Perpustakaan Digital ITB

Setiap tahun 67.000 orang terbunuh, 26 juta orang terjerumus ke dalam kemiskinan, dan hampir 200 juta orang terdampak bencana alam di seluruh dunia. Tanah longsor merupakan bahaya yang paling umum dan sering terjadi di daerah pegunungan di dunia yang mempengaruhi kehidupan penduduk lokal. Berdasarkan prioritas pertama sendai framework, terdapat urgensi untuk melakukan penilaian dan pemodelan terhadap bencana sehingga dapat mengurangi kerugian akibat bencana di masa depan. Hal ini termasuk untuk bencana tanah longsor. Mendeteksi dan memetakan kerawanan bencana tanah longsor dalam skala global memungkinkan untuk dilakukan dengan adanya data penginderaan jauh, SIG, serta algoritma machine learning yang telah berkembang untuk mengekstraksi informasi terkait manajemen risiko bencana. Hal ini dapat memberikan hasil terbaik dalam akuisisi, menyimpan, menggabungkan, memanipulasi, menganalisis dan menampilkan informasi dalam menentukan potensi kerawanan longsor. Penelitian ini bertujuan untuk memodelkan kerawanan longsor global berdasarkan algoritma machine learning pada tahun 2015 – 2020. Risiko longsor global berdasarkan paparan terhadap populasi manusia dan infrastruktur jalan juga dikembangkan. Dilakukan pula perbandingan antara kerawanan longsor global dengan tingkat perubahan populasi manusia dan cahaya malam. Berdasarkan hasil diperoleh bahwa kerawanan longsor tertinggi berada pada regional Asia Timur yaitu seluas 4.340.857 km2 (32,7%). Sedangkan untuk risiko terhadap populasi manusia diperoleh juga bahwa Asia Timur merupakan regional dengan risiko tertinggi yaitu seluas 3.258.264 km2 (24,6%). Pada infrastruktur jalan, diperoleh bahwa jalan utama yang merupakan jalan dengan risiko tertinggi di dunia. Dari hasil korelasi kerawanan longsor dengan perubahan area berpopulasi berdasarkan data populasi ataupun data cahaya malam, regional dengan tingkat kerawanan tinggi dan tingkat perubahan area berpopulasi positif adalah Asia Timur.