Indonesia merupakan wilayah beriklim tropis yang memiliki potensi tinggi untuk mengalami bencana hidrometeorlogis. Hal ini dibuktikan dengan banyaknya kasus tanah longsr yang terjadi diseluruh Indonesia, yang mana wilayah yang paling sering terjadi longsor adalah Provinsi Jawa Tengah.
Metode pemetaan yang diterapkan saat ini adalah metode skoring pada masing-masing kategori di setiap faktor kondisi, kemudian dikalikan dengan bobot yang didasarkan atas pengaruh suatu faktor kondisi pada wilayah tinjauan yang megalami longsor (Yassar et al., 2020). Namun pada kondisi sebenarnya terdapat banyak faktor penyebab longsor yang mana faktor-faktor tersebut memberikan pengaruh secara bersamaan pada lereng, dan akan berubah pula pengaruhnya ketika wilayah tinjauan berbeda atau tanah telah bergeser dari posisi awalnya dan muncul perubahan keadaan pada lingkungan seperti perubahan fungsi tataguna lahan, perubahan pola curah hujan, dan kemungkinan alam lainnya.
Penilitian ini bertujuan untuk mengembangkan script pemetaan wilayah resiko longsor berbasis kecerdasan buatan dengan cara mengklasifikasikan wilayah longsor dan tidak longsor berdasarkan kombinasi faktor kondisi penyebab longsor yang paling berpengaruh pada wilayah yang pernah mengalami longsor sebelumnya. Metode yang digunakan dalam pembuatan model adalah Support Vector Machine (SVM), dengan pemilihan kernel dan modifikasi parameter C dan ? yang mampu mengoptimalkan performa. Model dengan performa paling baik dan valid berdasarkan metode 10-folds cross validation digunakan untuk memetakan kembali wilayah resiko longsor pada wilayah studi.
Hasil penelitian ini menunjukkan bahwa metode pemetaan wilayah resiko longsor berbasis kecerdasan buatan dapat diterapkan pada wilayah studi lima kecamatan di Karanganyar.  Model yang dihasilkan mampu memetakan seluruh wilayah longsor dengan nilai AUC mencapai 0,962813, serta menunjukkan peningkatan performa ketika terjadi penambahan jumlah data.

Kata kunci : longsor, faktor kondisi, klasifikasi, SVM, 10-folds cross validation