Pemetaan Risiko Longsor Berbasis Slope, Aspect, dan Curvature pada Agroindustri Tahu (Studi Kasus di Desa Sambak, Magelang)
Kata Kunci:
agroindustri tahu, analisis risiko, frequency ratio, tanah longsor, QGISAbstrak
Tanah longsor merupakan salah satu bencana geologi yang berpotensi menimbulkan dampak signifikan
terhadap keberlanjutan kegiatan sosial dan ekonomi masyarakat, khususnya pada wilayah perbukitan. Desa
Sambak, Kecamatan Kajoran, Kabupaten Magelang, merupakan kawasan dengan kondisi topografi curam
yang berkembang sebagai sentra agroindustri tahu, sehingga memiliki tingkat risiko longsor yang perlu dikaji
secara sistematis. Penelitian ini bertujuan untuk menganalisis dan memetakan risiko longsor sebagai dasar
perencanaan mitigasi yang berkelanjutan bagi keberlangsungan agroindustri tahu di wilayah tersebut. Analisis
dilakukan menggunakan data digital surface model (DSM) resolusi 0,45 m yang diolah untuk menghasilkan
parameter kemiringan lereng (slope), arah hadap lereng (aspect), dan kelengkungan lereng (curvature). Metode
frequency ratio (FR) digunakan untuk menentukan tingkat kerawanan dan bahaya longsor berdasarkan
hubungan antara parameter topografi dan kejadian longsor, sedangkan variabel kerentanan (vulnerability) dan
kapasitas (capacity) dianalisis menggunakan interpolasi inverse distance weighted (IDW). Seluruh pengolahan
data spasial dilakukan dengan perangkat lunak QGIS 3.18. Hasil analisis menunjukkan bahwa wilayah
penelitian terbagi ke dalam tiga kelas risiko longsor, yaitu risiko rendah, sedang, dan tinggi. Sebagian besar
lokasi agroindustri tahu berada pada kelas risiko sedang, sementara dua lokasi teridentifikasi berada pada
kelas risiko tinggi. Kondisi ini mengindikasikan perlunya upaya mitigasi yang terarah guna menjaga
keberlanjutan usaha agroindustri serta mengurangi potensi kerugian akibat bencana longsor.
Referensi
BNPB. (2023). Buku data bencana Indonesia 2023. Buku Data Bencana Indonesia, 3, 3–11.
BNPB. (2024). Indeks risiko bencana Indonesia tahun 2024. In Badan Nasional Penanggulangan Bencana (Vol. 03).
Çellek, S. (2022). Effect of the slope angle and its classification on landslides. Himalayan Geology, 43(1), 85–95.
Erzagian, E., Wilopo, W., & Fathani, T. F. (2023). Landslide susceptibility zonation using GIS-based frequency ratio approach in the Kulon Progo mountains area, Indonesia. Progress in Landslide Research and Technology, Part F4147(2), 115–126. https://doi.org/10.1007/978-3-031-44296-4_3
Ma, W., Dong, J., Wei, Z., Peng, L., Wu, Q., Wang, X., Dong, Y., & Wu, Y. (2023). Landslide susceptibility assessment using the certainty factor and deep neural network. Frontiers in Earth Science, 10(January), 1–14. https://doi.org/10.3389/feart.2022.1091560
Naseer, S., Haq, T. U., Khan, A., Tanoli, J. I., Khan, N. G., Qaiser, F. ur R., & Shah, S. T. H. (2021). GIS-based spatial landslide distribution analysis of district Neelum, AJK, Pakistan. Natural Hazards, 106(1), 965–989. https://doi.org/10.1007/s11069-021-04502-5
Nugroho, D. D., & Nugroho, H. (2020). Analisis kerentanan tanah longsor menggunakan metode frequency ratio di Kabupaten Bandung Barat, Jawa Barat. Geoid, 16(1), 8. https://doi.org/10.12962/j24423998.v16i1.7680
Pradhan, B. (2010). Landslide susceptibility mapping of a catchment area using frequency ratio, fuzzy logic and multivariate logistic regression approaches. Journal of the Indian Society of Remote Sensing, 38(2), 301–320. https://doi.org/10.1007/s12524-010-0020-z
Putra, M. S. G. P., Anggraini, N., & Wahyuni, D. (2025). Landslide mitigation strategies in riverbank areas: A step-by-step guide to design retaining wall (Vol. 1). Atlantis Press International BV. https://doi.org/10.2991/978-94-6463-678-9_14
Rakuasa, H.-, Somae, G., Sihasale, D. A., Pakniany, Y., Septory, J. S. I., & Latue, P. C. (2023). Analisis spasial daerah rawan longsor di Kecamatan Damer, Kabupaten Maluku Barat Daya, Provinsi Maluku. El-Jughrafiyah, 3(1), 62. https://doi.org/10.24014/jej.v3i1.20278
Saha, A. K., Gupta, R. P., & Arora, M. K. (2002). GIS-based landslide hazard zonation in the Bhagirathi (Ganga) Valley, Himalayas. International Journal of Remote Sensing, 23(2), 357–369. https://doi.org/10.1080/01431160010014260
Sheng, M., Zhou, J., Chen, X., Teng, Y., Hong, A., & Liu, G. (2022). Landslide susceptibility prediction based on frequency ratio method and C5.0 decision tree model. Frontiers in Earth Science, 10(May), 1–14. https://doi.org/10.3389/feart.2022.918386
Silalahi, F. E. S., Pamela, Arifianti, Y., & Hidayat, F. (2019). Landslide susceptibility assessment using frequency ratio model in Bogor, West Java, Indonesia. Geoscience Letters, 6(1). https://doi.org/10.1186/s40562-019-0140-4
Somae, G., Supriatna, S., Manessa, M. D. M., & Rakuasa, H. (2022). SMORPH application for analysis of landslide prone areas in Sisimau District, Ambon City. Social, Humanities, and Educational Studies (SHES): Conference Series, 5(4), 11. https://doi.org/10.20961/shes.v5i4.68936
UNDRR. (2004). Risk awareness and assessment. Living with Risk: A Global Review of Disaster Reduction Initiatives, 36–78.
Wang, Z., Goetz, J., & Brenning, A. (2022). Transfer learning for landslide susceptibility modeling using domain adaptation and case-based reasoning. Geoscientific Model Development, 15(23), 8765–8784. https://doi.org/10.5194/gmd-15-8765-2022
Wibawanti, E., Sartohadi, J., Ngadisih, N., Setiawan, A., & Mardiatno, D. (2023). Keefektifan “ProKlim” dalam pengendalian longsor secara vegetatif di Kampung Iklim Desa Sambak, Kajoran, Magelang. AgriTECH, 43(2), 105. https://doi.org/10.22146/agritech.72009
Zhang, Q. (2024). Spatial distribution prediction of landslide susceptibility based on integrated particle swarm optimization. Frontiers in Earth Science, 12(December). https://doi.org/10.3389/feart.2024.1516615
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Anak Agung Caresasha Adinda Dea, Ni Nyoman Sulastri, Ngadisih Ngadisih, Ida Bagus Ary Purnayama Parbawa, Komang Ratih Indah Pradnyani

Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
Ketentuan Lisensi
Semua artikel yang diterbitkan dalam Jurnal Beta (Biosistem dan Teknik Pertanian) bersifat open access dan dilisensikan di bawah Creative Commons Attribution 4.0 International License (CC BY 4.0). Hal ini berarti siapa pun berhak untuk:
-
Berbagi — menyalin dan mendistribusikan kembali materi dalam bentuk atau format apa pun.
-
Adaptasi — menggubah, mengubah, dan mengembangkan materi untuk tujuan apa pun, termasuk tujuan komersial.
Namun, hak tersebut diberikan dengan ketentuan sebagai berikut:
-
Atribusi — Anda harus memberikan pengakuan yang sesuai, menyertakan tautan ke lisensi, dan menunjukkan jika ada perubahan yang dilakukan. Hal ini dapat dilakukan dengan cara yang wajar, tetapi tidak boleh dengan cara yang menyiratkan bahwa pemberi lisensi mendukung Anda atau penggunaan Anda.
-
Tanpa pembatasan tambahan — Anda tidak boleh menerapkan ketentuan hukum atau langkah teknologi yang secara hukum membatasi orang lain untuk melakukan hal-hal yang diizinkan oleh lisensi ini.
Dengan mengirimkan artikel ke Jurnal Beta (Biosistem dan Teknik Pertanian), penulis menyetujui penerbitan karya mereka di bawah lisensi akses terbuka ini. Hak cipta tetap dimiliki oleh penulis, namun penulis memberikan hak publikasi pertama kepada Jurnal Beta (Biosistem dan Teknik Pertanian).
Untuk informasi lebih lanjut mengenai lisensi CC BY 4.0, silakan kunjungi situs resmi: https://creativecommons.org/licenses/by/4.0/