ANALISIS KORELATIF TERHADAP FAKTOR PEMICU TERJADINYA LONGSOR MENGGUNAKAN MODEL SARIMA-TCN

Deskripsi Proyek

Penelitian ini bertujuan untuk memprediksi potensi terjadinya tanah longsor berdasarkan beberapa faktor utama yang berpengaruh, yaitu kemiringan lereng, curah hujan, dan jenis tanah. Penelitian memanfaatkan teknologi Artificial Intelligence (AI), khususnya pada bidang data mining dan analisis time series, untuk membangun model prediksi yang mampu mengidentifikasi pola kejadian longsor secara akurat.

Data yang digunakan merupakan data deret waktu (time series) yang terlebih dahulu melalui tahap prapemrosesan dan evaluasi menggunakan metode Seasonal Autoregressive Integrated Moving Average (SARIMA) untuk mengidentifikasi pola data, mengatasi unsur musiman, serta menghasilkan data yang memenuhi karakteristik stasioner. Selanjutnya, hasil dari tahap tersebut digunakan sebagai masukan bagi algoritma Temporal Convolutional Network (TCN) untuk mempelajari hubungan temporal dan menghasilkan prediksi kejadian tanah longsor.

Luaran yang diharapkan dari penelitian ini adalah terbentuknya model prediksi tanah longsor yang memiliki tingkat akurasi yang baik. Model tersebut diharapkan dapat menjadi dasar dalam pengembangan Sistem Prediksi Tanah Longsor sebagai sistem pendukung pengambilan keputusan dalam upaya mitigasi bencana, sehingga dapat membantu pemerintah dan masyarakat dalam melakukan deteksi dini serta mengurangi risiko kerugian akibat bencana longsor.