Perpustakaan Digital ITB

Erosi tanah merupakan salah satu masalah lingkungan yang serius di area pertambangan batubara akibat perubahan kondisi tanah dan vegetasi yang meningkatkan risiko kerusakan ekosistem. Penelitian ini bertujuan memprediksi risiko erosi tanah pada tambang batubara skala laboratorium menggunakan metode Universal Soil Loss Equation (USLE), pengujian langsung dengan rainfall simulator, serta model Adaptive Neuro-Fuzzy Inference System (ANFIS). Pengujian dilakukan pada empat jenis material (top soil, siltstone, sandstone, dan claystone) dengan variasi tiga kemiringan lereng (10°, 20°, 30°), tiga panjang lereng (0,25; 0,5; dan 0,75 m), dan dua intensitas hujan (15,5 dan 32,7 mm/jam yang mewakili klasifikasi hujan lebat dan sangat lebat). Hasil perhitungan USLE menunjukkan laju erosi meningkat seiring bertambahnya intensitas hujan, kemiringan, dan panjang lereng, dengan nilai tertinggi pada material sandstone (hingga 11,59 ton/ha). Hasil pengujian rainfall simulator menunjukkan pola serupa, dengan sandstone konsisten sebagai material paling rentan erosi (hingga 15,10 ton/ha), sejalan dengan nilai erodibilitas tanah (K) tertinggi (0,70). Evaluasi menunjukkan rainfall simulator layak digunakan sebagai prediktor USLE, dengan koefisien determinasi (R²) 0,7687–0,9315 dan RMSE 0,328–0,880 ton/ha pada kedua intensitas. Model ANFIS terbukti efektif memprediksi laju erosi pada seluruh material berdasarkan evaluasi 5-Fold Cross Validation, dengan R² berkisar 0,7710 (siltstone) hingga 0,9918 (claystone), tergolong kategori Baik hingga Sangat Baik berdasarkan kriteria Moriasi et al. (2007). Hasil penelitian ini membuktikan bahwa ANFIS dapat digunakan sebagai alat prediksi laju erosi tanah pada tambang batubara skala laboratorium dengan akurasi tinggi, dipengaruhi oleh karakteristik erodibilitas, erosivitas hujan, serta faktor topografi masing-masing material.