Studi Estimasi Kerentanan Longsor Menggunakan Metode Support Vector Machine
Santi Hatmanti (a*), Acep Purqon (b)
a) Program Studi Magister Sains Komputasi FMIPA ITB
*santi_ululalbaab[at]yahoo.co.id
b) Fisika Bumi dan Sistem Kompleks, FMIPA ITB
Abstract
Pulau Ambon merupakan salah satu daerah yang berpotensi terjadi bencana longsor. Salah satu upaya yang dapat dilakukan untuk meningkatkan kewaspadaan dan menyiapkan kesiagaan masyarakat dalam menghadapi bencana longsor adalah dengan melakukan peringatan dini. Dalam penelitian ini akan dilakukan estimasi kerentanan terjadinya longsor dengan menggunakan metode pendekatan data mining Support Vector Machine (SVM). Fungsi kernel yang akan digunakan adalah kernel Polynomial (PL) dan kernel Radial Distribution Function (RBF). Pada studi ini, parameter-parameter longsor yang digunakan adalah sudut kemiringan, aspek kemiringan, jenis tanah, penggunaan lahan dan curah hujan. Dengan menggunakan parameter-parameter tersebut, indeks kerentanan longsor akan dihitung dengan menggunakan metode SVM dengan dua fungsi kernel. Dari studi ini diharapkan dapat memberikan informasi dini tentang kerentanan longsor di Pulau Ambon.
Keywords: kerentanan longsor, support vector machine
Topic: Physics