Indonesia merupakan negara dengan kondisi bencana alam yang sangat kompleks.
Salah satu bencana alam yang sering terjadi yaitu gerakan tanah atau landslide.
Gerakan tanah merupakan pergerakan massa batuan dan atau tanah yang dipengaruhi
oleh faktor pengontrol dan faktor pemicu. Faktor pengontrol di antaranya adalah
terdapatnya morfologi lereng yang curam sampai sangat curam, terdapatnya struktur
geologi, dan kondisi batuan yang kurang resisten. Faktor pemicu pada umumnya
adalah kondisi curah hujan dan keairan di suatu wilayah. Penelitian tentang kondisi
kebencanaan suatu wilayah sangat diperlukan untuk dapat mencegah dan
mengurangi dampak negatif. Daerah penelitian berada di Kecamatan Rongga,
Kabupaten Bandung Barat yang mempunyai morfologi berupa perbukitan curam –
terjal sehingga menyebabkan daerah tersebut rawan terhadap gerakan tanah. Pada
tanggal 23 Maret 2020 terjadi gerakan tanah pada tebing setinggi 30 m yang berada
di Kampung Nyomplong, Desa Cibitung. Kejadian tersebut dipicu oleh hujan deras
dan intensitas tinggi. Meskipun tidak menimbulkan korban jiwa, sebanyak 37 orang
harus dievakuasi karena jarak bangunan yang dekat dengan lokasi kejadian.
Penelitian dilakukan dengan cara melakukan analisis pemodelan gerakan tanah
menggunakan statistik bivariat yaitu Metode Weight of Evidence (WoE), multivariat
yaitu Logistic Regression (LR), dan kombinasi Metode WoE-LR. Data yang analisis
adalah parameter gerakan tanah dan lokasi gerakan tanah. Tercatat di daerah
penelitian terdapat 572 lokasi gerakan tanah yang diambil berdasarkan data lapangan
dan kenampakan dari Google Earth. Data tersebut dibagi menjadi dua kelompok,
yaitu: data uji analisis (ls_train) dengan persentase 70% dan data tes validasi (ls_test)
dengan persentase 30%. Parameter-parameter yang digunakan dalam analisis
gerakan tanah adalah tata guna lahan, kemiringan lereng, arah lereng, kurvatur,
elevasi, curah hujan, litologi, NDWI, NDVI, jarak dari jalan, jarak dari sungai, arah
aliran, densitas kelurusan, densitas sungai, dan jarak dari kelurusan. Parameter
tersebut dilakukan uji validasi dengan menentukan nilai area under curve (AUC).
Terdapat 10 parameter yang lolos uji AUC (AUC > 0,6) yaitu: tata guna lahan (0,60),
kemiringan lereng (0,68), kurvatur (0,61), elevasi (0,63), curah hujan (0,60), litologi
(0,66), densitas sungai (0,62), densitas kelurusan dan struktur geologi (0,61), NDVI
(0,61), dan jarak dari sungai (0,60). Validasi peta zonasi dari setiap metode yang dilakukan adalah menentukan nilai
AUC (area under curve), SCAI (seed cell area index), dan spatial domain. Nilai
AUC yang dihitung adalah AUC success rate dan AUC prediction rate. Success rate
diperoleh dari menggabungkan data penjumlahan WoE dengan data uji gerakan
tanah (ls_train) yang berjumlah 400 titik lokasi gerakan tanah. Prediction rate
diperoleh dari menggabungkan data penjumlahan WoE dengan data tes gerakan
tanah (ls_test) yang berjumlah 172 titik lokasi gerakan tanah. Nilai AUC success rate
Metode WoE adalah 0,69 dan nilai AUC prediction rate Metode WoE adalah 0,66.
Nilai AUC success rate Metode LR adalah 0,70 dan nilai AUC prediction rate
Metode LR adalah 0,69. Nilai AUC success rate Metode WoE-LR adalah 0,71 dan
nilai AUC prediction rate Metode WoE-LR adalah 0,66. Hasil nilai SCAI
menunjukkan hasil yang tidak terlalu jauh dari setiap metode. Peta yang dihasilkan
menggunakan Metode WoE-LR memiliki hasil yang lebih baik untuk zonasi
kerentanan gerakan tanah sangat rendah sampai rendah dengan nilai SCAI paling
besar dan peta yang dihasilkan menggunakan Metode WoE memiliki hasil yang lebih
baik untuk zonasi kerentanan gerakan tanah tinggi yaitu dengan nilai SCAI paling
kecil. Hasil validasi menggunakan spatial domain menunjukkan semua metode
mempunyai piksel yang benar dan dapat diterima di atas 90% dari total luasan daerah
penelitian. Nilai spatial domain yang paling besar diperoleh dari validasi Metode LR
dan WoE-LR yaitu persentase piksel yang diklasifikasikan dengan benar sebesar
56,2%, piksel yang dapat diterima sebesar 42,9%, dan piksel yang tidak dapat
diterima kurang dari 1%. Nilai piksel yang dilkasifikasikan dengan benar dan dapat
diterima menunjukkan tingkat keakuratan data yang dihasilkan.