Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kedinamisan wilayah pesisir dapat diamati dengan mengamati parameter berupa perubahan garis pantai baik akibat abrasi maupun akresi. Kabupaten Karawang yang terletak di Provinsi Jawa Barat merupakan kabupaten yang langsung berbatasan dengan Laut Jawa sehingga menyebabkan di sepanjang pesisir utara Kabupaten Karawang menjadi rentan akan fenomena perubahan garis pantai. Abrasi yang terjadi telah mengakibatkan hilangnya wilayah daratan seperti permukiman serta tambak penduduk yang merugikan warga setempat. Sama seperti abrasi, akresi juga dapat merugikan masyarakat sekitar karena akibatnya yang menimbulkan pendangkalan muara sungai sehingga menghambat lalu lintas kapal dan perahu. Tiga faktor oseanografis penting yang mempengaruhi perubahan garis pantai adalah arus, gelombang, dan pasang surut. Selain itu, faktor topografi pantai dan penggunaan lahan juga turut dipertimbangkan. Dilakukan analisis mengenai ada atau tidak terdapatnya pengaruh topografi pantai terhadap abrasi dan akresi yang terjadi, serta bagaimana pengaruh penggunaan lahan terhadap perubahan garis pantai. Dengan memodelkan prediksi perubahan garis pantai yang akan terjadi di masa depan, langkah preventif dapat dilakukan guna mencegah dampak negatif yang merugikan warga setempat dari fenomena ini. Model prediksi perubahan garis pantai didapatkan dari informasi laju perubahan di setiap garis transek yang tersebar di sepanjang garis pantai Kabupaten Karawang. Laju perubahan didapatkan dari data perubahan garis pantai yang diolah dengan mengekstraksi citra satelit Landsat 8 OLI/TIRS tahun 2018, Landsat 7 ETM+ tahun 2008, dan Landsat 5 TM tahun 1998. Analisis perubahan garis pantai dikaji dalam pendekatan per segmen. Dalam melihat hubungan antara topografi pantai dengan abrasi dan akresi, digunakan analisis regresi linier sederhana. Hasil menunjukkan bahwa topografi pantai yang landai cenderung terjadi akresi. Sebaliknya, abrasi lebih mudah terjadi di wilayah dengan topografi pantai yang lebih curam. Untuk penggunaan lahan, adanya alih fungsi lahan menjadi permukiman dan tambak akan mempercepat proses abrasi. Sedangkan ekosistem mangrove mendukung terjadinya fenomena akresi. Model prediksi abrasi diprediksi terjadi paling besar di bagian tengah Kabupaten Karawang. Sedangkan untuk akresi, bagian paling Timur Kabupaten Karawang diprediksi menjadi wilayah dengan luasan akresi terbesar.

---

Dynamics of coastal areas can be observed by observing the parameters in the form of shoreline changes both due to abrasion and accretion. Karawang Regency, which is located in West Java Province, is a regency that borders the Java Sea directly, so that along the northern coast of Karawang Regency it becomes vulnerable to the phenomenon of coastline changes. Abrasion that occurred has resulted in the loss of land area such as settlements and resident pond which harm local residents. Just like abrasion, accretion can also be detrimental to the surrounding community because of the consequence that it causes siltation of river estuaries which hampers ship and boat traffic. Three important oceanographic factors that influence changes in shoreline are currents, waves, and tides. In addition, coastal topography and land use factors are also considered. An analysis of the presence or absence of coastal topographical effects on abrasion and accretion is carried out, as well as how the influence of land use on shoreline changes. By modeling predictions of shoreline changes that will occur in the future, preventive steps can be taken to prevent negative impacts that can harm local residents of this phenomenon. The prediction model for shoreline change is obtained from information on the rate of change in each line of transects that are scattered along the coastline of Karawang Regency. The rate of change was obtained from the shoreline change data processed by extracting Landsat 8 OLI/TIRS satellite images year 2018, Landsat 7 ETM + year 2008, and Landsat 5 TM year 1998. The shoreline change analysis was assessed in a per segment approach. In perceiving the relationship between coastal topography and abrasion and accretion, simple linear regression analysis was used. The results show that the sloping topography of the beach tends to accretion. Conversely, abrasion is occur easier in regions with steeper coastal topography. For land use, the conversion of land into settlements and ponds will accelerate the abrasion process. While the mangrove ecosystem supports the occurrence of accretion phenomena. The abrasion model is predicted to occur most in the central part of Karawang Regency. While for accretion, the easternmost part of Karawang Regency is predicted to be the region with the largest accretion area."

"

Ketahanan pangan dipengaruhi oleh beberapa faktor yaitu ketersediaan pangan, aspek pangan, pemanfaatan pangan dan kerentanan pangan. Aspek yang dapat mempengaruhi  kerentanan pangan adalah penurunan produktivitas pangan, salah satunya adalah tanaman padi yang merupakan pangan pokok di Indonesia. Penyebab penurunan produktivitas padi adalah kondisi kerentanan lingkungan suatu wilayah. Tujuan penelitian ini adalah menyusun model spasial produktivitas padi berdasarkan kerentanan lingkungan pada tiap fase tanam dengan menggunakan pendekatan teknologi inderaja dan SIG. Model spasial ini disusun berdasarkan hasil aplikasi dua model yaitu model spasial fase tanam dan model produktivitas padi. Pemodelan spasial untuk melihat sebaran fase tanam padi menggunakan metode klasifikasi random forest mempunyai akurasi keseluruhan sebesar 0,92 yang membagi fase tanam padi menjadi fase awal tanam, fase vegetatif, fase generatif dan fase bera. Variabel yang digunakan untuk membangun model spasial fase tanam padi adalah kombinasi indeks vegetasi yaitu NDVI, EVI, SAVI, NDWI, dan variabel waktu. Pemodelan spasial untuk estimasi produktivitas padi juga menggunakan model regresi dengan variabel rawan bencana yaitu bencana banjir, kekeringan, longsor dan variabel curah hujan. Algoritma dibangun berdasarkan kondisi fase tanam padi. Estimasi produktivitas padi berdasarkan pengaruh kerentanan lingkungan ini memiliki akurasi paling baik dilakukan pada fase vegetatif yaitu sebesar 0,63  dan fase generatif sebesar 0,61, sedangkan pada fase awal tanam tidak dapat digunakan untuk mengestimasi produktivitas padi karena memiliki hubungan yang lemah dengan  akurasi sebesar 0,35.

---

Food security is influenced by several factors, such as food availability, food aspect, food utilization and food vulnerability. An aspect that can affect food vulnerability is food productivity decline, such as rice. Since rise is the staple food in Indonesia, its productivity decline most likely will affect Indonesia`s food vulnerability. The cause of the rice productivity decrement is the condition of environmental vulnerability of a region. The purpose of this study is to build a spatial model of rice productivity based on environmental vulnerability in each planting phase using remote sensing and GIS technology. Spatial model is built based on the result of implementation of two models which are planting phase model and rice productivity model. Spatial modelling that is built to understand the distribution of rice planting phases applied random forest classification method with an overall accuracy of 0,92. The classification result divides the rice planting phase into the initial phase of planting, vegetative, generative and fallow phase. The variables used to build spatial model of the rice planting phase are a combination of vegetation indexes namely NDVI, EVI, SAVI, NDWI, and time variables. Spatial modeling for estimating rice productivity also uses regression model with disaster-prone variables, namely floods, droughts, landslides and rainfall variables. The algorithm is built based on the condition of the rice planting phase. Estimation of rice productivity based on the influence of environmental vulnerability has the best accuracy in the vegetative phase equal to 0,63 and generative phase 0,61, whereas in the initial phase of planting it cannot be used to estimate rice productivity due to its weak relationship with accuracy 0,35.

"

"Peningkatan kebutuhan lahan permukiman mendorong aktivitas manusia yang semakin kompleks, sehingga menimbulkan bencana, salah satunya kebakaran permukiman. Pada tahun 2018-2021, kebakaran permukiman mengalami ekspansi sebesar 14% di Kota Jakarta Timur. Kejadian ini mengakibatkan kerusakan infastrukur dan kerugian ekonomi yang cukup besar serta menyebabkan hilangnya nyawa seseorang. Studi kerentanan bencana menjadi salah satu opsi yang dapat dilakukan dalam upaya mitigasi. Faktor fisik, sosial, dan ekonomi dinilai sebagai faktor penilaian kerentanan bencana yang mengarahkan pada peningkatan dampak bahaya. Penelitian ini bertujuan untuk mengidentifikasi faktor yang paling berpengaruh dan menganalisis karakteristik wilayah rentan bencana kebakaran permukiman di Kota Jakarta Timur. Metode yang digunakan dalam penelitian ini adalah Analytical Hierarchy Process (AHP) melalui analisis Geographic Information System- based Multicriteria Decision Analysis (GIS-MCDA). Hasil penelitian menunjukan bahwa faktor kerentanan fisik memiliki pengaruh yang lebih tinggi dibandingkan faktor sosial dan ekonomi. Berdasarkan analisis tersebut, wilayah rentan kebakaran permukiman tingkat rendah terdistribusi secara mengelompok pada wilayah yang memiliki lebar jalan 6 m, penggunaan tanah berupa industri, kepadatan penduduk rendah, dan dominasi usia produktif serta dominasi penduduk berjenis kelamin laki-laki. Kemudian pada tingkat sedang memiliki pola menyebar pada karakteristik wilayah dengan kepadatan penduduk sedang dengan material bangunan permukiman semi permanen serta dapat menjangkau hidran kota kurang dari 400 m. Sedangkan, pada tingkat tinggi terdistribusi secara mengelompok pada wilayah dengan karakteristik dekat dengan sumber penyalaan api besar, kepadatan bangunan dan penduduk yang tinggi, serta penggunaan lahan permukiman. Analisis ini memiliki kesesuaian dengan nilai 67% dan termasuk model prediksi cukup baik dari hasil perbandingan kondisi aktual riwayat kejadian kebakaran permukiman tahun 2018-2021. Dengan demikian, penelitian ini diharapkan dapat menjadi pertimbangan kajian lebih lanjut yang berguna dalam menentukan wilayah prioritas untuk penyusunan rencana penanggulangan bencana kebakaran permukiman seperti meningkatkan kapasitas masyarakat.

---

Complex human activities are encouraged by the growing demand for residential that causing disaster, such as residential fires. Residential fires increased by 14% in East Jakarta City in 2018-2021. This incident resulted in infastructural damage, significant economic loss, and person’s life. One of the choices for mitigation actions is to conduct disaster vulnerability evaluations. Disaster vulnerability assessment elements that increase hazard consequences are evaluated as being physical, social, and economic factors. This study aims to identify the most important factors and analyze the characteristics of vulnerability of residential fires in East Jakarta City. The Analytical Hierarchy Process (AHP) through GIS-MCDA analysis was the method employed in this study. The results showed that physical vulnerability factors had a greater impact than social and economic. Based on this analysis, low-level residential vulnerability areas are clustered with a road width of 6 m, industrial land use, low population density, and dominance of productive age and male population. Then, medium level has dispersed pattern in the characteristics of areas with medium population density also semi-permanent residential building materials and a 400 m or less distance to fire hydrant. Meanwhile, high level are distributed in areas with characteristics close to major fire source, high density of buldings and residents. According to the findings of the comparison on historical intensity of residential fires in 2018-2021, the analysis is valid with a value of 67% and included a fairly to good model prediction. As a result, this research can be considered for additional studies to help identify priority areas for residential fires disaster management plan, such as increasing community capacity."

"Tanaman karet sebagai tanaman yang dapat berperan penting dalam penyerapan serta penyimpanan karbon. Penyerapan karbon dilakukan sebagai salah satu upaya untuk mengurangi efek gas rumah kaca di atmosfer. Kapasitas penyerapan stok karbon pada tanaman karet dapat dilihat dari nilai biomassa yang dimilikinya. Penelitian ini bertujuan untuk menganalisis persebaran stok karbon tanaman karet dan hubungannya dengan umur tanaman karet. Persebaran stok karbon di daerah wilayah penelitian dengan menggunakan pendekatan indeks vegetasi, serta analisis regresi dan deskriptif. Indeks vegetasi yang digunakan yaitu MSAVI, OSAVI, SAVI, GNDVI, dan ARVI yang diperoleh dari pengolahan citra satelit Sentinel 2- A. Nilai biomassa pada tanaman karet didapatkan dari persamaan alometrik. Hasil penelitian menunjukkan bahwa persebaran stok karbon hampir di seluruh wilayah Pusat Penelitian Karet Sembawa. Hubungan umur tanaman karet dengan nilai stok karbon cenderung rendah karena dipengaruhi oleh jenis klon, pengelolaan tanaman karet, dan penyakit tanaman karet.

---

Rubber is a plant that can play an important role in carbon sequestration and storage. Carbon sequestration is carried out as an effort to reduce the effect of greenhouse gases in the atmosphere. The absorption capacity of carbon stock in rubber plants can be seen from the value of its biomass. This study aims to analyze the distribution of carbon stock in rubber plants and its relationship with the age of rubber plants. The distribution of carbon stock in the study area using a vegetation index used is MSAVI, OSAVI, SAVI, GNDVI, and ARVI obtained from processing the Sentinel 2-A satellite imagery. The value of biomass in rubber plants is obtained from the allometric equation. The results showed that the carbon stock distribution in almost all areas of the Sembawa Rubber Research Centre The relationship between the age of rubber plants and the value of carbon stock tends to be low due to it is influenced by the type of clone, management of rubber plants, and rubber plant diseases."

"Energi terbarukan yang berasal dari radiasi matahari merupakan salah satu sumber energi potensial di Indonesia karena letak geografisnya. Hal ini dapat mendukung pemenuhan kebutuhan energi yang terus meningkat, khususnya di wilayah Provinsi Jawa Barat yang memiliki kepadatan penduduk tertinggi di Indonesia. Namun, radiasi matahari bersifat intermiten karena dipengaruhi oleh kondisi atmosfer yang dinamis, sehingga diperlukan estimasi nilai radiasi matahari yang mencapai permukaan bumi. Penelitian ini melakukan estimasi radiasi matahari menggunakan model Gated Recurrent Unit (GRU) pada dua lokasi, yaitu Puslitbang PLN dan BMKG Sumedang, berdasarkan skema parameter terbaik. Analisis spasial dilakukan menggunakan model Weather Research and Forecasting (WRF), serta pengujian hybrid model dilakukan untuk meningkatkan akurasi model GRU. Hasil model menunjukkan nilai relative root mean square error (rRMSE) yang tinggi untuk Puslitbang PLN (50,21%) dan BMKG Sumedang (46,19%). Berdasarkan pola sebaran radiasi matahari terhadap tutupan lahan, nilai radiasi tinggi tersebar di wilayah terbangun dan rendah pada wilayah vegetasi. Selanjutnya, integrasi data dari model WRF dilakukan untuk meningkatkan akurasi estimasi radiasi matahari. Namun, peningkatan akurasi ini hanya terjadi pada lokasi BMKG Sumedang dengan nilai rRMSE 45,05%, sementara di Puslitbang PLN tidak terdapat peningkatan yang signifikan karena kualitas data temporal yang kurang baik. Oleh karena itu, pengembangan metode serta ketersediaan data temporal berkualitas baik menjadi hal yang penting untuk menghasilkan model dengan akurasi tinggi.

---

Renewable energy from solar radiation is a potential energy source in Indonesia due to its geographical location. This can support the growing energy needs, especially in West Java Province, which has the highest population density in Indonesia. However, solar radiation is intermittent due to dynamic atmospheric conditions, necessitating the estimation of solar radiation reaching the Earth's surface. This study estimates solar radiation using the Gated Recurrent Unit (GRU) model at two locations: Puslitbang PLN and BMKG Sumedang, based on the best parameter scheme. Spatial analysis was conducted using the Weather Research and Forecasting (WRF) model, and hybrid model testing was carried out to improve the accuracy of the GRU model. The model results showed relatively high relative root mean square error (rRMSE) values for Puslitbang PLN (50.21%) and BMKG Sumedang (46.19%). Based on the distribution patterns of solar radiation against land cover, high radiation values were found in built-up areas and low values in vegetated areas. Furthermore, data integration from the WRF model was performed to enhance the accuracy of solar radiation estimation. However, this accuracy improvement was only observed at the BMKG Sumedang location, with an rRMSE value of 45.05%, while no significant improvement was noted at Puslitbang PLN due to poor temporal data quality. Therefore, the development of methods and the availability of high-quality temporal data are crucial to achieve high model accuracy."

"Padi adalah salah satu tanaman yang penting di Indonesia karena menghasilkan beras yang merupakan bahan makanan pokok. Estimasi hasil panen padi yang tepat waktu dan akurat merupakan bagian penting dari pertanian presisi. Kelompok Tani Cahaya Mukti berada di Desa Wargasetra, Kecamatan Tegalwaru merupakan salah satu kontributor dalam hasil panen di Kabupaten Karawang. Penelitian ini bertujuan untuk menganalisis fase tumbuh dan produktivitas tanaman padi berdasarkan penginderaan jauh. Data citra UAV (Unmanned Aerial Vehicle) dengan sensor multispektral dapat dimanfaatkan sebagai pemantauan fase pertumbuhan padi dengan mengekstraksi nilai indeks vegetasi dan juga untuk estimasi produktivitas padi. Indeks vegetasi yang digunakan adalah NDVI, GNDVI, EVI, dan VARI. Variasi spektral menunjukkan pola meningkat pada fase vegetatif menuju fase generatif dan kemudian menurun pada fase pematangan. Indeks vegetasi VARI dijadikan acuan untuk memprediksi fase tumbuh padi dan mengestimasi produktivitas padi dengan masing-masing nilai R2 adalah sebesar 0,4407 dan 0,0364. Estimasi produktivitas padi di Kelompok Tani Cahaya Mukti memiliki rata-rata 5,43 ton/ha. Analisis regresi linier sederhana menunjukkan bahwa kedalaman tanah memiliki hubungan terhadap estimasi produktivitas dengan r = 0,069 dan pH tanah memiliki hubungan terhadap estimasi produktivitas dengan r = 0,0173 yang keduanya tergolong lemah atau dapat diabaikan.

---

Rice is one of the most important crops in Indonesia because it produces a staple food that is widely consumed by the people. Timely and accurate rice yield estimation is an important part of precision farming. Cahaya Mukti Farmer Group located in Wargasetra Village, Tegalwaru district contributes in rice production in Karawang Regency. This study aims to analyze the growth phase and productivity of rice based on remote sensing. UAV (Unmanned Aerial Vehicle) image data with multispectral sensors can be used to monitor the growth phase of rice by extracting the value of the vegetation indices and also to estimate of rice productivity. Vegetation indices used are NDVI, GNDVI, EVI, and VARI. Spectral variations show a pattern of increasing in the vegetative phase towards the generative phase and then decreasing in the maturation phase. VARI is used as a reference for predicting the growing phase of rice and estimating rice productivity with respective R2 values of 0,4407 and 0.0364. The estimated productivity of rice in the Cahaya Mukti Farmer Group has an average of 5.43 tons/ha. The simple linear regression analysis shows that soil depth has a relationship with productivity estimation with r = 0.069 and soil pH has a relationship with productivity estimation with r = 0.0173, both of which are considered weak or negligible."

"Kelapa sawit merupakan tanaman budidaya penghasil minyak nabati yang mempunyai nilai ekonomis tinggi. Di Indonesia, Provinsi Riau tercatat sebagai provinsi yang memiliki luas perkebunan terbesar. Dengan luas lahan kelapa sawit di Provinsi Riau yang begitu besar, maka penting untuk mengetahui kondisi terkini umur dari tanaman kelapa sawit. Tujuan dari penelitian ini adalah untuk mengestimasi umur tanaman dengan metode regresi polinomial kuadratik serta menganalisis pola spasial sebaran umur tanaman kelapa sawit di Provinsi Riau. Penelitian ini menggunakan transformasi indeks vegetasi NDVI dan EVI yang diekstraksi dari Citra Landsat 8 – OLI Surface Reflectance. Proses akuisisi data, pengolahan data, analisis data hingga pemetaan menggunakan platform Google Earth Engine (GEE). Metode klasifikasi menggunakan Machine Learning, seperti; SVM, Random Forest dan CART untuk kemudian dibandingkan tingkat akurasinya. Estimasi umur tanaman didapatkan dari hasil pemodelan regresi polinomial kuadratik. Hasil penelitian menggunakan Machine Learning didapatkan hasil berupa tingkat akurasi yang berbeda, yakni: SVM untuk akurasi keseluruhan sebesar 98,6 % dan akurasi kappa sebesar 0,979, Random Forest untuk akurasi sebesar 97,43 % dan 0.96, CART akurasi sebesar 97,43 % dan 0.96. Sebaran umur berdasarkan faktor fisik ketinggian didominasi oleh kelompok umur dewasa terutama pada ketinggian 0-5 mdpl. Begitu pula dengan faktor fisik kemiringan lereng yang di dominasi oleh kelompok umur dewasa dan muda terutama pada kemiringan lereng 0-8 % dan 15-30 %. Sementara pada faktor fisik jarak dari sungai setiap jarak 2000meter secara keseluruhan didominasi oleh kelompok umur dewasa namun pada jarak terdekat dengan sungai yakni 0-2000meter didominasi oleh kelompok umur muda.

---

Oil palm is a cultivated plant that produces vegetable oil that has high economic value. In Indonesia, Riau Province is listed as the province with the largest plantation area. With the large area of ​​oil palm in Riau Province, it is important to know the current condition of the age of the oil palm plantation. The purpose of this study was to estimate the age of the plant by using quadratic polynomial regression method and to analyze the spatial pattern of the age distribution of oil palm plants in Riau Province. This study uses the transformation of the NDVI and EVI vegetation indices extracted from Landsat 8 – OLI Surface Reflectance Imagery. The process of data acquisition, data processing, data analysis to mapping using the Google Earth Engine (GEE) platform. The classification method uses Machine Learning, such as; SVM, Random Forest and CART to then compare the level of accuracy. The estimated age of the plant was obtained from the results of quadratic polynomial regression modeling. The results of the research using Machine Learning obtained results in the form of different levels of accuracy, namely: SVM for an overall accuracy of 98.6% and kappa accuracy of 0.979, Random Forest for an accuracy of 97.43% and 0.96, CART accuracy of 97.43% and 0.96. The age distribution based on the physical height factor is dominated by the adult age group, especially at an altitude of 0-5 meters above sea level. Likewise with the physical factor of the slope which is dominated by the adult and young age groups, especially on the slopes of 0-8% and 15-30%. Meanwhile, on the physical factor, the distance from the river every 2000 meters is dominated by the adult age group, but at the closest distance to the river, 0-2000 meters, it is dominated by the young age group. "

"

Kecamatan Buleleng merupakan pusat kegiatan di Kabupaten Buleleng yang berbatasan langsung dengan Laut Bali di bagian utara yang dilewati oleh patahan naik Flores. Mengingat aktivitas patahan naik Flores yang pernah mengakibatkan gempa dan tsunami di Flores pada tahun 1992 dan menewaskan hingga 2100 jiwa, serta sejarah bencana gempa bumi pada tahun 1976 di Kabupaten Buleleng, maka dibuatlah model spasial kerentanan terhadap tsunami di Kecamatan Buleleng. Tujuan dari penelitian adalah untuk menganalisis model kerentanan terhadap tsunami, dan menganalisis intensitas kerugian wilayah terpapar tsunami terhadap distribusi penduduk dan lahan terbangun di Kecamatan Buleleng. Model spasial kerentanan terhadap tsunami di Kecamatan Buleleng menggunakan menggunakan metode analisis kuantitatif dan analisis spasial, dengan menggunakan Analytical Hierarchy Process (AHP) dalam menentukan harkat, bobot, skor. Variabel lahan terbangun membedakan jenis bangunan permukiman serta perdagangan dan jasa. Variabel distribusi menggunakan estimasi per 10 ha dengan menggunakan grid. Terdapat tiga skenario ketinggian gelombang yang dilakukan untuk melihat sejauh mana wilayah terpapar tsunami di Kecamatan Buleleng. Hasil skenario 6 meter menunjukkan jumlah korban mencapai 2.493 jiwa dengan 482 lahan terbangun yang terpapar tsunami. Skenario 9 meter menunjukkan 147.276 jiwa korban dan 8.052 bangunan yang terpapar tsunami, dan yang terakhir skenario 20 meter menunjukkan 161.199 jiwa korban dengan 18.293 bangunan yang terpapar tsunami

---

Buleleng Subdistrict is the activity center in Buleleng Regency. It is adjacent to the Bali Sea in the northern part, which is crossed by the Flores back arc thrust fault. Considering the fact that the fault activities in Flores had caused an earthquake and tsunami in 1992 in Flores which killing up to 2100 people and in 1976 in Buleleng Regency, hence a spatial modelling for tsunami vulnerability in Buleleng Subdistrict was developed. The aim of this study is to analyze the tsunami elevation model, and to analyze the integration of tsunami-exposed areas with the distribution of populations and buildings in Buleleng Subdistrict. The methods used for making a spatial modelling for tsunami vulnerability in Buleleng Subdistrict were quantitative analysis and spatial analysis. Analytical Hierarchy Process (AHP) used to determine the value, weight, and score. Built land variables distinguished the residential buildings, and trade and service areas. Distribution variables used an estimation of per 10 hectares in the grid. Based on the results, there are three wave height scenarios to identify how big the tsunami exposure area is in Buleleng Subdistrict. The scenario of 6-meter shows the number of victims will reach up to 2,493 people and around 482 buildings will affect. While, the 9-meter scenario estimates that there will be 147,276 victims and 8,052 buildings will affect. The last scenario is the 20-meter that estimates around 161,199 people and 18,293 buildings will affect

"