab longsor. Nilai akurasi yang dari pemodelan kerawanan longsor dalam penelitian ini diketahui menggunakan uji akurasi kurva ROC. Kualitas model kerawanan longsor dalam penelitian ini diketahui memiliki nilai akurasi yang sangat baik berdasarkan nilai AUC yang diperoleh yakni 0 92. Artinya hasil pemodelan longsor dapat merepresentasikan kondisi sebenarnya di lapangan. Terdapat lima kelas kerawanan dengan distribusi sebagai berikut kerawanan sangat tinggi memiliki persentase paling besar yakni 38 5% atau setara dengan 3.518 383 ha. Sementara itu persentase tingkat kerawanan sangat rendah 38% (3.472 69 ha) rendah 6 7% (612 2901 ha) sedang 5 4% (493 4875 ha) dan tinggi 11 3% (1032 668 ha). Berdasarkan kategori unit lahan pada area penelitian daerah dengan tingkat kerawanan longsor tertinggi adalah V3-2-4. Sedangkan wilayah dengan tingkat kerawanan terendah adalah unit lahan V8-5-3.

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Ilmu Sosial (FIS) > Departemen Geografi (GEO) > S1 Geografi
Depositing User: Users 2 not found.
Date Deposited: 16 Aug 2021 04:29
Last Modified: 09 Sep 2021 03:00
URI: http://repository.um.ac.id/id/eprint/152885

Actions (login required)

View Item View Item