METODE RANDOM FOREST DAN SUPPORT VECTOR MACHINE UNTUK MONITORING PERUBAHAN TUTUPAN LAHAN DI KECAMATAN KLAPANUNGGAL, KABUPATEN BOGOR
Random Forest and Support Vector Machine Methods for Monitoring Land Cover Change in Klapanunggal District, Bogor Regency
Kata Kunci:
land cover, machine learning, sentinel-2, random forest, support, verctor machineAbstrak
Perubahan tutupan lahan merupakan fenomena yang terus berlangsung, sehingga pemantauan secara berkala sangat penting. Salah satu pendekatan yang efektif untuk klasifikasi tutupan lahan adalah pembelajaran mesin yang terawasi. Penelitian ini menggunakan citra Sentinel-2 dari tahun 2018 dan 2024 untuk memantau perubahan tutupan lahan. Klasifikasi dilakukan dengan menggunakan dua algoritma - Random Forest (RF) dan Support Vector Machine (SVM) - sesuai dengan Standar Nasional Indonesia (SNI) 7645:2014 untuk klasifikasi tutupan lahan. Hasilnya menunjukkan bahwa RF mencapai akurasi yang lebih tinggi yaitu 92,73%, dibandingkan dengan 90,91% untuk SVM. Oleh karena itu, RF dipilih untuk analisis lebih lanjut mengenai perubahan tutupan lahan. Perubahan negatif mencapai 272,42 ha (2,86%), terutama melibatkan konversi lahan sawah menjadi pemukiman (114,42 ha atau 1,2%). Perubahan positif mencapai 85,6 ha (0,9%), dengan perubahan yang paling banyak terjadi adalah konversi semak belukar menjadi pertanian lahan kering (43,5 ha atau 0,46%).
