Tinjauan Sistematis: Pemetaan Kerentanan Tanah Longsor berbasis Machine Learning

Abstract

Masalah longsor merupakan salah satu jenis bencana yang merusak kerugian jiwa ekonomi dan manusia. Masalah ini membutuhkan kesadaran dan pemetaan daerah rentan untuk mencegah efeknya. Penelitian ini meninjau 28 penelitian yang berlokasi di Cina, Iran, Pakistan, Korea Selatan, Slovakia, Yunani, Brazil, Rwanda dan Rumania.Negara-negara ini menghadapi masalah longsor karena topografinya lebih banyak jenis medan berbukit. Random Forest menjadi metode yang paling populer digunakan dalam pemeetaan kerentanan tanah longsor. Akurasi yang didapat dalam penelitian tersebut menghasilkan akurasi antara 70% dan 98,3% dan nilai AUC dari sekitar 0,8 hingga 0,997. Beberapa makalah menunjukkan bahwa ensemble dan pendekatan pembelajaran mendalam (termasuk jaringan saraf konvolusi dan berulang) berkinerja secara kompetitif tetapi membutuhkan sumber daya komputasi yang lebih besar. Faktor topografi (kemiringan, ketinggian, aspek, kelengkungan) menjadi faktor yang paling sering digunakan dalam topik ini. Tinjauan artikel ini mencakup publikasi dalam kurun waktu lima tahun terakhir, yaitu dari tahun 2020 hingga Mei 2025. Penelitian ini lebih difokuskan pada model machine learning untuk memetakan masalah longsor di daerah terpilih ini. Penelitian ini dapat membantu peneliti masa depan yang akan memanfaatkan metode machine learning untuk memetakan kerentanan daerah terhadap tanah.