Prediksi Daerah Potensi Longsor Menggunakan Metode Machine Learning

  • Fajar Azam Perencanaan Wilayah Dan Kota (Fakultas Teknik)
  • Irland Fardani
Keywords: Longsor, Machine Learning, Kecamatan Cililin

Abstract

Abstract. Cililin District is one of the sub-districts located in West Bandung Regency which has a very high potential for landslides in several villages. This study intends to determine the distribution area of the landslide-prone area which is manifested in the landslide-prone map of Cililin District. The West Bandung Regency Spatial Plan explains that Cililin District is an area that has a fairly high level of vulnerability to ground movement. From year to year there have been many cases of landslides that cover the area of Cililin District. The approach used in this research is the mixed method which combines qualitative and quantitative. The analytical method that will be used in this research is to use Machine Learning method as the main method in making predictions. This area is prone to landslides in Cililin District. By predicting areas prone to landslides. The results of the analysis have an accuracy rate of 73% which is included in the good category. So the conclusion of the analysis that has been carried out can be seen that half of the Cililin District area has an area that has the potential for landslides of 3805 hectares or about 49% while the area that does not have the potential for landslides is 3885 hectares or about 51%.

Abstrak. Kecamatan Cililin adalah salah satu Kecamatan yang terletak di Kabupaten Bandung Barat yang memiliki potensi rawan bencana longsor yang sangat tinggi di beberapa Desanya. Penelitian ini bermaksud untuk mengetahui bagian wilayah sebaran kawasan rawan bencana tanah longsor yang di wujudkan dalam peta rawan bencana longsor Kecamatan Cililin. Dalam Rencana Tata Ruang Wilayah Kabupaten Bandung Barat menjelaskan bahwa Kecamatan Cililin merupakan daerah yang memiliki tingkat kerawanan Gerakan tanah yang cukup tinggi. Dari tahun ketahun telah terjadi banyak kasus longsor yang menutupi wilayah Kecamatan Cililin ini.Metode pendekatan yang digunakan dalam penilitian ini yaitu mixed method yang menggabungkan antara kualitatif dan kuantitatif Metode analisis yang akan digunakan dalam penelitian ini yaitu menggunakan metode Machine Learning sebagai metode utama dalam melakukan prediksi kawasan rawan bencana longsor di Kecamatan Cililin ini. Dengan memprediksi kawasan rawan bencana longsor. Adapun hasil analisis memiliki tingkat akurasi 73% yang termasuk dalam kategori baik. Sehingga kesimpulan analisis yang sudah dilakukan dapat diketahui setengah dari wilayah Kecamatan Cililin ini memiliki kawasan yang berpotensi longsor seluas 3805 Ha atau sekitar 49% sedangkan kawasan yang tidak berpotensi longsor seluas 3885 Ha atau sekitar 51%.

Published
2022-01-20