aplikasi model logik fuzzi bagi menghasilkan peta ... · penambakan tanah yang dijalankan bagi...
TRANSCRIPT
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
98
APLIKASI MODEL LOGIK FUZZI BAGI MENGHASILKAN PETA KERENTANAN
KEGAGALAN CERUNDI PULAU PINANG
Wan Mohd Muhiyuddin Wan Ibrahim* & Mohd Firdaus Sapari
Bahagian Geografi, Pusat Pengajian Ilmu Kemanusiaan, Universiti Sains Malaysia
ABSTRAK: Fenomena kegagalan cerun adalah bencana alam yang sering berlaku di sekitar kawasan Pulau Pinang.
Penyediaan peta kerentanan kegagalan cerun merupakan salah satu langkah awal dan amat penting dalam tindakan
pengurusan bencana kegagalan cerun. Kertas kerja ini menunjukkan kaedah Sistem Maklumat Geografi (GIS) dan
model Logik Fuzzi yang digunakan untuk memetakan kerentanan kegagalan cerun. Model Logik Fuzzi merupakan
salah satu teknik yang mengambil kira gambaran peraturan daripada setiap parameter yang mempengaruhi
kegagalan cerun dengan setiap kombinasi optimum terhadap zon kerentanan kegagalan cerun berdasarkan
pendekatan Sistem Inferens Fuzzi (FIS). Sebanyak lapan faktor kegagalan cerun digunakan seperti ketinggian
topografi, kecerunan, jarak dari jalan raya, jarak dari lineamen, jarak dari sungai, Normalized Difference Vegetation
Index (NDVI), litologi batuan dan siri tanih diekstrak dengan taburan titik kegagalan cerun. Atribut daripada setiap
faktor tersebut akan menghasilkan pangkalan data ruangan. Kemudian, faktor-faktor tersebut dianalisis dengan
menggunakan model Logik Fuzzi untuk menghasilkan peta kerentanan kegagalan cerun. Akhirnya, peta tersebut
akan dinilai dengan menggunakan teknik Relative Operating Characteristics (ROC). Keluk ROC untuk model
kerentanan kegagalan cerun akan dihasilkan dan nilai Area Under Curve (AUC) akan dikira. Secara kuantitatif,
keputusan penilaian ketepatan peta kerentanan kegagalan cerun yang dihasilkan oleh model Logik Fuzzi
menunjukkan sebanyak 92.7%.
Kata kunci: Kegagalan cerun, Logik Fuzzi, Sistem Inferens Fuzzi (FIS), peta kerentanan kegagalan cerun,
Relative Operating Characteristics (ROC)
ABSTRACT: Slope failure is one among the natural disasters that often occur in the vicinity of Penang. The
preparation of landslide susceptibility map is one of the early and critical step in disaster management that response
to slope failure. This paper demonstrates methods for mapping landslide susceptibility using Geographic
Information Systems (GIS) and Fuzzy Logic models. Fuzzy Logic model is one of the techniques that take into
account the description of each parameter regulations that affecting slope failure with every optimal combination of
slope failure susceptibility zones based on a Fuzzy Inference System (FIS). A total of eight factors of slope failure
are used, that are, topographical elevation, slope, distance from roads, distance from lineament, distance from the
river, normalized Difference Vegetation Index (NDVI), rock lithology and soil series extracted with distribution
points of slope failure. Attributes of each of these factors are developed as a spatial database. Subsequently, these
factors are analyzed using Fuzzy Logic model in order to produce a landslide susceptibility map. Finally, the map is
evaluated using Relative Operating Characteristics (ROC) techniques. ROC for landslide susceptibility model is
produced and the Area under Curve (AUC) is calculated. Quantitatively, the result of the conformity assessment of
landslide susceptibility map is produced by the Fuzzy Logic model, which shows 92.7%.
Keywords: slope failure, Fuzzy Logic, Fuzzy Inference System (FIS), slope failure susceptibility map, Relative
Operating Characteristics (ROC)
PENGENALAN
Kejadian kegagalan cerun dapat dikategorikan sebagai salah satu bencana alam yang paling berisiko
selepas kejadian banjir ketika musim tengkujuh. Berdasarkan laporan-laporan daripada media cetak
tempatan sejak tahun 2006 hingga tahun 2009, fenomena kejadian kegagalan cerun akibat daripada
pengaruh hujan lebat lebih kerap berlaku terutamanya di kawasan Hulu Kelang, Genting Highlands,
* E-mail: [email protected]
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
99
Cameron Highlands, sekitar kawasan Sabah dan termasuk juga Pulau Pinang (Ibrahim & Fakhru’l-Razi,
2006). Kawasan bukit di sekitar Cameron Highlands, Pahang sering mengalami gangguan cerun akibat
daripada aktiviti-aktiviti pembangunan guna tanah yang dijalankan dan keadaan ini mengakibatkan cerun-
cerun di kawasan tersebut menjadi tidak stabil sehingga berupaya menghasilkan kejadian kegagalan
cerun. Kejadian kegagalan cerun mengakibatkan kehilangan harta benda dan nyawa orang awam sehingga
mampu memberi kesan ke atas gangguan emosi terutamanya bagi mereka yang pernah terlibat dengan
kejadian sebelum ini. Bagi kerja-kerja membaik pulih, ia melibatkan perbelanjaan pengurusan kos yang
agak tinggi sehingga boleh mencapai berjuta-juta ringgit (Abdul Aziz, 2005).
Secara amnya, fenomena kegagalan cerun dapat diklasifikasikan sebagai pergerakan batuan atau tanih
atau kedua-duanya sekali daripada atas bukit hingga ke bawah bukit yang menuruni sepanjang cerun
akibat daripada pengaruh daya graviti (Jaboyedoff et al., 2004). Hal ini adalah disebabkan daripada
permukaan cerun yang tidak stabil sehingga berupaya menghasilkan nilai jatuhan yang melebihi daripada
nilai ambang (tampung) oleh permukaan cerun tersebut. Pergerakan jisim-jisim tersebut adalah secara
gelongsoran atau gelinciran yang berlaku secara berperingkat-peringkat mengikut tempoh jatuhan dan
berpandukan kepada arah dan jarak yang sama tanpa membabitkan proses kitaran, pantulan dan
perubahan saiz bahan-bahan yang terlibat (Guzzeti et al., 2006). Bagi kebanyakan kes, didapati kegagalan
cerun yang berlaku adalah di kawasan yang mempunyai magnitud kemusnahan cerun yang tinggi
sehingga berupaya untuk mempengaruhi pergerakan jisim-jisim tersebut menuruni cerun ke permukaan
bawah (Highland & Bobrowsky, 2004).
Lazimnya, kegagalan cerun yang berlaku di Malaysia dipengaruhi oleh pengaruh hujan tropika dan
kejadian banjir kilat. Walaupun keadaan tanahnya adalah stabil, tetapi akibat daripada kadar
pembangunan yang berterusan, secara tidak langsung permukaan tanah yang terdedah dengan proses
hakisan akan meningkat. Hal ini ditambahkan lagi dengan aktiviti penyahhutanan di kawasan tanah tinggi
yang semakin giat dijalankan secara tidak langsung dapat mengurangkan keupayaan akar-akar banir untuk
mengikat dan memegang butiran-butiran tanih sehingga mengganggu kestabilan cerun (Pradhan, 2011).
Di samping itu, kejadian kegagalan cerun juga boleh terjadi akibat daripada kerja-kerja pemotongan dan
penambakan tanah yang dijalankan bagi projek pembinaan jalan raya dan infrastruktur pembangunan
(Mohd Kamal, 2006). Ternyata bahawa kegagalan cerun yang berlaku dapat dipengaruhi oleh tindakan
manusia dan ditambahkan lagi dengan kehadiran faktor-faktor semula jadi yang dapat meningkatkan lagi
tekanan ke atas kestabilan cerun (Mohd Shariff, 2005).
KAJIAN LITERATUR
Faktor-faktor yang mempengaruhi kegagalan cerun juga dapat dikategorikan kepada faktor ruangan dan
bukan ruangan. Menurut Wan Mohd Muhiyuddin (2005), lazimnya faktor ruangan yang mempengaruhi
kegagalan cerun terdiri daripada faktor jarak jalan raya ke kegagalan cerun, jarak sungai ke kegagalan
cerun, jarak lineamen ke kegagalan cerun, jenis batuan, guna tanah, siri tanih, purata hujan tahunan, aspek
kecerunan, kelengkungan cerun, sudut cerun dan ketinggian topografi. Pemboleh ubah ruangan ini boleh
diwakilkan dalam bentuk vektor iaitu titik, garisan serta poligon dan kesemua perwakilan tersebut akan
diukur dan setiap atribut bagi ciri-ciri ruangannya akan dinilai. Sebaliknya, bagi pemboleh ubah bukan
ruangan pula terdiri daripada aspek pengurusan cerun, jenis kegagalan cerun yang berlaku dan agensi
pembuat keputusan yang terlibat.
Tinjauan kajian lepas mendapati banyak pengkaji mengambil kira pemboleh ubah ruangan sebagai faktor
utama yang mempengaruhi kegagalan cerun seperti yang ditunjukkan pada Jadual 1. Antara
pembolehubah kegagalan cerun yang telah digunakan adalah seperti aspek kecerunan, kelengkungan,
sudut cerun, geologi, sistem saliran, rekod kegagalan cerun, litupan tanah, geomorfologi, topografi,
pengaruh paras air bawah tanah, hidrologi dan meteorologi.
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
100
Jadual 1: Senarai pengkaji lepas dan pemboleh ubah ruangan yang digunakan
Senarai Pengkaji Faktor-Faktor Ruangan Kegagalan Cerun
Juang et al (1992) Kecerunan, profil mendatar, profil menegak, lokasi, ketinggian,
geologi asal, tekstur tanih, kedalaman luluhawa, arah cerun,
vegetasi, guna tanah, purata hujan harian maksimum, purata
hujan jam maksimum.
Chi et al (2002) Sudut cerun, aspek cerun, set data hutan yang terdiri daripada
jenis, diameter, umur dan kepadatan, set data tanih yang
merangkumi tekstur, topografi, sistem saliran, kandungan jisim,
ketebalan lapisan, litologi.
Ercanoglu & Gokceoglu (2004) Litologi, sudut cerun, jarak dari rangkaian saliran, jarak dari
jalan utama, ketinggian topografi, kelengkungan cerun, litupan
vegetasi, aspek cerun.
Kanungo et al (2006) Kecerunan, aspek cerun, litologi, jarak dari lineamen, jarak dari
rangkaian saliran, guna tanah.
Saboya Jr et al (2006) Sudut cerun, ketinggian, jenis vegetasi, kepadatan vegetasi,
keterjapaian lapisan atas tanih, ketebalan lapisan tanih, purata
hujan harian maksimum, kekerapan pergerakan, tindakan sungai,
pemotongan satah cerun, sifat-sifat permukaan kawasan.
Champati ray et al (2007) Litologi, luluhawa batuan, geomorfologi, jarak dari lineamen,
jarak dari sistem saliran, guna tanah, pengaruh antropogenik,
jenis dan kedalaman lapisan tanih, sudut cerun, aspek cerun.
Lee (2007) Topografi, geologi, lineamen, sistem saliran, tanih, hutan, guna
tanah, imej satelit (Landsat TM).
Tangestani (2009) Litologi, sudut cerun, aspek cerun, guna tanah dan kedalaman
lapisan tanih.
Cervi et al (2010) Jenis dan ketebalan lapisan tanih, guna tanah, kedalaman sungai
melalui batuan dasar, sudut cerun.
Ilanloo (2011) Sudut cerun, litupan tanih, aspek cerun, ketinggian topografi,
hujan tahunan.
Pradhan (2011a) Sudut cerun, cerun yang terdedah, kelengkungan cerun,
topografi, jarak dari sistem saliran, guna tanah, jenis dan tekstur
tanih, litologi, jarak dari lineamen, Normalized Difference
Vegetation Index (NDVI) .
Akgun et al (2012) Ketinggian bentuk muka bumi, sudut cerun, kelengkungan
cerun, Normalized Diffrence Vegetation Index (NDVI), Indeks
Kelembapan Topografi (TWI), Indeks Kekuatan Arus Sungai
(SPI).
Bui et al (2012) Kecerunan, aspek, amplitud bentuk muka bumi, litologi, guna
tanah, jenis tanih, jarak dari jalan raya, jarak dari lineamen, jarak
dari sungai.
Tujuan utama dalam kaedah logik fuzzi ialah mempertimbangkan objek ruangan dalam peta yang dikenal
pasti sebagai keanggotaan yang dapat menunjukkan hubungan dengan set tersebut (Ercanoglu &
Gokceoglu, 2004; Kanungo et al., 2006; Ilanloo, 2011). Kaedah logik fuzzi juga turut menggunakan
pemboleh ubah linguistik yang membolehkan darjah hubungan keanggotaan dalam set fuzzi dengan satu
parameter yang terlibat dengan kegagalan cerun diwakilkan dengan lebih tepat dan dapat menilai tahap
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
101
kekonsistenan daripada hasil analisis fuzzi (Juang et al., 1992; Kanungo et al., 2006). Dalam teori set
klasik ini, objek ruangan yang dianggap sebagai keanggotaan fuzzi bagi set tersebut mempunyai nilai 1
dan sekiranya nilai keanggotaan objek tersebut adalah 0 maka ia bukan keanggotaan bagi set fuzzi. Nilai
fuzzi antara 0 hingga 1 menggambarkan darjah hubungan kepastian dalam keanggotaan tersebut (Berkan
& Trubatch, 2009). Oleh itu, teori set logik fuzzi menggunakan idea fungsi pertalian yang dapat
menunjukkan hubungan antara darjah keanggotaan dengan beberapa kepentingan atribut daripada faktor-
faktor kegagalan cerun (Hines, 1997; Chung & Fabbri, 2001; Wang et al., 2008; Tangestani, 2009).
KAWASAN KAJIAN
Pulau Pinang merupakan salah satu daripada 13 buah negeri yang terletak di Semenanjung Malaysia
seperti yang ditunjukkan pada Rajah 1. Lokasinya adalah bersempadan dengan bahagian utara dan timur
Kedah, selatan Perak dan barat perairan Selat Melaka. Selain itu, Pulau Pinang dipisahkan dengan tanah
besar oleh Selat Melaka sejauh 3 km di sebelah timur. Keluasannya meliputi hampir 29 965 hektar atau
299.65 km² dan terbahagi kepada beberapa daerah iaitu Barat Daya dan Timur Laut. Dari segi kedudukan
latitud dan longitud pula, kawasan kajian terletak pada 5° 15’ N hingga 5° 30’ N dan 100° 10’ E hingga
100° 20’ E (Lee & Pradhan, 2006). Secara puratanya, kawasan ini menerima suhu harian min antara
sekitar 27°C dengan suhu maksimum dan minimum harian min masing-masing adalah antara 31.4°C dan
23.5°C. Suhu maksimum harian min juga boleh mencapai sehingga 35.7°C. Kadar kelembapan harian
min dan kadar kelembapan maksimum harian min yang direkodkan adalah 60.9% dan 96.8%. Purata
hujan tahunan yang dicatatkan adalah sekitar 267 cm dan boleh mencapai sehingga 624 cm (Pradhan,
2011). Sebahagian besar kawasan ini dilitupi oleh hutan paya gambut, ladang pertanian dalam hutan,
hutan di kawasan pedalaman, kawasan belukar, padang rumput dan kawasan bekas perlombongan.
Tambahan pula, kebanyakan kawasan-kawasan bukit mengandungi batuan jenis granit sebagai struktur
permukaan batuan dasar. Bentuk muka bumi kawasan kajian pula terdiri daripada dataran pantai, bukit-
bukau dan juga gunung-ganang (Fauziah et al., 2006).
DATA DAN MAKLUMAT
Sebanyak 8 data asas digunakan yang terdiri daripada data taburan titik kegagalan cerun, topografi, jalan
raya, lineamen, saliran, NDVI, geologi dan siri tanih seperti pada Jadual 2. Semua skala data ini adalah
berukuran 1:50 000 manakala bagi skala data NDVI pula, saiz piksel adalah 30m x 30m. Data taburan
titik kegagalan cerun merupakan suatu maklumat yang akan diekstrak bersama 8 pemboleh ubah
kegagalan cerun untuk mengenal pasti taburan frekuensi kegagalan cerun yang berlaku. Data ini diperoleh
daripada Jabatan Mineral dan Geosains Malaysia pada tahun 2010 dan dikemas kini sehingga 2013. Data
topografi diperoleh daripada Jabatan Ukur dan Pemetaan Malaysia pada tahun 2010 dan dikemas kini
sehingga 2013. Kemudian, data ini akan diekstrak daripada Model Ketinggian Berdigit dalam kaedah
Interpolasi TIN (Triangulated Irregular Network) untuk menghasilkan data ketinggian kawasan.
Seterusnya, data ketinggian diekstrak pula melalui analisis permukaan bagi menghasilkan data kecerunan.
Bagi pemboleh ubah jarak kegagalan cerun dari jalan raya, lineamen dan sungai, masing-masing diekstrak
melalui analisis jarak daripada data jalan raya, lineamen dan sungai yang diperoleh daripada Jabatan Ukur
dan Pemetaan Malaysia pada tahun 2010 dan dikemas kini sehingga 2013 dan Jabatan Mineral dan
Geosains Malaysia pada tahun 2010. Kemudian, untuk pengukuran pengaruh vegetasi pula diekstrak
daripada Normalized Difference Vegetation Index (NDVI) daripada Agensi Remote Sensing
Malaysia pada tahun 2010. Bagi pemboleh ubah litologi batuan dan siri tanih pula, masing-masing
diekstrak daripada data geologi dan siri tanih yang diperoleh melalui Jabatan Mineral dan Geosains
Malaysia pada tahun 2010.
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
102
Pulau Pinang
Rajah 1: Lokasi kawasan kajian.
Dalam kajian ini, perisian GIS (ArcGIS 10.1) dan IDRISI 32 Release 2 digunakan untuk menganalisis dan
membangunkan pangkalan data ruangan.
Jadual 2: Senarai data ruangan yang digunakan dalam kajian
Bil Jenis Data Ciri
Ruangan
Skala Sumber
1 Titik Kegagalan Cerun Titik 1:50 000 Jabatan Mineral dan Geosains Malaysia (2010)
dikemas kini sehingga 2013
2 Jalan Raya Garisan 1:50 000 Jabatan Ukur dan Pemetaan Malaysia (2010)
dikemas kini sehingga 2013
3 Saliran Garisan 1:50 000 Jabatan Ukur dan Pemetaan Malaysia (2010)
dikemas kini sehingga 2013
4 Topografi Garisan 1:50 000 Jabatan Ukur dan Pemetaan Malaysia (2010)
dikemas kini sehingga 2013
5 Lineamen Garisan 1:50 000 Jabatan Mineral dan Geosains Malaysia (2010)
6 Siri Tanih Poligon 1:50 000 Jabatan Mineral dan Geosains Malaysia (2010)
7 Geologi Poligon 1:50 000 Jabatan Mineral dan Geosains Malaysia (2010)
8
NDVI (Imej TM
Landsat)
Piksel 30m x 30m Agensi Remote Sensing Malaysia (2010)
Tere
ngga
nu
Negeri Sembilan
Pahang
Johor
Perak
Selangor
Kelantan
Melaka
Perlis
Kedah
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
103
METODOLOGI KAJIAN
Analisis ruangan yang telah digunakan dalam kajian ini adalah analisis jarak, analisis permukaan dan
analisis pengelasan semula. Analisis jarak telah diaplikasikan ke atas faktor jarak kegagalan cerun dari
jalan raya, jarak kegagalan cerun dari lineamen dan jarak kegagalan cerun dari sungai. Analisis ketinggian
topografi telah dibangunkan melalui Model Ketinggian Berdigit (DEM) manakala faktor kecerunan pula
dihasilkan melalui analisis permukaan. Kesemua peta yang digunakan dalam kajian ini adalah mengikut
format sistem Rectified Skew Orthomotphic (ROC). Metodologi kajian yang diguna pakai ditunjukkan
dalam Rajah 2 di bawah.
Rajah 2: Metodologi kajian
Pembangunan pangkalan data merupakan satu proses yang asas dalam menyediakan lapisan-lapisan peta
serta atribut masing-masing yang akan digunakan bagi menghasilkan peta kerentanan kegagalan cerun.
Kajian
Lapangan
-Imej Satelit
-TM
Landsat
Peta
Topografi
Analisis
Permukaan
Penghasilan
DEM
Kecerunan
-Peta Rangkaian Jalan
Raya
-Peta Rangkaian
Sungai
-Peta Lineamen
Peta NDVI
-Peta
Geologi
-Peta Tanih
Analisis Jarak
Pangkalan Data
Ruangan
Inventori
Kegagalan Cerun
Hubungan Logik Fuzzi berdasarkan
Pendekatan Fuzzy Inferens System (FIS)
dalam IDRISI
Pemetaan Kerentanan
Kegagalan Cerun
R
O
C
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
104
Proses ini melibatkan penukaran format daripada lapisan-lapisan peta faktor kegagalan cerun dalam
format vektor yang digunakan kepada format raster. Penukaran format bagi lapisan-lapisan peta faktor
ruangan kegagalan cerun melibatkan format SHAPEIDR-Shapefile/Idrisi Coversion iaitu pengubahan
daripada format dalam bentuk shapefile (vektor) kepada Idrisi (raster). Menurut Ruslan & Noresah
(1999) & Chang (2012), model data raster terdiri daripada satu susunan grid segi empat tepat yang
seragam dengan unit ruangan yang terkecil atau dikenali sebagai sel-sel segi empat. Peletakan setiap sel
atau piksel dirujuk sebagai nombor baris dan lajurnya. Nilai yang diberikan kepada sel adalah nilai atribut
yang terdapat pada sel tersebut.
Seterusnya, kesemua lapisan peta ini diekstrak dengan titik kegagalan cerun bagi menghasilkan atribut
setiap lapisan peta tersebut. Tujuan proses pengekstrakan ini dilakukan adalah untuk memperoleh
maklumat berkaitan jumlah kes kegagalan cerun yang berlaku mengikut setiap pembolehubah ruangan
seperti faktor ketinggian topografi, kecerunan, jarak kegagalan cerun dari jalan raya, jarak kegagalan
cerun dari lineamen, jarak kegagalan cerun dari sungai, Normalized Difference Vegetation Index (NDVI),
litologi batuan dan siri tanih seperti yang ditunjukkan pada Rajah 3. Sebagai hasil akhirnya, kesemua
atribut lapisan-lapisan peta ini akan digabungkan untuk menghasilkan pangkalan data. Pembahagian zon-
zon kerentanan kegagalan cerun pula adalah berdasarkan secara analisis pengelasan semula.
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
105
Rajah 3: Peta taburan kegagalan cerun berdasarkan 8 pemboleh ubah.
APLIKASI LOGIK FUZZI DALAM IDRISI
Menurut Champati ray et. al. (2007), pendekatan kaedah ini adalah berbeza dengan pendekatan-
pendekatan yang lain seperti regresi logistik, proses analisis hierarki dan kaedah statistik yang lain yang
menggunakan lokasi berdasarkan dengan objek ruangan yang telah diketahui seperti kegagalan cerun
untuk menganggarkan pemberat atau koefisien. Selain itu, kaedah ini juga tidak mempunyai halangan
dalam pemilihan nilai keanggotaan fuzzi. Hal ini menunjukkan nilai-nilai yang dipilih mempunyai kaitan
yang rapat dengan darjah pantulan keanggotaan dalam hubungan set fuzzi berdasarkan penilaian subjektif
(Champati ray et. al., 2007; Lee, 2007).
Berdasarkan pada Rajah 4, menunjukkan 4 jenis keluk fungsi anggota fuzzi iaitu berkadar semakin tinggi,
berkadar semakin rendah dan secara simetri. Dalam fungsi ini, perkadaran yang semakin tinggi dan
semakin rendah memerlukan hanya 2 titik kawalan yang utama bagi menggambarkan fungsi keanggotaan
set fuzzi iaitu titik a dan titik b dalam perkadaran yang semakin tinggi manakala titik c dan titik d pula
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
106
dalam perkadaran yang semakin rendah. Sebaliknya, bagi perkadaran secara simetri pula memerlukan 4
titik kawalan iaitu a, b, c dan d (Eastman, 2003).
(Sumber: Lee & Juang, 1992; Weber & Klein, 2003)
Rajah 4: Fungsi keanggotaan set fuzzi.
Fungsi keanggotaan set fuzzi yang digunakan dapat dirumuskan seperti dalam rumus 1.
µ = cos² α ………………………………………………………………(1)
Dalam kes bagi fungsi pembolehubah ruangan kegagalan cerun yang semakin menurun iaitu apabila x <
titik c, µ = 1, maka ia dapat dirumuskan seperti dalam rumus 2 di bawah.
α = (x – titik c) / (titik d – titik c) * pi / 2 ……………………………(2)
Begitu juga dalam kes bagi fungsi pembolehubah ruangan kegagalan cerun yang semakin meningkat iaitu
apabila x > daripada titik b, nilai keanggotaan (µ) = 1, maka ia dapat dirumuskan seperti dalam rumus 3.
α = (1 - (x – titik a) / (titik b – titik a)) * pi / 2……………..…... (3)
Bagi kes pembolehubah ruangan kegagalan cerun yang bersifat simetri, sekiranya nilai b dan c yang
diperoleh adalah sama, nilai keanggotaan fuzzi akan menurun selepas mencapai nilai (µ) = 1.
Pendekatan fungsi keanggotaan dalam set hubungan Logik Fuzzi mengambil kira nisbah frekuensi bagi
setiap pembolehubah ruangan kegagalan cerun. Perhubungan ruangan antara lokasi kegagalan cerun dan
setiap faktor ruangan yang terlibat dengan pengaruh terhadap kegagalan cerun perlu dianalisis dengan
menggunakan model nisbah frekuensi (Pradhan & Lee, 2010). Nisbah frekuensi ialah nisbah antara
kegagalan cerun yang berlaku dengan tidak berlaku dalam setiap piksel. Nisbah ini akan dikira bagi setiap
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
107
jenis atau julat antara faktor ruangan itu dengan faktor ruangan yang lain (Saboya Jr et. al., 2006; Lee,
2007; Pradhan, 2011; Pourghasemi et. al., 2012). Nisbah kawasan untuk setiap jenis atau julat faktor
ruangan kepada jumlah kawasan juga turut diambil kira. Akhirnya, nisbah frekuensi untuk setiap faktor
ruangan akan dihitung melalui pembahagian antara nisbah kegagalan cerun dengan nisbah kawasan yang
dapat dirumuskan seperti dalam rumus 4.
)4.....(..................................................ratio area
ratio occurence landslideFr
Menurut Kanungo (2006); Pradhan (2011) dan Sujatha & Rajamanickam (2011), menyatakan sekiranya
nisbah frekuensi adalah lebih besar daripada nilai 1 maka nilai tersebut menunjukkan bahawa hubungan
antara kegagalan cerun dan juga faktor ruangan itu adalah tinggi sebaliknya jika nisbah frekuensi adalah
lebih rendah daripada nilai 1 secara tidak langsung menunjukkan bahawa hubungan antara kegagalan
cerun dengan faktor ruangan itu adalah rendah. Kemudiannya, nilai-nilai nisbah frekuensi daripada
faktor-faktor kegagalan cerun akan diseragamkan antara 0 hingga 1 sebagai pengelasan kepada fungsi
anggota fuzzi.
Penilaian Relative Operating Characteristics (ROC)
Teknik Relative Operating Characteristics (ROC) telah digunakan sebagai proses penilaian ketetapan
terhadap pemetaan yang dihasilkan pada peringkat akhir analisis (Pradhan, 2010; 2011). Selain itu, dalam
menguji tahap ketetapan dalam pemetaan kerentanan kegagalan cerun yang dibangunkan, ia turut
mengambil kira perbandingan data lokasi kegagalan cerun yang telah berlaku di kawasan kajian (Chung
& Fabbri, 1999). Menurut Deleo (1993), teknik ROC melibatkan keluk yang berdasarkan kepada
kesensitifan model pemplotan yang terdiri daripada perbezaan antara satu keluk yang mempunyai nilai
peratusan positif benar (nilai ambang) dengan satu keluk lagi yang mempunyai nilai peratusan negatif
benar (nilai spesifik). Secara khususnya, model sensitif yang diwakilkan oleh nilai peratusan positif benar
(paksi-y) melibatkan nisbah antara data kegagalan cerun dan semua data kegagalan cerun yang berlaku
dikelaskan manakala model spesifik yang diwakilkan oleh nilai peratusan negatif benar (paksi-x) pula
melibatkan nisbah sel grid tanpa kegagalan cerun dan semua sel grid tanpa kegagalan cerun yang berlaku
dikelaskan (Begueria, 2006).
Selain itu, model statistik ROC juga merupakan Area Under Curve (AUC) yang menghubungkan antara
titik-titk nilai ambang yang diplotkan (Metz, 2006). Dengan menggunakan pendekatan Area Under Curve
(AUC) dalam ROC, ia telah membantu meningkatkan lagi keberkesanan ROC sebagai model peramalan
yang lebih baik. Hal ini menunjukkan bahawa apabila nilai AUC menghampiri kepada nilai 1 (100%),
bermakna model peramalan ROC adalah baik. Begitu juga sebaliknya sekiranya nilai AUC adalah sekitar
0.5 (50%) dan ke bawah, maka model peramalan ROC tersebut tidak boleh dibangunkan dan peramalan
model sesuatu kejadian yang akan berlaku juga tidak tepat untuk digunakan (Begueria, 2006).
Pengelasan Zon Kerentanan Kegagalan Cerun
Set fuzzi boleh diaplikasikan dengan data daripada pelbagai skala pengukuran manakala pemberat
kepentingan pula adalah dikawal oleh setiap pembolehubah ruangan kegagalan cerun yang diperolehi
melalui nilai linguistik dalam permodelan GIS (Pradhan, 2011). Nilai linguistik dalam Logik Fuzzi adalah
berdasarkan kepada nilai-nilai perangkaan iaitu daripada 0 hingga 1. Nilai-nilai tersebut dapat dikelaskan
kepada sangat rendah, rendah, sederhana, tinggi dan sangat tinggi (Zadeh, 1973). Secara tidak langsung,
nilai linguistik dalam set ini juga dapat menunjukkan perbandingan tahap risiko kegagalan cerun
(Kanungo et al., 2006; 2008) seperti dalam Jadual 3.
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
108
Jadual 3: Pengelasan zon kerentanan kegagalan cerun berdasarkan julat nilai fuzzi
Julat Nilai Pengelasan
0 – 0.3 zon kerentanan yang sangat rendah
0.3 – 0.5 zon kerentanan yang rendah
0.5 – 0.7 zon kerentanan yang sederhana
0.7 – 0.9 zon kerentanan yang tinggi
> 0.9 zon kerentanan yang sangat tinggi
HASIL DAN PERBINCANGAN
Jadual 4(a) hingga 4(h) menunjukkan hasil dari analisis fuzzi berdasarkan taburan nisbah frequensi dan
nilai anggota fuzzi bagi kelas topografi, kecerunan, jarak dari jalanraya, jarak dari lineamen, jarak ke
sungai, NDVI, geologi dan siri tanih. Setiap peta pemboleh ubah asal difuzzikan atau dikelaskan semula
mengikut hasil fuzzi ini dengan menggunakan analisis pengkelasan semula (Reclass) dari perisian IDRISI
32 Release 2 dan ditunjukkan pada Rajah 5(a) hingga 5(h).
Jadual 4(a): Taburan nisbah frekuensi dan nilai anggota fuzzi bagi kelas topografi
Kelas
Topografi
Jumlah
Keluasan
(Piksel)
Peratusan
(%)
Bilangan
Kegagalan
Cerun
(Titik)
Peratusan
(%)
Nisbah
Frekuensi
Hasil Fuzzi
0 - 20 66 426 20.15 10 4.81 0.24 0.05
20 - 100 152 132 46.14 12 5.8 0.13 0.03
100 - 200 54 634 16.8 28 13.53 0.81 0.17
200 - 500 33 957 10.3 56 27.05 2.63 0.56
500 - 1000 22 537 6.8 101 48.79 4.74 1
Jadual 4(b): Taburan nisbah frekuensi dan nilai anggota fuzzi bagi kelas kecerunan
Kelas
Kecerunan
Jumlah
Keluasan
(Piksel)
Peratusan
(%)
Bilangan
Kegagalan
Cerun
(Titik)
Peratusan
(%)
Nisbah
Frekuensi
Hasil Fuzzi
0 - 15 111 995 33.97 5 2.42 0.07 0.01
15 - 20 87 633 26.59 16 7.73 0.29 0.06
20 - 30 55 053 16.7 22 10.63 0.64 0.13
30 - 40 41 981 12.74 65 31.4 2.46 0.52
> 40 33 024 10.02 99 47.83 4.77 1
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
109
Jadual 4(c): Taburan nisbah frekuensi dan nilai anggota fuzzi bagi kelas jarak ke jalanraya
Kelas
Jarak ke
Jalanraya
Jumlah
Keluasan
(Piksel)
Peratusan
(%)
Bilangan
Kegagalan
Cerun
(Titik)
Peratusan
(%)
Nisbah
Frekuensi
Hasil Fuzzi
0 - 20 123 430 37.44 70 33.82 0.91 0.66
20 -100 104 386 31.66 91 43.96 1.38 1
100 - 500 79 140 24 40 19.32 0.81 0.59
500 - 1000 14 672 4.45 5 2.42 0.54 0.39
>1000 8 058 2.45 1 0.48 0.19 0.14
Jadual 4(d): Taburan nisbah frekuensi dan nilai anggota fuzzi bagi kelas jarak ke lineamen
Kelas Jarak
ke
Lineamen
Jumlah
Keluasan
(Piksel)
Peratusan
(%)
Bilangan
Kegagalan
Cerun
(Titik)
Peratusan
(%)
Nisbah
Frekuensi
Hasil Fuzzi
0 - 20 125 015 37.92 94 45.41 1.2 0.94
20 - 100 96 373 29.23 77 37.2 1.27 1
100 - 500 80 200 24.33 24 11.59 0.48 0.38
500 - 1000 14 392 4.37 10 4.83 1.11 0.87
>1000 13 706 4.16 2 0.97 0.23 0.18
Jadual 4(e): Taburan nisbah frekuensi dan nilai anggota fuzzi bagi kelas jarak ke sungai
Kelas
Jarak ke
Sungai
Jumlah
Keluasan
(Piksel)
Peratusan
(%)
Bilangan
Kegagalan
Cerun
(Titik)
Peratusan
(%)
Nisbah
Frekuensi
Hasil Fuzzi
0 - 20 117 154 35.54 50 24.15 0.68 0.26
20 - 100 69 294 21.02 47 22.71 1.08 0.41
100 - 500 47 266 14.34 78 37.68 2.63 1
500 - 1000 73 596 22.32 30 14.49 0.65 0.25
>1000 22 376 6.79 2 0.97 0.14 0.05
Jadual 4(f): Taburan nisbah frekuensi dan nilai anggota fuzzi bagi kelas NDVI
Kelas
NDVI
Jumlah
Keluasan
(Piksel)
Peratusan
(%)
Bilangan
Kegagalan
Cerun
(Titik)
Peratusan
(%)
Nisbah
Frekuensi
Hasil Fuzzi
< 0.1 37 731 11.44 6 2.9 0.25 0.16
0.1 - 0.3 60 849 18.45 22 10.63 0.69 0.39
0.3 - 0.5 124 709 37.83 119 57.49 1.52 1
0.5 - 1 106 397 32.27 60 29 0.89 0.63
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
110
Jadual 4(g): Taburan nisbah frekuensi dan nilai anggota fuzzi bagi kelas geologi
Kelas
Geologi
Jumlah
Keluasan
(Piksel)
Peratusan
(%)
Bilangan
Kegagalan
Cerun
(Titik)
Peratusan
(%)
Nisbah
Frekuensi
Hasil Fuzzi
Granit 244 009 74.01 204 98.55 1.33 1
Kuaternari 85 677 26 3 1.45 0.06 0.05
Jadual 4(h): Taburan nisbah frekuensi dan nilai anggota fuzzi bagi kelas siri tanih
Kelas
Siri Tanih
Jumlah
Keluasan
(Piksel)
Peratusan
(%)
Bilangan
Kegagalan
Cerun
(Titik)
Peratusan
(%)
Nisbah
Frekuensi
Hasil
Fuzzi
Kuala Kedah
Permatang
30 734 9.32 0 0 - 0
Aluvium Tempatan 39 094 11.86 8 3.87 0.33 0.2
Rengam Bukit
Termiang
41 237 12.51 30 14.49 1.16 0.65
Siri Serong 2 655 0.81 0 0 - 0
Tanah Curam 145 647 44.18 153 73.91 1.67 1
Tanah Pembangunan 70 319 21.33 16 7.73 0.36 0.22
5(a): Peta topografi yang telah difuzzi 5(b): Peta kecerunan yang telah difuzzi
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
111
5(c): Peta jarak dari jalanraya yang difuzzi 5(d): Peta jarak dari lineamen yang diffuzi
5(e): Peta jarak dari sungai yang difuzzi 5(f): Peta NDVI yang difuzzi
5(g): Peta litologi batuan yang difuzzi 5(h): Peta siri tanih yang difuzzi
Rajah 5: Hasilan Analisis
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
112
Hasil yang direkodkan mendapati bahawa kelas ketinggian topografi antara 500 hingga 1 000 meter
mempunyai nilai fuzzi sebanyak 1 dengan nisbah frekuensi yang paling tinggi yang dicatatkan iaitu
sebanyak 4.74 dan secara tidak langsung menunjukkan tahap kerentanan kegagalan cerun adalah sangat
tinggi. Hal ini diikuti dengan kelas ketinggian topografi antara 200 hingga 500 meter yang menghasilkan
nilai fuzzi sebanyak 0.56 dengan nisbah frekuensi yang dicatatkan adalah sebanyak 2.63 maka tahap
kerentanan kegagalan cerun adalah sederhana. Sebaliknya, ketinggian topografi iaitu antara 0 hingga 20
meter, 20 hingga 100 meter dan 100 hingga 200 meter mempunyai tahap kerentanan kegagalan cerun
yang sangat rendah dengan mencatatkan nilai fuzzi dan nisbah frekuensi masing-masing iaitu sebanyak
0.05 (0.24), 0.03 (0.13) dan 0.17 (0.81).
Bagi kelas kecerunan yang melebihi daripada 40° mempunyai nilai fuzzi sebanyak 1 dengan nisbah
frekuensi yang paling tinggi yang dicatatkan iaitu sebanyak 4.77 dan secara tidak langsung menunjukkan
tahap kerentanan kegagalan cerun adalah sangat tinggi. Hal ini diikuti dengan kelas kecerunan antara 30°
hingga 40° yang menghasilkan nilai fuzzi sebanyak 0.52 dengan nisbah frekuensi yang dicatatkan adalah
sebanyak 2.46, maka tahap kerentanan kegagalan cerun adalah sederhana. Sebaliknya, kelas kecerunan
iaitu antara 0 hingga 15°, 15° hingga 20° dan 20° hingga 30° mempunyai tahap kerentanan yang paling
rendah terhadap kegagalan cerun dengan masing-masing mencatatkan nilai fuzzi dan nisbah frekuensi
iaitu sebanyak 0.01 (0.07), 0.06 (0.29) dan 0.13 (0.64).
Pengaruh jarak kegagalan cerun dari jalan raya pada kelas antara 20 hingga 100 meter mempunyai nilai
fuzzi sebanyak 1 dengan nisbah frekuensi yang paling tinggi dicatatkan iaitu sebanyak 1.38 dan secara
tidak langsung menunjukkan tahap kerentanan kegagalan cerun adalah sangat tinggi. Hal ini diikuti
dengan kelas pengaruh jarak jalan raya antara 0 hingga 20 meter dan 100 hingga 500 meter dengan
masing-masing menghasilkan nilai fuzzi sebanyak 0.66 dan 0.59 dan nisbah frekuensi yang dicatatkan
adalah sebanyak 0.91 dan 0.81, maka tahap kerentanan kegagalan cerun pada kedua-dua kelas ini adalah
sederhana. Hal ini diikuti dengan kelas pada jarak antara 500 hingga 1 000 meter yang mempunyai tahap
kerentanan kegagalan cerun yang rendah berdasarkan kepada nilai fuzzi sebanyak 0.39 dengan nisbah
frekuensinya adalah sebanyak 0.54. Jarak dari jalan raya yang melebihi daripada 1 000 meter mempunyai
tahap kerentanan kegagalan cerun yang paling rendah dengan nilai fuzzi yang direkodkan adalah
sebanyak 0.14 manakala nisbah frekuensinya pula adalah sebanyak 0.19.
Pengaruh jarak kegagalan cerun dari lineamen menunjukkan antara 0 hingga 20 meter dan 20 hingga 100
meter masing-masing mempunyai nilai fuzzi iaitu sebanyak 0.94 dan 1 dengan nisbah frekuensi yang
dicatatkan adalah sebanyak 1.2 dan 1.27. Hal ini secara tidak langsung menunjukkan tahap kerentanan
kegagalan cerun adalah sangat tinggi. Hal ini diikuti dengan jarak lineamen antara 500 hingga 1 000
meter yang menghasilkan nilai fuzzi sebanyak 0.87 dengan nisbah frekuensi yang dicatatkan adalah
sebanyak 1.11, maka tahap kerentanan kegagalan cerun adalah tinggi. Bagi jarak lineamen antara 100
hingga 500 meter pula, mempunyai pertalian yang rendah dengan kerentanan terhadap kegagalan cerun
berdasarkan nilai fuzzi yang dihasilkan iaitu sebanyak 0.38 dengan nisbah frekuensi iaitu sebanyak 0.48.
Sebaliknya, jarak dari lineamen yang melebihi daripada 1 000 meter menunjukkan tahap kerentanan
kegagalan cerun adalah paling rendah berikutan nilai fuzzi dan nisbah frekuensi yang dicatatkan adalah
yang paling rendah adalah sebanyak 0.18 dan 0.23.
Seterusnya, pengaruh jarak kegagalan cerun dari sungai iaitu antara 100 hingga 500 meter mempunyai
nilai fuzzi sebanyak 1 dengan nisbah frekuensi yang paling tinggi dicatatkan iaitu sebanyak 2.63 dan
secara tidak langsung menunjukkan tahap kerentanan kegagalan cerun adalah sangat tinggi. Hal ini diikuti
dengan pengaruh jarak dari sungai antara 20 hingga 100 meter yang menghasilkan nilai fuzzi sebanyak
0.41 dengan nisbah frekuensi yang dicatatkan adalah sebanyak 1.08 dan hal ini menunjukkan bahawa
tahap kerentanan kegagalan cerun adalah rendah. Sebaliknya, jarak kegagalan cerun dari sungai iaitu
antara 0 hingga 20 meter, 500 hingga 1 000 meter dan lebih daripada 1 000 meter mempunyai tahap
kerentanan kegagalan cerun yang paling rendah dengan masing-masing mencatatkan nilai fuzzi dan
nisbah frekuensi iaitu sebanyak 0.26 (0.68), 0.25 (0.65) dan 0.05 (0.14).
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
113
Manakala pengaruh NDVI iaitu antara 0.3 hingga 0.5 mempunyai tahap kerentanan kegagalan cerun yang
sangat tinggi dengan merekodkan nilai fuzzi iaitu sebanyak 1 dan nisbah frekuensi yang paling tinggi
dicatatkan iaitu sebanyak 1.52. Hal ini diikuti dengan indeks yang melebihi daripada 0.5 yang
menghasilkan nilai fuzzi sebanyak 0.63 dengan nisbah frekuensi yang dicatatkan adalah sebanyak 0.89
dan hal ini menunjukkan bahawa tahap kerentanan kegagalan cerun adalah sederhana. Pada indeks antara
0.1 hingga 0.3, menunjukkan tahap kerentanan kegagalan cerun yang rendah berdasarkan nilai fuzzi yang
dihasilkan iaitu sebanyak 0.39 manakala nisbah frekuensi adalah sebanyak 0.69. Bagi indeks yang kurang
daripada 0.1, mempunyai pertalian tahap kerentanan kegagalan cerun yang sangat lemah berikutan nilai
fuzzi yang direkodkan adalah sebanyak 0.16 manakala nisbah frekuensi yang direkodkan adalah sebanyak
0.25.
Pengaruh litologi batuan yang terdiri daripada granit mempunyai tahap kerentanan kegagalan cerun yang
sangat tinggi dengan merekodkan nilai fuzzi adalah sebanyak 1 dan nisbah frekuensinya yang paling
tinggi dicatatkan iaitu sebanyak 1.33. Hal ini diikuti dengan pengaruh litologi batuan yang terdiri daripada
kuaternari yang mempunyai tahap kerentanan kegagalan cerun yang sangat lemah berdasarkan nilai fuzzi
yang paling rendah iaitu sebanyak 0.05 manakala nisbah frekuensi adalah sebanyak 0.06.
Pengaruh siri tanih pula menunjukkan siri Tanah Curam mempunyai tahap kerentanan kegagalan cerun
yang sangat tinggi dengan merekodkan nilai fuzzi sebanyak 1 dan nisbah frekuensinya yang paling tinggi
dicatatkan iaitu sebanyak 1.67. Hal ini diikuti dengan pengaruh siri Rengam Bukit Termiang yang
mempunyai tahap kerentanan kegagalan cerun yang sederhana berdasarkan nilai fuzzi iaitu sebanyak 0.65
dengan nisbah frekuensi adalah sebanyak 1.16. Bagi siri Aluvium Tempatan dan siri Tanah Pembangunan
pula, mempunyai tahap kerentanan kegagalan cerun yang sangat rendah dengan masing-masing
merekodkan nilai fuzzi dan nisbah frekuensi iaitu sebanyak 0.2 (0.33) dan 0.22 (0.36). Sebaliknya, bagi
siri Kuala Kedah Permatang dan Siri Serong, kedua-duanya jenis tanah tersebut tidak mempunyai
pertalian dengan tahap kerentanan terhadap kegagalan cerun.
Pemetaan Kerentanan Kegagalan Cerun
Setiap peta pemboleh ubah yang difuzzikan digabungkan bagi menghasilkan peta kerentanan kegagalan
cerun kawasan kajian. Hanya nilai maksimum daripada setiap pemboleh ubah akan diambil kira di dalam
proses gabungan atau tindanan ini. Hal ini adalah kerana, setiap nilai maksimum yang diambil di setiap
piksel adalah untuk menilai keberkesanan setiap pemboleh ubah terhadap kerentanan kegagalan cerun
yang berlaku (Ercanoglu dan Gokceoglu, 2004). Seterusnya, peta kerentanan kegagalan cerun
diklasifikasikan kepada 5 kategori iaitu sangat rendah, rendah, sederhana, tinggi dan sangat tinggi
berdasarkan kaedah pengelasan oleh Kanungo et al., 2006; 2008.
Rajah 6 menunjukkan peta zon kerentanan kegagalan cerun yang dihasilkan dengan lima zon yang
dikelaskan iaitu zon kerentanan kegagalan cerun yang sangat rendah (hijau), zon kerentanan kegagalan
cerun yang rendah (biru), zon kerentanan kegagalan cerun yang sederhana (kuning), zon kerentanan
kegagalan cerun yang tinggi (jingga) dan zon kerentanan kegagalan cerun yang sangat tinggi (merah).
Oleh itu, taburan bagi setiap kes kegagalan cerun yang berlaku mengikut zon-zon kegagalan cerun
ditunjukkan seperti pada Jadual 4.
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
114
Rajah 6: Peta zon kerentanan kegagalan cerun.
Jadual 5 menunjukkan hubungan ruangan dalam analisis peta zon kerentanan kegagalan cerun. Kaedah
dalam penentuan zon berdasarkan kepada hubungan ruangan antara zon kerentanan kegagalan cerun
dengan kejadian kegagalan cerun adalah melalui nisbah frekuensi iaitu dengan mengambil kira perbezaan
antara peratusan kes kegagalan cerun yang berlaku dengan peratusan keluasan kawasan yang terhasil
dalam peta tersebut. Hal ini mendapati bahawa Zon V yang mempunyai nilai kebarangkalian antara 0.9
hingga 1 telah merekodkan nisbah frekuensi yang paling tinggi iaitu sebanyak 3.82 dengan peratusan kes
kegagalan cerun yang berlaku adalah sebanyak 57.97% (120 kes) dan peratusan keluasan zon tersebut
adalah sebanyak 15.18%. Begitu juga dengan Zon I, Zon II, Zon III dan Zon IV, masing-masing
merekodkan peratusan keluasan kawasan yang terhasil dalam peta kerentanan kegagalan cerun iaitu
sebanyak 38.53%, 21.37%, 15.67% dan 9.25% dengan perbandingan kes kegagalan cerun yang berlaku di
setiap zon adalah sebanyak 5 kes, 20 kes, 33 kes dan 29 kes. Hal ini secara tidak langsung telah
menyumbangkan nisbah frekuensi dengan masing-masing mencatatkan sebanyak 0.06, 0.45, 1.02 dan
1.51.
Jadual 5: Hubungan ruangan dalam analisis peta zon kerentanan kegagalan cerun
Zon Nilai P % Keluasan Jumlah Kes % Kes Nisbah Frekuensi
I 0 – 0.3 38.53 5 2.42 0.06
II 0.3 – 0.5 21.37 20 9.66 0.45
III 0.5 – 0.7 15.67 33 15.94 1.02
IV 0.7 – 0.9 9.25 29 14.01 1.51
V 0.9 - 1 15.18 120 57.97 3.82
Jumlah 100 207 100
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
115
Teknik Penilaian Relative Operating Characteristics (ROC)
Rajah 7 menunjukkan hasil keputusan penilaian yang diperoleh daripada teknik Relative
Operating Characteristics (ROC) ke atas pemetaan kerentanan kegagalan cerun yang dibangunkan
berdasarkan aplikasi model Logik Fuzzi. Nilai Area Under Curve (AUC) yang dihasilkan daripada teknik
ROC menunjukkan nisbah kawasan adalah sebanyak 0.927 dan secara tidak langsung ketepatan
peramalan dalam pemetaan kerentanan kegagalan cerun juga adalah sebanyak 92.7%. Di samping itu,
kedudukan relatif bagi pemetaan kerentanan kegagalan cerun dan kejadian kegagalan cerun yang berlaku
juga turut dibandingkan pada setiap kelas. Bagi mendapatkan kedudukan yang relatif untuk setiap corak,
nilai indeks piksel di seluruh kawasan kajian Pulau Pinang dibahagikan kepada 26 kelas dengan selang
kelas sebanyak 4%. Oleh itu, nilai piksel yang teratur disetkan pada paksi-y manakala selang kelas yang
terkumpul pula diwakilkan pada paksi-x.
Rajah 7: Model penilaian ROC untuk peta kerentanan kegagalan cerun.
KESIMPULAN
Pembentukan model ruangan kegagalan cerun dengan menggunakan kaedah logik fuzzi telah
menghasilkan ketepatan model sebanyak 92.7%. Hal ini menunjukkan tahap ketepatan terhadap peta zon
kerentanan kegagalan cerun yang dibangunkan adalah tinggi. Analisis pembangunan peta ini turut
mengambil kira nisbah frekuensi bagi setiap zon kerentanan kegagalan cerun dengan data kegagalan
cerun. Keadaan ini menunjukkan Zon V mempunyai risiko yang sangat tinggi untuk berlakunya
kegagalan cerun dengan nisbah frekuensi yang direkodkan adalah sebanyak 3.82. Sebaliknya, Zon I
berkemungkinan besar untuk diramalkan berlakunya kegagalan cerun adalah tiada atau sangat lemah
berdasarkan nisbah frekuensi yang dicatatkan adalah paling rendah iaitu sebanyak 0.06. Oleh itu, hasil
keputusan ini menunjukkan pengelasan zon-zon kerentanan kegagalan cerun di Pulau Pinang yang
0
20
40
60
80
100
120
0 8 16 24 32 40 48 56 64 72 80 88 96
% P
osi
tif
Be
nar
% Negatif Benar
Penilaian Relative Operating Characteristic (ROC) bagi Pemetaan Kerentanan Kegagalan Cerun
Positif Benar (%)
Negatif Benar (%)
AUC = 0.927 AUC = 92.7%
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
116
dihasilkan adalah baik. Peta zon kerentanan kegagalan cerun yang dihasilkan dapat membantu pakar
pembuat keputusan dalam proses pemilihan dan perancangan yang melibatkan aspek-aspek pembangunan
guna tanah di kawasan lereng bukit dengan lebih berhati-hati.
Rujukan
Abdul Aziz, M. (2005). Sistem Pemantauan dan Penyenggaraan Cerun. Tesis Ijazah Sarjana. Universiti Teknologi
Malaysia. Tidak diterbitkan.
Begueria, S. (2006). Validation and Evaluation of Predictive Models in Hazard Assessment and Risk Management.
Natural Hazards, 37, 315-329.
Berkan, R.C. & Trubatch, S.L. (1997). Fuzzy Systems Design Principles, Building Fuzzy If-Then Rule Bases. USA:
IEEE Press.
Champati ray, P.K., Dimri, S., Lakhera, R.C. & Sati, S. (2007). Fuzzy-Based Method for Landslide Hazard
Assessment in Active Seismic Zone of Himalaya. Landslide, 4, 101-111.
Chang, K.T. (2012). Introduction To Geographic Information Systems. McGraw Hill: New York.
Chung, C.F. & Fabbri, A.G. (1999). Probabilistic Prediction Models for Landslide Hazard Mapping.
Photogrammetric Engineering Remote Sensing, 65 (12), 1389-1399.
Chung, C.F. & Fabbri, A.G. (2001). Prediction Model for Landslide Hazard using a Fuzzy Set Approach. In
Marchetti, M. & Rivas, V. (Ed.), Geomorphology and Environmental Impact Assessment (pp. 31-47).
Rotterdam: Balkema.
Deleo, J.M. (1993). Receiver Operating Characteristics Laboratory (ROC-LAB): Software for Developing Decision
Strategies that Account for Uncertainty. In: Proceedings of the 2nd
International Symposium on Uncertainty
Modeling and Analysis. Computer Society Press: College Park, pp 318-325.
Eastman, J.R. (2003). IDRISI Kilimanjaro: Guide to GIS and Image Processing. Worcester, Clark Labs.
Ercanoglu, M. & Gokceoglu, C. (2004). Use of Fuzzy Relations to Produce Landslide Susceptibility Map
of a Landslide Probe Area (West Black Sea Region, Turkey). Engineering Geology, 75, 229-250.
Fauziah, A., Ahmad, S.Y. & Mohd Ahmadullah, F. (2006). Characterization and Geotechnical Properties of Penang
Residual Soils with Emphasis Landslide. American Journal of Environmental Sciences, 2(4), 121-128.
Guzzetti, F., Galli, M., Ardizzone, F. & Cardinali, M. (2006). Landslide Hazard Assessment in the
Collazone Area, Umbria, Central Italy. Natural Hazards and Earth System Sciences, 6(1), 115-131.
Highland, L.M. & Bobrowsky, P. (2004). The Landslide Handbook: A Guide to Understanding Landslide. Reston,
Virgina: U.S. Geological Survey.
Hines, J.W. (1997). Fuzzy and Neural Approaches in Engineering. New York: John Wiley & Sons.
Ibrahim, M.S. & Fakhru’l-Razi, A. (2006). Disaster Types in Malaysia: An Overview. Disaster Prevention and
Management, 15(2), 286-298.
Ilanloo, M. (2011). A Comparative Study of Fuzzy Logic Approach for Landslide Susceptibility Mapping using
GIS: An Experience of Karaj Dam Basin in Iran. Procedia Social and Behavioral Sciences, 19, 668-676.
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
117
Jaboyedoff, M. F., Baillifard, F., Philippossian, J. & Rouiller, D. (2004). Assessing Fracture Occurrence using
Weighted Fracturing Density: A Step Towards Estimating Rock Instability Hazard. Natural Hazards Earth
System Science, 4, 83-93.
Juang, C.H., Lee, D.H. & Sheu, C. (1992). Mapping Slope Failure Potential using Fuzzy Sets. Journal of
Geotechnical Engineering, 118(3), 475-494.
Kanungo, D.P., Arora, M.K., Sarkar, S. & Gupta, R.P. (2006). A Comparative Study of Conventional, ANN Block
Box, Fuzzy and Combined Neural and Fuzzy Weighting Procedures for Landslide Susceptibility Zonation
in Darjeeling Himalayas. Engineering Geology, 85, 347-366.
Kanungo, D.P., Arora, M.K., Sarkar, S. & Gupta, R.P. (2008). Landslide Risk Assessment using Concept of Danger
Pixels and Fuzzy Set Theory in Darjeeling Himalayas. Landslide, 5, 407-416.
Lee, S. (2007). Application and Verification of Fuzzy Algebraic Operators to Landslide Susceptibility
Mapping. Environmental Geology, 52, 615-623.
Lee, D.H. & Juang, C.H. (1992). Evaluation of Failure Potential in Mudstone Slopes using Fuzzy Sets. ASCE
Geotechnical Special Publication 31, Stability and Performance of Slopes and Embankment-II, 2, 1137-
1151.
Lee, S. & Pradhan, B. (2006). Probabilistic Landslide Hazard and Risk Mapping on Penang Island, Malaysia. Earth
System Science, 115(6), 661-672.
Metz, C.E. (2006). Receiver Operating Characteristic Analysis: A Tool for the Quantitative Evaluation of Observer
Performance and Imaging Systems. American College of Radiology, 3, 413-422.
Mohd Kamal, R. (2006). Isu Pembangunan di Kawasan Tanah Tinggi dan Berbukit (Kes Kajian: Majlis
Perbandaran Ampang Jaya). Tesis Ijazah Sarjana. Universiti Teknologi Malaysia. Tidak diterbitkan.
Mohd Shariff, M. (2005). Penggunaan Skala Rom dalam Mengenal Pasti Tahap Risiko Kebolehrentanan Tanah di
Kawasan Bercerun. Tesis Ijazah Sarjana. Universiti Teknologi Malaysia. Tidak diterbitkan.
Pourghasemi, H.R., Pradhan, B. & Gokceoglu, C. (2012). Application of Fuzzy Logic and Analytical
Hierarchy Process (AHP) to Landslide Susceptibility Mapping at Haraz Watershed, Iran. Natural Hazards,
63, 965-996.
Pradhan, B. (2010). Landslide Susceptibility Mapping of a Catchment Area using Frequency Ratio, Fuzzy Logic and
Multivariate Logistic Regression Approaches. Journal Indian Social Remote Sensing, 38, 301-320.
Pradhan, B. (2011). Use of GIS-Based Fuzzy Logic Relations and Its Cross Application to Produce Landslide
Susceptibility Maps in Three Test Areas in Malaysia. Environment Earth Science, 63, 329-349.
Pradhan, B. & Lee, S. (2010). Regional Landslide Susceptibility Analysis using Back-Propagation Neural Network
Model at Cameron Highland, Malaysia. Landslide, 7, 13-30.
Ruslan, R. & Noresah, M.S. (1998). Sistem Maklumat Geografi. Dewan Bahasa dan Pustaka: Kuala Lumpur.
Saboya Jr., F., da Glória Alves, M. & Pinto, W.D. (2006). Assessment of Failure Susceptibility of Soil Slopes using
Fuzzy Logic. Engineering Geology, 86, 211-224.
Sujatha, E.R. & Rajamanickam, V. (2011). Landslide Susceptibility Mapping of Tevankarai Ar Sub-Watershed,
Kodaikkanal Taluk, India, using Weighted Similar Choice Fuzzy Model. Natural Hazards, 59, 401-425.
Tangestani, M.H. (2009). A Comparative Study of Dempster-Shafer and Fuzzy Models for Landslide Susceptibility
Mapping using a GIS: An Experience from Zagros Mountains, SW Iran. Journal of Asian Earth Sciences,
35, 66-73.
Wan Ibrahim & Sapari., International Journal of Environment, Society & Space, 2013, 1 (1), 98-118
118
Wan Mohd Muhiyuddin, W.I. (2005). Pembentukan Model Ruangan Kegagalan Cerun bagi Sub Lembangan Hulu
Sungai Langat. Tesis PhD. Universiti Sains Malaysia. Tidak diterbitkan.
Wang, Z., Li, D. & Cheng, Q. (2008). Landslide Susceptibility Assessment using Fuzzy Logic. In Chen, et. al. (Ed.),
Landslide and Engineered Slopes (pp. 1985-1990). London: Taylor & Francis Group.
Weber, L. & Klien, P.A.T. (2003). Application of Fuzzy Logic in Software and Hardware. ULBRA: Canoas, RS,
Brazil.
Zadeh, L.A. (1973). Outline of A New Approach to the Analysis of Complex Systems and Decision Processes, IEEE
Transactions on Systems, Man and Cybernetics, 3 (1), 28-44.