Maharani, Tricia Putri (2025) Pengembangan Media Pembelajaran MOHIBUKING (<em>Monopoly of the Hindu-Buddhist Kingdom</em>) untuk Pembelajaran Sejarah Kelas X di SMKN 2 Malang / Sopia Nabila</p>. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
p ABSTRAK Maharani Tricia Putri. 2024. Pemetaan Kerawanan Longsor Menggunakan Metode Artificial Neural Network (ANN) di Sub-DAS Brangkal. Skripsi Jurusan Geografi Fakultas Ilmu Sosial Universitas Negeri Malang. Pembimbing (I) Dr. Heni Masruroh S.Pd. M.Sc. Kata kunci Pemetaan Kerawanan Tanah Longsor Artificial Neural Network Bioclim Sistem Informasi Geografi Tanah longsor merupakan salah satu bencana alam geologi yang dapat menimbulkan korban jiwa dan kerugian material yang sangat besar dengan ancaman serius di Indonesia terutama di daerah dengan topografi curam dan curah hujan tinggi. Lokasi yang diteliti masuk dalam formasi Gunungapi Arjuno-Welirang. Penelitian ini bertujuan untuk memprediksi tingkat kerawanan tanah longsor di Sub-DAS Brangkal Jawa Timur. Metode yang digunakan yaitu pendekatan Artificial Neural Network (ANN) dengan menggunakan machine learning RStudio. Data kejadian longsor yang terjadi pada lokasi penelitian diproses menggunakan model Bioclim untuk mendapatkan hasil prediksi kerawanan lebih akurat. Faktor pemicu longsor yang digunakan dalam penelitian ini sebanyak 12 faktor termasuk kemiringan lereng hidrologi jarak ke jalan dan indeks vegetasi diintegrasikan ke dalam model ANN sebagai input data training dan testing. Data faktor pemicu longsor didapatkan dari DEMNAS (Digital Elevation Model Nasional). Hasil penelitian menunjukkan kerawanan tanah longsor diklasifikasikan menjadi 5 kelas yaitu kerentanan sangat tinggi (17 51%) tinggi (7 94%) sedang (8 45%) yang berada pada wilayah atas bukit dengan nilai TWI tinggi dan rendah (21 03%) dan sangat rendah (45 05%) yang tersebar di wilayah lereng bukit. Faktor curah hujan memberikan pengaruh yang kuat karena banyaknya air yang mengalir dan masuk ke dalam tanah dapat menambah pembebanan pada lereng dan menambah potensi adanya bidang gelincir tanah longsor. Hasil analisis menunjukkan bahwa model ANN mampu memprediksi kerentanan tanah longsor dengan akurasi sebesar 88 3% berdasarkan kurva ROC. /p
| Item Type: | Thesis (Diploma) |
|---|---|
| Divisions: | Fakultas Ilmu Sosial (FIS) > Departemen Geografi (GEO) > S1 Geografi |
| Depositing User: | library UM |
| Date Deposited: | 21 Jan 2025 04:29 |
| Last Modified: | 09 Sep 2025 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/401345 |
Actions (login required)
 |
View Item |