LAPORAN PRAKTIKUM PERTEMUAN 1
Dinda Aprilia
2025-11-03
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah
Indonesia merupakan salah satu negara dengan aktivitas gempa tertinggi di dunia karena terletak pada pertemuan tiga lempeng tektonik utama, yaitu Lempeng Indo-Australia, Lempeng Eurasia, dan Lempeng Pasifik. Kondisi geologis ini menjadikan berbagai wilayah di Indonesia rentan terhadap gempa bumi, termasuk Provinsi Sulawesi Tengah. Daerah ini dikenal memiliki sejarah panjang kejadian gempa besar yang menyebabkan kerusakan signifikan, seperti peristiwa gempa dan tsunami Palu tahun 2018 yang menelan ribuan korban jiwa (Yudha, 2024). Aktivitas seismik yang terus terjadi di wilayah ini menuntut adanya analisis dan pemantauan spasial yang komprehensif untuk mengidentifikasi daerah rawan dan memperkuat strategi mitigasi bencana.
Menurut Badan Meteorologi, Klimatologi, dan Geofisika (BMKG, 2024), selama tahun 2024 tercatat beberapa gempa signifikan yang mengguncang wilayah Sulawesi Tengah dengan magnitudo bervariasi antara 4 hingga 6 skala Richter. Data tersebut menunjukkan bahwa wilayah ini masih aktif secara tektonik dan berpotensi mengalami gempa susulan. Oleh karena itu, diperlukan pendekatan berbasis spasial yang dapat menampilkan pola distribusi titik gempa (epicenter) dan karakteristiknya seperti magnitudo dan kedalaman untuk mendukung analisis risiko dan kebijakan mitigasi.
Pemanfaatan Sistem Informasi Geografis (SIG) menjadi salah satu metode yang efektif untuk menganalisis data spasial gempa bumi. SIG memungkinkan integrasi antara data geospasial dan atribut numerik untuk memvisualisasikan persebaran serta intensitas gempa dalam bentuk peta tematik yang informatif (Kusmita, 2024). Teknologi SIG juga telah banyak diimplementasikan untuk pemetaan risiko bencana dan analisis kerentanan wilayah di berbagai daerah di Indonesia (Septiana, 2023; Lisia, 2022). Dengan bantuan visualisasi spasial, data yang semula berupa tabel dapat disajikan dalam bentuk peta yang lebih mudah dipahami oleh masyarakat maupun pihak pemerintah.
Salah satu perangkat lunak yang kini banyak digunakan untuk analisis spasial adalah R, yang menyediakan berbagai package seperti sf, ggplot2, dan viridis untuk membaca, memproses, dan memvisualisasikan data spasial secara efisien (Bivand et al., 2013; Pebesma, 2018). Package sf memungkinkan pengelolaan data spasial berbasis standar simple features, sedangkan ggplot2 memberikan kemampuan untuk menampilkan data tersebut dalam bentuk peta tematik yang menarik dan informatif. Dalam konteks analisis gempa bumi, kombinasi antara sf dan ggplot2 memungkinkan pengguna untuk memetakan lokasi gempa berdasarkan koordinat lintang dan bujur serta menambahkan informasi kedalaman dan magnitudo sebagai atribut visual (Andrew, 2025).
Dengan demikian, analisis dan visualisasi data spasial gempa bumi di Provinsi Sulawesi Tengah menggunakan R diharapkan dapat memberikan gambaran komprehensif mengenai karakteristik seismik wilayah tersebut. Hasil visualisasi tidak hanya berguna sebagai bahan pembelajaran dalam bidang statistik spasial, tetapi juga berpotensi menjadi sumber informasi penting dalam mendukung mitigasi risiko bencana dan pengambilan keputusan berbasis data spasial (Yudha, 2024).
1.2 Rumusan Masalah
Adapun rumusan penelitian ini adalah sebagai berikut:
Bagaimana cara membuat peta dengan paket pemrograman R?
Bagaimana cara membuat peta dengan data titik spasial pada R?
1.3 Tujuan
Adapun tujuan penelitian ini adalah sebagai berikut:
Mahasiswa dapat membuat peta dengan paket pemrograman R
Mahasiswa dapat membuat peta dengan data titik spasial pada R
BAB II TINJAUAN PUSTAKA
2.1 Data Spasial
Data spasial terdiri dari data titik, garis, poligon, dan raster. Data titik digunakan untuk merepresentasikan objek berlokasi tunggal seperti episenter gempa, rumah sakit, atau sensor (Utami & Kurniawan, 2022).
Gambar 1. Data Titik
Gambar 2. Data Garis
Gambar 3. Data Poligon
Gambar 4. Data Raster
2.2 Pemanfaatan R untuk Visualisasi Spasial
R merupakan perangkat lunak yang semakin populer di bidang analisis spasial. Package sf menyediakan struktur simple features yang memudahkan pemrosesan data spasial (Pebesma, 2018). Sementara itu, ggplot2 mempermudah visualisasi peta dalam bentuk grafik yang menarik dan informatif (Wickham, 2016). Studi Andrew (2025) menunjukkan bahwa integrasi sf dan ggplot2 sangat efektif dalam menampilkan visualisasi data gempa bumi berdasarkan koordinat, magnitudo, dan kedalaman.
2.3 Pemanfaatan R untuk Visualisasi Spasial
Penelitian Yudha (2024) mengungkapkan bahwa analisis spasial digunakan untuk memahami pola distribusi gempa berdasarkan kedalaman dan magnitudo guna mendukung mitigasi bencana. Visualisasi spasial episenter dapat membantu mengidentifikasi zona rawan gempa dan memahami aktivitas seismik di suatu wilayah. Penelitian BMKG (2024) juga menjelaskan bahwa pemetaan episenter gempa sangat penting untuk mendeteksi potensi gempa susulan dan mempelajari struktur tektonik regional.
BAB III METODE PENELITIAN
3.1 Sumber Data
Jenis data yang digunakan dalam penelitian ini merupakan data kuantitatif berupa data spasial yang mencakup data poligon untuk batas administrasi dan data titik untuk lokasi epicenter gempa bumi. Data spasial tersebut berasal dari dua sumber data, yaitu data shapefile batas administrasi kabupaten/kota seluruh Indonesia yang diperoleh dari LapakGIS serta data gempa bumi tahun 2024 untuk wilayah Provinsi Sulawesi Tengah yang disimpan dalam format CSV.
3.2 Variabel Penelitian
Variabel penelitian yang digunakan terdiri dari latitude (koordinat lintang), longitude (koordinat bujur), magnitudo gempa, kedalaman gempa, serta variabel WADMKK yang berisi informasi nama kabupaten/kota dari shapefile. Variabel-variabel tersebut digunakan untuk keperluan pemetaan episenter gempa serta identifikasi wilayah administratif pada peta.
3.3 Langkah-langkah Analisis
Algoritma berdasarkan batasan masalah adalah:
Input Data Memasukkan data shapefile batas administrasi Indonesia menggunakan st_read(). Memasukkan data gempa bumi tahun 2024 dalam format CSV menggunakan read.csv().
Preprocessing Data Melakukan filter provinsi untuk mengambil shapefile Sulawesi Tengah menggunakan filter(). Memastikan objek shapefile valid dengan fungsi st_make_valid().
Konversi Data Titik menjadi Data Spasial Mengonversi data gempa (longitude dan latitude) menjadi data spasial tipe point dengan fungsi st_as_sf() menggunakan sistem koordinat WGS84 (EPSG:4326).
Visualisasi Sebaran Gempa Membuat peta episenter gempa berdasarkan variabel magnitudo (ukuran titik) dan kedalaman (warna titik). Visualisasi dilakukan menggunakan kombinasi package ggplot2 dan viridis.
Visualisasi Batas Administrasi Provinsi Membuat peta kabupaten/kota di Provinsi Sulawesi Tengah dengan warna berbeda untuk setiap kab/kota menggunakan geom_sf().
Integrasi Peta Menggabungkan peta batas administrasi dengan data titik gempa untuk melihat hubungan spasial antara kejadian gempa dan struktur wilayah administratif.
BAB IV HASIL DAN PEMBAHASAN
Adapun hasil dan pembahasan batasan masalah penelitian ini adalah sebagai berikut:
4.1 Input Data
Melakukan input data file shp dengan menggunakan library sf:
## Linking to GEOS 3.12.1, GDAL 3.8.4, PROJ 9.3.1; sf_use_s2() is TRUE## Reading layer `LapakGIS_Batas_Kabupaten_2024' from data source
## `D:\LAPRAK SPASIAL\file shp\LapakGIS_Batas_Kabupaten_2024.shp'
## using driver `ESRI Shapefile'
## Simple feature collection with 533 features and 6 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY, XYZ
## Bounding box: xmin: 94.97191 ymin: -11.00762 xmax: 141.02 ymax: 6.076832
## z_range: zmin: -2.35e-05 zmax: 0
## Geodetic CRS: WGS 84## Simple feature collection with 6 features and 6 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY, XYZ
## Bounding box: xmin: 98.12357 ymin: -7.578155 xmax: 129.1416 ymax: 2.149191
## z_range: zmin: -2.35e-05 zmax: -2.35e-05
## Geodetic CRS: WGS 84
## KDPKAB KDPPUM WADMKK WADMPR
## 1 <NA> <NA> <NA> <NA>
## 2 <NA> <NA> <NA> Jawa Timur
## 3 <NA> 13 <NA> Sumatera Barat
## 4 <NA> 61 <NA> Kalimantan Barat
## 5 <NA> 81 <NA> Maluku
## 6 <NA> 82 <NA> Maluku Utara
## METADATA UPDATED
## 1 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 2 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 3 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 4 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 5 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 6 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## geometry
## 1 MULTIPOLYGON (((98.17921 2....
## 2 MULTIPOLYGON Z (((112.8793 ...
## 3 MULTIPOLYGON (((100.3296 -1...
## 4 MULTIPOLYGON (((109.252 -0....
## 5 MULTIPOLYGON (((127.4581 -5...
## 6 MULTIPOLYGON (((127.9225 0....4.2 Pemilihan Provinsi Sulawesi Tengah
Menentukan provinsi yang menjadi fokus dalam penelitian, yaitu Provinsi Sulawesi Tengah sebagai wilayah kajian pada analisis kali ini.
## Warning: package 'dplyr' was built under R version 4.4.3##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union## Simple feature collection with 6 features and 6 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: 119.4265 ymin: -3.640563 xmax: 123.4596 ymax: 1.374281
## Geodetic CRS: WGS 84
## KDPKAB KDPPUM WADMKK WADMPR
## 1 72.01 72 Banggai Sulawesi Tengah
## 2 72.02 72 Poso Sulawesi Tengah
## 3 72.03 72 Donggala Sulawesi Tengah
## 4 72.04 72 Toli Toli Sulawesi Tengah
## 5 72.05 72 Buol Sulawesi Tengah
## 6 72.06 72 Morowali Sulawesi Tengah
## METADATA UPDATED
## 1 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 2 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 3 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 4 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 5 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 6 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## geometry
## 1 MULTIPOLYGON (((122.6989 -1...
## 2 MULTIPOLYGON (((120.6217 -1...
## 3 MULTIPOLYGON (((119.7614 -0...
## 4 MULTIPOLYGON (((120.1367 0....
## 5 MULTIPOLYGON (((121.7146 1....
## 6 MULTIPOLYGON (((123.1499 -3...4.3 Batasan Masalah 1
Buatlah peta epicenter gempa bumi di Indonesia pada tahun 2024 (gunakan packages R yang dianggap gampang, setiap praktikan menggambarkan peta provinsi yang berbeda).
4.3.1 Input Data Gempa
Melakukan input data gempa dengan format CSV sebagai berikut:
## time latitude longitude depth mag magType nst gap dmin
## 1 2024-12-28T21:55:08.881Z 0.2717 122.0891 141.554 4.6 mb 63 97 1.472
## 2 2024-12-26T14:57:28.231Z -0.4362 123.4462 62.860 4.6 mb 42 69 0.904
## 3 2024-12-17T23:05:36.938Z 0.7452 122.1988 88.558 4.2 mb 18 105 1.463
## 4 2024-12-06T17:15:00.515Z 1.5039 121.1742 32.854 5.5 mww 186 29 0.553
## 5 2024-11-30T17:47:08.167Z 0.2182 122.1013 179.824 4.4 mb 72 51 1.420
## 6 2024-11-29T18:57:04.430Z -0.2825 124.1508 72.014 4.5 mb 44 51 1.572
## rms net id updated
## 1 0.91 us us6000pg76 2025-03-08T22:39:11.040Z
## 2 0.97 us us6000pfqg 2025-03-08T22:39:10.040Z
## 3 0.94 us us6000phgl 2025-02-27T17:30:48.040Z
## 4 0.89 us us7000nwmn 2025-02-15T18:30:27.040Z
## 5 0.56 us us7000nv5x 2025-02-02T00:54:13.040Z
## 6 1.19 us us7000nuzz 2025-02-02T00:53:36.040Z
## place type horizontalError depthError
## 1 112 km WSW of Gorontalo, Indonesia earthquake 8.46 5.386
## 2 92 km NE of Luwuk, Indonesia earthquake 6.62 8.751
## 3 98 km WNW of Gorontalo, Indonesia earthquake 6.44 8.856
## 4 235 km WNW of Gorontalo, Indonesia earthquake 5.27 3.350
## 5 112 km WSW of Gorontalo, Indonesia earthquake 7.88 6.719
## 6 87 km SSW of Modisi, Indonesia earthquake 5.91 4.481
## magError magNst status locationSource magSource
## 1 0.073 58 reviewed us us
## 2 0.099 30 reviewed us us
## 3 0.159 11 reviewed us us
## 4 0.056 31 reviewed us us
## 5 0.066 69 reviewed us us
## 6 0.089 40 reviewed us us4.3.2 Konversi Menjadi Data Spasial
Melakukan konversi mernjadi data spasial dengan menggunakan sintaks st_as_sf.
## Simple feature collection with 6 features and 20 fields
## Geometry type: POINT
## Dimension: XY
## Bounding box: xmin: 121.1742 ymin: -0.4362 xmax: 124.1508 ymax: 1.5039
## Geodetic CRS: WGS 84
## time depth mag magType nst gap dmin rms net
## 1 2024-12-28T21:55:08.881Z 141.554 4.6 mb 63 97 1.472 0.91 us
## 2 2024-12-26T14:57:28.231Z 62.860 4.6 mb 42 69 0.904 0.97 us
## 3 2024-12-17T23:05:36.938Z 88.558 4.2 mb 18 105 1.463 0.94 us
## 4 2024-12-06T17:15:00.515Z 32.854 5.5 mww 186 29 0.553 0.89 us
## 5 2024-11-30T17:47:08.167Z 179.824 4.4 mb 72 51 1.420 0.56 us
## 6 2024-11-29T18:57:04.430Z 72.014 4.5 mb 44 51 1.572 1.19 us
## id updated place
## 1 us6000pg76 2025-03-08T22:39:11.040Z 112 km WSW of Gorontalo, Indonesia
## 2 us6000pfqg 2025-03-08T22:39:10.040Z 92 km NE of Luwuk, Indonesia
## 3 us6000phgl 2025-02-27T17:30:48.040Z 98 km WNW of Gorontalo, Indonesia
## 4 us7000nwmn 2025-02-15T18:30:27.040Z 235 km WNW of Gorontalo, Indonesia
## 5 us7000nv5x 2025-02-02T00:54:13.040Z 112 km WSW of Gorontalo, Indonesia
## 6 us7000nuzz 2025-02-02T00:53:36.040Z 87 km SSW of Modisi, Indonesia
## type horizontalError depthError magError magNst status locationSource
## 1 earthquake 8.46 5.386 0.073 58 reviewed us
## 2 earthquake 6.62 8.751 0.099 30 reviewed us
## 3 earthquake 6.44 8.856 0.159 11 reviewed us
## 4 earthquake 5.27 3.350 0.056 31 reviewed us
## 5 earthquake 7.88 6.719 0.066 69 reviewed us
## 6 earthquake 5.91 4.481 0.089 40 reviewed us
## magSource geometry
## 1 us POINT (122.0891 0.2717)
## 2 us POINT (123.4462 -0.4362)
## 3 us POINT (122.1988 0.7452)
## 4 us POINT (121.1742 1.5039)
## 5 us POINT (122.1013 0.2182)
## 6 us POINT (124.1508 -0.2825)4.3.3 Plot Gempa
Berikut adalah plot Gempa di Provinsi Sulawesi Tengah dengan berdasarkan kedalaman dan magnitudo (tanpa melihat batas kabupaten/kota):
## Warning: package 'ggplot2' was built under R version 4.4.3## Loading required package: viridisLiteggplot(sulteng_shp) +
geom_sf(fill = "#FFEFD5", color = "black", size = 0.3) +
geom_sf(data = gempa_sf, aes(size = mag, color = depth), alpha = 0.7) +
guides(fill = "none") +
scale_color_viridis(option = "plasma", name = "Kedalaman (km)") +
scale_size_continuous(name = "Magnitudo", range = c(2, 6)) +
labs(title = "Sebaran Gempa Utama di Provinsi Sulawesi Tengah 2024",
subtitle = "Sumber: USGS",
x = "Longitude", y = "Latitude",
caption = "Visualisasi: ggplot2 + sf") +
theme_minimal() +
theme(plot.title = element_text(face = "bold", size = 12),
legend.position = "right")
Peta ini berjudul “Sebaran Gempa Utama di Provinsi Sulawesi Tengah 2024” (sumber: USGS), namun secara penting, kontur peta yang digunakan adalah wilayah Provinsi Sulawesi Tengah. Peta ini memvisualisasikan dua variabel gempa secara bersamaan: Magnitudo gempa ditunjukkan oleh ukuran lingkaran (semakin besar lingkaran, semakin kuat magnitudonya, berkisar dari 4.0 hingga 6.0), dan Kedalaman gempa dalam kilometer ditunjukkan oleh warna. Skala warna berkisar dari biru tua/ungu untuk gempa dangkal (sekitar 100 km) hingga kuning untuk gempa sangat dalam (mencapai 400 km). Secara visual, sebaran gempa terkonsentrasi di lengan utara dan timur, dengan sebuah klaster gempa yang sangat dalam (berwarna kuning) terlihat jelas di bagian utara (sekitar 122°E - 123°E), sementara gempa di area lain (seperti lengan timur) cenderung lebih dangkal hingga menengah (berwarna ungu, merah muda, dan oranye).
4.4 Batasan Masalah 2
Buatlah salah satu peta provinsi di Indonesia dengan memberikan warna yang berbeda pada setiap kab/kota (setiap praktikan membuat peta provinsi yang berbeda).
library(ggplot2)
library(viridis)
ggplot(sulteng_shp) +
geom_sf(aes(fill = WADMKK), color = "black", size = 0.3) +
scale_color_viridis(option = "plasma", name = "Kabupaten/Kota") +
labs(title = "Batas Administrasi Provinsi Sulawesi Tengah",
subtitle = "Tahun 2024",
x = "Longitude", y = "Latitude",
caption = "Visualisasi: ggplot2 + sf") +
theme_minimal() +
theme(plot.title = element_text(face = "bold", size = 12),
legend.position = "right")
Peta batas administrasi Provinsi Sulawesi Tengah tahun 2024 menunjukkan pembagian wilayah administratif yang terdiri dari tiga belas unit administratif utama, yaitu Banggai (warna salmon), Banggai Kepulauan (warna oranye), Banggai Laut (warna hijau lemon), Buol (warna hijau muda), Donggala (warna hijau tua), Kota Palu (warna hijau toska), Morowali (warna biru muda), Morowali Utara (warna biru tua), Parigi Moutong (warna cyan), Poso (warna ungu), Sigi (warna ungu muda), Tojo Una Una (warna pink), dan Toli Toli (warna pink muda), dengan masing-masing wilayah memiliki batas administratif yang jelas dan warna yang berbeda untuk memudahkan identifikasi dan diferensiasi spasial. Dari aspek geografis, wilayah dengan bentuk ‘K’ yang khas ini terbagi menjadi daratan utama yang membentang dari utara ke selatan serta gugus kepulauan di bagian timur (Banggai Kepulauan dan Banggai Laut) dan di Teluk Tomini (Tojo Una Una), di mana kabupaten seperti Donggala, Poso, Morowali Utara, dan Parigi Moutong mencakup area daratan yang sangat luas, sementara Kota Palu merupakan wilayah administratif kota yang relatif kecil. Visualisasi ini menyediakan kerangka referensi spasial yang sangat penting untuk analisis lebih lanjut, khususnya ketika diintegrasikan dengan data sebaran gempa yang telah ditampilkan sebelumnya (yang petanya terkonfirmasi sebagai wilayah Sulawesi Tengah), sehingga memungkinkan identifikasi hubungan antara sebaran gempa dan kerawanan bencana di setiap unit administrasi—misalnya, untuk memetakan risiko di wilayah dengan aktivitas gempa tinggi seperti di lengan timur (mencakup Morowali, Morowali Utara, dan Banggai) dan lengan utara (Buol dan Toli Toli) serta memfasilitasi perencanaan strategi mitigasi bencana yang disesuaikan dengan karakteristik dan kapasitas setiap wilayah administratif di Provinsi Sulawesi Tengah.
BAB V KESIMPULAN
5.1 Kesimpulan
Praktikum ini menunjukkan bahwa visualisasi data spasial adalah metode yang efektif untuk menganalisis dan menyajikan data bereferensi geografis, seperti batas administrasi dan episenter gempa. Proses analisis spasial—yang berfokus pada pemeriksaan pola dan hubungan keruangan—diterapkan untuk mengevaluasi distribusi gempa bumi di Provinsi Sulawesi Tenganh Dalam pelaksanaannya, visualisasi ini berhasil mengintegrasikan data poligon (batas administrasi) dengan data titik (kejadian gempa) beserta atributnya, yakni magnitudo dan kedalaman.
Program R menjadi alat utama dalam praktikum ini untuk menyusun peta dan memetakan data titik spasial. Proses ini didukung oleh paket sf untuk manipulasi data (membaca shapefile dengan st_read dan mengonversi CSV dengan st_as_sf) serta paket ggplot2 (khususnya geom_sf()) untuk visualisasi data. Hasilnya, program R mampu menyediakan visualisasi peta yang komprehensif dan informatif, yang sangat penting untuk memahami karakteristik seismik regional di Sulawesi Tengah
Berdasarkan batasan masalah 1 peta sebaran gempa di Sulawesi Tengah ini memvisualisasikan magnitudo gempa melalui ukuran lingkaran (4.0-6.0) dan kedalaman melalui warna (biru/ungu=dangkal, kuning=sangat dalam). Secara visual, gempa terkonsentrasi di lengan utara dan timur, dengan sebuah klaster gempa sangat dalam (kuning) yang unik di bagian utara, berbeda dengan area lain yang umumnya lebih dangkal. Berdasarkan batasan masalah 2 peta batas administrasi Provinsi Sulawesi Tengah 2024 ini berfungsi sebagai kerangka referensi spasial yang esensial. Nilai utamanya bukan sekadar menunjukkan 13 wilayah administratif, melainkan sebagai alat fundamental untuk analisis lebih lanjut, khususnya ketika diintegrasikan dengan data sebaran gempa. Integrasi ini memungkinkan identifikasi hubungan langsung antara aktivitas seismik dan kerawanan bencana pada level kabupaten/kota yang spesifik—seperti Morowali, Buol, dan Toli Toli sehingga memfasilitasi perencanaan strategi mitigasi bencana yang jauh lebih terfokus dan disesuaikan dengan kapasitas masing-masing wilayah.
DAFTAR PUSTAKA
Andrew, C. (2025). Analisis dan visualisasi data gempa bumi di Indonesia tahun 2024 menggunakan R. Jurnal E-LANG.
BMKG. (2024). Laporan aktivitas gempabumi signifikan di Indonesia tahun 2024. Jurnal Geofisika Indonesia.
Kusmita, T. (2024). Beberapa daerah di Indonesia menjadi titik rawan terjadinya gempabumi. Jurnal Riset Fisika Indonesia, 5(1), 1–8.
Lestari, A., & Hanggara, Y. (2021). Pemodelan poligon berbasis SIG untuk analisis batas administrasi. Jurnal Geomatika Nusantara, 14(2), 87–96.
Lisia, V. (2022). Visualisasi data bencana geologi di Indonesia berbasis web. ISD E-Journal.
Pebesma, E. (2018). Simple features for R: Standardized support for spatial vector data. The R Journal, 10(1), 439–446.
Rahmawati, S., Putra, D., & Ningsih, M. (2020). Analisis data raster untuk pemodelan spasial berbasis citra satelit. Jurnal Penginderaan Jauh Indonesia, 3(1), 55–63.
Septiana, T. (2023). Sistem informasi geografis dalam pemetaan risiko bencana di Indonesia. Jurnal Inovasi dan Pembangunan (JIP).
Siregar, A. (2023). Model data garis untuk analisis jaringan menggunakan SIG. Jurnal Teknologi Geospasial, 9(1), 33–42.
Utami, R., & Kurniawan, H. (2022). Pemetaan titik dalam sistem informasi geografis untuk analisis lokasi bencana. Jurnal Geografi Indonesia, 5(2), 101–109.
Yudha, I. P. P. W. S. (2024). Mitigasi bencana gempa bumi berbasis analisis spasial di Indonesia. E-Jurnal Geo JPG Universitas Negeri Gorontalo.