Detail Cantuman

Pengembangan metodologi baru untuk memetakan tutupan lahan telah menjadi salah satu perhatian utama pada skala regional dan global. Tutupan lahan harus diprioritaskan untuk dipetakan secara cepat sebab menjadi parameter penting dalam banyak aplikasi pekerjaan. Cara paling signifikan untuk memproduksi peta tutupan lahan adalah klasifikasi dengan citra satelit menggunakan beragam algoritma klasifikasi. Penelitian ini bertujuan untuk menerapkan algoritma random forest untuk klasifikasi tutupan lahan di Kabupaten Kapuas dan Pulang Pisau dengan parameter atau data yang digunakan untuk klasifikasi tutupan lahan yaitu ketinggian, kemiringan, dan 10 band dari citra satelit Sentinel-L2A. Terdapat 4 model yang dibangun pada klasifikasi tutupan lahan, dengan tujuan untuk melihat keterkaitan antara jumlah pohon acak (ntree) yang digunakan terhadap akurasi. Berdasarkan 4 model yang telah dibuat, banyak jumlah pohon yang digunakan tidak banyak mengubah hasil klasifikasi tutupan lahan dalam segi luasan. Dari hasil klasifikasi didapatkan bahwa model-2 mendapatkan akurasi tertinggi pada training, testing, dan validation dataset dibandingkan model lainnya. Model-2 dapat direkomendasikan untuk digunakan membuat klasifikasi tutupan lahan, karena keandalan model prediksi sudah bagus dalam mengidentifikasi data asing.