Identifikasi Kerawanan Tanah Longsor Menggunakan Metode Random Forest di Daerah Aliran Sungai Segeri = Landslide Susceptibility Identification Using Random Forest Method in Segeri Watershed

Tanah longsor merupakan bencana alam yang sering terjadi di Indonesia dengan dampak kerugian material dan korban jiwa yang signifikan. Penelitian ini bertujuan untuk mengidentifikasi sebaran kejadian tanah longsor, menganalisis faktor yang berpengaruh, dan menyusun peta kerawanan longsor di Daerah Aliran Sungai (DAS) Segeri menggunakan algoritma machine learning random forest. Data penelitian meliputi sembilan variabel prediktor yaitu aspek lereng, curah hujan, kelengkungan (curvature), elevasi, jarak dari patahan, jarak dari sungai, kemiringan lereng, litologi, dan penutupan lahan. Inventarisasi longsor dilakukan melalui interpretasi citra satelit time series periode 2019-2024 dan validasi lapangan, menghasilkan 127 titik kejadian longsor. Model random forest dibangun dengan parameter optimal mtry = 4 dan ntree = 400 setelah melalui proses hyperparameter tuning. Hasil evaluasi model menunjukkan kinerja sangat baik dengan nilai AUC sebesar 0,9752, balanced accuracy 0,9061, sensitivity 0,8725, dan specificity 0,9397. Analisis variable importance mengidentifikasi litologi, kemiringan lereng, dan penutupan lahan sebagai faktor dominan penyebab longsor di DAS Segeri. Peta kerawanan yang dihasilkan mengklasifikasikan wilayah menjadi lima kelas: sangat rendah (53,1%), rendah (20,4%), sedang (14,5%), tinggi (8,3%), dan sangat tinggi (3,6%). Penelitian ini memberikan kontribusi ilmiah dalam penerapan machine learning untuk pemetaan kerawanan longsor dan dapat dijadikan dasar bagi perencanaan tata ruang serta strategi mitigasi bencana di DAS Segeri.