IDENTIFIKASI TUTUPAN LAHAN PADA CITRA SATELIT SENTINEL-2A DENGAN SUPPORT VECTOR MACHINE MULTI TAHUN (STUDI KASUS: KOTA BANDUNG)

Abstract

As the population grows, the demand for land for housing increases, so there are many changes in the function of activities in a region, so good spatial planning is needed. A basic data is needed which can be in the form of high-resolution images or aerial photographs. The development of remote sensing technology, especially in the method of processing high-resolution images, has
emerged more advanced technologies that facilitate the techniques of image interpretation and classification, which is commonly referred to as the digital classification method. The classification methods that can be used are pixel-based classification methods and object-based classification methods. In this study, image processing was carried out using object-based classification. Objectbased classification uses the Support Vector Machine algorithm. In this study, Sentinel-2A satellite imagery was used which has 13 spectral bands that offer accurate information details that can be extracted for various purposes. This study identified land cover using object-based classification methods with the Support Vector Machine algorithm. The results of the classification accuracy test of Sentinel-2A imagery were 97.80% in 2021, 85.14% in 2022, and 96.38% in 2023 with 4 land cover classes, namely Built-up Area, Open Area, Vegetation, and Agriculture. Keywords: Sentinel-2A, Land cover, Support Vector Machine algorithm

ABSTRAK
Semakin banyaknya penduduk maka kebutuhan akan lahan untuk tempat tinggal semakin besar sehingga banyak terjadi alih fungsi kegiatan dari suatu wilayah sehingga diperlukan suatu penataan ruang yang baik. Dibutuhkan suatu data dasar yang dapat berupa citra resolusi tinggi ataupun foto udara. Perkembangan teknologi penginderaan jauh terutama pada metode pengolahan citra resolusi tinggi memunculkan teknologi yang lebih canggih yang memudahkan dalam teknik interpretasi dan klasifikasi citra yang biasa disebut dengan metode klasifikasi digital. Metode klasifikasi yang dapat digunakan adalah metode klasifikasi berbasis piksel dan metode klasifikasi berbasis objek. Pada penelitian ini dilakukan pengolahan citra menggunakan klasifikasi berbasis objek. Klasifikasi berbasis objek menggunakan algoritma Support Vector Machine. Dalam penelitian ini digunakan citra satelit Sentinel-2A yang memiliki 13 band spektral yang menawarkan detail informasi akurat yang dapat diekstrak untuk berbagai keperluan. Penelitian ini mengidentifikasi tutupan lahan menggunakan metode klasifikasi berbasis objek dengan algoritma Support Vector Machine. Hasil dari uji ketelitian klasifikasi citra Sentinel-2A sebesar 97,80% pada Tahun 2021, 85,14% pada Tahun 2022, dan 96,38% pada Tahun 2023 dengan jumlah kelas tutupan lahan sebanyak 4 kelas yaitu Area Terbangun, Area Terbuka, Vegetasi, dan Pertanian.
Kata kunci: Sentinel-2A, Tutupan lahan, Algoritma Support Vector Machine.