Analisis Perubahan Tutupan Lahan di Kabupaten Jember Berbasis Citra Sentinel-2A Menggunakan Algoritma Random Forest

Abstract

Pertumbuhan penduduk dan pesatnya laju aktivitas ekonomi serta pembangunan infrastruktur di Kabupaten Jember berdampak pada dinamika penggunaan lahan, termasuk potensi penurunan luasan vegetasi hijau dan lahan pertanian. Oleh karena itu, pemantauan dan pemetaan tutupan lahan secara berkala sangat diperlukan untuk mendukung perencanaan tata ruang wilayah. Penelitian ini bertujuan untuk mengidentifikasi perubahan tutupan lahan di Kabupaten Jember pada tahun 2019, 2021, dan 2024, serta mengevaluasi performa algoritma machine learning Random Forest dalam mengklasifikasikan citra satelit sentinel-2A. Penelitian ini menggunakan citra satelit Sentinel-2A dengan batasan tutupan awan di bawah 10%. Tahapan penelitian meliputi akuisisi data, pra-pemrosesan (pemotongan citra dan cloud masking SCL), dan ekstraksi fitur yang melibatkan saluran asli (original bands) serta indeks spektral turunannya, yaitu NDVI, NDBI, dan MNDWI . Data sampel (Region of Interest) diekstraksi ke dalam format tabular dan dibersihkan dari nilai null, 0, dan duplikat untuk memastikan kualitas data latih. Proses klasifikasi dibangun menggunakan algoritma Random Forest dengan membandingkan dua skema pembagian data training dan testing, yaitu 70:30 dan 80:20. Untuk mencapai performa optimal, parameter model disesuaikan melalui proses hyperparameter tuning menggunakan GridSearchCV . Deteksi perubahan lahan kemudian dianalisis menggunakan metode Post-Classification Comparison (PCC) dengan menyederhanakan 11 sub-kelas menjadi 7 kelas informasi utama: Badan Air, Vegetasi Rapat, Vegetasi Sedang, Lahan Terbangun, Pertanian, Pasir, dan Awan/Bayan