RAJA, MOCHAMAD SULTAN (2023) PEMODELAN ANCAMAN TANAH LONGSOR MENGGUNAKAN MACHINE LEARNING DAN SISTEM INFORMASI GEOGRAFIS (STUDI KASUS : KECAMATAN GUNUNGPATI, KOTA SEMARANG). Undergraduate thesis, UNIVERSITAS DIPONEGORO.

	Text 21110118130083-COVER.pdf Download (1MB)
	Text 21110118130083-ABSTRAK.pdf Download (44kB)
	Text 21110118130083-BAB I PENDAHULUAN.pdf Download (124kB)
	Text 21110118130083-BAB II TINJAUAN PUSTAKA.pdf Restricted to Repository staff only Download (400kB) | Request a copy
	Text 21110118130083-BAB III METODOLOGI PENELITIAN.pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text 21110118130083-BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (980kB) | Request a copy
	Text 21110118130083-BAB V KESIMPULAN DAN SARAN.pdf Restricted to Repository staff only Download (42kB) | Request a copy
	Text 21110118130083-LAMPIRAN.pdf Restricted to Repository staff only Download (9MB) | Request a copy

Abstract

Kota Semarang merupakan salah satu kota yang cukup tinggi ancaman tanah longsornya. Menurut data yang dihimpun oleh BPBD Kota Semarang sepanjang tahun 2021 terdapat 146 kejadian tanah longsor di berbagai daerah di Kota Semarang. Salah satu bentuk mitigasi dari akibat tanah longsor ini ialah
dilakukan kajian risiko bencana untuk tanah longsor. Kajian risiko bencana tanah longsor meliputi pemetaan ancaman, pemetaan kerentanan, dan pemetaan kapasitas terhadap tanah longsor. Fokus pada penelitian ini adalah pemetaan ancaman tanah longsor, sebagai kajian utama pada penelitian yang berfokus pada parameterparameter yang dapat memungkinkan terjadinya longsor. Daerah penelitian yang dipilih adalah Kecamatan Gunungpati, yang sepanjang tahun 2013-2022
mengalami 76 kejadian tanah longsor juga terkenal dengan daerah dengan elevasi yang bervariasi dan berlokasi dikaki Gunung Ungaran membuat daerah ini menjadi salah satu daerah yang juga rawan tanah longsor. Metode yang digunakan dalam penelitian ini adalah analisis perbandingan hasil pemodelan ancaman tanah longsor menggunakan machine learning dengan metode Artificial Neural Network,
dikarenakan kemampuan algoritma ANN yang mampu memodelkan pola ancaman tanah longsor yang cukup kompleks dan non linear. Hasil pemodelan akan dibandingkan dengan hasil ancaman dengan menggunakan metode skoring dan bobot mengacu pada Permen PU No. 22/PRT/M/2007, dimana hasil skoring di Kecamatan Gunungpati menunjukkan kelas rendah dengan luas 28,532 km atau 47,72%. Kemudian untuk kelas sedang memiliki luas 27,328 km 2 atau 45,71%, dan
untuk kelas tinggi memiliki luas 3,931 km2 atau 6,57%. Sedangkan untuk hasil ANN, di Kecamatan Gunungpati didominasi oleh kelas sedang dengan luas 27,993 km2
atau 46,9%. Kemudian untuk kelas tinggi memiliki luas 21,93 km atau 36,7%, dan untuk kelas rendah memiliki luas 9,868 km
2 atau 16,4%. 2

Actions (login required)

View Item