ANALISIS KORELATIF TERHADAP FAKTOR PEMICU TERJADINYA LONGSOR MENGGUNAKAN MODEL SARIMA-TCN

Bansoma, Meinahen Budi (2024) ANALISIS KORELATIF TERHADAP FAKTOR PEMICU TERJADINYA LONGSOR MENGGUNAKAN MODEL SARIMA-TCN. S2 thesis, Universitas Atma Jaya Yogyakarta.

Preview	Text (Meinahen Budi Bansoma) 225312021_Bab 0.pdf Download (104kB) | Preview
Preview	Text 225312021_Bab 1.pdf Download (267kB) | Preview
Preview	Text 225312021_Bab 2.pdf Download (285kB) | Preview
	Text 225312021_Bab 3.pdf Restricted to Registered users only Download (837kB)
	Text 225312021_Bab 4.pdf Restricted to Registered users only Download (399kB)
	Text 225312021_Bab 5.pdf Restricted to Registered users only Download (2MB)
Preview	Text 225312021_Bab 6.pdf Download (294kB) | Preview

Abstract

Longsor merupakan salah satu bentuk Geohazard yang memiliki dampak signifikan terhadap ekonomi, infrastruktur, dan nyawa manusia. Data yang diperoleh dari Badan Penanggulangan Bencana Daerah (BPBD) Nusa Tenggara Timur (NTT) menunjukkan peningkatan intensitas kejadian longsor sejak awal tahun 2021, dengan 30 kejadian, meningkat menjadi 46 kejadian pada tahun 2022, dan mencapai angka 17 kejadian pada bulan Juni 2023. Kejadian longsor ini umumnya terkait dengan ketidakstabilan tanah yang dipengaruhi oleh intensitas curah hujan. Studi-studi di China telah mengidentifikasi faktor-faktor penyebab longsor, seperti curah hujan tinggi, lereng yang terjal, tanah yang kurang padat dan tebal, batuan yang lemah, penyusutan pada permukaan air danau atau bendungan, serta erosi. Faktor utama yang menjadi pemicu longsor di China adalah perpindahan tanah yang dipicu oleh curah hujan [1][2][5][6][7]. Oleh karena itu, penelitian ini bertujuan untuk melakukan analisis korelatif terhadap faktor-faktor pemicu ketidakstabilan tanah yang menyebabkan longsor, dengan menggunakan model SARIMA dan TCN. Dataset yang digunakan dalam penelitian mencakup 3637 kejadian longsor dengan fokus pada empat variabel utama, yang berkontribusi pada ketidakstabilan tanah. Metode SARIMA digunakan untuk menstabilkan data, diikuti oleh penerapan model TCN untuk melakukan prediksi kejadian longsor. Hasil penelitian menunjukkan bahwa penggunaan TCN pada data yang telah distasionerkan menghasilkan akurasi prediksi yang lebih baik daripada data yang tidak distasionerkan. Temuan ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem peringatan dini, yang pada gilirannya dapat mengurangi dampak ekonomi dan korban jiwa akibat longsor. Penelitian ini memberikan wawasan lebih lanjut tentang hubungan antara faktor-faktor pemicu dan kejadian longsor, serta memberikan landasan untuk perbaikan kebijakan penanggulangan bencana di wilayah yang rentan terhadap longsor.

Actions (login required)

View Item