Hasil Pencarian  ::  Simpan CSV :: Kembali

"Gerakan tanah termasuk bencana geologi yang menimbulkan kerugian besar di Kabupaten Bogor dan Kota Bogor. Untuk meminimalisasi kerugian tersebut, dilakukan prediksi kerentanan bencana gerakan tanah di wilayah tersebut. Dalam penelitian ini, prediksi divisualisasikan dalam bentuk peta kerentanan bencana gerakan tanah. Untuk menghasilkan peta prediksi, digunakan dua metode, yaitu Analytical Hierarchy Process (AHP) dan Frequency Ratio Model (FRM). Sebanyak 71 titik gerakan tanah di daerah penelitian dikumpulkan. Data tersebut bermanfaat dalam pengolahan 17 faktor yang dipertimbangkan dalam memprediksi kerentanan bencana gerakan tanah, diantaranya: kemiringan lereng, bentuk lereng, aspek lereng, topographic wetness index (TWI), stream power index (SPI), elevasi, jarak terhadap sungai, kerapatan sungai, jarak terhadap kelurusan, kerapatan kelurusan, normalized differential vegetation index (NDVI), jenis litologi, jenis tanah, curah hujan, tutupan lahan, jerak terhadap jalan, dan kerapatan bangunan. Setelah didapatkan peta potensi, risiko, dan bencana gerakan tanah di Kabupaten Bogor dan Kota Bogor, dilakukan validasi menggunakan grafik rasio frekuensi dan uji mekanika tanah. Dari hasil validasi, didapatkan peta potensi, risiko, dan bencana gerakan tanah daerah penelitian tervalidasi. Berdasarkan peta tersebut, daerah penelitian memiliki kerentanan terhadap bencana gerakan tanah semakin tinggi dari utara ke selatan. Dari kedua metode, Frequency Ratio Model (FRM) lebih cocok digunakan di daerah penelitian dibandingkan Analytical Hierarchy Process.

---

Landslide is one of the geological disasters which causes massive loss in Bogor Regency and Bogor City. To minimize such damage, landslide susceptibility prediction is proposed. In this study, landslide susceptibility prediction visualized as landslide susceptibility maps of Bogor Regency and Bogor City. To obtain that maps, two methods were applied, Analytical Hierarchy Process (AHP) and Frequency Ratio Model (FRM). At least 71 points of landslide were collected. Those data is used in 17 triggering factors processing considered in the prediction. Those are: slope angle, slope curvature, slope aspect, topographic wetness index, stream power index, elevation, distance to drainage, drainage density, distance to lineaments, lineaments density, normalized differential vegetation index, lithology types, soil types, annual rainfall intensity, land use, distance to roads, and building density. After landslide hazard, risk, and susceptibility map in Bogor Regency and Bogor City are made, the next step is to validate those maps using frequency ratio graphic and direct shear test. Based on prediction maps obtained, we can conclude that the landslide susceptibility from the north side to the south side relatively increases. We can also conclude that Frequency Ratio Model (FRM) method is way better than Analytical Hierarchy Process (AHP)."

"Tanah Longsor merupakan bencana geologi yang paling banyak dijumpai di Kota dan Kabupaten Bogor. Berdasarkan data yang dirilis oleh Badan Nasional Penanggulangan Bencana (BNPB), pada tahun 2013 – 2018 telah terjadi 44 bencana tanah longsor di Kota Bogor dan 139 bencana tanah longsor di Kabupaten Bogor, mengakibatkan 68 orang meninggal dunia. Penelitian ini bertujuan untuk pengembangan studi bencana tanah longsor di Kota dan Kabupaten Bogor, sehingga dapat bermanfaat untuk meminimalisir jumlah keterjadian dan dampak yang dihasilkan dari bencana longsor didaerah tersebut. Pada penelitian ini, peta kerentanan bencana tanah longsor dari area studi dibuat menggunakan metode analytical hierarchy process (AHP) dan artificial neural network (ANN). Sebanyak 84 titik lokasi keterjadian bencana tanah longsor dan 84 titik lokasi yang tidak mengalami bencana tanah longsor diolah menjadi landslide inventory map. Faktor penyebab bencana tanah longsor yang digunakan dalam penelitian ini berjumlah 17 faktor, yaitu bentuk lereng, kemiringan lereng, topographic wetness index (TWI), aspek lereng, elevasi, stream power index (SPI), jarak terhadap sungai, kerapatan sungai, jarak terhadap kelurusan, kerapatan kelurusan, normalized differential vegetation index (NDVI), jenis litologi, jenis tanah, curah hujan, tutupan lahan, jarak terhadap jalan, dan kerapatan bangunan. Data yang diperlukan untuk membuat peta dari setiap faktor penyebab bencana tanah longsor yaitu, data digital elevation model (DEM), peta rupa bumi Indonesia (RBI), data Citra Landsat 8, peta geologi teknik, data curah hujan, dan peta Jenis Tanah. Landslide inventory map dan peta dari setiap faktor penyebab bencana tanah longsor diolah menjadi peta kerentananan bencana tanah longsor menggunakan kedua metode tersebut. Berdasarkan peta kerentanan bencana tanah longsor yang dihasilkan, wilayah selatan daerah penelitian memiliki tingkat kerentanan bencana tanah longsor yang lebih tinggi dibandingkan wilayah lainnya. Proses validasi dari peta kerentanan bencana tanah longsor yang dihasilkan dilakukan dengan menggunakan kurva receiver operating characteristic (ROC). Nilai area under curve (AUC) untuk tingkat keberhasilan metode AHP dan ANN masing-masing adalah 0,834 dan 0,818, hal tersebut menujukkan bahwa metode AHP lebih unggul dalam menjelaskan hubungan bencana tanah longsor dengan faktor penyebabnya. Kedua metode tersebut menghasilkan peta kerentanan bencana tanah longsor yang baik dengan tingkat akurasi lebih dari 81%.Landslide is one of the most common disaster in Bogor City and Bogor Regency. BNPB stated that between 2013-2018 there have been 44 landslides in Bogor City and 139 landslides in Bogor Regency with death toll of 68 persons. Therefore, it is important to generate map to identify landslide susceptibility in study area. In this study, landslide susceptibility map of study area was created using analytical hierarchy process (AHP) and artificial neural network (ANN) methods. A total of 84 points of landslide occurrence locations and 84 secure location points of landslides are processed into landslide inventory map. The landslide causative factors in this study amounted to 17 factors, including slope form, slope gradient, topographic wetness index (TWI), slope aspect, elevation, stream power index (SPI), distance to river, river density, distance to lineament, lineament density, normalized differential vegetation index (NDVI), lithology type, soil type, rain intensity, land cover, distance to road, and building density. The data used to create maps of each landslide causative factors, including digital elevation model (DEM), Bakosurtanal Map, Landsat 8 Imagery, engineering geology map, geological map, and soil type map. Landslide inventory map and maps of each landslide causative factors are processed into landslide susceptibility map using both methods. Based on landslide susceptibility maps obtained in this study, the southern region of the study area has a higher level of landslide susceptibility than other regions. To validate the result, Receiver Operating Characteristic (ROC) applied. The areas under the curve (AUC) for the success rate of the AHP and ANN methods were 0,834 and 0,818, respectively, indicating that the AHP method is superior in explaining the relationship of landslide with each causative factors. Both methods produce a good landslide susceptibility map with the accuracy being higher than 81%."

"

Tanah longsor merupakan pergerakan material pembentuk lereng (tanah, batuan, dan campurannya) pada bidang longsor atau lereng yang bergerak secara cepat atau singkat dalam jumlah atau volume yang relatif besar. Selama 10 tahun terakhir telah terjadi lebih dari 125 kasus tanah longsor di Kabupaten Banyumas dan menghasilkan banyak kerugian dan korban. Pembuatan peta kerentanan tanah longsor menjadi salah satu solusi untuk dapat mengurangi kerugian akibat tanah longsor. Penelitian ini bertujuan untuk menentukan zona kerentanan tanah longsor di Kabupaten Banyumas menggunakan metode analysis hierarchy process (AHP) dan metode frequency ratio (FR). Penelitian ini dilakukan menggunakan data kejadian tanah longsor sebanyak 125 titik yang dibagi menjadi 2 set data yaitu training data (70%) dan testing data (30%). Pengolahan dan analisis untuk membuat peta kerentanan terhadap dua metode dilakukan menggunakan training data dengan acuan delapan parameter yang berpengaruh terhadap tanah longsor, yaitu kemiringan lereng, elevasi, arah lereng, litologi, curah hujan, penggunaan lahan, jarak terhadap sungai, dan jarak terhadap sesar. Hasil pengolahan data dan analisis menggunakan kedua metode adalah dua buah peta kerentanan tanah longsor yang masingmasingnya dibagi menjadi empat kelas kerentanan. Peta kerentanan juga divalidasi menggunakan training data (success rate) dan testing data (predictive rate) untuk mengetahui akurasi model yang dibuat. Hasil validasi menunjukkan kedua metode menghasilkan nilai AUC yang cukup baik dan dapat diterima, tetapi metode AHP memiliki nilai AUC yang lebih tinggi dari metode FR.

---

Landslides are the rapid or sudden movement of materials forming slopes (soil, rocks, and their mixtures) in large amounts or volumes. Over the past 10 years, there have been more than 200 cases of landslides in Banyumas Regency, resulting in significant losses and casualties. The creation of a landslide vulnerability map is one solution to reduce the damages caused by landslides. This study aims to determine the zone of landslide vulnerability in Banyumas Regency using the Analytic Hierarchy Process (AHP) and Frequency Ratio (FR) methods. The study utilizes data from 100 landslide incidents, divided into two sets: training data (70%) and testing data (30%). Processing and analysis to create vulnerability maps for both methods are carried out using the training data with reference to eight parameters influencing landslides: slope gradient, elevation, slope aspect, lithology, rainfall, land use, distance to rivers, distance to faults, and distance to roads. The processing and analysis results using both methods produce two landslide vulnerability maps, each divided into four vulnerability classes. The vulnerability maps are also validated using the training data (success rate) and testing data (predictive rate) to assess the accuracy of the models created. The validation results indicate different values for the success rate and predictive rate, where the frequency ratio method has a higher success rate, and the AHP method has a higher predictive rate.

"

"Gerakan tanah merupakan bencana alam yang banyak menimbulkan kerugian harta benda, korban jiwa maupun luka-luka, kerusakan properti dan juga infrastruktur. Salah satu cara untuk mengurangi kerugian tersebut adalah dengan melakukan pemetaan potensi bencana gerakan tanah (slide hazard zonation). Pemetaan potensi bencana gerakan tanah dilakukan di Kabupaten Bandung Barat yang merupakan salah satu daerah di Indonesia dengan frekuensi keterjadian gerakan tanah yang tinggi. Metode yang digunakan adalah dengan menggunakan Analytical Hierarchy Process (AHP). Pada penelitian ini digunakan 15 faktor pemicu terjadinya gerakan tanah, yaitu sudut lereng, arah lereng, kelas lereng, elevasi, elevasi relatif, Stream Power Index (SPI), Topographic Wetness Index (TWI), Normalized Differential Vegetation Index (NDVI), kerapatan liniasi, jarak terhadap liniasi, litologi, jenis tanah, curah hujan, kerapatan sungai, dan juga jarak terhadap sungai. Sedangkan faktor risiko gerakan tanah berupa penggunaan lahan, kerapatan bangunan, dan juga jarak terhadap jalan. Kabupaten Bandung Barat secara umum memiliki potensi kerentanan gerakan tanah moderate dengan persentase area sebesar 17,37%. Sedangkan kelas very low menyusun sekitar 15,97% luas daerah penelitian, low 16,96%, moderately high 16,75%, high 16,73%, dan juga very high 16,19%. Sedangkan untuk risiko gerakan tanah Kabupaten Bandung Barat didominasi area dengan tingkat moderately high dengan persentase area sebesar 22,36%. Sedangkan kelas very low menyusun sekitar 15,95% luas daerah penelitian, low 16,79%, moderate 18,70%, high 15,57%, dan juga very high 10,59%. Untuk potensi bencana gerakan tanah, Kabupaten Bandung Barat didominasi oleh tingkat moderate dengan persentase area sebesar 18,41%. Sedangkan kelas very low menyusun sekitar 15,22% luas daerah penelitian, low 15,20%, moderately high 16,88%, high 17,14%, dan juga very high 17,12%.

---

Landslide is a natural disaster that causes a huge loss in properties, fatalities, and public utilities. One of the ways to decrease those loss is by mapping the landslide susceptibility area (landslide hazard zonation). The landslide susceptibility mapping was applied in West Bandung Regency because the area has high landslide occurence frequency. The method used in this research is the Analytical Hierarchy Process (AHP). There are 15 landslide triggering factors considered in this research, such as: slope angle, slope aspect, slope curvature, elevation, relative elevation, Stream Power Index (SPI), Topographic Wetness Index (TWI), Normalized Differential Vegetation Index (NDVI), lineaments density, distance to lineaments, lithology, soil types, rainfall intensity, drainage density, and distance to drainage. As for the risk triggering factors, there are land use, building density, and distance to roads. In general, landslide hazard in West Bandung Regency is in moderate class with 17,37% total area. The very low class is about 15,97% of total area, low 16,96%, moderately high 16,75%, high 16,73%, and very high 16,19%. Besides, the landslide risk in West Bandung Regency dominated by moderately high class with 22,36% total area. The very low class is about 15,95% total area, low 16,79%, moderately 18,70%, high 15,57%, and very high 10,59%. Finally, the landslide susceptibility in West Bandung Regency dominated by moderate class with 18,41% total area. The very low class is about 15,22% total area, low 16,20%, moderately high 16,88%, high 17,14%, and very high 17,12%."

"Penelitian ini membahas mengenai identifikasi faktor utama yang menjadi penyebab terjadinya peristiwa tanah longsor di Kota dan Kabupaten Sukabumi serta menentukan zona rawan bencana berdasarkan kelas-kelasnya yang disajikan dalam bentuk peta kerawanan bencana. Penelitian ini dilakukan dengan menggunakan metode analisis bivariat, yaitu menguji parameter independen berupa data titik keterjadian longsor terhadap parameter-parameter dependen yang diindikasikan menjadi penyebab terjadinya tanah longsor tersebut, diantaranya kemiringan lereng, litologi, tutupan lahan, vegetasi, kedekatan dengan kelurusan dan sungai, curah hujan dan kurvatur. Hasil penelitian menjelaskan bahwa parameter yang paling berpengaruh dalam keterjadian bencana longsor adalah parameter litologi, karena memiliki nilai Area Under Curve (AUC) terbesar dibanding parameter lainnya yaitu 0,823. Hasil penelitian juga menjelaskan bahwa potensi terjadinya longsor terbesar adalah pada bulan Desember dengan nilai AUC total 0,96 yang diperoleh dari campuran beberapa parameter yang sudah tervalidasi, yang memiliki nilai AUC > 0,6, yaitu litologi, tutupan lahan, dan curah hujan. Lokasi sebaran kejadian bencana tanah longsor dominan berada di wilayah utara daerah penelitian. Hasil penelitian ini menyarankan pada pembaca untuk memperhatikan tiga parameter tersebut sebelum melakukan proyek pembangunan di wilayah Kota dan Kabupaten Sukabumi.

---

This research discusses the identification of the main factors that caused the occurrence of landslides in the City and District of Sukabumi and determines disaster-susceptibility zones based on their classes and presented in the form disaster susceptibility map. This research was conducted using the bivariate analysis method, which tested the independent variables in the form of landslide point data on the dependent variables indicated to be the cause of the landslide, including slope, lithology, land cover, vegetation, closeness to lineaments and rivers, rainfall and curvature. The results of the study explained that the most influential variable in the occurrence of landslides was the lithology factor, because it has 0.823 Area Under Curve (AUC) value, the largest one compared to other variables. The results also explained that the biggest potential for landslides was in December with a total AUC value of 0.96 obtained from a mixture of several validated variables, which had an AUC value> 0,6, those are lithology, land cover, and rainfall. The dominant landslide disaster distribution location is in the northern area of the study area. The results of this study suggest to the reader to pay attention to these three variables before carrying out development projects in the City and Sukabumi Districts."

"Gerakan tanah merupakan bahaya geologi utama di dunia yang menyebabkan tingginya jumlah korban manusia hingga kerugian harta benda yang sangat besar, serta mengakibatkan kerusakan pada sumber daya alam, ekosistem, dan infrastruktur. Selama periode Januari 2020 hingga Desember 2021, bancana gerakan tanah telah menjadi bencana yang paling rawan terjadi di Kabupaten Wonosobo, yakni sebanyak 238 kejadian. Bahkan, beberapa dari kejadian tersebut memakan korban jiwa yakni satu orang meninggal dunia di Kecamatan Kaliwiro, satu orang meninggal dunia di Kecamatan Kepil, dan dua orang meninggal dunia di Kecamatan Watumalang. Oleh karenanya, penelitian ini dilakukan agar dapat menentukan zona kerentanan gerakan tanah yang berguna dalam membantu proses mitigasi risiko sehingga segala bentuk kerugian dapat diminimalisasi. Zona kerentanan gerakan tanah pada Kabupaten Wonosobo divisualisasikan dengan peta kerentanan gerakan tanah. Sebanyak 242 titik gerakan tanah dikumpulkan untuk menghasilkan peta inventori. Titik tersebut kemudian dibagi menjadi 168 (70%) sebagai data training dan 74 (30%) sebagai data testing. Parameter yang dipertimbangkan terdiri dari berbagai parameter penyebab seperti aspek lereng, curvature, elevasi, kemiringan lereng, jarak dari sungai, litologi, tata guna lahan dan satu parameter pemicu, yaitu curah hujan. Selain itu, dilakukan pengurangan resolusi terhadap turunan data DEM seperti aspek lereng, curvature, elevasi, kemiringan lereng menjadi 8, 17, 25, dan 40 m untuk melihat pengaruhnya terhadap akurasi model. Semua parameter diolah menggunakan piranti ArcGIS untuk mengasilkan peta parameter. Peta parameter selanjutnya digabungkan dan dianalisis menggunakan metode frequency ratio dan weight of evidence untuk menghasilkan peta kerentanan gerakan tanah. Hasil penelitian menunjukkan bahwa Kabupaten Wonosobo memiliki kecenderungan terhadap kerentanan gerakan tanah dengan tingkatan rendah, sedang, hingga tinggi. Berdasarkan data resolusi DEM 8 m dan 17 m, tingkatan kerentanan didominasi oleh kelas sedang. Namun pada data resolusi DEM 25 m dan 40 m, tingkatan kerentanan didominasi oleh kelas rendah. Peta kerentanan masing-masing resolusi kemudian diuji nilai AUC nya menggunakan success rate curve untuk melihat keberhasilan model dan prediction rate curve untuk mengukur akurasi prediksi model. Setelah dilakukan validasi, resolusi tinggi ternyata tidak berbanding lurus dengan kualitas akurasi model. Akurasi success rate mengalami puncaknya pada resolusi DEM 25 m sedangkan prediction rate pada resolusi DEM 17 m.

---

Landslide is a major geological hazard in the world that causes a high number of human casualties to enormous property losses, as well as causing damage to natural resources, ecosystems and infrastructure. During the period from January 2020 to December 2021, landslide disasters have become the most prone to disasters in Wonosobo Regency, with 238 incidents. In fact, some of these incidents claimed lives, namely one person died in Kaliwiro District, one person died in Kepil District, and two people died in Watumalang District. Therefore, this research was conducted in order to determine the susceptibility zones of landslide which are useful in assisting the risk mitigation process so that all forms of losses can be minimized. The landslide vulnerability zone in Wonosobo Regency is visualized with a landslide susceptibility map. A total of 242 landslide points were collected to produce an inventory map. These points are then divided into 168 (70%) as training data and 74 (30%) as testing data. The parameters considered consist of various causal parameters such as slope aspect, curvature, elevation, slope, distance from river, lithology, land use and one trigger parameter, namely rainfall. In addition, the resolution of the DEM data derivatives was reduced, such as slope aspects, curvature, elevation, slope to 8, 17, 25, and 40 m to see the effect on model accuracy. All parameters are processed using the ArcGIS tool to produce a parameter map. Then the parameter maps are combined and analyzed using the frequency ratio and weight of evidence methods to produce a landslide susceptibility map. The results of the study show that Wonosobo Regency has a tendency towards low, moderate and high susceptibility to landslide. Based on DEM 8 m and 17 m resolution data, the susceptibility level is dominated by the moderate class. However, in DEM 25 m and 40 m resolution data, the susceptibility level is dominated by the low class. Then the susceptibility map of each resolution is tested for AUC value using a success rate curve to see the success of the model and a prediction rate curve to measure the accuracy of model predictions. After validation, it turns out that high resolution is not directly proportional to the quality of the model accuracy. Success rate accuracy peaks at DEM 25 m resolution while prediction rate at DEM 17 m resolution."

"Longsor merupakan salah satu bencana yang sering terjadi di Indonesia. Pada tahun 2021 wilayah Jawa Barat paling banyak mengalami bencana alam. Oleh karena itu, diperlukan identifikasi terkait dengan zona kerentanan longsoran dalam mitigasi bencana sehingga dapat mengurangi dampak longsoran. Penelitian ini dianalisis menggunakan metode Frequency Ratio (FR) dan Weight of Evidence (WoE). Berdasarkan hasil data yang di peroleh, terdapat 125 titik longsoran. Data tersebut di bagi menjadi dua untuk data train sebanyak 80% (100 titik) dan data testing sebanyak 20% (25 titik). Penelitian ini menggunakan sepuluh parameter, yaitu elevasi, kemiringan lereng, aspek lereng, curvature, NDVI, jarak dari sungai, jarak dari kelurusan, formasi, tutupan lahan, dan curah hujan setiap bulan. Hasil dari analisis tersebut akan menghasilkan peta zona kerentanan longsor setiap bulan yang dibagi atas 4 tingkat kerentanan, yaitu sangat rendah, rendah, menengah, dan tinggi. Model tersebut di validasi menggunakan kurva ROC dan mendapatkan nilai AUC di atas 50%.

---

Landslide is one of the disasters that often occurs in Indonesia. In 2021 the West Java region experienced the most natural disasters. Therefore, it is necessary to identify the landslide susceptibility mapping in disaster mitigation to reduce the impact of the landslide. This research analyzed using the Frequency Ratio (FR) and Weight of Evidence (WoE) methods. Based on the results of the data obtained, there are 125 landslide points. The data is divided into 80% for training data (100 points) and 20% for testing data (25 points). This study used ten parameters, elevation, slope, slope aspect, curvature, NDVI, distance from river, distance from lineament, lithology (formation), land cover, and rainfall. The results of this analysis will produce a landslide susceptibility zone map every month which is divided into 4 levels of landslide susceptibility class, very low, low, medium, and high. The model was validated using the ROC curve and obtained an AUC value above 50%."

"Tanah longsor merupakan dikategorikan menjadi bencana hidrometeorologi paling mematikan yang dapat mengakibatkan korban luka-luka, meninggal dunia, dan kerusakan rumah serta infrastruktur. Faktor penyebab longsor dapat dipengaruhi oleh kemiringan lereng, saturasi air, permeabilitas dan porositas. Parameter ini dianalisis untuk mengidentifikasi sebaran bidang gelincir dan potensi longsor menggunakan metode geolistrik. Peneliatian ini dilakukan di sekitar Dry Dam Ciawi dengan total tiga lintasan geolistrik. Pengukuran menggunakan konfigurasi Dipole-Dipole dan didapatkan hasil sebaran nilai resistivitas yaitu 3 – 23 Ωm pada kedalaman 0 – 5 meter yang diduga sebagai endapan kolluvial atau tuff lapilli terlapukkan sempuran, resistvitas 23 – 43 Ωm pada kedalaman 10 – 40 meter diduga sebagai tuff lapili, dan resistivitas > 60 Ωm diduga sebagai breksi tuff. Pada hasil penampang ketiga lintasan terlihat adanya dugaan bidanggelincir atntara breksi tuff dengan endapan alluvial atau tuff lapilli terlapukkan sempurna.Berdasarkan analisis kemiringan lereng, lokasi penelitian berada pada lereng yang curam dengan kemiringan 25 – 45 derajat dan tidak stabil. Adapun litologi yang diduga akan tergelincir yaitu endapan kolluvial atau endapa tuff lapilli terlapukkan sempurna. Sehingga, melalui penelitian ini area penelitian memiliki potensi terjadi tanah longsor

---

Landslides are categorized as the deadliest hydro-meteorological disaster which can result

in injuries, deaths, and damage to houses and infrastructure. Factors causing landslides

can be influenced by slope, water saturation, permeability, and porosity. This parameter

is analyzed to identify the distribution of slip planes and the potential for landslides using

the geoelectric method. This research was carried out around the Ciawi Dry Dam with a

total of three geoelectric trajectories. Measurements used the Dipole-Dipole configuration

and the results obtained were the distribution of resistivity values, namely 3 – 23 Ωm at

a depth of 0 – 5 meters which is suspected to be a colluvial deposit or perfectly weathered

lapilli tuff, resistivity of 23 – 43 Ωm at a depth of 10 – 40 meters is suspected to be a

lapilli tuff. and resistivity > 60 Ωm is suspected as tuff breccia. In the results of the third

section of the track, there is an alleged slip plane between breccia tuff and alluvial deposits

or perfectly weathered lapilli tuff. Based on the slope analysis, the research location is on

a steep slope with a slope of 25-45 degrees and is unstable. The lithology suspected of

slipping is colluvial deposits or perfectly weathered lapilli tuff deposits. So, through this

research the research area has the potential for landslides to occur."

"Gerakan tanah adalah proses ketika material tanah atau batuan mengalami perpindahan akibat gravitasi bumi dan dampaknya merugikan bagi lingkungan hingga menimbulkan korban jiwa (Noor, 2011). Berdasarkan catatan dari Badan Nasional Penanggulangan Bencana, terdapat 289 kejadian bencana akibat gerakan tanah terhitung tahun 2018 hingga tahun 2022 di Kabupaten Banyumas, Provinsi Jawa Tengah (Data Informasi Bencana Indonesia (DIBI)). Pergerakan tanah dipengaruhi oleh parameter-parameter yang berpengaruh terhadap gerakan tanah seperti litologi, aspek lereng, curvature, curah hujan, kemiringan lereng, elevasi, tata guna lahan, jarak dari sungai, jarak dari struktur, dan normalized difference vegetation index (NDVI) (Chen et al., 2021). Tujuan dari penelitian ini yaitu untuk mengidentifikasi daerah rawan pergerakan tanah berdasarkan parameter-parameter tersebut dan memetakan daerah rawan pergerakan tanah di daerah Kabupaten Banyumas mengacu pada Sistem Informasi Geografis (SIG) dengan menggunakan metode information value model dan frequency ratio. Tujuan lainnya yaitu untuk mengkaji tingkat akurasi dari setiap metode dan menentukan metode apakah yang lebih baik digunakan di lokasi penelitian. Hasil dari penelitian ini didapatkan bahwa model yang dihasilkan oleh metode frekuensi rasio mendapatkan nilai AUC pada succes rate sebesar 70,5% dan predictife rate 61,14%. Sementara model yang dihasilkan oleh metode information value mendapatkan nilai AUC succes rate sebesar 66,39% dan predictife rate 60,26%. Berdasarkan validasi AUC dari kedua model tersebut, maka diketahui metode frekuensi rasio merupakan metode yang lebih baik dari metode information value dalam memodelkan tingkat kerentanan gerakan tanah di lokasi penelitian.

---

Land movement is a process when soil or rock material is displaced due to the earth's gravity and the impact is detrimental to the environment and causes casualties (Noor, 2011). Based on records from the National Disaster Management Agency, there were 289 disaster events due to land movement from 2018 to 2022 in Banyumas Regency, Central Java Province (Disaster Information Data Indonesia (DIBI)). Land movement is influenced by parameters that affect land movement such as lithology, slope aspect, curvature, rainfall, slope, elevation, land use, distance from rivers, distance from structures, and normalized difference vegetation index (NDVI) (Chen et al., 2021). The purpose of this research is to identify land movement prone areas based on these parameters and map land movement prone areas in the Banyumas Regency area referring to the Geographic Information System (GIS) using the information value model and frequency ratio methods. Another objective is to assess the accuracy level of each method and determine which method is better used in the research location. The results of this study found that the model generated by the frequency ratio method obtained an AUC value at a success rate of 70.5% and a predictive rate of 61.14%. While the model produced by the information value method gets an AUC succes rate of 66.39% and a predictive rate of 60.26%. Based on the AUC validation of the two models, it is known that the frequency ratio method is a better method than the information value method in modeling the level of ground motion vulnerability at the research site."

"Kabupaten Sumenep merupakan salah satu wilayah dengan kondisi kekeringan paling parah di Indonesia sejak tahun 2018. Sepanjang musim kemarau tahun 2023, sebanyak 59 dari 332 desa di Kabupaten Sumenep mengalami kekeringan yang disebabkan oleh kemarau panjang disertai dengan fenomena el nino. Penelitian ini bertujuan untuk memetakan zona potensial air tanah di Cekungan Air Tanah (CAT) Sumenep agar dapat dijadikan sebagai sumber acuan bagi instansi terkait dalam meningkatkan manajemen sumber daya air di daerah tersebut. Penelitian ini mengaplikasikan teknik Sistem Informasi Geografis (SIG) dan metode analytical hierarchy process (AHP) untuk menentukan pembobotan data geospasial yang mencakup dua belas parameter: litologi, geomorfologi, tutupan lahan, curah hujan, jenis tanah, kerapatan drainase, kerapatan kelurusan, topographic wetness index (TWI), topographic position index (TPI), kemiringan lereng, kelengkungan lereng, kekasaran permukaan. Hasil penelitian menunjukkan bahwa daerah penelitian didominasi oleh zona potensi air tanah sedang dengan persentase sebesar 53,65% dari luas daerah penelitian dengan debit optimum sumur air tanah 6-25 liter/detik, lalu diikuti oleh zona potensi air tanah tinggi sebesar 36,77% dari luas daerah penelitian dengan debit optimum sumur air tanah 25-40 liter/detik, dan zona potensi air tanah rendah sebesar 9,58% dari luas daerah penelitian dengan debit optimum sumur 8 liter/detik.

---

Sumenep Regency is one of the areas that has experienced the most severe drought conditions in Indonesia since 2018. Throughout the dry season of 2023, 59 out of 332 villages in Sumenep Regency suffered from drought due to an prolonged dry period along with the El Niño phenomenon. This study aims to delineate the potential groundwater zones in Sumenep Groundwater Basin to serve as a reference for related officials in improving water resource management in the region. The study applies Geographic Information System (GIS) techniques combined with Analytical Hierarchy Process (AHP) method to calculate the weight of geospatial data that incorporating twelve parameters: lithology, geomorphology, land use land cover, rainfall, soil type, drainage density, lineament density, topographic wetness index (TWI), topographic position index (TPI), slope, curvature, and surface roughness. The result indicate that the study area is predominantly dominated by moderate groundwater potential zones, accounting for 53,65% of the study area with optimum well discharges of 6-25 litres/second, followed by high groundwater potential zones, encompassing 36,77% of the study area with optimum well discharges of 25-40 litres/second, and low groundwater potential zones, making up 9,58% of the study area with optimum well discharge of 8 litres/second. "