7/8/2025#NOPUBLISH# Analisis kerawanan tanah longsor di wilayah Malang: perbandingan metode frequency ratio dan support vector machine (SVM)

ABSTRAK:
Tanah longsor merupakan salah satu bencana geologi yang berdampak signifikan,terutama di wilayah Malang yang memiliki topografi kompleks, litologi bervariasi, dancurah hujan tinggi. Penelitian ini bertujuan untuk mengetahui tingkat kerawanan tanahlongsor di wilayah Malang berdasarkan analisis multi-faktor, serta membandingkan hasilpemodelan menggunakan metode Frequency Ratio (FR) dan Support Vector Machine(SVM). Sebanyak 512 titik kejadian longsor periode 2014–2024 dianalisis denganmenggunakan sepuluh parameter utama, yaitu: elevasi, kemiringan lereng, arah lereng(aspect), litologi, curah hujan, jarak dari sungai, Topographic Wetness Index (TWI),Normalized Difference Vegetation Index (NDVI), penggunaan lahan, dan jarak dari jalan.Hasil pemodelan menunjukkan bahwa wilayah Malang terbagi menjadi lima kelaskerawanan: Sangat Rendah, Rendah, Sedang, Tinggi, dan Sangat Tinggi. Pada metode FR,wilayah didominasi oleh kelas Sedang (36,11%), diikuti oleh Rendah (28,51%), Tinggi(19,54%), Sangat Tinggi (11,52%), dan Sangat Rendah (4,32%). Sementara itu, metodeSVM menunjukkan dominasi pada kelas Sedang (46,52%), Tinggi (19,27%), Rendah(24,86%), Sangat Tinggi (6,53%), dan Sangat Rendah (2,82%). Validasi modelmenggunakan kurva Receiver Operating Characteristic (ROC) menunjukkan bahwa nilaiArea Under Curve (AUC) untuk metode SVM mencapai 0,843 lebih tinggi dibandingkanFR dengan AUC sebesar 0,807. Hasil ini menunjukkan bahwa metode SVM lebih ungguldalam hal akurasi dan presisi spasial dalam mengidentifikasi zona kerawanan longsor,khususnya di wilayah dengan karakteristik geomorfologi yang kompleks. Sementara itu,metode FR tetap relevan untuk digunakan sebagai pendekatan awal karena kemudahanperhitungannya dan kemampuannya dalam menjelaskan pengaruh relatif dari setiapparameter pemicu longso

ABSTRACT:
Landslides are one of the most significant geological hazards, particularly in the Malang region, which is characterized by complex topography, diverse lithology, and high rainfall intensity. This study aims to assess landslide susceptibility in Malang through multi-factor analysis and to compare the modeling results using the Frequency Ratio (FR) and Support Vector Machine (SVM) methods. A total of 512 landslide points from the 2014–2024 period were analyzed using ten key parameters: elevation, slope, slope aspect, lithology, rainfall, distance from rivers, Topographic Wetness Index (TWI), Normalized Difference Vegetation Index (NDVI), land use, and distance from roads. The modeling results show that the Malang area is categorized into five susceptibility classes: Very Low, Low, Moderate, High, and Very High. In the FR method, the area is predominantly classified as Moderate (36.11%), followed by Low (28.51%), High (19.54%), Very High (11.52%), and Very Low (4.32%). Meanwhile, the SVM model shows dominance in the Moderate class (46.52%), followed by High (19.27%), Low (24.86%), Very High (6.53%), and Very Low (2.82%). Model validation using the Receiver Operating Characteristic (ROC) curve indicates that the Area Under the Curve (AUC) value for the SVM method reached 0.843, higher than the FR method with an AUC of 0.807. These findings demonstrate that the SVM method provides better accuracy and spatial precision in identifying landslide-prone zones, especially in areas with complex geomorphological characteristics. Nonetheless, the FR method remains a relevant approach for initial assessments due to its computational simplicity and its ability to explain the relative influence of each triggering factor.

مستخلص البحث:

الهنيارات األرضية هي واحدة من الكوارث اجليولوجية اليت هلا أتثريمتنوعة وهطول أمطار غزيرة. هتدف هذه الدراسة إىل حتديد مستوى قابلية التأثر ابالهنيارات األرضية يف منطقة ماالنج بناء على التحليلمتعددكذلك مقارنة نتائج النمذجة ابستخدام طريقيتالعوامل ، ونسبة الرتدد(FR)وآلة انقالت الدعم(SVM.)مت حتليل ما جمموعه512نقطةحدوث اهنيارات أرضية للفرتة2014-2024ابستخدام عشرة معايري رئيسية ، وهي: االرتفاع ، ومنحدر املنحدر ، واجلانب ، وعلم الصخور ،وهطولاألمطار ، واملسافة من األهنار ،ومؤشر الرطوبة الطبوغرايف(TWI، )ومؤشر الغطاء النبايت الطبيعي(NDVI، )واستخدام األراضي، واملسافة من الطرق. تظهر نتائج النمذجة أن منطقة ماالنج مقسمة إىل مخس فئات من الضعف: منخفضة جدا ، منخفضة ، متوسطة ، عالية، وعالية جدا. يف طريقةFR،هتيمن على املنطقة الفئة املتوسطة (36.11٪) ، تليها الطبقة املنخفضة (28.51٪) ، املرتفعة (19.54، )٪املرتفعة جدا (11.52٪) ، واملنخفضة جدا (4.32٪). ويف الوقت نفسه ، تظهر طريقةSVMاهليمنة يف الفئات املتوسطة (46.52، )٪واملرتفعة (19.27٪) ، واملنخفضة (24.86٪) ، واملرتفعة جدا (6.53٪) ، واملنخفضة جدا (2.82٪). أظهر التحقق من صحة النموذجابستخدام منحىنخاصية تشغيل املستقبل(ROC)أن قيمةاملنطقة حتت املنحىن(AUC)لطريقةSVMوصلت إىل0.843أعلى منFRمعAUCقدره0.807. تظهر هذه النتائج أن طريقةSVMمتفوقة من حيث الدقة والدقة املكانية يف حتديد مناطق احلساسيةلالهنيارات األرضية ، خاصة يف املناطق ذات اخلصائص اجليومورفولوجية املعقدة. ويف الوقت نفسه ، تظل طريقةFRذات صلة الستخدامهاكنهج أويل نظرا لسهولة حساهبا وقدرهتا على تفسري التأثري النسيب لكل معلمة مسببةلالهنيارات األرضية