SENG, Dorin (2025) Pemetaan Zonasi Kerawanan Longsor Berbasis Jaringan Saraf Tiruan di Kabupaten Purbalingga. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Dorin Kristina Steven Seng-H1B021020-Skripsi-2025.pdf Download (260kB)
	PDF (Legalitas) LEGALITAS-Dorin Kristina Steven Seng-H1B021020-Skripsi-2025.pdf Restricted to Repository staff only Download (956kB)
	PDF (Abstrak) ABSTRAK-Dorin Kristina Steven Seng-H1B021020-Skripsi-2025.pdf Download (290kB)
	PDF (BabI) BAB-I-Dorin Kristina Steven Seng-H1B021020-Skripsi-2025.pdf Restricted to Repository staff only until 29 July 2026. Download (285kB)
	PDF (BabII) BAB-II-Dorin Kristina Steven Seng-H1B021020-Skripsi-2025.pdf Restricted to Repository staff only until 29 July 2026. Download (915kB)
	PDF (BabIV) BAB-IV-Dorin Kristina Steven Seng-H1B021020-Skripsi-2025.pdf Restricted to Repository staff only Download (4MB)
	PDF (BabIII) BAB-III-Dorin Kristina Steven Seng-H1B021020-Skripsi-2025.pdf Restricted to Repository staff only until 29 July 2026. Download (754kB)
	PDF (BabV) BAB-V-Dorin Kristina Steven Seng-H1B021020-Skripsi-2025.pdf Download (283kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Dorin Kristina Steven Seng-H1B021020-Skripsi-2025.pdf Download (275kB)
	PDF (Lampiran) LAMPIRAN-Dorin Kristina Steven Seng-H1B021020-Skripsi-2025.pdf Restricted to Repository staff only Download (532kB)

Abstract

Longsor merupakan salah satu bencana alam yang memiliki dampak signifikan terhadap kehidupan sosial dan ekonomi masyarakat, khususnya di wilayah dengan kondisi geomorfologi yang kompleks seperti Kabupaten Purbalingga. Penelitian ini bertujuan untuk memetakan tingkat kerawanan longsor berbasis spasial dengan pendekatan kombinasi antara analisis parameter fisik dan pemodelan Artificial Neural Network (ANN). Lima parameter yang digunakan dalam analisis yaitu jenis batuan, kemiringan lereng, tutupan lahan, jenis tanah, dan kedalaman tanah keras. Setiap parameter diberi skor berdasarkan tingkat pengaruh terhadap longsor, kemudian dilakukan pembobotan menggunakan ANN dengan software Orange berdasarkan 356 titik sampel (178 titik longsor dan 178 titik tidak longsor). Skor total hasil pembobotan diklasifikasikan ke dalam lima kelas kerawanan: sangat rendah hingga sangat tinggi. Hasil pemodelan divisualisasikan dalam bentuk peta kerawanan longsor. Validasi dilakukan melalui dua pendekatan, yaitu validasi spasial menggunakan 45 titik longsor dari BPBD (2019 – 2025) dan validasi model ANN. Hasilnya menunjukkan bahwa 95.556% titik longsor berada di zona kerawanan kelas 3 – 5, dan 88.889% titik berhasil dikenali oleh model ANN. Berdasarkan hasil tersebut, peta yang dihasilkan dinilai layak sebagai alat bantu dalam perencanaan mitigasi bencana longsor di Kabupaten Purbalingga.

Actions (login required)

View Item