Penelitian ini menggunakan data sekunder dari studi kasus kestabilan lereng tambang batubara di Indonesia, meliputi data material properties, dimensi lereng, kegempaan, faktor keamanan statis dan dinamis, status lereng, dan lokasi penelitian. Analisis statistik deskriptif dilakukan untuk menggambarkan karakteristik parameter masukan (unit weight, kohesi, sudut geser dalam, tinggi dan sudut lereng, percepatan seismik, dan tekanan pori relatif) dan variabel keluaran (faktor keamanan statis dan dinamis). Data berasal dari berbagai lokasi tambang di Indonesia, dengan Kalimantan Timur sebagai sumber data terbesar, dan diklasifikasikan berdasarkan jenis lereng dan tipe longsoran. Analisis korelasi dilakukan untuk mengevaluasi hubungan linear antara parameter masukan dan faktor keamanan. Pemodelan data melibatkan preprocessing seperti label encoding, winsorizing, dan penanganan outlier, diikuti pembagian data menjadi training dan testing. Beberapa model seperti GA-XGBoost, GA-CatBoost, GA-Deep Learning, dan ANFIS digunakan untuk memprediksi kestabilan lereng, dengan ANFIS menggunakan dua pendekatan: memprediksi faktor keamanan dan probabilitas kegagalan, atau memprediksi langsung klasifikasi kestabilan lereng (stabil/tidak stabil) dengan ambang batas 0.5 untuk konversi keluaran kontinu menjadi biner.
