& 2$%)2
&"'"'" ( )
Tanah Longsor secara umum adalah perpindahan material pembentuk lereng berupa
batuan, bahan rombakan, tanah, atau material laoporan, bergerak kebawah atau keluar
lereng. Secara geologi tanah longsor adalah suatu peristiwa geologi dimana terjadi
pergerakan tanah seperti jatuhnya bebatuan atau gumpalan besar tanah. (Nandi; 2007).
&"'"&" * )
Pada prinsifnya tanah longsor terjadi bila gaya pendorong pada lereng lebih besar
daripada gaya penahan. Gaya penahan umumnya dipengaruhi oleh kekuatan batuan
dan kepadatan tanah. Sedangkan daya pendorong dipengaruhi oleh besarnya sudut
lereng, air, beban serta berat jenis tanah batuan.
Proses terjadinya tanah longsor dapat diterangkan sebagai berikut : air yang
meresap kedalam tanah akan menambah bobot tanah. Jika air tersebut menembus
sampai tanah kedap air yang berperan sebagai bisang gelincir, maka tanah menjadi
licin dan tanah pelapukan diatasnya akan bergerak mengikuti lereng dan luar lereng.
(Nandi; 2007).
&"'"+" ( , )
Gejala umum tanah longsor ditandai dengan munculnya retakan@retakan dilereng yang
sejajar dengan arah tebing, biasanya terjadi setelah hujan, munculnya mata air baru
secara tiba@tiba dan tebing rapuh serta kerikil mulai berjatuhan. (Nandi; 2007).
Faktor penyebabnya antara lain :
a. Lereng Terjal
Lereng atau tebing yang terjal akan memperbesar gaya pendorong. Lereng
yang terjal terbentuk karena pengikisan air sungai, mata air, air laut dan angin.
Kebanyakan sudut lereng yang menyebabkan longsor adalah 1800 apabila
b. Ketinggian
Semakin tinggi maka semakin besar potensi jatuhnya tanah.
c. Curah Hujan
Musim kering yang panjang akan menyebabkan terjadinya penguapan air
dipermukaan tanah dalam jumlah besar. Hal itu mengakibatkan munculnya
pori@pori atau rongga tanah hingga terjadi retakan dan merekahnya tanah
permukaan. Ketika hujan, air akan menyusup kebagian yang retak sehingga
tanah dengan cepat mengambang kembali dan dapat menyebabkan terjadinya
longsor bila tanah tersebut terletak pada lereng yang terjal.
d. Jenis Tanah
Jenis tanah yang kurang padat adalah tanah lempung atau tanah liat dengan
ketebalan lebih dari 2,5 m dari sudut lereng lebih dari 220. Tanah jenis ini
memiliki potensi terjadinya tanah longsor terutama bila terjadi hujan. Selain
itu tanah ini sangat retan terhadap pergerakan tanah karena menjadi lembek
terkena air dan pecah ketika hawa terlalu panas.
e. Penggunaan Lahan
Tanah longsor sering terjadi di daerah tata lahan persawahan, perladangan dan
adanya genangan air dilereng yang terjal. Pada lahan persawahan akarnya
kurang kuat untuk mengikat butir tanah dan membuat tanah menjadi lembek
dan jenuh dengan air sehingga mudah terjadi longsor. Sedangkan untuk daerah
perladangan penyebabnya adalah karena akar pohonnya tidak dapat menembus
bidang longsoran yang dalam dan umumnya terjadi didaerah longsoran lama.
& & 2%.# '334
- .$ (SC) merupakan bagian dari ilmu multidisiplin pertama kali diusulkan
oleh Prof. Lotfi A. Zadeh (1990). Pada makalah pertamanya tentang - Data
Analysis, Prof. Zadeh mendefinisikan SC adalah kumpulan teknik@teknik komputasi
dalam ilmu komputer, yang berusaha untuk mempelajari, memodelkan dan
menganalisis suatu fenomena tertentu guna untuk mengeksploitasi adanya toleransi
terhadap ketidaktepatan, ketidakpastian dan kebenaran parsial untuk dapat
diselesaikan dengan mudah, # dan biaya penyelesaian murah. SC berusaha
untuk mengintegrasikan # / .$ , 0 .$ ,
sehingga Logika Fuzzy akan di terapkan pada penentuan prediksi Daerah rawan
longsor.
Konsep tentang Logika Fuzzy diperkenalkan oleh Prof. Lotfi Astor Zadeh pada
tahun 1962. Logika Fuzzy adalah metodologi sistem control pemecahan masalah,
yang cocok untuk diimplementasikan pada sistem, mulai dari sistem yang sederhana,
sistem kecil, embedded system, jaringan PC, multi@channel atau workstation berbasis
akuisisi data, dan sistem kontrol. Bila dibandingkan dengan logika konvensional,
kelebihan logika fuzzy adalah kemampuannya dalam proses penalaran secara bahasa
sehingga dalam perancangannya tidak memerlukan persamaan matematik yang rumit.
Beberapa alasan yang dapat diutarakan mengapa kita menggunakan logika fuzzy
diantaranya adalah mudah dimengerti, memiliki toleransi terhadap data@data yang
tidak tepat, mampu memodelkan fungsi@fungsi nonlinier yang sangat kompleks, dapat
membangun dan mengaplikasikan pengalaman@pengalaman para pakar secara
langsung tanpa harus melalui proses pelatihan, dapat berkerjasama dengan teknik@
teknik kendali secara konvensional, dan didasarkan pada bahasa alami, (T. Sutojo,
", 2010).
Dalam logika konvensional nilai kebenaran mempunyai kondisi yang pasti yaitu
benar atau salah ( ), dengan tidak ada kondisi di antara. Prinsip ini
dikemukakan oleh Aristoteles sekitar 2000 tahun yang lalu sebagai hukum 01
2 dan hukum ini telah mendominasi pemikiran logika sampai saat ini. Namun,
tentu saja pemikiran mengenai logika konvensional dengan nilai kebenaran yang pasti
yaitu benar atau salah dalam kehidupan nyata sangatlah tidak cocok. Logika Fuzzy
merupakan suatu logika yang dapat merepresentasikan keadaan yang ada di dunia
nyata. Teori tentang himpunan logika samar pertama kali dikemukakan oleh Prof.
Lotfi Zadeh sekitar tahun 1965 pada sebuah makalah yang berjudul “ - ”. Ia
berpendapat bahwa logika benar dan salah dari logika boolean atau konvensional tidak
dapat mengatasi masalah yang ada pada dunia nyata. Setelah itu, sejak pertengahan
1970@an, para peneliti Jepang berhasil mengaplikasikan teori ini ke dalam berbagai
permasalahan praktis. Tidak seperti logika boolean, logika fuzzy mempunyai nilai
yang kontinyu. Samar ( ) dinyatakan dalam derajat dari suatu keanggotaan dan
derajat dari kebenaran. Oleh sebab itu sesuatu dapat dikatakan sebagian benar dan
sebagian salah pada waktu yang bersamaan. Teori himpunan individu dapat memiliki
. adalah proses merumuskan pemetaan dari input yang
diberikan ke ouput dengan menggunakan logika fuzzy. Pemetaan tersebut akan
menjadi dasar dari keputusan yang akan dibuat. Proses melibatkan fungsi
keanggotaan, operator logika fuzzy, dan aturan jika@maka ( 3 ) (Goupeng Z,
2006). Dalam membangun sistem yang berbasis pada aturan fuzzy maka akan
digunakan variabel linguistik. Variabel linguistik adalah suatu interval numerik dan
mempunyai nilai@nilai linguistik, yang semantiknya didefinisikan oleh fungsi
keanggotaannya. Misalnya, - adalah suatu variabel linguistik yang bisa
didefinisikan pada interval (@100C, 400C). Variabel tersebut bisa memiliki nilai@nilai
linguistik seperti ”Dingin”, ”Hangat”, ”Panas” yang semantiknya didefinisikan oleh
fungsi@fungsi keanggotaan tertentu.
Suatu sistem berbasis aturan terdiri dari tiga komponen utama:
# dan (Suyanto, 2008, p. 28), terlihat
seperti gambar 2.1.
Gambar 2.1 Sistem Berbasis Aturan
&"&"'"
merupakan proses pemetaan nilai@nilai input ( $ $ ) yang berasal dari
sistem yang dikontrol ke dalam himpunan menurut fungsi keanggotaannya.
Himpunan fuzzy tersebut merupakan $ yang akan diolah secara fuzzy pada
proses berikutnya. Untuk mengubah $ $ menjadi fuzzy input, terlebih dahulu
akan mengambil $ $ dan membandingkan dengan . . $
yang telah ada untuk menghasilkan harga $ .
&"&"&"
4 mereprentasikan fakta dan aturan di dunia nyata dengan
menggunakan objek, predikat( ), dan serta 5 sehingga
beberapa fakta sederhana dapat direprentasikan ke dalam suatu kalimat logika, dan
semua bersifat tetap. Menurut (Suyanto, 2008, p. 29) untuk membedakan 3
secara sintaks aturan dituliskan seperti di bawah ini:
IF THEN 5
Pada tahap diproses hubungan antara nilai@nilai input ( $ $ ) dan
nilai@nilai $ ( $ $ ) yang dikehendaki dengan aturan@aturan ( ). Aturan
ini nantinya yang akan menentukan respon sistem terhadap berbagai kondisi
$ dan gangguan yang terjadi pada sistem.
Terdapat beberapa model aturan yang dapat digunakan:
" 2 2 .
Pada model ini aturan didefinisikan sebagai :
IF x1 is A1 AND … AND xn is An THEN y is B
Dimana A1,…, An, B adalah nilai (atau ), dan “x1 is A1”
yang menyatakan nilai variable x1 adalah anggota A1.
" 2
-Model ini merupakan warisan model Mamdani. Pada model ini mengunakan aturan
yang berbentuk :
IF x1 is A1 AND … AND xn is An THEN y=f(x1,…,xn)
Dimana f bisa berupa fungsi dari variabel input yang nilainya berada di dalam
interval variable output. Fungsi ini dibatasi dengan menyatakan f sebagai kombinasi
linier dari variabel sebuah input:
f(x1, …, xn) = w0+w1.x1+…+wn.xn
Dimana w0,w1,…,wn adalah konstanta yang berupa bilangan real yang
merupakan bagian dari spesifikasi aturan " Dalam model Sugeno terdapat dua
macam kategori yaitu orde nol dan orde satu. Orde nol, fungsi f berupa konstanta
sehingga dapat dituliskan sebagai f(x1,….,xn) = w0. Sedangkan order satu merupakan
&"&"+"
Pada tahap ini dilakukan pemetaan bagi nilai@nilai $ yang dihasilkan pada
tahap ke nilai@nilai output kuantitatif yang sesuai dengan sistem yang
diharapkan. Menurut (Suyanto, 2008, p. 28) ada lima metode untuk melakukan proses
, diantaranya yaitu :
" .
Metode . dinamakan juga sebagai ! (CoA) atau
(CoG). Jika y* bernilai $pada metode ini akan dihitung menggunakan
rumus:
6= =
Dan Jika y* bernilai maka dapat diganti dengan persamaan berikut:
6= =∑∑
Dimana y adalah nilai crisp dan μ adalah derajat keanggotaan y.
" 7 .
Metode ini memilih nilai $yang memiliki derajat keanggotaan maksimun. Metode
ini hanya bisa dipakai oleh fungsi keanggotaan yang memiliki derajat keanggotaan 1
pada nilai $ tunggal dan 0 pada nilai $ yang lain. Fungsi seperti ini disebut
fungsi .
" 8 9 . 1 .
Pada metode 8 9 . 1 . fungsi keanggotaan $ memiliki lebih dari
satu nilai maksimun. Sehingga nilai crisp yang digunakan adalah salah satu dari nilai
yang dihasilkan dari nilai maksimun pertama ataupun yang terakhir.
" 2 3. 1 .
2 3. 1 . merupakan bentuk umun dari . dimana terdapat lebih
dari satu nilai $yang memiliki derajat keanggotaan . . .
Didefinisikan y* sebagai titik tengah antara nilai $ yang paling kecil dan nilai
$yang paling besar. Berikut fungsi 2 3. 1 . :
∗= +2
Dimana M merupakan nilai $ paling besar dan m adalah nilai $ $ paling
" !
! merupakan suatu metode dengan menggunakan pembobotan pada
derajat keanggotaan. Di definisikan sebagai berikut:
∗=
Dimana y merupakan nilai $ dan μ adalah derajat keanggotaan dari
nilai $y. Secara garis besar proses digambarkan pada gambar 2.2.
Gambar. 2.2 !
& 5 .)! ! # .
Agus Wuryanta, et al, (2004) dalam penelitiannya yang berjudul “Identifikasi Tanah
Longsor Dan Upaya Penanggulangannya Studi Kasus Di Kulonprogo, Purworejo Dan
Kebumen” mengidentifikasi lahan berpotensi longsor sangat diperlukan untuk
mengetahui sebaran daerah yang rawan longsor sehingga dapat dilakukan upaya
penanganannya. Adapun langkah yang digunakan adalah dengan mengambil Data
yang diperoleh dari teknologi PJ dalam hal ini Citra Landsat 7 ETM+ yang dilakukan
penajaman dengan filter 7 x 7 dapat digunakan untuk identifikasi lahan berpotensi
longsor.
Adi Susilo et, al, (2011) dalam penelitiannya “ 0 - .
* - 7 . ! : ) - ; membuat
sistem peringatan dini zona rawan longsor dengan menggunakan alat sensor getaran
yang dibuat dari accelerometer komersial jenis MMA 7260 QT.
Bagus Sulistiarto, (2010) dalam Penelitiannya berjudul “-
mengidentifikasi longsor berdasarkan tutupan lahan dari citra landsat dan Aster
dengan menggunakan tumpang susu dengan peta tematik lain.
Himan Shahabi, et, al, (2012) “!$$ - .
5 . -; Makalah ini
menyajikan analisis kerentanan longsor di pusat Zab cekungan di pegunungan barat
daya dari West@Azerbaijan provinsi di Iran menggunakan data penginderaan jauh dan
Geografis Informasi Sistem. Database Longsor dihasilkan menggunakan citra satelit
dan foto udara disertai dengan bidang investigasi menggunakan Differential Global
Positioning System untuk menghasilkan peta longsor persediaan.
Jefri Ardin Nugroho, et, al (2010) “ Pemetaan Daerah Rawan Longsor Dengan
Penginderaan Jauh dan Sistem Informasi Geografis ” makalah ini menyajikan suatu
cara yang bertujuan memetakan daerah rawan longsor dengan menggunakan teknologi
penginderaan jauh dan Sistem Informasi Geografis, citra satelit SPOT 4 tahun 2008,
dengan cara tersebut didapat parameter rawan longsor dan nilai skornya. Adapun
parameter yang akan hitung nilai skornya adalah Kelerengan, Ketinggian, Curah
Hujan, Jenis Tanah, Penggunaan Lahan, nilai skor inilah yang akan menentukan
tingkat kerentanan terhadap longsor. Penelitian ini dilakukan didaerah hutan lindung
Mojokerto secara keseluruhan tidak menggunakan sampel dibeberapa titik daerah.
& ! 6!7 $ 7!$% $ .)! 4 $% .$
Dalam Penelitian ini, untuk menentukan tingkat kerawanan longsor pada daerah
tertentu dengan cara memasukkan input kedalam sistem cerdas berbasis Logika Fuzzy
berupa variabel@variabel pendukung yang bersumber dari titik@titik koordinat yang
telah ditentukan pada Peta Wilayah Kabupaten Aceh Tengah Tahun 2012.
& 8 2$ .6'). .)!
Dalam penelitian ini variabel yang digunakan adalah Kelerengan, ketinggian, Curah
Hujan, Jenis Tanah dan Penggunaan Lahan. Semua variabel ini diinput kedalam
sistem yang dibuat dan dilakukan pengujian dengan menggunakan metode
untuk menentukan tingkat kebenaran dari prediksi longsor sehingga dapat
memberikan informasi tentang daerah yang rawan longsor dengan tingkat kebenaran