analisis taburan dan corak ruangan pelbagai … filedalam kejadian kegagalan cerun. ia merupakan...

Nuriah et. al, International Journal of Environment, Society and Space, 2016, 4(2), 1-15

1

ANALISIS TABURAN DAN CORAK RUANGAN PELBAGAI JENIS KEGAGALAN

CERUN DI PULAU PINANG, MALAYSIA

Nuriah Abd Majid1, Ruslan Rainis

1, Wan Mohd Muhiyuddin

1

1Bahagian Geografi,Pusat Pengajian Ilmu Kemanusiaan, Universiti Sains Malaysia

Abstrak: Kegagalan cerun merupakan suatu bencana alam yang sering melanda di seluruh dunia, tidak

ketinggalan juga di Malaysia. Memahami taburan kegagalan cerun yang disebabkan oleh faktor-faktor tertentu

dapat meramal kebarangkalian berlakunya kegagalan cerun pada masa hadapan. Objektif kajian ini adalah

untuk meneroka corak taburan ruangan kegagalan cerun di Pulau Pinang. Kajian ini bertujuan untuk menilai

corak ruangan kegagalan cerun ini, sama ada ia rawak atau pun berkelompok. Corak ini membolehkan corak

ruang kegagalan cerun dinilai. Sebanyak 323 kes kegagalan cerun digunakan dalam analisis ini. Seterusnya

analisis ruangan kegagalan cerun dijalankan, antara analisis ruang kegagalan cerun yang dijalankan ialah

analisis titik tengah berpusat, standard distance, dan directional distribution. Hasil mendapati corak kegagalan

cerun mempunyai corak berkelompok. Analisis min titik tengah menunjukkan setiap jenis kegagalan cerun

mempunyai min titik tengah yang berbeza. Directional distribution pula mendapati arah pelbagai jenis

kegagalan cerun adalah berbeza yang memerlukan penghasilkan model berasingan.

Kata kunci : titik tengah ruangan, jarak piawai, arah taburan, kegagalan cerun

Abstract: Landslide is a frequent natural disaster that occurs around the world, Malaysia is no exception.

Understanding the distribution of landslides caused by certain factors can predict the probability of occurrence

of landslides in the future. The objective of this study was to explore the spatial distribution pattern of landslides

in Penang. This study aimed to assess the spatial pattern of landslides, whether it is random or clustered. This

pattern allows the spatial pattern of landslides to be assessed. A total of 323 cases of landslide was used in this

analysis. Then a spatial analysis of landslide was carried out, the analysis includes spatial mean centre, standard

distance, and directional distribution. The results found the pattern of all landslides are clustered. Analysis of

mean center indicates each type of landslide has different mean centre. Directional distribution also found the

various different types of landslides requires the development of a separate model.

Keywords: spatial mean centre, standard distance, directional distribution, landslide

1 * E-mail: [email protected]


2

PENGENALAN

Kegagalan cerun merupakan suatu bencana alam yang menyebabkan kerugian yang besar kepada

masyarakat dan negara. Ia berupaya meningkatkan ancaman kepada nyawa manusia dan kemusnahan

harta benda. Pendedahan kepada pelbagai aktiviti manusia seperti pelancongan, pembangunan,

perhutanan dan pembalakan meningkatkan bencana kejadian kegagalan cerun.Kegagalan cerun adalah

bencana yang menyebabkan pelbagai kesan ke atas proses-proses geomorfologi dan corak hakisan

(Glade, 2003; Page et al., 1994;. Remondo et al., 2005). Menurut Tjia, (1987) kegagalan cerun

ditakrifkan sebagai pergerakan jisim tanah dan puing batuan yang besar menuruni bukit kerana

tindakan graviti. Kegagalan cerun melibatkan jisim bahan yang besar berlaku dengan amat pantas

menyebabkan bahaya kerana kerosakan besar yang boleh berlaku terhadap harta benda dan nyawa.

Justeru peningkatan kejadian kegagalan cerun telah mengundang pelbagai masalah ekoran kawasan

tanah tinggi menjadi tumpuan pemaju untuk dibangunkan seperti kajian Kannan et al., (2013);

Sharma et al., (2013); dan Alimohammadlou et al.,(2013).

Pola ruangan dalam kejadian kegagalan cerun adalah hasil daripada interaksi antara proses dinamik

yang beroperasi di seluruh rangkaian skala ruang dan masa. Kuasa-kuasa luar (taufan, hujan lebat dan

gempa bumi) dan aktiviti manusia (iaitu guna tanah perubahan, dan pembasmian hutan) yang

menyebabkan interaksi kompleks. Proses ini lazimnya menghasilkan taburan dan corak ruangan yang

berbeza. Hal ini kerana kegagalan cerun merupakan suatu fenomena yang kompleks dalam ruang

masa hasil daripada interaksi faktor seperti geologi, geomorfologi, fizikal dan manusia (Varnes,

1978;Cruden & Varnes, 1996;Knapen et al., 2006 dan Goetz et al., 2011). Menurut Gorum et al.,

(2013) & Xu et al., (2014) bagi membuat analisis taburan ruang kegagalan cerun memerlukan

pangkalan data kegagalan cerun. Oleh yang demikian selepas kerja-kerja lapangan analisis yang lebih

teperinci adalah penyelasaian kepada pengedaran ruangan dan corak kegagalan cerun di sesuatu

kawasan. Analisis corak ruangan memberi tumpuan kepada ruang yang memainkan peranan penting

dalam kejadian kegagalan cerun. Ia merupakan suatu fenomena yang berkaitan dengan ruang dan

interaksi dalam kejadian kegagalan cerun. Analisis corak ruangan bertujuan untuk mengesan corak

bagi memahami proses yang bertanggungjawab dalam menghasilkan corak tersebut (Fischer, 2002).

Kegagalan cerun ini yang sering melanda banyak negara lazimnya di kawasan yang berbukit, kawasan

yang terdedah dengan pelbagai unsur alam sekitar yang menyebabkan kawasan yang terdedah kepada

aliran air hujan yang berpanjangan. Para penyelidik telah berusaha untuk meneroka corak taburan

kegagalan cerun dan faktor yang menyebabkan berlakunya kegagalan cerun bagi membina pangkalan

data (Xu et al., 2015). Penyelidikan semakin meluas dalam pelbagai aspek kegagalan cerun contoh

menyediakan inventori kegagalan cerun berdasarkan kajian saintifik (Meunier et al., 2013; Tatard dan

Grasso, 2013; Xu, 2014b; Xu dan Xu, 2012) kerentanan kegagalan cerun, penilaian bahaya, dan risiko

(Lee et al., 2008) evolusi bentuk muka bumi (Parker et al., 2011; Li et al., 2014) dan kajian berkaitan

dengan serpihan aliran (Tang et al., 2012; Zhou dan Tang, 2014).

Beberapa kajian yang mengambil kira parameter disebabkan oleh mekanisme mencetuskan gempa

bumi seperti Arias dan MMI intensiti dan pecutan puncak bumi (PGA) mendapati korelasi yang lebih

tinggi dengan corak taburan kegagalan cerun (Meunier et al., 2007, 2008, Lee et al., 2008). Menurut ,

Meunier et al. (2007) telah mengkaji corak kejadian kegagalan cerun yang disebabkan oleh gempa

bumi di California, Taiwan dan Papua New Guinea yang mencatatkan hubungan rapat dengan

gegaran tanah. Dalam ketiga-tiga kes, mereka juga menyatakan bahawa ketumpatan kegagalan cerun

mencapai paras tertinggi dengan pecutan tanah terbesar. Bagi Chi-Chi dan gempa bumi Northridge,

korelasi yang kuat dilaporkan antara ketumpatan kegagalan cerun dan kedua-dua komponen vertikal

dan mendatar direkodkan pecutan puncak tanah (peak ground accelerations). Oleh yang demikian

taburan ruangan kes kegagalan cerun menunjukkan corak taburan kawasan kegagalan cerun yang

terjejas. Biasanya, korelasi antara kejadian kegagalan cerun dan seismologi merupakan parameter

ruangan diekstrak daripada kajian berdasarkan inventori kegagalan cerun (Keefer, 1984, 2000; Khazai

dan Sitar, 2004; Lee et al., 2008; Harp et al., 2011). Korelasi ini boleh membantu seismik analisis

bahaya kegagalan cerun dan perancangan bagi masyarakat terdedah kepada bencana seperti kegagalan


3

cerun dan gempa bumi yang disebabkan (contohnya, Jibson et al., 2000; Parise dan Jibson, 2000;

Chang et al., 2006). Walau bagaimanapun,taburan kegagalan cerun diperhatikan adalah heterogen

dan sukar dijelaskan secara tipikal seismik sumber jarak metric yang jauh (Colin et al., 2012).

Walaupun telah banyak kajian analisis corak ruangan dimasa lampau seperti kajian Gorum et al.,

(2013), Xu et al., (2014). Namun demikian kajian kebanyakan kajian hanya menumpukan kepada satu

jenis kegagalan cerun sahaja. Kajian ini menumpukan pelbagai jenis kegagalan cerun. Hal ini kerana

cerun mempunyai banyak pelbagai jenis jadi proses yang dilalui adalah berbeza dan menghasilkan

corak- corak yang berbeza. Oleh yang demikian kajian kegagalan cerun pelbagai jenis adalah penting

dalam menangani pelbagai jenis kegagalan cerun.Tujuan kertas kerja ini adalah untuk meneroka

taburan dan corak ruangan kegagalan cerun dengan menggunakan analisis jarak jiran terdekat dapat

menentukan corak rungan kegagalan cerun. Taburan geografi analisis min titik tengah dan jarak

piawai dan pengedaran arah juga digunakan untuk mengenalpasti kecederungan ruang dan pengagihan

ruang. Ia bertujuan untuk meneroka saling bergantungan antara kegagalan cerun dan faktor –faktor

yang menyebabkan kejadian kegagalan cerun.

KAWASAN KAJIAN

Kawasan kajian yang dipilih adalah Pulau Pinang yang terletak di Selat Melaka pada garis lintang

latitud 50

8’ U- 50 35’U dan longitud 100

0 8’ B

- 100

0 32’ B. Menurut Banci Penduduk 2010 (Jabatan

Perangkaan Malaysia, 2013), jumlah penduduk di Pulau Pinang seramai 1.6 juta orang iaitu 5.7% dari

anggaran jumlah penduduk Malaysia. Kepadatan penduduk di Pulau Pinang seramai 1,505 orang bagi

setiap km persegi. Daerah timur laut mempunyai penduduk seramai 395,046 orang dan barat daya

seramai 310,982 orang. Rajah 1 menunjukkan kawasan kajian. Pulau Pinang adalah antara kawasan

perbandaran terawal di Malaysia yang pesat membangun. Purata kadar pertumbuhan penduduk

tahunan adalah 2.0 peratus. Hampir 50 peratus daripada Pulau Pinang adalah tanah tinggi. Penduduk

yang bertambah meningkatkan permintaan dan projek pembangunan bagi menampung keperluan

penempatan penduduk. Menurut Jabatan Meteorologi pada 2015 suhu Pulau Pinang adalah antara

minimum 240 C hingga maksimum 30

0 C. Pulau Pinang mempunyai suhu yang seragam, kelembapan

yang tinggi dan hujan yang banyak yang menyebabkan peningkatan kejadian kegagalan cerun.

Terdapat pelbagai jenis guna tanah di Pulau Pinang, diantaranya adalah pertanian, pembangunan,

penempatan, perindustrian, kemudahan, pendidikan dan banyak lagi. Geologi Pulau Pinang

sebahagian besarnya terdiri daripada granit dan kuaternari. Lazimnya kegagalan cerun banyak berlaku

pada jenis geologi granit.


4

Rajah 1: Kawasan kajian

METODOLOGI

Taburan geografi adalah mengukur taburan suatu set ciri membolehkan pengiraan nilai yang mewakili

ciri taburan seperti pusat, kepadatan, atau orientasi (Esri,2016). Kajian ini menggunakan dua kaedah

analisis iaitu analisis taburan ruangan dan corak ruangan taburan. Kaedah analisis taburan

termasuklah pusat min ruangan, analisis jarak piawai, dan arah taburan. Kaedah analisis corak

ruangan pula adalah jarak jiran terdekat. Setiap analisis mempunyai kepentingan tersendiri. Pemetaan

trend pengagihan untuk kegagalan cerun dapat mengenal pasti hubungan kepada ciri-ciri fizikal

tertentu. Perbandingan saiz, bentuk, dan pertindihan elips untuk pelbagai kumpulan jenis kegagalan

cerun boleh memberikan pandangan mengenai pengasingan model yang dihasilkan adalah berbeza.

Elips untuk kegagalan cerun dari masa ke masa boleh digunakan untuk memodelkan taburannya.


5

Analisis corak ruangan dijalankan menggunakan kaedah purata jiran terdekat (ANN). Analisis taburan

dan corak dijalankan bertujuan untuk menentukan dan memahami samada terdapat sebarang taburan

dan corak yang dominan dalam kejadian kegagalan cerun. Perincian taburan corak di perhalusi dengan

membuat analisis corak. Jika corak berkelompok ini bermakna ada proses yang menyebabkan

berlakunya kegagalan cerun. Langkah seterusnya adalah untuk menentukan faktor-faktor yang

menyebabkan proses tersebut berlaku.

Pusat min ruangan

Pusat min ruangan adalah koordinat purata x dan y semua ciri-ciri di kawasan kajian. Ia berguna

untuk mengesan perubahan dalam pengagihan atau untuk membandingkan taburan jenis ciri-ciri.

Analisis ini dapat menunjukkan fenomena yang cenderung berpusat. Pusat min ruangan ini adalah

untuk mengkaji perubahan pengesanan dalam pengedaran bagi membandingkan pengagihan jenis dan

ciri- ciri. Pusat min ruangan dapat mewujudkan kelas ciri titik baru di mana setiap ciri mewakili pusat

min. X dan Y menunjukan nilai pusat, kes, dan bermakna bidang dimensi dimasukkan sebagai hasil

ciri- ciri.

Min pusat dikira seperti berikut

−𝑋 =

∑ 𝑥𝑖𝑛𝑖=1

𝑛 … … … … … … … (1)

−𝑌 =

∑ 𝑦𝑖𝑛𝑖=1

𝑛 … … … … … … … (2)

dimana xi dan yi adalah koordinat untuk ciri i, dan n ialah sama dengan jumlah nombor ciri

tersebut

Pemberat min pusat adalah seperti berikut:

−𝑋𝑤 =

∑ 𝑊𝑖𝑥𝑖𝑛𝑖=1

∑ 𝑊𝑖𝑛𝑖=1

… … … … … (3)

�̅�𝑤 = ∑ 𝑊𝑖𝑦𝑖

𝑛𝑖=1


… … … … … (4)

Dimana wi, adalah pemberat pada ciri i.

Cara pengiraan berpusat bagi 3 dimensi ialah z atribut bagi setiap ciri

−𝑍 =

∑ 𝑍𝑖𝑛𝑖=1

𝑛… … … … … . . (5)

−𝑍𝑤 =

∑ 𝑊𝑖𝑧𝑖𝑛𝑖=1


… … … … (6)

Jarak Piawai (Standard Distant)


6

Jarak piawai adalah mengukur kemampatan taburan yang menyediakan nilai tunggal mewakili

penyebaran di sekitar pusat. Nilai itu adalah jarak, jadi kemampatan itu boleh dipersembahkan dalam

bentuk peta dengan melukis bulatan dengan jejari bersamaan dengan nilai jarak piawai. Jarak piawai

adalah alat mencipta poligon bulatan. (Esri, 2016).

Jarak piawai ini menunjukkan kelas baru bagi ciri yang mengandungi poligon bulatan berpusat pada

pusat min (satu pusat dan satu bulatan bagi setiap kes). Setiap poligon bulatan dihasilkan dengan jejari

yang sama dengan nilai jarak piawai. Nilai atribut untuk setiap poligon bulatan adalah bulatan

bermakna pusat x-koordinat, bermakna pusat y-koordinat, dan jarak piawai (bulatan jejari).

Cara pengiraan Standard Distance adalah seperti berikut;

SD = √2

∑ (𝑥𝑖−�̅�) 𝑛

𝑖=1

𝑛+

∑ (𝑦𝑖−�̅�)𝑛𝑖=1

𝑛

2

…………(7)

dimana xi dan yi adalah koordinat bagi ciri i ,{ X,̅ Y̅ } menunjukkan ciri min pusat dan n

ialah sama dengan jumlah ciri number.

Pemberat jarak piawai adalah seperti berikut;

SDw = √ ∑ 𝑊𝑖(𝑥𝑖−�̅�)2 𝑛

𝑖=1


+∑ 𝑊𝑖(𝑦𝑖−𝑌𝑤̅̅̅̅̅)𝑛

𝑖=1


2

………(8)

dimana wi ialah pemberat pada ciri i dan { Xw,̅̅ ̅̅ ̅ Yw̅̅ ̅̅ } menunjukkan min tengah.

Sisihan piawai Elips

Menurut ESRI (2016) sisihan piawai Elips adalah untuk meringkaskan fitur ruang geografi

kecenderungan memusat, penyebaran, dan arah tren. Cara yang biasa untuk mengukur tren satu set

kawasan adalah untuk mengira jarak piawai secara berasingan pada paksi x dan y. Kedua-dua

langkah-langkah menentukan paksi elips merangkumi ciri-ciri taburan. Elips disebut sebagai sisihan

piawai elips, kerana kaedah mengira sisihan piawai daripada koordinat -x dan koordinat-y daripada

pusat min untuk menentukan paksi elips. Elips ini membolehkan taburan ciri itu memanjang dan

mempunyai orientasi tertentu. Cara pengiraan adalah seperti dalam persamaan (9a dan 9b) di bawah:

𝑆𝐷𝐸𝑥 = √ ∑ (𝑥𝑖−�̅�)𝑛

𝑖=1

𝑛

2

……………..(9a)

𝑆𝐷𝐸𝑦 = √ ∑ (𝑦𝑖−�̅�)𝑛

𝑖=1

𝑛

2

…………….(9b)

Dimana

xi dan yi adalah koordinat bagi ciri i ,


7

{ X,̅ Y̅ } menunjukkan min tengah, dan

n adalah jumlah nombor ciri tersebut

Sudut putaran di kira seperti Persamaan (2) berikut;

tan 𝜃 =A + 𝐵

𝐶

𝐴 = (∑ 𝑛𝑖=1 �̅�𝑖

2 − ∑ �̅�𝑖2)𝑛

𝑖=1

B=√(∑ 𝑛𝑖=1 �̅�𝑖

2)2 + 4 ∑ �̅�𝑖2𝑛

𝑖=1 )2

𝐶 = ∑ �̅�𝑖𝑌�̅�𝑛𝑖=1 … … … … … … … … … … … … … . (10)

dimana xi dan dan yi sisihan daripada koordinat xy dari min tengah.

Sisihan piawai bagi paksi x dan y adalah:

𝜎𝑥 = √2√∑ (�̅�𝑖 cos 𝜃 − �̅�sin 𝜃)2𝑛

𝑖=1

𝑛… … … … … … (11)

𝜎𝑦 = √2√∑ (�̅�𝑖 sin 𝜃 − �̅�cos 𝜃)2𝑛

𝑖=1

𝑛…………………….(12)

Sisihan piawai Elips mewujudkan ciri kelas baru yang mengandungi poligon elips berpusat pada pusat

min untuk semua ciri-ciri (atau untuk kes-kes apabila nilai yang ditentukan) (Esri,2016). Nilai-nilai

atribut hasil poligon elips termasuk jarak piawai (paksi panjang dan pendek) dan orientasi elips.

Orientasi mewakili putaran paksi panjang diukur mengikut arah jam dari tengah hari. Selain itu dapat

menentukan bilangan sisihan piawai untuk mewakili (1, 2, atau 3). Apabila ciri-ciri yang mempunyai

taburan ruangan yang normal (bermakna kepadatan di pusat dan menjadi semakin kurang padat ke

arah pinggir), satu sisihan piawai akan merangkumi kira-kira 68 peratus daripada semua sentroid ciri

input. Dua sisihan piawai akan merangkumi kira-kira 95 peratus daripada semua ciri-ciri, dan tiga

sisihan piawai akan meliputi kira-kira 99 peratus daripada semua sentroid fitur.

Analisis ini menggunakan perisian Arcmap 10.3.1. Aplikasi rumus yang digunakan adalah

menggunakan aplikasi dalam Arcmap 10.3.1 yang menggunakan persamaan matematik dalam

perisian tersebut bagi menghasilkan setiap analisis yang berbeza dengan fungsi yang berbeza.

HASIL DAN PERBINCANGAN

Sebanyak 323 kes kegagalan cerun telah berlaku dalam kawasan kajian ini dari tahun 1998 sehingga

2015 (Rajah 2). Sebanyak 30 kes adalah kegagalan cerun aliran iaitu 9.29%, 30 kes kegagalan cerun


8

tumbang iaitu 9.29% , 161 kegagalan cerun jenis gelongsoran iaitu 49.84% dan 102 jenis kegagalan

cerun jatuan batuan iaitu 31.58 %.

Pusat min ruangan merupakan analisis di mana fenomena yang cenderung berpusat. Pusat min adalah

purata x dan y menyelaras semua ciri-ciri di kawasan kajian. Ia berguna untuk mengesan perubahan

dalam pengagihan atau untuk membandingkan taburan jenis ciri-ciri. Titik tengah min dapat

mewujudkan kelas ciri titik baru di mana setiap ciri mewakili pusat min. X dan Y bermakna

menunjukan nilai pusat, kes, dan bermakna bidang dimensi dimasukkan sebagai hasil ciri- ciri. Rajah

2 menunjukkan lokasi setiap kegagalan cerun dan pusat min ruangan masing-masing. Pusat min

ruangan bagi kegagalan cerun batuan,tumbang dan gelongsoran terletak di tengah-tengah kawasan

kajian. Manakala pusat min ruangan jenis aliran pula terletak di bahagian utara kawasan kajian. Ini

selaras dengan taburan lokasi asal kegagalan cerun. Namun apa yang nyata dari hasilan ini ialah

taburan dan pusat min ruangan setiap jenis kegagalan cerun adalah berbeza. Kegagalan cerun aliran

sebahagian besar terletak.

Rajah 2: Titik tengah min pelbagai jenis kegagalan cerun

Rajah 3 menunjukkan arah taburan pelbagai jenis kegagalan cerun. Bagi jenis kegagalan cerun aliran

arah putaran adalah 42.03. Manakala bagi kegagalan cerun jenis jatuhan batuan iaitu 15.86, bagi

kegagalan cerun jenis gelongsoran pula arah taburan adalah 167.48, kegagalan cerun tumbang pula

adalah sebanyak 12.32. Arah taburan empat (4) jenis kegagalan cerun adalah berbeza.


9

Rajah 3 : Arah taburan pelbagai jenis kegagalan cerun

Rajah 4 menunjukkan jarak piawai berdasarkan pelbagai jenis kegagalan cerun. Jarak piawai

menunjukkan kegagalan cerun jenis aliran jarak piawaian pertama adalah 4035.98 m. Bagi kegagalan

cerun jenis batuan pula jarak piawaian adalah 6096.87m. Manakala bagi kegagalan cerun jenis

gelongsoran pula adalah jarak piawai pertama adalah 5770.76m. hasilan ini menunjukkan bahawa

setiap jenis kegagalan cerun mempunyai serakan yang berbeza dengan kegagalan cerun jenis batuan

mempunyai serakan yang terbesar.


10

Rajah 4: Jarak piawai berdasarkan pelbagai jenis kegagalan cerun

Analisis Corak Taburan Kegagalan Cerun

Rajah 5 menunjukkan peta taburan corak ruangan. Pemetaan corak ini dilakukan dengan menganalisis

corak menggunakan kaedah jarak jiran terdekat. Rajah 5 menunjukkan analisis kaedah jarak terdekat.

Bacaan Skor z adalah – 21.9505503 menunjukkan bahawa corak ini signifikan pada tahap kurang

daripada 1%. Indeks jiran terdekat ialah 0.37 (Rajah5b). Mengikut teori, jika indeks (purata nisbah

jiran terdekat) adalah kurang daripada 1, corak yang di pamerkan adalah kelompok, manakala jika

indeks adalah lebih besar daripada 1, arah aliran adalah ke arah penyebaran. Oleh yang demikian,

corak ralat dalam kajian ini adalah berkelompok.


11

Rajah 5: Taburan Ruangan kegagalan cerun

Rajah 5b Corak taburan kegagalan cerun


12

Analisis taburan corak dijalankan bertujuan untuk menentukan dan memahami samada terdapat

sebarang corak yang dominan dalam taburan kejadian kegagalan cerun. Perincian taburan corak di

perhalusi dengan membuat analisis corak. Jika corak berkelompok ini bermakna ada proses yang

menyebabkan berlakunya kegagalan cerun.

Rajah 6a, b, c, d menunjukkan peta taburan corak ruangan bagi pelbagai jenis kegagalan cerun.

Manakala corak ini dilakukan dengan menganalisis corak menggunakan kaedah jarak jiran terdekat

seperti Rajah 7a, b, c, dan d.

Rajah 6 a, b,c, d : Taburan pelbagai jenis kegagalan cerun

a. b.

c. d.


13

Rajah 7 a,b,c d: Corak ruangan pelbagai jenis kegagalan cerun.

Jadual 1 menunjukkan analisis kaedah jarak terdekat. Bacaan Skor z menunjukkan bahawa corak

adalah signifikan pada tahap kurang daripada 1%. Mengikut teori, jika indeks (purata nisbah jiran

terdekat) adalah kurang daripada 1, corak yang di pamerkan adalah kelompok, manakala jika indeks

adalah lebih besar daripada 1, corak aliran adalah berselerak. Oleh yang demikian, corak taburan

kegagalan cerun dalam kajian ini adalah berkelompok. Bacaan Skor z adalah kurang daripada 1%

menunjukkan corak taburan kegagalan cerun adalah signifikan.

Jadual 1: Ringkasan bagi corak ruangan kegagalan cerun pelbagai jenis

Jenis kegagalan cerun Nisbah jiran terdekat Skor Z Nilai P

Aliran 0.501109 -5.22 0.00

Jatuhan batuan 0.411980 -11.52 0.00

Gelongsoran 0.447945 -13.68 0.00

Tumbang 0.667592 -3.59 0.00

Keseluruhan dan setiap jenis kegagalan cerun mempunyai corak berkelompok. Namun begitu diantara

keempat-empat jenis kegagalan cerun, jenis kegagalan cerun jatuhan batuan adalah paling

berkelompok. Hal ini jelas menunjukkan kegagalan cerun bukan berlaku secara rawak, tetapi ada

proses- proses tertentu yang menyebabkan fenomena tersebut. Jadi proses-proses ini dipegaruhi oleh

pelbagai faktor-faktor pencetus.


14

KESIMPULAN

Analisis taburan dan corak ruangan memainkan peranan penting bagi menganalisis kegagalan cerun di

kawasan kajian. Hal ini kerana taburan dan corak ruangan terhasil daripada proses-proses tertentu.

Analisis ini mendapati terdapatnya perbezaaan arah taburan dan corak bagi setiap jenis kegagalan

cerun. Ini membuktikan dengan jelas bahawa setiap jenis kegagalan cerun terhasil dari proses-proses

yang berbeza. Oleh yang demikian, ini jelas menunjukkan pemodelan ruangan perlu mengambilkira

kepelbagaian jenis kegagalan cerun.

RUJUKAN

Bai SB, Wang J, Thiebes B, Cheng C, & Chang Z.Y (2014).Susceptibility assessments of the

Wenchuan earthquake-triggered landslides in Longnan using logistic regression. Environ

Earth Sci 71:731–743

Chang, K.-T., Chiang, S.-H., Hsu, M.-L., 2006. Modeling typhoon- and earthquake-induced

landslides in a mountainous watershed using logistic regression. Geomorphology, vol. 89(3–

4). Elsevier, pp. 335–347.

Collins B.D,Kayen. R &Tanaka.Y, (2012)Spatial distribution of landslides triggered from the 2007

Niigata Chuetsu–Oki Japan Earthquake. Engineering Geology 127 (2012) 14–26

Esri (2016). An Overview of the Measuring Geographic Distribution toolset.

http://pro.arcgis.com/en/pro-app/tool-reference/spatial-statistics/an-overview-of-the-

measuring-geographic-distributions-toolset.htm. Online 24Nov2016

Harp, E.L., Keefer, D.K., Sato, H.P., Yagi, H., (2011). Landslide inventories: the essential part of

seismic landslide hazard analyses. Engineering Geology 122 (1–2), 9–21.

Jaafari A, Najafi A, Pourghasemi HR, Rezaeian J, & Sattarian A (2014) GIS-based frequency ratio

and index of entropy models for landslide susceptibility assessment in the Caspian forest,

northern Iran. Int J Environ Sci Technol 11:909–926

Jibson RW, Keefer DK (1993) Analysis of the seismic origin of landslides: examples from the New

Madrid seismic zone. Geol Soc Am Bull 105:521–536

Jibson, R.W., Harp, E.L., & Michael, J.A., (2000). A method for producing digital probabilistic

seismic landslide hazard maps. Engineering Geology 58, 271–289.

Keefer, D.K., (1984). Landslides caused by earthquakes. Geological Society of America Bulletin 95,

406–421.

Keefer, D.K., (2000). Statistical analysis of an earthquake-induced landslide distribution — the 1989

Loma Prieta, California event. Engineering Geology 58, 231–249.

Khazai, B., Sitar, N., (2004). Evaluation of factors controlling earthquake-induced landslides caused

by the Chi-Chi earthquake and comparison with the Northridge and Loma Prieta events.

Engineering Geology 71, 79–95.

Lee, C.T., Huang, C.-C., Lee, J.-F., Pan, K.-L., Lin, M.-L., Dong, J.-J., (2008). Statistical approach to

earthquake-induced landslide susceptibility. Engineering Geology 100, 43–58

Lee, C.T., Huang,C.C., Lee,J.F, Pan,K.L.,Lin, M.L,. & J.J. Dong.(2008).Statistical approach to

earthquake-induced landslide susceptibility. Eng. Geol., 100 (1–2) (2008), pp. 43–58

http://pro.arcgis.com/en/pro-app/tool-reference/spatial-statistics/an-overview-of-the-measuring-geographic-distributions-toolset.htm

http://pro.arcgis.com/en/pro-app/tool-reference/spatial-statistics/an-overview-of-the-measuring-geographic-distributions-toolset.htm


15

Li, Y., Zhou, R., Zhao, G., Li, H., Su, D., Ding, H., ... & Ma, C. (2014). Tectonic uplift and landslides

triggered by the Wenchuan earthquake and constraints on orogenic growth: a case study from

Hongchun Gully, Longmen Mountains, Sichuan, China. Quaternary International, 349, 142-

152.

Meunier, P., Uchida, T., Hovius, N., 2013. Landslide patterns reveal the sources of large earthquakes.

Earth Planet. Sci. Lett. 363, 27–33

Parise, M.,& Jibson, R.W., (2000). A seismic landslide susceptibility rating of geologic units based on

analysis of characteristics of landslides triggered by the 17 January, 1994 Northridge,

California earthquake. Engineering Geology 58 (3–4), 251–270.

Pourghasemi HR, Moradi HR, Fatemi Aghda SM, Gokceoglu C, Pradhan B .(2014) GIS-based

landslide susceptibility mapping with probabilistic likelihood ratio and spatial multi-criteria

evaluation models (North of Tehran, Iran). Arab J Geosci 7:1857–1878

R.N. Parker, A.L. Densmore, N.J. Rosser, M. De Michele, Y. Li, R.Q. Huang, S. Whadcoat, D.N.

Petley.Mass wasting triggered by the 2008 Wenchuan earthquake is greater than orogenic

growthNat. Geosci., 4 (7) (2011), pp. 449–452

Regmi AD, Devkota KC, Yoshida K, Pradhan B, Pourghasemi HR, Kumamoto T, Akgun A (2014)

Application of frequency ratio, statistical index, and weights-of-evidence models and their

comparison in landslide susceptibility mapping in Central Nepal Himalaya. Arab J Geosci

7:725–742

Shou KJ, Wang CF .(2003).Analysis of the Chiufengershan landslide triggered by the 1999 Chi–Chi

earthquake in Taiwan. Eng Geol 68:237–250

Tan,X.B.,Yuan,R.M.,Xu,X.M, Chen,G.H, Klinger ,Y., Chang C.P., Ren J.J., Xu C., & Li.K. (2012)

Complex surface rupturing and related formation mechanisms in the Xiaoyudong area for the

2008 Mw 7.9 Wenchuan Earthquake, China. J. Asian Earth Sci., 58 (2012), pp. 132–142

Tatard, L., Grasso, J.R., 2013. Controls of earthquake faulting style on near field landslide triggering:

The role of coseismic slip. J. Geophys. Res. Solid Earth 118 (6), 2953–2964.

Tjia, H. D. (1987). Geomorfologi. Kuala Lumpur: Dewan Bahasa Dan Pustaka

Xu, C., 2014b. Do buried-rupture earthquakes trigger less landslides than surface-rupture earthquakes

for reverse faults? Geomorphology 216, 53–57

Xu, C., Shyu, J.B.H., Xu, X.W., 2014c. Landslides triggered by the 12 January 2010 Port-auPrince,

Haiti, Mw = 7.0 earthquake: visual interpretation, inventory compiling, and spatial

distribution statistical analysis. Nat. Hazards Earth Syst. Sci. 14 (7), 1789–1818.

Xu, C., Xu, X.W., 2012. Comment on “Spatial distribution analysis of landslides triggered by 2008.5.

12 Wenchuan Earthquake, China” by Shengwen Qi, Qiang Xu, Hengxing Lan, Bing Zhang,

Jianyou Liu [Engineering Geology 116 (2010) 95–108]. Eng. Geol. 133–134, 40–42

Xu.C., Xu. X., Bruce.J., Shyu.H.( 2015). Database and spatial distribution of landslides triggered by

the Lushan, China Mw 6.6 earthquake of 20 April 2013. Geomorphology. Volume 248, 1

November 2015, Pages 77–92

Zhao, W, Huang R, Ju N, Zhao J. (2014) Assessment model for earthquake-triggered landslides based

on quantification theory I: case study of Jushui River basin in Sichuan, China. Nat Hazards

70:821–833.

http://www.sciencedirect.com/science/journal/0169555X

http://www.sciencedirect.com/science/journal/0169555X/248/supp/C

analisis taburan dan corak ruangan pelbagai … filedalam kejadian kegagalan cerun. ia merupakan...

Documents