Bencana longsor merupakan bencana alam yang sering terjadi di daerah pegunungan dan menimbulkan risiko bagi kehidupan manusia, harta benda, serta lingkungan. Penelitian ini bertujuan untuk mendeteksi tanah longsor menggunakan bantuan teknologi Artificial Intelligence (AI). Pendeteksian menggunakan instance segmentation dengan bantuan model YOLO11. Model digunakan untuk membandingkan hasil evaluasi model mana yang terbaik untuk deteksi longsor. Nilai Map50 dihitung pada penelitian ini untuk evaluasi performa dari hasil pendeteksian longsor. Kemudian hasil object detection longsor akan di evaluasi kembali dengan analisis Safety Factor (SF) menggunakan aplikasi Geostudio. Parameter yang digunakan adalah c, φ, dan ????b. Evaluasi penggunaan metode variasi nilai epochs untuk mendeteksi adanya longsor menghasilkan model yang terbaik. Hasil image segmentation menggunakan metode YOLO11 menghasilkan nilai Precision 87.8%, Recall 92%, dan Map50 89.5%. Hasil eksperimen menunjukkan bahwa model berhasil mendeteksi area longsor dengan akurasi tinggi, dan visualisasi koordinat mask dalam gambar membantu pengguna dalam mengenali batas-batas area terdampak. Kontribusi utama dari penelitian ini adalah menyediakan metode yang terstruktur dan mudah diakses untuk mengintegrasikan deteksi dan visualisasi hasil segmentasi objek pada citra yang dapat digunakan dalam pemantauan dan mitigasi bencana secara lebih luas. Sebagai rekomendasi, metode ini dapat dikembangkan lebih lanjut dengan memperhitungkan faktor skala piksel ke satuan meter persegi untuk menghasilkan perhitungan luas area terdampak yang lebih akurat.