Ngadisih, Bhandary, N.P., Yatabe, R., Dahal, R.K.
West Java Province is the most landslide risky area in Indonesia owing to extreme geo-morphological conditions, climatic conditions and densely populated settlements with immense completed and ongoing development activities. So, a landslide susceptibility map at regional scale in this province is a fundamental tool for risk management and land-use planning. Logistic regression and Artificial Neural Network (ANN) models are the most frequently used tools for landslide susceptibility assessment, mainly because they are capable of handling the nature of landslide data. The main objective of this study is to apply logistic regression and ANN models and compare their performance for landslide susceptibility mapping in volcanic mountains of West Java Province. In addition, the model application is proposed to identify the most contributing factors to landslide events in the study area. The spatial database built in GIS platform consists of landslide inventory, four topographical parameters (slope, aspect, relief, distance to river), three geological parameters (distance to volcano crater, distance to thrust and fault, geological formation), and two anthropogenic parameters (distance to road, land use). The logistic regression model in this study revealed that slope, geological formations, distance to road and distance to volcano are the most influential factors of landslide events while, the ANN model revealed that distance to volcano crater, geological formation, distance to road, and land-use are the most important causal factors of landslides in the study area. Moreover, an evaluation of the model showed that the ANN model has a higher accuracy than the logistic regression model.
Provinsi Jawa Barat merupakan daerah paling berisiko akan bencana longsor di Indonesia karena kondisi geo-morfologi yang ekstrem, kondisi iklim, dan pemukiman padat dengan kegiatan pembangunan yang lengkap dan berkelanjutan. Jadi, peta kerentanan longsor pada skala regional di provinsi ini merupakan alat fundamental untuk pengelolaan risiko dan perencanaan penggunaan lahan. Regresi logistik dan model Jaringan Syaraf Tiruan (JST) adalah alat yang paling sering digunakan untuk penilaian kerentanan longsor, terutama karena mereka mampu menangani sifat data tanah longsor. Tujuan utama dari penelitian ini adalah untuk menerapkan model regresi logistik dan ANN dan membandingkan kinerjanya untuk pemetaan kerentanan longsor di pegunungan vulkanik Provinsi Jawa Barat. Selain itu, aplikasi pemodelan diusulkan untuk mengidentifikasi faktor yang paling berkontribusi terhadap kejadian longsor di wilayah studi. Basis data spasial yang dibangun di platform GIS terdiri dari persediaan tanah longsor, empat parameter topografi (kemiringan, aspek, relief, dan jarak ke sungai), tiga parameter geologi (jarak ke kawah gunung berapi, jarak ke dorong dan kesalahan, serta formasi geologi), dan dua parameter antropogenik (jarak ke jalan dan penggunaan lahan). Model regresi logistik dalam penelitian ini menunjukkan bahwa kemiringan, formasi geologi, jarak ke jalan, dan jarak ke gunung berapi adalah faktor yang paling berpengaruh pada kejadian longsor sementara, model JST mengungkapkan bahwa jarak ke kawah gunung berapi, formasi geologi, jarak ke jalan, dan penggunaan lahan adalah faktor penyebab utama tanah longsor di wilayah studi. Selain itu, evaluasi model menunjukkan bahwa model JST memiliki akurasi yang lebih tinggi daripada model regresi logistik.