digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Sukristiyanti
PUBLIC Irwan Sofiyan

COVER_Sukristiyanti.pdf
PUBLIC Irwan Sofiyan

BAB I_Sukristiyanti.pdf
PUBLIC Irwan Sofiyan

BAB II_Sukristiyanti.pdf
PUBLIC Irwan Sofiyan

BAB III_Sukristiyanti.pdf
PUBLIC Irwan Sofiyan

BAB IV_Sukristiyanti.pdf
PUBLIC Irwan Sofiyan

BAB V_Sukristiyanti.pdf
PUBLIC Irwan Sofiyan

PUSTAKA Sukristiyanti
PUBLIC Irwan Sofiyan

LAMPIRAN_Sukristiyanti.pdf
PUBLIC Irwan Sofiyan

Pemodelan kerentanan longsoran (landslide susceptibility modeling/ LSM) merupakan langkah awal dalam mitigasi bencana longsoran. Model non-linear machine learning sangat tepat digunakan untuk melakukan prediksi spasial kerentanan longsoran. LSM berbasis machine learning membutuhkan variabel independen (faktor topografi, geologi, hidrologi, dan faktor antropogenik) dan variabel dependen (objek longsoran dan non-longsoran). Objek longsoran merupakan lokasi kejadian longsoran dari data inventarisasi longsoran. Sementara itu, objek non-longsoran merupakan lokasi yang aman dari longsoran, yang belum tersedia datanya dan harus ditentukan setelah lokasi kejadian longsoran diketahui. Hingga saat ini, belum ada pendekatan pemerolehan data non-longsoran yang representatif, sehingga penelitian ini dilakukan. Analisis statistik bivariate antara lokasi longsoran dengan variabel independen memberikan informasi probabilitas longsoran pada setiap kelas dari sejumlah variabel yang digunakan. Hasil analisis statistik bivariate