Pemetaan kegagalan cerun di Pulau Pinang dengan menggunakan Rangkaian Saraf Buatan (ANN) (Mapping slope failure vulnerability in Penang using Artificial Neural Network (ANN)

Abstract

Kegagalan cerun berlaku adalah bencana alam yang dicetuskan oleh faktor ruangan dan bukan ruangan, dan
pembangunan yang tidak terkawal menyumbang kepada bencana ini. Di Malaysia yang pesat membangun,
pemetaan zon kegagalan cerun adalah penting dalam usaha mencegah dan mengurus bencana alam. Dengan
mengambilkira faktor ruangan yang mempengaruhi kegagalan cerun, kajian ini bertujuan menghasilkan peta
kebolehrentanan kegagalan cerun di Pulau Pinang menggunakan rangkaian saraf buatan (ANN) dengan
pengintegrasian Sistem Maklumat Geografi. Hasil kajian ini adalah dalam bentuk pembangunan peta kebolehrentanan kegagalan cerun bagi mengenalpasti kawasan yang berpotensi mengalami kegagalan cerun.
Lapisan-lapisan peta yang digunakan adalah seperti topografi (cerun, aspek, dan kelengkungan), jenis litologi, siri tanih, saliran, jalan raya, hujan, dan lineamen digunakan bagi membentuk pangkalan data ruangan dengan menggunakan GIS. Penghasilan peta zon kebolehrentanan kegagalan cerun adalah berdasarkan pada pemberat yang terdapat dalam ANN bagi menghasilkan peta zon kebolehrentanan kegagalan cerun yang mengklasifikasikan mudah kepada empat zon iaitu sangat rendah, rendah, sederhana, dan tinggi. Hasil daripada kajian ini menunjukkan bahawa GIS yang bersama-sama dengan model ANN adalah satu pendekatan yang fleksibel dan berkemampuan untuk mengenal pasti kawasan berpotensi berlaku kegagalan cerun.

Katakunci: GIS, kebolehrentanan, kegagalan cerun, litologi, pemetaan, rangkaian saraf buatan (ANN)

Slope failure is an environmental disaster caused by spatial and non-spatial factors, and uncontrolled  development aggravates it. In rapidly developing Malaysia mapping slope failures has become part and
parcel of disaster prevention and management. Taking into consideration the influence of slope failure column, this paper illustrates the development of a slope failure vulnerability map in Penang using artificial neural networks (ANN) with the integration of Geographic Information Systems. It identifies areas of potential slope failure and factors driving the landslide there. Map layers developed and the lineament used to create a database using the GIS covered factors such as topography (slope, aspect, and curvature), lithology type, soil series, rainfall, drainage, and roads. The production of the slope failure/ landslide zone map based on the ANN’s weightage classifies slope failures into four vulnerability zones, namely, very low, low, medium, and high. Results from this study prove the capability of the GIS-aided ANN model in identifying potential areas of slope failure.

Keywords: artificial neural network (ANN), GIS, lithology, mapping, slope failure, vulnerability