<![CDATA[Karakteristik geografis DAS Suli yang kompleks dengan kelerengan curam, curah hujan tinggi, dan struktur geologi yang rentan memicu tingginya potensi tanah longsor. Oleh karena itu, diperlukan pendekatan khusus menggunakan model Artificial Neural Network (ANN). Penelitian ini bertujuan mengidentifikasi kejadian longsor periode 2020–2024, menganalisis faktor pengaruhnya, dan memetakan kerawanan tanah longsor di DAS Suli dengan model ANN. Penelitian kuantitatif ini dilaksanakan pada Juni 2025 hingga Januari 2026 di DAS Suli dan Laboratorium Pengelolaan DAS Universitas Hasanuddin menggunakan analisis spasial serta statistik. Ditemukan 152 titik longsor periode 2020–2024 melalui interpretasi citra time series, dengan kejadian tertinggi pada 2024 (42,76%) dan terendah pada 2021 (7,89%). Pemodelan ANN menunjukkan bahwa arah lereng merupakan parameter paling dominan yang memengaruhi longsor. Tingkat kerawanan dibagi menjadi lima kelas, di mana kelas "Tinggi" mendominasi wilayah sebesar 22,80%, sedangkan kelas "Sangat Rendah" memiliki luasan terkecil (17,38%). Arah lereng berperan signifikan terhadap kerawanan longsor di DAS Suli. Peta kerawanan yang dihasilkan diharapkan menjadi landasan perencanaan mitigasi dan pengelolaan risiko bencana di wilayah tersebut. Kata Kunci: Tanah Longsor, Artificial Neural Network, DAS Suli]]>
Copyrights © 2026
