ANALISIS DAN PEMBUATAN PETA DAERAH POTENSI LONGSOR DI KABUPATEN BOGOR TAHUN 2019 MENGGUNAKAN METODE PEMBOBOTAN PADA SISTEM INFORMASI GEOGRAFIS (Analysis And Map Of The Potential Longsor Area At Bogor in 2019 Using Weighting Methods On Geographic Information System)
Bibliographic record
Abstract
Peristiwa tanah longsor atau dikenal sebagai gerakan masa tanah, batuan atau kombinasinya, sering terjadi pada lereng alam. Kondisi tersebut sebenarnya merupakan fenomena alam, yaitu alam mencari keseimbangan baru akibat adanya gangguan atau faktor yang mempengaruhinya dan menyebabkan terjadinya pengurangan kekuatan geser serta peningkatan tegangan geser tanah (Alhasanah,2006). Bencana tanah longsor atau gerakan tanah dari tahun ke tahun semakin sering terjadi di Indonesia, khususnya pada saat musim hujan. Kondisi tektonik di Indonesia yang membentuk morfologi tinggi, patahan, batuan vulkanik yang mudah rapuh serta ditunjang dengan iklim di Indonesia yang berupa tropis basah, sehingga menyebabkan potensi tanah longsor menjadi tinggi. Hal ini ditunjang dengan adanya degradasi perubahan tataguna lahan akhir-akhir ini, menyebabkan bencana tanah longsor menjadi semakin meningkat. Kombinasi faktor anthropogenik dan alam sering merupakan penyebab terjadinya longsor yang memakan korban jiwa dan kerugian harta benda. Upaya mitigasi diperlukan untuk meminimalkan dampak bencana longsor. Berdasarkan data yang diperoleh dari Badan Penanggulangan Bencana Daerah (BPBD) Kabupaten Bogor mencatat tahun 2011-2015 sudah terjadi 211 kejadian longsor. Dari 40 kecamatan di Kabupaten Bogor, terdapat 16 kecamatan yang pernah terjadi longsor. Tujuan dari penelitian ini adalah melakukan analisis data dari data kelas lereng, data curah hujan, data penggunaan lahan dan data jenis tanah, serta untuk mengetahui tingkat kerentanan tanah longsor di Kabupaten Bogor. Dengan ditunjukkan pada pembuatan peta potensi daerah rawan longsor Kabupaten Bogor. Data atau parameter yang digunakan dalam penelitian ini yaitu data kelerengan, curah hujan, penggunaan lahan dan jenis tanah. Metode penelitian yang dilakukan adalah survey dan deskriptif kuantitatif dengan menggunakan metode kerentanan longsor dengan parameter faktor alami dan manajemen. Analisis yang digunakan adalah overlay dari parameter yang telah ditentukan dan pembobotan. analisis data dan pembobotan adalah proses penggabungan atau overlay dari 4 data parameter dan perhitungan nilai harkat dan bobot. Penelitian ini menghasilkan Peta Potensi Daerah Rawan Longsor di Kabupaten Bogor Provinsi Jawa Barat dalam bentuk peta cetak dan peta digital. Kata kunci: Longsor, Kabupaten Bogor, Peta; Overlay, Sistem Informasi Geografis
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".