Indonesia terletak di zona iklim tropis yang sangat mungkin mengalami bencana hidrometeorologi. Hal ini dibuktikan dengan banyaknya bencana tanah longsor yang terjadi di seluruh Indonesia dan Provinsi Jawa Tengah merupakan provinsi dengan kasus longsor terbanyak kedua di wilayah Jawa selama lima tahun terakhir. Penelitian ini membahas mengenai proses pembuatan peta prediksi wilayah kerentanan longsor menggunakan machine learning metode ensambel Random Subspace-Random Forest. Klasifikasi wilayah longsor pada penelitian ini digunakan untuk memberikan parameter pada wilayah longsor agar dapat mengetahui seberapa rentan risiko pada wilayah longsor tersebut. Machine learning akan mengenali faktor pengondisi yang berpengaruh terhadap longsor yang kemudian akan melakukan prediksi nilai probabilitas longsor dan mengklasifikasikan ke beberapa kelas. Model machine learning metode ensambel Random Subspace-Random Forest dibuat menggunakan modul scikit-learn pada bahasa pemrograman Python. Hasil dari penelitian ini menunjukkan bahwa prediksi wilayah longsor menggunakan metode ensambel Random Subspace-Random Forest memiliki performa yang baik. Hal ini ditunjukkan oleh hasil analisis model machine learning metode ensambel Random Subspace-Random Forest yang memiliki kriteria fair to excellent yang ditunjukkan dengan nilai AUC > 0,7 yang nilai tertingginya mencapai 0,9780 dan nilai landslide density yang semakin meningkat seiring dengan meningkatnya kelas kerentanan.
