<![CDATA[Abstrak Tanah longsor adalah salah satu bencana alam hidrometeorologi yang sering terjadi di Indonesia. Di Provinsi Sulawesi Tenggara, Kabupaten Kolaka Timur termasuk salah satu daerah yang sering mengalami kejadian tanah longsor sehingga berpotensi menimbulkan banyak korban jiwa maupun kerugian material. Untuk menentukan daerah yang memiliki tingkat kerawanan longsor dapat digunakan beberapa metode, salah satunya adalah logika fuzzy. Logika fuzzy merupakan suatu metode yang dapat menerapkan sifat kesamaran pada nilai sehingga mampu mengikuti cara berpikir manusia. Pada penelitian ini, logika fuzzy digunakan untuk menentukan tingkat kerawanan longsor pada setiap kecamatan di Kabupaten Kolaka Timur. Metode logika fuzzy terdiri dari tiga tahapan, yaitu fuzzyfikasi, penalaran, dan defuzzyfikasi. Penelitian ini menggunakan lima parameter sebagai input, yaitu curah hujan, kemiringan, ketinggian, jenis tanah, serta penggunaan lahan, dan menghasilkan keluaran berupa tingkat kerawanan. Hasil penelitian menunjukkan bahwa terdapat tiga kecamatan yang termasuk dalam kelas sangat rawan, empat kecamatan dalam kelas rawan, dan lima kecamatan dalam kelas tidak rawan. Abstract Landslides are one of the hydrometeorological natural disasters that frequently occur in Indonesia. In Southeast Sulawesi Province, East Kolaka Regency is one of the areas where landslides often occur, resulting in significant loss of life and material damage. To determine landslide-prone areas, several methods can be used, one of which is fuzzy logic. Fuzzy logic is a method that applies the concept of vagueness in values and is capable of representing human reasoning. In this study, fuzzy logic is used to determine the level of landslide susceptibility in each district of East Kolaka Regency. The fuzzy logic method consists of three stages: fuzzification, inference, and defuzzification. This study uses five parameters as input variables, namely rainfall, slope, elevation, soil type, and land use, and produces an output in the form of a landslide susceptibility level. The results show that three districts are classified as very highly susceptible, four districts are classified as susceptible, and five districts are classified as not susceptible.]]>
Copyrights © 2026
