cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
witno
Contact Email
bonita.unanda@gmail.com
Phone
+6285340887930
Journal Mail Official
bonita.unanda@gmail.com
Editorial Address
Jl. Anggrek CC Non Blok. Telp/WA: 085340887930, Palopo, Indonesia. Kode Pos: 91914 Email : Bonita.Unanda@gmail.com .Website : www.ojs.unanda.ac.id
Location
Kota palopo,
Sulawesi selatan
INDONESIA
Jurnal Penelitian Kehutanan Bonita
Published by Universitas Andi Djemma Palopo
ISSN : 26847671     EISSN : 26856506     DOI : -
Core Subject : Science, Agriculture, Social,
Agriculture, Biological Sciences & Forestry Computer Science & IT Environmental Science Materials Science & Nanotechnology Social Sciences
BONITA merupakan jurnal publikasi ilmiah yang dikelola oleh tim redaksi fakultas kehutanan yang dimiliki oleh Universitas Andi Djemma. Jurnal ini akan memuat hasil-hasil penelitian ilmiah pada berbagai bidang ilmu kehutanan diantaranya Manajamen dan Perencanaan Kehutanan, Konservasi, Sosial Kebijakan, Teknologi Hasil Hutan, Silvikultur dan bidang-bidang lain yang terapannya sangat berhubungan dengan bidang kehutanan. Penelitian tersebut harus memenuhi syarat ilmiah baik yang dilakukan oleh individu dosen, dosen secara berkelompok maupun dosen berkolaborasi dengan mahasiswa bimbingannya.
Arjuna Subject : Ilmu Pertanian dan Biologi (Semua) - Kehutanan
Articles 81 Documents
 5   6   7   8   9 
Analisis Tingkat Kerawanan Tanah Longsor Menggunakan Metode Artificial Neural Network Di Daerah Aliran Sungai Suli, Kabupaten Luwu Muh. Ilham Basmar; A. Muhammad Reza Fahlevi
Jurnal Penelitian Kehutanan BONITA Vol. 8 No. 1 (2026): JUNI 2026
Publisher : Universitas Andi Djemma Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55285/hvy97v93

Abstract

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

Page 9 of 9 | Total Record : 81

 5   6   7   8   9 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Vol. 8 No. 1 (2026): JUNI 2026 Vol. 7 No. 2 (2025): DESEMBER 2025 Vol 7, No 1 (2025): Juni 2025 Vol 6, No 1 (2024): Juni 2024 Vol 5, No 2 (2023): DESEMBER 2023 Vol 5, No 1 (2023): Juni 2023 Vol 4, No 2 (2022): DESEMBER 2022 Vol 4, No 1 (2022): Juli 2022 Vol 3, No 2 (2021): DESEMBER 2021 Vol 3, No 1 (2021): Juli 2021 Vol 2, No 2 (2020): DESEMBER 2020 Vol 2, No 1 (2020): JUli 2020 Vol 1, No 2 (2019): Desember 2019 Vol 1, No 1 (2019): Juli 2019 More Issue