KOMPARASI METODE MAX-AVERAGE POOLING DAN RESAMPLE PADA MODEL TRIGRS UNTUK OPTIMASI PERCEPATAN KOMPUTASI

Kemampuan untuk memetakan dan memitigasi risiko bencana menjadi bagian integral dari strategi ketahanan nasional dalam konteks pertahanan negara. Indonesia, sebagai negara kepulauan dengan keragaman topografi dan iklim tropis, memiliki kerentanan tinggi terhadap bencana, khususnya tanah longsor akibat curah hujan tinggi di wilayah dengan topografi curam. Penelitian ini
mengusulkan metode Max-Average Pooling sebagai pendekatan efisien untuk mereduksi data spasial dalam pemodelan deterministik tanah longsor berbasis model TRIGRS (Transient Rainfall Infiltration and Grid-Based Regional Slope Stability). Model TRIGRS memiliki tantangan utama pada waktu komputasi yang
lama, terutama saat menggunakan data dengan resolusi spasial tinggi. Studi dilakukan di wilayah Kabupaten Bandung Barat menggunakan data DEMNAS dan parameter geoteknik yang relevan. Metode Max-Average Pooling dikomparasikan dengan teknik Resample seperti Nearest Neighbor, Bilinear Interpolation, dan BiCubic Interpolation. Hasil evaluasi menggunakan kurva ROC dan nilai AUC menunjukkan bahwa metode ini mampu mereduksi ukuran data secara efisien tanpa mengorbankan akurasi pemodelan secara signifikan, serta menghasilkan waktu komputasi yang lebih cepat. Temuan ini menunjukkan potensi Max-Average Pooling sebagai alternatif unggul dalam pengembangan sistem pemodelan
bencana yang cepat dan akurat, untuk mendukung ketahanan bencana dan pertahanan negara di wilayah rawan longsor.