Pengaruh Morfometri terhadap Kestabilan Lereng pada Kabupaten Seram Bagian Barat Provinsi Maluku

Nasya Syahnur Pattimura

doi:10.30598/tanahgoyang.2.2.92-99

Nasya Syahnur Pattimura Universitas Pattimura

DOI: https://doi.org/10.30598/tanahgoyang.2.2.92-99

Keywords: Longsor, Morfometri, GIS, Kemiringan lereng

Abstract

Penelitian ini bertujuan untuk menganalisis pengaruh morfometri terhadap kestabilan lereng di ruas jalan kabupaten dengan menganalisis kemiringan lereng, elevasi, dan arah lereng serta menghubungkannya dengan titik longsor yang terjadi di area tersebut. Penelitian ini dilakukan dengan pendekatan kuantitatif berdasarkan analisis spasial berbasis Geographic Information System(GIS). Data yang digunakan adalah Digital Elevation Model (DEM) dan Data longsor yang terjadi pada ruas jalan kabupaten pada daerah penelitian. Penelitian ini menunjukkan bahwa faktor Morfometri memiliki pengaruh signifikan terhadap kejadian longsor di wilayah penelitian. Sebanyak 66% kejadian longsor terjadi pada elevasi 211–312 m, 50% pada kemiringan curam hingga sangat terjal (16°–35°), dan 83% pada lereng yang menghadap ke arah Barat dan Barat Daya. Temuan ini mencerminkan pengaruh kondisi geomorfologi, distribusi curah hujan, serta paparan sinar matahari terhadap kestabilan lereng. Hasil ini menegaskan perlunya analisis mendalam terhadap faktor elevasi, kemiringan, dan arah lereng dalam memahami kerentanan longsor. Informasi tersebut dapat digunakan untuk mendukung perencanaan mitigasi bencana yang lebih tepat di wilayah dengan risiko longsor tinggi.

Downloads

Download data is not yet available.

References

Ayalew, L., Yamagishi, H., Marui, H., & Kanno, T. (2005). Landslides in Sado Island of Japan: Part II. GIS-based susceptibility mapping with comparisons of results from two methods and verifications. Engineering Geology, 81(4), 432-445

https://doi.org/10.1016/j.enggeo.2005.08.004

Chen, W., Pourghasemi, H. R., & Zhao, Z. (2020). A GIS-based comparative study of popular landslide susceptibility mapping methods in the Three Gorges Reservoir area, China. Science of the Total Environment, 717, 137231.

Guzzetti, F., Carrara, A., Cardinali, M., & Reichenbach, P. (1999). Landslide hazard evaluation: A review of current techniques and their application in a multi-scale study, Central Italy. Geomorphology, 31(1-4), 181-216

Guzzetti, F., Mondini, A. C., Cardinali, M., Fiorucci, F., Santangelo, M., & Chang, K.-T. (2012). Landslide inventory maps: New tools for an old problem. Earth-Science Reviews, 112(1-2), 42-66. https://doi.org/10.1016/j.earscirev.2012.02.001

Lee, S., Kim, Y.-S., & Oh, H.-J. (2018). Application of a weights-of-evidence method and GIS to regional groundwater productivity potential mapping. Environmental Earth Sciences, 77, 226.

Lee, S., & Min, K. (2001). Statistical analysis of landslide susceptibility at Yongin, Korea. Environmental Geology, 40(9), 1095-1113

Meusburger, K., Konz, N., Schaub, M., & Alewell, C. (2010). Soil erosion modelled with USLE and PESERA using QuickBird derived vegetation parameters in an alpine catchment. International Journal of Applied Earth Observation and Geoinformation, 12(3), 208-215. https://doi.org/10.1016/j.jag.2010.02.004

Reichenbach, P., Rossi, M., Malamud, B. D., Mihir, M., & Guzzetti, F. (2021). A review of statistically-based landslide susceptibility models. Earth-Science Reviews, 207, 103225.

Singh, S., Gupta, V., Chauhan, A., & Ahmed, I. (2020). Landslide hazard zonation mapping using GIS and multi-criteria decision-making technique in Mandakini Valley, Garhwal Himalaya, India. Environmental Earth Sciences, 79(2), 45.

Sidle, R. C., Pearce, A. J., & O’Loughlin, C. L. (1985). Hillslope Stability and Land Use. American Geophysical Union.

van Westen, C. J., Castellanos, E., & Knapen, A. (2006). Landslide hazard and risk zonation—Why is it still so difficult? Bulletin of Engineering Geology and the Environment, 65(2), 167-184.

van Zuidam,R. A. (1983). Guide to Geomorphology Aerial Photographic Interpretation and Mapping Enschede, The Netherlands. ITC.

Zhang, Y., Hong, H., & Tien Bui, D. (2021). Landslide susceptibility assessment using a random subspace-based support vector machine ensemble. CATENA, 196, 104897.

Zhang, Z., Wang, X., & Li, Z. (2022). An integrated model of landslide susceptibility mapping using machine learning algorithms in complex mountainous terrain. Geomatics, Natural Hazards and Risk, 13(1), 415-436.

Zhou, W., Tang, H., Peng, L., & Liao, Z. (2019). Effects of topography and rainfall on landslide runout: A case study in the Three Gorges Reservoir Area, China. Landslides, 16(2), 235-246