Yogyakarta, 20 Januari 2026 – Febrian Fitryanik Susanta, dosen Departemen Teknik Geodesi Fakultas Teknik Universitas Gadjah Mada (FT UGM), kembali menunjukkan kontribusi aktif dalam publikasi ilmiah internasional melalui artikel berjudul Identifying environmental factors related to motorcyclist crash rates: variable selection using spatial Random Forest with network distance and barriers. Publikasi ini ditulis bersama Bimo Harya Tedjo, Pei-Fen Kuo, dan I Gede Brawiswa Putra dari National Cheng Kung University serta Universitas Gadjah Mada. Artikel ini telah melalui proses ilmiah dan dipublikasikan secara daring pada 19 Desember 2025. Publikasi dapat diakses melalui DOI berikut:
https://doi.org/10.1016/j.aap.2025.108362

Penelitian ini mengangkat isu keselamatan pengendara sepeda motor yang masih menjadi perhatian global, khususnya di negara-negara Asia di mana sepeda motor merupakan moda transportasi utama. Studi ini berfokus pada identifikasi faktor lingkungan yang memengaruhi tingkat kecelakaan sepeda motor, dengan pendekatan yang lebih komprehensif dibandingkan metode konvensional. Dalam penelitian ini, tim peneliti mengembangkan kerangka metode baru bernama Spatial Random Forest with Network Distance and Barriers (spatialRF–NDBAR). Pendekatan ini mengintegrasikan jarak jaringan jalan (network distance) serta hambatan akses jalan (road barriers) ke dalam proses seleksi variabel spasial, sehingga mampu meningkatkan akurasi model dalam merepresentasikan kondisi nyata di lapangan.

Studi kasus dilakukan di kawasan Central Business District (CBD) Kota Taipei, dengan memanfaatkan data kecelakaan sepeda motor periode 2016–2020 serta data Point of Interest (POI) yang diperoleh dari OpenStreetMap. Metode yang dikembangkan kemudian dibandingkan dengan pendekatan lain, termasuk spatialRF konvensional dan spatialRF–ND, menggunakan model statistik Ordinary Least Squares (OLS) dan Multiscale Geographically Weighted Regression (MGWR). Hasil penelitian menunjukkan bahwa model MGWR dengan variabel hasil seleksi spatialRF–NDBAR memberikan performa terbaik, ditunjukkan oleh nilai AICc terendah (1801.212) dan koefisien determinasi tertinggi (R² = 0.867). Selain itu, integrasi variabel spasial terbukti mampu mengurangi autokorelasi spasial residual, sehingga meningkatkan kualitas model secara keseluruhan.

Temuan penelitian juga mengidentifikasi bahwa lokasi-lokasi tertentu seperti pasar, restoran, bar, hotel, bank, halte bus, dan stasiun metro memiliki keterkaitan dengan tingkat risiko kecelakaan yang lebih tinggi. Hasil ini memberikan implikasi penting bagi pemerintah daerah dalam merancang kebijakan keselamatan lalu lintas, khususnya dalam penegakan aturan dan pengelolaan kawasan berisiko tinggi. Kontribusi Febrian Fitryanik Susanta dalam penelitian ini kembali menegaskan peran aktif akademisi Teknik Geodesi FT UGM dalam pengembangan ilmu geospasial berbasis data-driven untuk mendukung perencanaan transportasi yang lebih aman dan berkelanjutan.

Sebuah penelitian kolaboratif lintas negara yang melibatkan pakar dari berbagai institusi akademik dan pemerintah telah resmi dipublikasikan dalam jurnal internasional Terrestrial, Atmospheric and Oceanic Sciences (Volume 37, Nomor 1, 2026). Studi bertajuk “A case study of geoid modeling in Sulawesi and accuracy verification strategies for accommodating diverse MSL vertical datums” ini merupakan hasil sinergi antara peneliti dari Universitas Gadjah Mada (UGM) Prof. Ir. Leni Sophia Heliani, S.T., M.Sc., D.Sc., IPU., Badan Informasi Geospasial (BIG) Indonesia, National Chung Hsing University Taiwan, serta National Yang Ming Chiao Tung University Taiwan. Riset ini menggarisbawahi pentingnya integrasi data gravitasi udara (airborne gravity) dalam mengatasi tantangan geografis pulau Sulawesi yang kompleks untuk menghasilkan model referensi ketinggian yang akurat.

Intisari dari penelitian ini berfokus pada pengembangan model geoid di Sulawesi dengan memanfaatkan data gravitasi udara yang dikumpulkan selama periode 2008 hingga 2019. Para peneliti mengevaluasi efektivitas berbagai Model Gravitasi Global (GGM) dan memperkenalkan strategi verifikasi akurasi untuk menyatukan berbagai datum vertikal Mean Sea Level (MSL) yang berbeda di wilayah tersebut. Hasil studi menunjukkan bahwa penggunaan data gravitasi udara yang dikombinasikan dengan teknik pemodelan tertentu mampu meningkatkan ketelitian penentuan tinggi fisik, yang sangat krusial bagi wilayah kepulauan seperti Indonesia di mana referensi tinggi laut sering kali tidak seragam antar wilayah.

Secara strategis, publikasi ilmiah ini memberikan kontribusi nyata dalam mendukung beberapa Tujuan Pembangunan Berkelanjutan atau Sustainable Development Goals (SDGs). Penemuan ini secara langsung mendukung SDG 9: Industri, Inovasi, dan Infrastruktur, karena model geoid yang akurat adalah fondasi utama bagi pembangunan infrastruktur fisik yang presisi dan tahan lama. Selain itu, riset ini relevan dengan SDG 11: Kota dan Komunitas yang Berkelanjutan, khususnya dalam pemodelan risiko banjir dan mitigasi bencana berbasis data spasial. Terakhir, kerja sama ini menjadi manifestasi nyata dari SDG 17: Kemitraan untuk Mencapai Tujuan, yang membuktikan bahwa kolaborasi teknis antara lembaga pemerintah Indonesia dan universitas internasional mampu menghasilkan solusi inovatif bagi tantangan pemetaan nasional.

Link artikel: https://doi.org/10.1007/s44195-025-00119-4