Pemetaan Kerawanan Tanah Longsor Berdasarkan Nilai Probabilitas Random Forest Untuk Mendukung Mitigasi Bencana (Studi Kasus: Kabupaten Temanggung, Jawa Tengah)

Nurul Halimah, Ir. Waljiyanto, M.Sc

2026 | Tugas Akhir | D4 TEKNOLOGI SURVEI DAN PEMETAAN DASAR

Tanah longsor merupakan salah satu bencana yang sering terjadi di Kabupaten Temanggung akibat kondisi topografi wilayah yang didominasi perbukitan dan pegunungan serta penggunaan lahan pada kawasan berlereng. Kondisi tersebut menuntut informasi spasial yang mampu menggambarkan probabilitas kerawanan secara akurat sebagai dasar mitigasi bencana dan perencanaan tata ruang. Pemetaan kerawanan tanah longsor di Kabupaten Temanggung telah dilakukan menggunakan pendekatan statistik, seperti Weight of Evidence dan Frequency Rasio. Namun, metode tersebut masih memiliki keterbatasan dalam merepresentasikan hubungan kompleks dan nonlinier antarparameter. Keterbatasan tersebut dapat memengaruhi kemampuan model dalam menggambarkan pola kejadian tanah longsor yang kompleks. Oleh karena itu, digunakan metode Random Forest yang mampu menangkap interaksi dan hubungan nonlinier antarparameter dalam pemetaan kerawanan tanah longsor. Proyek akhir ini bertujuan memetakan probabilitas kerawanan tanah longsor menggunakan metode Random Forest di Kabupaten Temanggung sebagai dasar mitigasi bencana.

Proyek akhir ini menggunakan tujuh parameter lingkungan, yaitu elevasi, kemiringan lereng, arah hadap lereng, jarak dari jalan, jarak dari sungai, geologi, dan tutupan lahan, bersumber dari DEMNAS, Esa World Cover, peta geologi skala 1:50.000, dan Peta RBI skala 1:25.000. Dataset pemodelan terdiri atas 1.460 titik (730 longsor dan 730 nonlongsor) yang dibagi menjadi 80?ta latih dan 20?ta uji. Model dilatih menggunakan GridSearchCV dengan 12-fold cross-validation untuk memperoleh hyperparameter terbaik. Model terbaik kemudian digunakan memprediksi probabilitas kerawanan di seluruh wilayah Kabupaten Temanggung. Nilai probabilitas diklasifikasikan menjadi tiga kelas menggunakan metode Natural Breaks (Jenks) mengacu PERKA BNPB Nomor 2 Tahun 2012. Kinerja model dievaluasi menggunakan confusion matrix serta nilai AUC pada kurva ROC. Validasi spasial dilakukan menggunakan analisis landslide density dengan 40 titik longsor independen periode Januari s.d Mei 2026.

Hasil analisis menunjukkan Kabupaten Temanggung terbagi menjadi tiga kelas kerawanan, yaitu rendah, sedang, dan tinggi. Kelas rendah mencakup 23.812,44 ha (27,58%), kelas sedang 33.908,63 ha (38,11%), dan kelas tinggi 29.624,81 ha (34,31%). Kelas kerawanan sedang merupakan kelas yang paling dominan di Kabupaten Temanggung. Sebaran spasial menunjukkan Kecamatan Pringsurat memiliki proporsi kelas tinggi terbesar sedangkan Kecamatan Bejen memiliki proporsi terendah. Parameter dengan kontribusi terbesar adalah jarak dari jalan, elevasi, dan tutupan lahan. Model memperoleh akurasi 80,82?rdasarkan confusion matrix pada data pengujian. Model juga memperoleh AUC sebesar 0,9072 termasuk kategori sangat baik. Peta kerawanan tanah longsor menunjukkan kesesuaian yang baik sebanyak 34 titik (85,00%) data titik longsor independen berada pada zona kerawanan tinggi. Hasil tersebut menunjukkan peta kerawanan tanah longsor yang dihasilkan dapat menjadi acuan mitigasi bencana.

Landslides are one of the most frequent natural hazards in Temanggung Landslides are one of the most frequent natural disasters occurring in Temanggung Regency due to its topographic conditions, which are dominated by hilly and mountainous areas, as well as land use in sloping areas. These conditions require spatial information that can accurately represent landslide susceptibility probabilities as a basis for disaster mitigation and spatial planning. Landslide susceptibility mapping in Temanggung Regency has previously been conducted using statistical approaches, such as Weight of Evidence and Frequency Ratio. However, these methods have limitations in representing complex and nonlinear relationships among parameters. These limitations may affect the ability of the models to accurately represent complex landslide occurrence patterns. Therefore, the Random Forest method is used because it is capable of capturing interactions and nonlinear relationships among parameters in landslide susceptibility mapping. This final project aims to map landslide susceptibility probabilities using the Random Forest method in Temanggung Regency as a basis for disaster mitigation.

This final project uses seven environmental parameters, namely elevation, Slope, aspect, distance to roads, distance to rivers, geology, and land cover, sourced from DEMNAS, ESA WorldCover, a 1:50,000-scale geological map, and a 1:25,000-scale RBI map. The modeling dataset consists of 1,460 points, comprising 730 landslide and 730 non-landslide points, which were divided into 80% training data and 20% testing data. The model was trained using GridSearchCV with 12-fold cross-validation to obtain the optimal hyperparameters. The best-performing model was then used to predict landslide susceptibility probabilities across the entire Temanggung Regency. The probability values were classified into three classes using the Natural Breaks (Jenks) method with reference to PERKA BNPB Number 2 of 2012. Model performance was evaluated using a confusion matrix and the AUC value of the ROC curve. Spatial validation was conducted using landslide density analysis based on 40 independent landslide points from January to May 2026.

The results show that Temanggung Regency is divided into three susceptibility classes: low, moderate, and high. The low-susceptibility class covers 23,812.44 ha (27.58%), the moderate class covers 33,908.63 ha (38.11%), and the high class covers 29,624.81 ha (34.31%). The moderate-susceptibility class is the most dominant class in Temanggung Regency. Spatial distribution analysis shows that Pringsurat District has the largest proportion of high-susceptibility areas, while Bejen District has the lowest proportion. The parameters with the greatest contributions are distance to roads, elevation, and land cover. The model achieved an accuracy of 80.82?sed on the confusion matrix for the testing data. The model also achieved an AUC of 0.9072, which falls into the very good category. The landslide susceptibility map demonstrated good agreement, with 34 (85.00%) of the independent landslide points located within the high-susceptibility zone. These results indicate that the resulting landslide susceptibility map can serve as a reference for disaster mitigation.

Kata Kunci : Kerawanan bencana, Tanah longsor, Random Forest, Sistem Informasi Geografis (SIG), Kabupaten Temanggung