Bahaya Longsor di Kabupaten Sukabumi berbasis Metode Weight of Evidence (WoE), Logistic Regression (LR) dan Kombinasi WoE-LR
Landslide Hazard in Sukabumi Regency based on Weight of Evidence (WoE), Logistic Regresion (LR) and WoE-LR Combination Methods
Abstrak
Tingginya kejadian longsor di Kabupaten Sukabumi menjadi penyebab diperlukannya data dan informasi kawasan yang memiliki potensi longsor. Identifikasi potensi longsor dapat dilakukan melalui berbagai pendekatan dimana metode statistik adalah pendekatan yang paling banyak digunakan untuk pemetaan longsor. Maka dari itu, tujuan penelitian ini adalah memprediksi longsor di Kabupaten Sukabumi. Metode penelitian yang digunakan adalah metode Weight of Evidence (WoE), Logistic Regression (LR), dan kombinasi WoE-LR. Hasil pengujian menunjukkan bahwa parameter yang layak digunakan menjalankan model adalah jarak dari jalan, jarak dari sungai, jarak dari patahan, SPI, TWI, Elevasi dan Lereng. Hasil metode WoE menunjukkan bahwa parameter elevasi <300 m, jarak dari jalan >200 m dan jarak dari sungai >100 m merupakan kelas parameter yang tidak baik untuk memprediksi longsor. Sebaliknya, parameter lereng 8–15%, jarak dari jalan 31–70 m dan elevasi 700–800 baik digunakan untuk memprediksi longsor. Pada metode LR, parameter elevasi dan jarak dari jalan secara signifikan berpengaruh terhadap longsor. Hasil metode kombinasi WoE-LR menunjukkan bahwa parameter jarak dari jalan dan SPI merupakan parameter yang kurang baik untuk memprediksi longsor. Sebaliknya, parameter lereng dan TWI merupakan parameter yang paling baik untuk memprediksi bahaya longsor. Berdasarkan pengujian ketiga metode tersebut, dapat disimpulkan bahwa metode kombinasi WoE-LR adalah metode yang paling baik dalam memprediksi bahaya longsor di wilayah penelitian.
Unduh
Referensi
Atkinson, P.M. and R. Massari. 1998. Generalised Linear Modelling of Susceptibility to Landsliding in The Central Apennines, Italy. Computers & Geosciences, 24: 373-385.
Barbieri, G. and P. Cambuli. 2009. “The Weight of Evidence Statistical Method in Landslide Susceptibility Mapping of the Rio Pardu Valley (Sardinia, Italy).” 18th World IMACS Congress and MODSIM09 International Congress on Modelling and Simulation: Interfacing Modelling and Simulation with Mathematical and Computational Sciences, Proceedings, 2658–64.
Bonham-Carter, G.F. 1994. Geographic Information Systems for Geoscientists: Modelling with GIS. Computer Methods in the Geosciences, 267-302.
Dai, F.C., C.F. Lee and Y.Y. Ngai. 2002. Landslide Risk Assessment and Management: an Overview. Engineering Geology, 64: 65-87.
Heckmann, T., K. Gegg, A. Gegg dan M. Becht. 2014. Sample size matters: investigating the effect of sample size on a logistic regression susceptibility model for debris flows. Natural Hazards and Earth System Sciences, 14: 259-278.
Margarint, M.C., A. Grozavu and C.V. Patriche. 2013. Assessing the Spatial Variability of Weights of Landslide Causal Factors in Different Regions from Romania Using Logistic Regression. Natural Hazards and Earth System Sciences Discussions, 1(2): 1749–74.
Nefeslioglu, H.A., C. Gokceoglu, H. Sonmez, and T. Gorum. 2011. Medium-Scale Hazard Mapping for Shallow Landslide Initiation: The Buyukkoy Catchment Area (Cayeli, Rize, Turkey). Landslides, 8(4): 459–83.
Pamela, I.A. Sadisun, R.D. Kartiko dan Y. Arifianti. 2018. Metode Kombinasi Weight of Evidance (W0E) dan Logistic Regresion (LR) untuk pemetaan Kerentanan Gerekan Tanah di Takengon Aceh. Jurnal Lingkungan dan Bencana Geologi, 9(2): 77-86.
Pourghasemi, H.R., H.R. Moradi and S.M.F. Aghda. 2013. Landslide Susceptibility Mapping by Binary Logistic Regression, Analytical Hierarchy Process, and Statistical Index Models and Assessment of Their Performances. Natural Hazards, 69(1): 749–779.
Samodra, G. 2016. Development of Risk Analysis Technique and Its Application to Geo-Disaster Management in Indonesia. Disertasi, Kyushu University Institutional Repository, Fukuoka. Jepang.
Zhou, S., Wang, W., Chen, G., Liu, B., & Fang, L. 2016. A combined weight of evidence and logistic regression method for susceptibility mapping of earthquake-induced landslides: A case study of the April 20, 2013 Lushan earthquake, China. Acta Geologica Sinica, 90: 511-524.
Departemen Ilmu Tanah dan Sumberdaya Lahan, Fakultas Pertanian, IPB University
