Prediction Landslide Location Area Using ANN (Case study in Bangli Regency, Bali Indonesia)

Abstrak

Tanah longsor adalah geo-bencana utama yang sangat berdampak pada banyak wilayah di dunia, berdampak terhadap nyawa manusia dan kerugian ekonomi. Kekuatan alam yang sangat besar terlibat dalam tanah longsor membuat tindakan mitigasi atau pencegahan menjadi tidak dapat dilakukan, dengan pengecualian untuk kejadian kecil atau dalam kondisi tertentu. Banyak metode lama telah diterapkan pada management dan/atau prediksi longsor, seperti metode overlay atau pembobotan. Sedangkan metode terbaru/terdepan masih dikembangkan, salah satu metode terbaru adalah Jaringan Syarat Tiruan (JST). JST adalah program komputer yang terinspirasi dari cara otak manusia memproses informasi. Banyak jenis ANN yang ada, yang terkenal salah satunya adalah Algoritma Neural Network Multilayer Perceptron (MLP) dengan model FeedForward. MLP terdiri dari tiga bagian: lapisan masukan sebagai neuron yang merepresentasikan nilai data, lapisan tersembunyi yang mendemonstrasikan proses pelatihan jaringan, dan lapisan keluaran yang memberikan prediksi area longsor. Dalam penelitian ini, input layer terdiri dari karakteristik lokasi longsor, yang meliputi intensitas curah hujan, tutupan lahan, kemiringan lereng, tipe geologi, dan laju perpindahan longsor. Sebagai studi kasus, Kabupaten Bangli dipilih, pada tahun 2017 terjadi bencana longsor di Kecamatan Kintamani, Kabupaten Bangli yang mengakibatkan puluhan orang hilang atau meninggal dunia dan beberapa rumah hancur. Dalam penelitian ini jumlah neuron yang berbeda di lapisan tersembunyi digunakan (15, 50, 100, dan 150 neuron). Nilai akurasi terbesar diperoleh pada 150 neuron, dengan 0,9677 (96,77%) untuk set tes.