Analisis Perubahan Tutupan Lahan Terhadap Pola Ruang Pada Rencana Tata Ruang Wilayah (Rtrw) Menggunakan Metode Klasifikasi Machine Learning (Studi Kasus: Kabupaten Tapanuli Utara)

Authors

  • Lucky Lubis
  • Hary Nugroho

Keywords:

Tutupan Lahan, Google Earth Engine, Classification and Regression Trees

Abstract

Tutupan lahan dapat diartika sebagai hamparan objek-objek yang menutupi permukaan bumi yang dapat diamati dari hasil aktivitas manusia maupun alam. Seiring dengan perkembangannya manusia, tutupan lahan sering mengalami perubahan fungsi lahan yang dilakukan untuk mendukung kebutuhan manusia. pemantauan perubahan tutupan lahan penting dilakukan untuk mencegah terjadinya perubahan tutupan lahan dan pembangunan di lahan yang tidak sesuai penggunaanya. Salah satu metode yang dapat digunakan untuk pemantauan perubahan tutupan lahan yaitu metode penginderaan jauh. Metode yang digunakan dalam penelitian ini menggunakan Machine Learning dengan algoritma Classification and Regression Trees (CART) yang dijalankan pada platform Google Earth Engine. Perubahan tutupan lahan yang terjadi pada periode 2013-2017 mengalami perubahan seluas 224,292 Km², dan periode 2017-2023 mengalami perubahan 88,561 Km² yang dipengaruhi oleh tutupan awan seluas 78,505. Kesesuaian tutupan lahan terhadap rencana pola ruang RTRW mengalami ketidaksesuaian sebesar 917,46 Km² atau 24,19%, yang terdiri dari kelas lahan terbangun, lahan terbuka, pertanian campur semak, sawah, dan hutan.

Downloads

Published

2023-12-04

Issue

Section

Prosiding FTSP Series 6