Analisis Tingkat Kerawanan Longsor Lahan Berbasis Sistem Informasi Geografi di Kota Ambon
Abstract
Bencana merupakan suatu peristiwa yang mengancam dan mengganggu kehidupan dan penghidupan masyarakat yang disebabkan, baik oleh faktor alam dan/atau faktor nonalam. Dalam beberapa dekade terakhir, longsor lahan mendapat perhatian yang cukup besar karena merupakan bencana yang paling meluas di dunia dalam hal korban jiwa dan kerusakan sosial ekonomi. Tanah Longsor merupakan salah satu jenis gerakan massa tanah atau batuan, ataupun percampuran keduanya, menuruni atau keluar lereng akibat terganggunya kestabilan tanah atau batuan penyusun lereng. Penyebab tanah longsor selain dari ulah manusia juga karena factor alam yaitu hujan. Ada dua hal penyebab tanah longsor yang berkaitan dengan hujan, yakni hujan berintensitas tinggi dalam waktu singkat dan menerpa daerah yang kondisi tanahnya labil. Sistem informasi geografis (SIG) juga menyediakan pemrosesan data spasial, yang dapat digunakan untuk inventaris bahaya longsor dan peta zonasi, Sistem Informasi Geografis digunakan dalam penelitian ini karena terbukti mampu menyediakan informasi data geospasial setiap objek dipermukaan bumi secara cepat, sekaligus menyediakan sistem analisa keruangan yang akurat sehingga dapat dilakukan upaya mitigasi yang bertujuan untuk mencegah bahaya (resiko) yang berpotensi menjadi bencana atau mengurangi efek dari bencana ketika bencana tersebut sudah terjadi Kota Ambon berdasarkan fisiografinya, sebagian besar wilayahnya merupakan daerah perbukitan hingga pegunungan yaitu sekitar 89% dengan kondisi kemiringan lereng curam hingga sangat curam dan hanya sekitar 11% berupa daerah dataran.
Downloads
References
Ahmed, K. A., Khan, S., Sultan, M., Bin Nisar, U., Mughal, M. R., & Qureshi, S. N. (2020). Landslides assessment using geophysical and passive radon exhalation detection techniques in Murree Hills, northern Pakistan: Implication for environmental hazard assessment. Journal of Earth System Science, 129(1). https://doi.org/10.1007/s12040-019-1327-y
Benchelha, S., Chennaoui Aoudjehane, H., Hakdaoui, M., Hamdouni, R. E. L., Mansouri, H., Benchelha, T., Layelmam, M., & Alaoui, M. (2020). Landslide susceptibility mapping in the commune of Oudka, Taounate Province, North Morocco: A comparative analysis of logistic regression, multivariate adaptive regression spline, and artificial neural network models. Environmental and Engineering Geoscience, 66(1), 185–200. https://doi.org/10.2113/EEG-2243
Bhat, I. A., Shafiq, M. ul, Ahmed, P., & Kanth, T. A. (2019). Multi-criteria evaluation for landslide hazard zonation by integrating remote sensing, GIS and field data in North Kashmir Himalayas, J&K, India. Environmental Earth Sciences, 78(20), 1–15. https://doi.org/10.1007/s12665-019-8631-3
BNPB. (2016). Risiko Bencana Indonesia (Disasters Risk of Indonesia). International Journal of Disaster Risk Science, 22. https://doi.org/10.1007/s13753-018-0186-5
Enigda, E. A., & T, S. (2021). Landslide Evaluation In Parts of Tarmaber District (Debresina), Central Ethiopia; An Expert Evaluation Approach. International Journal of Geoinformatics and Geological Science, 8(1), 15–26. https://doi.org/10.14445/23939206/ijggs-v8i1p103
Gong, Q., Wang, J., Zhou, P., & Guo, M. (2021). A Regional Landslide Stability Analysis Method under the Combined Impact of Rainfall and Vegetation Roots in South China. Advances in Civil Engineering, 2021. https://doi.org/10.1155/2021/5512281
He, S., Wang, J., & Liu, S. (2020). Rainfall event-duration thresholds for landslide occurrences in China. Water (Switzerland), 12(2). https://doi.org/10.3390/w12020494
Juang, C. S., Stanley, T. A., & Kirschbaum, D. B. (2019). Using citizen science to expand the global map of landslides: Introducing the cooperative open online landslide repository (COOLR). PLoS ONE, 14(7), 1–28. https://doi.org/10.1371/journal.pone.0218657
Lasaiba, M. A. (2013). Kajian Keruangan Penggunaan Lahan Dalam Pengembangan Kota Ambon Berbasis Ekologi. Jurnal Pendidikan Geografi UNESA, 11(21), 34–56.
Lasaiba, M. A. (2016). Dimensi Spasial Karakteristik Sebaran Dan Deviasi Pola Pegunungan Lahan Terhadap Ekosistem Pesisir Di Kota Ambon. Jendela Pengetahuan, 9(1), 24–34.
Lasaiba, M. A. (2022). Fenomena geosfer dalam perspektif geografi telaah substansi dan kompleksitas 1. 15(1), 1–14. https://ojs3.unpatti.ac.id/index.php/jp/article/view/6402/4501
Lasaiba, M. A., & Arfa, H. (2022). Spatial Distribution Of The Earthquake Episentrum Based On Geographic Information System ( Gis ) On Ambon Island. Jurnal Tunas Geografi, 11(1), 37–46. https://doi.org/https://doi.org/10.24114/tgeo.v11i1.34931
Lombardo, L., Opitz, T., & Huser, R. (2019). Numerical Recipes for Landslide Spatial Prediction Using R-INLA. In Spatial Modeling in GIS and R for Earth and Environmental Sciences. Elsevier Inc. https://doi.org/10.1016/b978-0-12-815226-3.00003-x
Rai, A., & Avenue, L. (2020). Use of Remote Sensing and Gis in. 9(1), 1–12.
Tewari, N. K., & Misra, A. K. (2019). Landslide vulnerability assessment in Gangotri valley glacier Himalaya through GIS and remote sensing techniques. Applied Water Science, 9(4), 1–10. https://doi.org/10.1007/s13201-019-0992-y
Tran, T. H., Dam, N. D., Jalal, F. E., Al-Ansari, N., Ho, L. S., Phong, T. Van, Iqbal, M., Le, H. Van, Nguyen, H. B. T., Prakash, I., & Pham, B. T. (2021). GIS-Based Soft Computing Models for Landslide Susceptibility Mapping: A Case Study of Pithoragarh District, Uttarakhand State, India. Mathematical Problems in Engineering, 2021. https://doi.org/10.1155/2021/9914650
Uvaraj, S., & Neelakantan, R. (2018). Fuzzy logic approach for landslide hazard zonation mapping using GIS: a case study of Nilgiris. Modeling Earth Systems and Environment, 4(2), 685–698. https://doi.org/10.1007/s40808-018-0447-8
Wang, Q., & Li, W. (2017). A GIS-based comparative evaluation of analytical hierarchy process and frequency ratio models for landslide susceptibility mapping A GIS-based comparative evaluation of analytical. Physical Geography, 3646(March), 0. https://doi.org/10.1080/02723646.2017.1294522
